Construction and application of “Dual-drive” pre-warning system for coal mine water disaster based on microseismic data and model
-
摘要:
现阶段,我国越来越多的矿井进入深部开采和下组煤开采期,煤层开采受岩溶水害威胁严重,矿井深部突水隐患探查不清,采掘过程中缺乏科学有效的突水监测预警手段,是造成矿井突水灾害的主要原因。为夯实水害预警监测基础,提出“双驱动”煤矿水害微震预警架构,利用数据驱动与模型驱动,实时动态监测工作面底板突水风险等级及范围,对突水风险趋势智能预测预报。在数据驱动的框架下,以微震事件时空演变规律为切入点,通过对微震事件震源机制反演与属性分析,为导水通道形成判断提供依据,结合水文动态数据变化,建立相应突水判据,对突水风险进行评价。在模型驱动的框架下,构建含分类预测、聚类分析等多种算法的深度学习模型,将典型微震事件群作为模型输入,定量动态预测未来微震事件发生的空间范围与聚集度,继而确定突水风险等级与危险区域。基于微震数据及模型的煤矿水害“双驱动”预警技术,开发了相应的区域性煤矿水害三维智能预警平台,实现了水害风险特征的动态智能预警预测和危险区域的三维可视化显示。实践证明,采用确定性数据研判与智能模型预测的“双驱动”微震预警体系,对突水风险等级和范围的预测效果显著,实现了对底板水害高风险区域的精确预警与防控。
Abstract:At the present stage, more and more mines in China are entering the deep mining and lower group coal mining period. The coal seam mining is seriously threatened by karst water, the hidden danger of water inrush in the deep mine is unclear, and the lack of scientific and effective water inrush monitoring and early warning means in the mining process is the main reason for the water inrush disaster in the mine.In order to consolidate the foundation of early warning and monitoring of water disasters, a “double drive” micro earthquake early warning framework for coal mine water disasters is proposed. Using data drive and model drive, the risk level and scope of water inrush from the floor of the working face are monitored dynamically in real time, and the trend of water inrush risk is predicted intelligently.Under the framework of data driving, taking the temporal and spatial evolution law of microseismic events as the breakthrough point, through the inversion and attribute analysis of the source mechanism of microseismic events, it provides a basis for judging the triggering cause of microseismic events, the rupture trend and the formation of water diversion channels. In combination with the changes of hydrological dynamic data, it establishes the corresponding criteria for water inrush and evaluates the risk of water inrush.Under the framework of model driven, a deep learning model with multiple algorithms such as classification prediction and cluster analysis is constructed. The typical microseismic event cluster is used as the model input to quantitatively and dynamically predict the spatial range and concentration of future microseismic events, and then determine the water inrush risk level and risk area. Based on the “double drive” early-warning technology of coal mine water disaster based on microseismic data and model, the corresponding regional 3D intelligent early-warning platform of coal mine water disaster is developed, which realizes the dynamic intelligent early-warning prediction of water disaster risk characteristics and 3D visual display of dangerous areas.The practice has proved that the “double drive” microseismic early warning system using deterministic data research and intelligent model prediction has a remarkable effect on predicting the level and scope of water inrush risk, and has realized accurate early warning and prevention and control of high-risk areas of floor water damage.
-
Keywords:
- floor water hazard /
- dual drive /
- attribute analysis /
- microseismic warning /
- deep learning
-
0. 引 言
影响高寒地区工程岩体力学行为的因素很多,如荷载、温度、含水量等,其中含水量是一个关键因素。受地表径流和地下水渗流的影响,工程岩体中的含水量并非均匀分布,致使其饱和度存在明显的差异[1]。低温条件下(<0 ℃),孔隙水相变为冰体积膨胀(9%),进而重塑岩石内部微观孔隙结构,导致岩体物理力学性质存在明显差异。此外,寒区工程岩体往往遭受不同形式动态荷载的影响,如露天矿边坡不仅受冻害的影响,且易受爆破施工等冲击载荷的影响,诱发边坡滑移失稳等地质灾害[2]。因此,开展低温下不同饱水岩石的动态力学试验及损伤机制的研究,对于寒区岩体工程安全具有重要意义。
目前,国内外学者在冻结岩石力学方面开展了大量工作,以研究温度、饱和度及孔隙结构等因素对冻结岩石物理力学特性的影响:如刘波等[3]开展了4种低温条件下冻结砂岩的单轴压缩试验,发现饱和砂岩的强度随着冻结温度的降低出现先增大后减少的趋势;杨更社等[4]研究了冻结砂岩的三轴力学特性,结果表明冻结状态下岩石的黏聚力和内摩擦角均增大。此外,KODAMA等[5]分析了饱和度变化对冻结砂岩力学特性及破坏形态的影响;HUANG等[6]通过对冻结砂岩进行声发射和应力监测试验,发现当饱和度超过85%时,砂岩冻结过程中出现明显的冻胀应变和声发射信号。徐光苗等[7]对不同初始孔隙结构砂岩进行冻融试验,揭示了孔隙率变化对岩石冻结劣化特征的影响规律;SARICI等[8]评估了冻结过程中孔隙率对岩石力学性能的影响,并建立了两者之间的函数关系。然而,上述研究多关注于冻岩静态力学特性的研究,并不足以反映冲击荷载下冻岩的力学响应。
随着寒区岩体工程的增加,冻融作用下岩石的动态力学行为日益受到关注[2]。分离式Hopkinson压杆(SHPB)系统是开展动力学试验的主要设备之一。基于SHPB试验系统,XU等[9]研究了冻融作用下砂岩动态力学特性,并建立了基于波速变化的动态强度劣化模型;李杰林等[10]结合NMR和SHPB试验系统,探究了冻融作用下砂岩孔隙结构的变化对其动态力学性质的影响;LIU等[11]对冻融作用后砂岩进行了不同冲击荷载的SHPB试验,建立了试样破碎分形维数和冲击强度之间的关系。ZAKHAROV通过现场调研,发现在爆破和岩石破裂带等区域内,低温可以起到软化饱和岩石的作用,是导致地质灾害发生的主要原因[12]。针对此,陈彦龙等开展了低温饱和砂岩的SHPB试验,分析了冲击速度对冻结砂岩动态力学特性及破坏形态的影响[2];基于动态拉伸试验,YANG等[13]探索了饱和冻结砂岩的拉伸破裂机理;WENG等[14]通过SHPB试验研究了低温条件下干燥和饱和粉砂岩动态力学特性,发现含水量是影响冻结砂岩动态强度的关键因素。然而,目前针对低温下饱和度对岩石动态力学特性研究并不完善,多集中于干燥或饱和状态。
因此,以中国新疆地区的红砂岩为研究对象,制备了5种不同饱和度试样,并利用低温SHPB试验系统对冻结试样进行4种弹速的冲击试验。基于试验结果,分析了饱和度的变化对砂岩动态力学强度、变形及脆性的影响。此外,结合NMR和SEM等技术,探究了不同饱和度冻结砂岩微观结构的演化特征。研究结果以期为寒区岩体工程的安全提供参考。
1. 材料与方法
1.1 材料及试样制备
新疆地区属于季节性冻土区域,其岩土工程多遭受冻害的影响。同时,该地区是我国露天采煤基地,冬季爆破作业频繁易诱发岩体边坡滑移等地质灾害。因此,采用了乌鲁木齐某露天矿岩质边坡的砂岩块为研究对象,其结构完整,颗粒均匀,呈现棕红色。通过X射线衍射(XRD)试验确定了岩石的基本矿物成分(图1),该砂岩主要由石英(47.3%)、长石(31.5%)和伊利石(9%)组成,并含有少量方解石和绿泥石。
根据ISRM的标准,岩块被加工成直径为50 mm、长径比为1的标准岩样。加工完后,剔除表面存在缺陷的试样,并选择波速相近的试样作为试验对象。完整试样的基本物理力学性质见表1。
表 1 红砂岩试样基本物理力学性质Table 1. General physico-mechanical properties of red sandstone sample纵波波速/(m·s−1) 干密度/(g·cm−3) 饱和密度/(g·cm−3) 孔隙率/% 单轴抗压强度/MPa 泊松比 含水率/% 2 459 2.14 2.31 16.57 13.84 0.23 7.94 将筛选出的试样进行干燥,并使用真空饱水装置对其饱水;随后,将饱和试样置于50 ℃的干燥箱中自然蒸发,通过质量控制法获得预先设定的饱和度[15]。达到指定含水量时,采用凡士林涂抹试样表面,避免水分蒸发和保持水分均匀分布。本试验的饱和度设为0、30%、50%、80%和100%。最后,考虑取样地点冬季温度的变化,将制备好的试样放入冻融箱中,在−25 ℃条件下冷冻24 h[9]。
1.2 试验设备
低场NMR试验系统的共振频率为12.8 MHz,主磁场强度约为0.3 T。在测试中,不同饱和度样品在−25 ℃的冻融箱中冻结24 h。冻结后,将试样融化并再次饱和,随后进行NMR测试[3]。
利用低温SHPB系统开展冻结砂岩冲击试验,其中,子弹和杆的直径均为50 mm,由Cr40制成,其波速、屈服强度和弹性模量分别为5 400 m/s,800 MPa和208 GPa。低温系统主要包括控制器、液氮罐、电热丝传感器及保温室等。保温室内层主要由硅酸铝针刺毯组成,具有良好的保温效果(图2)。试验时,当传感器检测到低温室温度达到预设值时,电热丝将停止工作,此过程由电磁阀自动控制[2]。试验时可通过控制器调节保温室内的温度,控制温差为±0.5 ℃。
试验前,在试样两端涂抹二硫化钼作为润滑剂以减少摩擦效应。将保温室温度调整为−25 ℃,放入冻结砂岩试样,并选择橡胶圆垫作为脉冲整形器。冲击试验后,基于一维应力波传播理论,采用了三波法计算了试样两端荷载P1和P2、应变率
$\dot \varepsilon$ 与应变$\varepsilon $ (式1)。$$ \left\{ \begin{gathered} {P_1}{\text{ = }}{A_{\text{r}}}{{{E}}_0}[{\varepsilon _{\rm{i}}}(t) + {\varepsilon _{\rm{r}}}(t)]{\text{ }} \\ {P_2} = {A_{\rm{r}}}{{{E}}_0}{\varepsilon _{\rm{t}}}(t) \\ \\ {\dot \varepsilon = \frac{{{{{C}}_{\text{s}}}}}{{{L_{\text{s}}}}}[{\varepsilon _{\rm{i}}}(t) - {\varepsilon _{\rm{r}}}(t) - {\varepsilon _{\rm{t}}}(t)]} \\ {\varepsilon = \frac{{{{{C}}_{\text{s}}}}}{{{L_{\text{s}}}}}\int_0^t {[{\varepsilon _{\rm{i}}}(t) - {\varepsilon _{\rm{r}}}(t) - {\varepsilon _{\rm{t}}}(t)]{\rm{d}}t} } \end{gathered}\right. $$ (1) 式中:Ar为杆与试样截面积的比值;E0、Cs和Ls分别为杆的弹性模量,波速及试样的长度;
$ {\varepsilon _{\text{i}}}(t) $ 、$ {\varepsilon _{\text{r}}}(t) $ 和$ {\varepsilon _{\text{t}}}(t) $ 分别为入射、反射和透射应变。此外,子弹冲击速度由激光测速仪获得。1.3 动力学试验方案
如上所述,试验选取了5种饱和度岩样进行冲击试验,以4种冲击速度(4、5、6、7 m/s)作为加载条件,每种条件下3块试样。因此,开展SHPB试验时共需要60块试样,另选取5块作为备用试样。同时,对试样进行了编号,如D-50-4表示饱和度为50%冲击速度为4 m/s试样。此外,进行动力学试验时需要验证试样两端的应力平衡[16]。
2. 试验结果与分析
2.1 LT-NMR试验结果
LT-NMR试验中,磁共振信号强度代表被测样品中含氢流体的量,而其随时间变化的快慢(横向弛豫时间T2)与流体中分子的赋存状态有关。因此,岩石中含氢流体的弛豫时间可全面反映岩石内部孔隙的分布规律[17]。对于岩石中含氢流体,其在射频脉冲后的弛豫时间T2[18]为
$$ \frac{1}{{{T_2}}}{\text{ = }}\rho {\left(\frac{S}{V}\right)_{{\text{pore}}}} $$ (2) 式中:
$ \rho $ 为表面的弛豫强度,与岩石颗粒表面及胶结物的性质有关;S/V为岩石内孔隙的比表面,与孔隙的形状有关[19]。因此,通过试样T2谱图的分布特征,可以间接获得岩石内不同尺寸孔隙的分布规律。图3给出了不同饱和度试样冻结后T2谱图分布曲线。冻结试样T2谱图曲线主要呈现出3个峰值,表明该砂岩内部主要有3种尺寸分布的孔裂隙结构。根据YAO等[20]压汞和NMR的试验结果,T2、孔隙直径与孔隙水类型之间存在着对应关系,如T2为0.01~10 ms时,对应孔径约为0.1 μm,称为微孔(小孔),可作为薄膜水与毛细水之间的物理分界线;而当T2大于100 ms时,对应孔径大于1 μm,主要存在自由水,称为主干孔(大孔)。由图3可知,与饱水试样相比,干燥试样各孔径T2谱面积均有减少的趋势,表明低温下,干燥试样孔隙结构几乎不受低温的影响。然而,随着含水量的增加,第二峰所占面积比由2.19%(干燥)增加至9.32%(饱和),表明低温下饱和度的增加对中孔扩展发育的影响最大;而当饱和度超过80%时,第三峰面积增加了3.57%,表明砂岩试样的大孔开始进一步发育。因此,低温下试样饱和度小于80%时,以中小孔发育为主,当饱和度超过80%时,砂岩试样的大孔开始发育扩展。换言之,低温冻胀劣化主要发生在中−大孔内,且大孔劣化作用更为明显,这是由于低温下大孔隙中的水更易形成分子簇,以克服结晶的能量屏障,率先成核结冰[5]。而小孔隙内的水难以成核,呈现过冷的状态。进而,低化学势的过冷水易迁移至中−大孔内,致使孔内冰晶压力的持续增长。当压力超过岩石基质抗拉强度时,孔隙将进一步发育和扩展。而当孔隙含水量较低时,冰体积的生长受限,孔裂隙的发育将受到抑制。因此,T2谱图中呈现出了第二和第三峰值随饱和度的增大而增加的趋势。
2.2 SHPB试验结果
通过调整气压和撞击杆的位置,确定了4种近似的冲击荷载。如图4a—图4e给出不同饱和度和冲击荷载下动态应力应变曲线,图4f为试样动态应力应变曲线的典型形态。由图4f可知,低温下冻结砂岩的应力应变行为表现出4个阶段:I初始压密阶段;II线弹性变形;III塑性软化阶段;IV峰后破坏阶段,此阶段试样已从压杆端掉落,因此不做讨论。由图4a—图4e可知,干燥状态下冻结试样动态曲线出现了明显的压密阶段,且随着冲击速度的增加而降低;而随着饱和度的增加,压密阶段逐渐减少。为了描述动态应力应变曲线的行为,采用了几个参数用以评估饱和度和冲击速度对冻结砂岩动态力学特性的影响,主要包括动态强度、峰值应变、弹性模量及动态脆性指数(BI)等,计算结果见表2。
表 2 不同条件下冻结砂岩的动态力学参数Table 2. Dynamic mechanical parameters of frozen sandstone under different conditions试样编号 动态强度/MPa 动态模量/GPa 峰值应变/10−2 脆性指数BI D-0-4 22.1 1.95 1.167 0.728 D-0-5 25.7 2.04 1.247 0.694 D-0-6 29.3 2.28 1.286 0.657 D-0-7 34.6 2.59 1.353 0.602 D-30-4 24.6 2.39 1.015 0.753 D-30-5 31.3 2.83 1.094 0.721 D-30-6 35.5 3.03 1.176 0.697 D-30-7 42.8 3.42 1.218 0.665 D-50-4 26.4 3.26 0.812 0.862 D-50-5 33.8 3.8 0.891 0.819 D-50-6 39.7 4.07 0.961 0.760 D-50-7 46.5 4.47 1.041 0.682 D-80-4 21.3 2.02 1.049 0.788 D-80-5 26.2 2.27 1.154 0.745 D-80-6 32.6 2.58 1.238 0.703 D-80-7 40.3 3.06 1.318 0.675 D-100-4 19.4 1.71 1.134 0.744 D-100-5 23.6 1.83 1.292 0.712 D-100-6 25.5 1.92 1.331 0.684 D-100-7 28.8 2.11 1.411 0.659 2.2.1 动态强度演化
根据表2中数据,冻结砂岩的动态强度与冲击速度和饱和度关系如图5所示。由图可知,低温条件下试样动态强度随着冲击速度增大而增大,表现出明显的应变率强化效应;然而,随着饱和度增加呈现先增大后降低趋势。当冲击速度为5 m/s时,与干燥试样相比,饱和度由30%增至100%,动态强度分别增加24.9%,32.7%,2.86%和−7.3%,表明对于该类红砂岩当饱和度超过80%时,冻结强化效应将被抑制。低温时,由于界面能的影响,岩石内较大孔隙中的水迅速成核并冻结。若大孔中含水量较低,即使通过未冻水迁移补给也很难产生结晶压力。此时,孔隙冰起到支撑孔壁和减少裂隙长度的作用,进而降低了裂隙尖端的应力集中[5]。因此,当冲击应力波在试样内传播时,孔隙尖端裂纹不易发育。同时,未冻薄膜水与岩石基质和孔隙冰之间的黏附力增强了孔隙的抗拉和抗剪切的力学特性。然而,当含水量超过孔隙空间所能承受的水冰相变体积增量时,不可避免地促进微裂隙的持续发育,进而降低试样的动态强度。
此外,采用动态强度增加因子(DIF)评估了冻结砂岩试样强度的增长率,结果如图6所示。DIF计算如式(3)所示,其中fv(d)为冲击速度为v时试样动态强度,而f(s)为其静态强度。由图可知,冻结砂岩的动态强度增长随饱和度的增加先升高后降低;而随着冲击速度呈线性增加(式(4)),且增加速率与饱和密切相关,50%饱和度时其增加率达到最大。例如,冲击速度为6 m/s时,试样饱和度由0增加至50%时,DIF由2.11增长至2.87;而到饱和度增加至80%,DIF下降为2.31。因此,饱和度50%~80%之间存在临界饱和度Src。当饱和度大于Src时,砂岩中的孔隙冰对动态强度的增强作用逐渐受到抑制,尤其是接近饱和时,在结晶压力的作用下孔裂隙发育扩展进一步阻碍了试样动态强度的增加。
$$ D_{\text{IF }}= \frac{{{f_{\rm{v}}}(d) - f(s)}}{{f(s)}} $$ (3) $$ \left\{ {\begin{array}{*{20}{l}} {D_{\rm{IF}}{\text{ = }}0.412 + 0.295v{\text{ (}}{S_{\text{r}}}{\text{ = 0 , }}{R^2}{\text{ = 0}}{\text{.961)}}} \\ {D_{\rm{IF}}{\text{ = }}0.223 + 0.396v{\text{ (}}{S_{\text{r}}}{\text{ = 30\% , }}{R^2}{\text{ = 0}}{\text{.975)}}} \\ {D_{\rm{IF}}{\text{ = }}0.035 + 0.472v{\text{ (}}{S_{\text{r}}}{\text{ = 50\% , }}{R^2}{\text{ = 0}}{\text{.993)}}} \\ {D_{\rm{IF}}{\text{ = }}-0.341 + 0.455v{\text{ (}}{S_{\text{r}}}{\text{ = 80\% , }}{R^2}{\text{ = 0}}{\text{.979)}}} \\ {D_{\rm{IF}}{\text{ = }}0.461 + 0.239v{\text{ (}}{S_{\text{r}}}{\text{ = 100\% ,}}{R^2}{\text{ = 0}}{\text{.982)}}} \end{array}} \right. $$ (4) 事实上,孔隙水相变为冰时体积膨胀对岩石骨架产生一定的冻胀力[21]。HUANG等[6]通过实际测量,发现饱和度是影响其冻胀力的关键因素。假设试样内部冻胀力均匀分布岩石基质内,冻胀力Pi与饱和度Sr和冻结率u间的关系可用式(5)表示[22]:
$$ \left\{ {\begin{array}{*{20}{l}} {{P_{\text{i}}} = \dfrac{{\left[ {\beta n{S_{\text{r}}}u - n(1 - {S_{\text{r}}})} \right]{K_{\text{r}}}{K_{\text{i}}}}}{{{K_{\text{r}}}{S_{\text{r}}} + {K_{\text{i}}}}}H\left[ {u - x} \right]} \\ {H[{u - x}] = \left\{ {\begin{array}{*{20}{c}} {0{\text{ }}(u \leqslant x)} \\ {1{\text{ }}(u > x)} \end{array}} \right.} \\ {x = \dfrac{{1 - {S_{\text{r}}}}}{{\beta {S_{\text{r}}}}}} \end{array}} \right. $$ (5) 式中:β为冰的体积膨胀系数;n为孔隙率;u为冻结率;Kr和Ki分别为岩石骨架体积模量与冰体积模量;H[u-x]为阶跃函数。由式(5)可知,孔隙内结晶压力受孔隙率、饱和度、冻结率及冰和岩石骨架的体积模量等因素影响。根据文献[3],β取9%,Kr和Ki分别为20.83 GPa和5 GPa;为了显示结果,这里阶跃函数默认为1,Sr值大于0.8。将上述参数带入式(5)可得冻结压力与饱和度和冻结率的关系如图7所示。
由图7可知,冻胀力与孔隙饱和度呈现正相关关系,但在较低饱和度试样内部并不能产生有效冻胀应力;而完全饱和时,即使在较低冻结率下仍可以产生有效冻胀应力。随着孔隙水冻结率的增加,孔隙内冻胀应力的强度因子将逐渐大于裂纹扩展临界强度因子KIC,促使孔裂隙的发育与扩展,导致岩石内部累计损伤的增加。因此,当饱和度超过Src时,试样动态强度将逐渐减小。然而,材料特性,如孔隙结构、矿物颗粒和胶结强度特征等也是影响冻胀力大小和位置的关键因素。由于所选试样为新疆地区砂岩,其成岩时间短、胶结能力弱、强度较低,对于冻胀应力更为敏感[9]。因此,试验砂岩产生冻胀损伤的饱和度低于其理论值91%。
2.2.2 动态弹模演化
根据图4f,采用了弹性阶段(II)的切线模量作为其动态弹性模量。动态弹性模量与冲击速度和饱和度变化关系如图8所示。研究发现,冻结砂岩动弹性模量与峰值应变的变化规律相反。5种饱和度下,冲击速度由4 m/s增加至7 m/s时,砂岩动态弹性模量分别增大了32.8%、43.1%、37.1%、51.5%及23.4%,具有明显的刚度强化效应。当试样饱和度小于80%时,试样动态弹性模量呈增大趋势,这是由于水相变为固体冰,降低了岩石内部缺陷的体积[23]。当冲击荷载增加时,岩石内部缺陷的降低有助于压缩应力波的传播,抑制了内部小缺陷或亚缺陷的激活,进而增强了试样的抗变形能力。然而,当饱和度超过Src,在冻胀力的作用下部分裂隙开始发育,导致试样内部缺陷体积的增加,因此其动态弹性模量出现降低趋势。
2.2.3 动态脆性指数
脆性是岩石材料的一个重要参数,用来描述岩石的变形与破坏过程。不同的外部因素,如含水量、温度等,不可避免地会改变岩石材料的脆性参数和破坏模式[24]。因此,采用一个脆性指数来表征饱和度和冲击速度对冻结砂岩峰前变形特征的影响,计算公式如下[25]:
$$ B_{\rm{I}} = \frac{{{\varepsilon _{\text{e}}}}}{{{\varepsilon _{\text{p}}}}} $$ (6) 式中:εp和εe指分别为应力应变曲线中峰值点与屈服点应变坐标值;当BI为1时认为试样完全脆性,即BI值越大表示试样的脆性越大。根据表2中数据,冻结砂岩脆性指数随初始饱和度与冲击速度关系曲面,如图9所示。
由图9可知,冲击速度的增加促使冻结砂岩试样由高脆性向韧性转变。从能量角度出发,脆性的增加意味着试样内部弹性能累积阶段增大,而裂纹发育不稳定阶段减少。因此,可以认为低冲击速度下,冻结试样内部微裂隙不易发育,这与陈彦龙等所试验的结果相一致[2]。此外,冻结砂岩的脆性随着饱和度增加呈现出增长的趋势,这是由于孔隙冰的存在阻止了裂隙的进一步扩展,增加了试样的抗变形能力,在应力应变曲线上表现为III阶段的减少。然而,这种增长趋势受饱和度限制,当饱和度超过其Src时,此时孔隙冰既起到了降低岩石内部缺陷作用,又通过冻胀力了促进了裂隙的发育扩展。因此,2种作用下起到关键性的作用将控制着冻结砂岩的动态变形与破坏行为,即决定了试样脆性破坏的程度。
2.3 宏观破坏特征分析
岩石的破碎响应与冲击荷载和岩石微观结构关系密切[26]。图10为不同饱和度和冲击速度下冻结砂岩的破坏形态,由图10可知,由于砂岩试样强度较低,不同冲击速度下均完全破碎。饱和度50%冻结试样破碎块粒度分布较大,而试样达到饱和时,较高冲击速度下(7 m/s)试样破碎为粉末状。根据图可推断出,随着饱和度和冲击荷载增加,冻结试样将从张拉破坏转变为粉碎性的复合破坏。这是由于饱和度的增加,促进了试样微裂隙的发育,在荷载作用下更多裂隙将会产,因此破碎形态更为复杂。
为了量化试样宏观破碎形态,通过筛网对破碎块体进行筛分,筛网孔径为0.75~45 mm。图11显示了试样破碎块体的筛分结果。图中数据R是基于每组中最大滞留质量比例而归一化处理后的可视化结果(同组最大数据显示为100%)。由于45 mm岩块质量与其他岩块质量相差较大,因此归一化处理时将数据分为2组,即存在45 mm为一组(R最大值为75.6%),其余为一组(R最大值为32.5%)。R的计算式为m1/mtot,ml和mtot分别为各级筛网滞留质量和试样破碎总质量,g。
由图11可知,在相同的冲击速度下,同一筛网的滞留质量与饱和度密切相关。但并没有表现出一致的相关性,而是有3种关系:正向、负向和波动的关系。随着冲击速度的增加,冻结试样的破碎质量分布逐渐从左上角过渡到右下角区域,这标志着冻结砂岩破碎逐渐向细粒粉移动。尽管冲击速度不同,较大的破碎质量的分布仍然与其动态强度密切相关,如“凸波动”型的分布与动态强度相匹配。然而,随着破碎粒度的降低,破碎岩块的分布与动态强度和饱和度有很大的差异。这是由于岩石内部结构性差异决定了冰结晶应力的作用,如提供支撑力或促进孔隙发育等,进而影响了破碎岩块的质量分布。
2.4 微观破坏特征分析
利用SEM图像(1 000倍)来推断砂岩冻结后微观形态变化,结果如图12所示。原始状态下其结构较为松散,存在较多原生微裂隙和孔等缺陷;低温冻结后,由于矿物颗粒热的收缩性,试样表面变得密实,部分原生裂隙闭合,此时最大裂隙宽度仅为2 μm;当试样饱水至30%时,由于部分孔隙内水相变为冰,冰晶应力导致部分闭合裂隙重新激活,此时孔隙冰以增强作用为主;随着饱和度增加至50%时,部分微裂隙进一步发育贯通,但多数微裂隙宽度小于1 μm,此时孔隙冰对内部造成损伤程度仍低于其强化作用;然而,当饱和度达到80%时(图12e),由于孔隙水量的增加,冻结后孔隙冰的持续膨胀促进裂隙的持续发育,部分微裂隙宽度已达到5 μm,这种现象意味着孔隙冰的劣化作用已经显现;当试样完全饱和时,试样断面出现了被挤出的块体,表明块体周围裂隙贯通后,冰的体积仍继续膨胀进而导致岩块被挤出,表面微裂隙宽度已接近9 μm,这是一个相对较大的数值。因此,由于岩石内部损伤增大,冻结饱和试样的宏观力学行为如动态强度和模量出现了降低现象。
3. 结果讨论
天然岩体由于成岩过程复杂而形成大量不规则孔裂隙,加之地下水的迁移与渗流的影响,致使岩体中孔隙水分布不均匀,造成了饱和度的差异[27]。当温度低于0℃时,孔隙冰的存在提高了其动态力学性能。这种增强现象在静态试验中也存在,BOHACS等[28]通包络模型证实了单轴状态下,冻结岩石的裂纹扩展应力阈值与孔隙冰模量呈正相关。此外,沉积岩多由矿物颗粒组成,温度下降时颗粒的热收缩性使内部更为致密,有效降低了内部孔裂隙的体积,进而改善了岩石力学性能。NMR结果可以看出,该类岩石低温下矿物颗粒有明显的收缩性(图3)。PLATT[29]的研究同样证明了低温作用下,由于岩石基质的收缩,不同种类砂岩孔隙率均有降低趋势。然而,随着孔隙水含量的增加,孔隙冰的持续膨胀将逐渐在岩石内部产生累计损伤[3]。正如PRICK所指出,饱和度是决定孔隙冰强化或损伤的关键因素[30]。因此,需要进一步讨论饱和度对冻结岩石动态力学行为的影响。
干燥或孔隙水含量极低的岩石,孔隙内部主要被气体占据,冻结期间动态力学特性变化只与矿物颗粒的收缩有关;而随着饱和度的增加,冻结期间的孔隙冰的膨胀逐渐成为岩石动态强度或模量变化的主要原因。当孔隙水含量较少时,孔隙冰生长受限并不能对基质造成有效损伤[15]。此时,孔隙冰起到了增强作用,如充填孔隙、支撑孔壁和增加黏附力的作用(图13)。因此,随着饱和度的增加试样动态力学特性如强度、模量等呈增大趋势。然而,当饱和度逐渐增大时(>50%),尤其是饱和度为80%~100%时,试样的动态强度和模量均产生了明显的降低,可以认为当饱和度超过50%时,孔隙冰的存在逐渐在岩石内部产生了有效损伤。同时,内部损伤如微裂隙的发育贯通导致冲击荷载下试样破坏更加破碎。因此,当岩石饱和度大于其临界值时,岩石内部存在足够水为冻结过程冻胀力提供增长物质基础[31],在此条件下,冻结砂岩的动态力学性质需要考虑冻胀损伤机制所造成的影响。
研究结果表明,岩石的冻胀损伤是由毛细管机制、结晶压机制、体积膨胀机制及静水压机制共同作用的结果,而各损伤机制与岩石孔隙结构特征密切相关[15]。正如图13所示,岩石孔裂隙结构主要包括主干孔隙、次级孔、旁枝孔隙及孤立孔隙。由于孔隙中水的冻结点与孔半径成反比[19],大孔隙中的水先结冰,进而生长至次级孔。当试样含水量较低时(Sr=30%),次级孔中过冷水通过水膜迁移至主干孔中。由于含水量较低,孔隙冰生长至一定体积后即停止,此时依赖于毛细管机制的冰生长受到了抑制。而随着试样饱和度的增加,主干孔中冰的生长有足够未冻水补给,进而驱赶部分未冻水进入到相连的小孔隙中。若小孔隙为封闭孔,其内部将产生较大的水压力Pw,当压力超过岩石基质的抗拉强度时,将引起次级孔的扩展,这也是T2谱图中第二峰面积变化原因;若孔隙为连通孔时,孔隙冰将产生静水压力驱动未冻水渗流形成损伤,并对岩石骨架施加了一个动水压力,降低了岩石基质的变形阻力[32]。同时,孔隙冰产生的冻胀压力Pi也造成了孔壁的损伤[33]。因此,在压缩应力波的作用下,内部孔隙将快速发育,导致试样破碎程度和动态力学强度的变化。
随着冻结过程的发展,主干孔的冰逐渐向次级孔内发育(图12c)。在孔隙冰发展过程中,薄膜水机制扮演了重要的角色,这是由于较大孔隙中冰的化学势相对较低,小孔隙中的过冷水将沿冰与孔壁间薄膜水逐渐向大孔隙中迁移[3],导致大孔隙中的冰不断生长,其压力Pi也逐渐升高。而当大孔隙中的冰压Pi与小孔隙的水压Pw差值为
$(2{\gamma }_{\text{sl}}/R) \text{cos}\;\theta$ (γsl为冰水界面张力;R为毛细管等效半径; θ为接触角[19])时,孔隙冰逐渐向小孔隙发展,进而产生冻结膨胀促进孔隙发育。因此,饱和度增加时,冻结岩石力学性能并不是一直增强,而当超过临界饱和度时这种增强效果将会逐渐受到抑制,但仍以增强效果为主。然而,对试验所选新疆地区红砂岩,饱和度超过80%这种增强效果将低于损伤效果,超过其临界饱和度时,冻结砂岩试样的动态强度和模量逐渐降低,而极限变形能和破碎程度逐渐增大。总的来说,随着饱和度的增加孔隙冰由填充、支撑和胶结增强作用逐渐转变为促进裂纹发育扩展的冻胀损伤作用。4. 结 论
1) 低温冻结过程中,饱和度小于其临界饱和度时,试样以小孔发育为主;接近饱和时,试样内部中-大孔开始迅速发育,表现为T2谱图中第二峰和第三峰峰面积的增大。
2) 随着冲击速度的增加,冻结砂岩的动态力学特性表现出明显的冲击强化效应;而随着饱和度的增加,冻结砂岩的动态强度,弹性模量和脆性均呈现先增大后下降趋势。
3) 随着饱和度的增加,冻结试样将从张拉破坏转变为粉碎性的复合破坏,且破碎质量的分布呈现出正向、负向和波动3种关系,而较大破碎质量的分布仍然与其动态强度密切相关。
4) 饱和度的增加促进了红砂岩内部孔裂隙的发育,尤其是饱和岩石内部裂隙相互贯穿形成裂隙网络,可以观测到接近9 μm宽度的裂隙,孔隙冰对试样强化作用逐渐被损伤作用所抑制。
-
表 1 波形事件分类结果
Table 1 Waveform event classification results
波形序号 分类结果 波形序号 分类结果 波形序号 分类结果 1 1 9 3 17 3 2 1 10 3 18 3 3 1 11 2 19 1 4 1 12 3 20 1 5 1 13 3 21 3 6 3 14 1 22 1 7 1 15 1 ··· ··· 8 3 16 1 1156 1 表 2 水害风险预警等级评价标准
Table 2 Evaluation criteria for water hazard risk possibility index
预警等级 蓝色 黄色 红色 微震属性表征突水可能性 可能 很可能 能够 模型预测风险系数 0.6~0.7 0.7~0.9 0.9~1.0 表 3 密集区部分事件属性参数统计
Table 3 Statistics of event attribute parameters in dense area
事件类型 时间 矩震级 能量/(103J) 施密特数 视体积/m3 深部含水层事件 2019-08-04T16:13 0.443 4.85 0.366 0.415 2019-08-11T17:25 0.802 3.56 0.242 0.481 2019-09-06T17:26 0.522 28.1 0.345 0.200 2019-09-11T13:30 1.001 2.09 0.321 0.406 2019-09-24T04:32 0.297 2.25 0.353 0.306 2019-10-14T04:39 1.668 57.6 0.149 1.420 2019-10-15T10:51 1.722 77.1 0.182 1.040 2019-10-17T17:29 0.934 64.5 0.155 1.130 -
[1] 陈 浮,王思遥,于昊辰,等. 碳中和目标下煤炭变革的技术路径[J]. 煤炭学报,2022,47(4):1452−1461. doi: 10.13225/j.cnki.jccs.2022.0192 CHEN Fu,WANG Siyao,YU Haochen,et al. Technological innovation paths of coal industry for achieving carbon neutralization[J]. Journal of China Coal Society,2022,47(4):1452−1461. doi: 10.13225/j.cnki.jccs.2022.0192
[2] 郭文兵,白二虎,张 璞,等. 新近系含水层下厚煤层综放安全绿色开采及水资源清洁利用[J]. 煤炭科学技术,2022,50(5):30−37. doi: 10.13199/j.cnki.cst.2021-1474 GUO Wenbing,BAI Erhu,ZHANG Pu,et al. Safe and green mining of thick coal seam under Neogene aquifer and clean utilization of water resources[J]. Coal Science and Technology,2022,50(5):30−37. doi: 10.13199/j.cnki.cst.2021-1474
[3] 赵庆彪. 奥灰岩溶水害区域超前治理技术研究及应用[J]. 煤炭学报,2014,39(6):1112−1117. ZHAO Qingbiao. Ordovician limestone karst water disaster regional advanced governance technology study and application[J]. Journal of China Coal Society,2014,39(6):1112−1117.
[4] 景国勋,秦瑞琪. 2011—2020年我国煤矿水害事故相关因素特征分析[J]. 安全与环境学报,2022,22(4):2297−2304. doi: 10.13637/j.issn.1009-6094.2021.0707 JING Guoxun,QIN Ruiqi. Analysis on the characteristics of correlative factors in coal mine water disasters from 2011 to 2020[J]. Journal of Safety and Environment,2022,22(4):2297−2304. doi: 10.13637/j.issn.1009-6094.2021.0707
[5] 尹尚先,王 屹,尹慧超,等. 深部底板奥灰薄灰突水机理及全时空防治技术[J]. 煤炭学报,2020,45(5):1855−1864. doi: 10.13225/j.cnki.jccs.2020.0398 YIN Shangxian,WANG Yi,YIN Huichao,et al. Mechanism and full-time-space prevention and control technology of water inrush from Ordovician and thin limestone in deep mines[J]. Journal of China Coal Society,2020,45(5):1855−1864. doi: 10.13225/j.cnki.jccs.2020.0398
[6] 赵庆彪,蒋勤明,高春芳. 邯邢矿区深部煤层底板突水机理研究[J]. 煤炭科学技术,2016,44(3):117−121,176. doi: 10.13199/j.cnki.cst.2016.03.023 ZHAO Qingbiao,JIANG Qinming,GAO Chunfang. Study on floor water inrush mechanism of deep seam in Hanxing Mining Area[J]. Coal Science and Technology,2016,44(3):117−121,176. doi: 10.13199/j.cnki.cst.2016.03.023
[7] 许家林. 煤矿绿色开采20年研究及进展[J]. 煤炭科学技术,2020,48(9):1−15. doi: 10.13199/j.cnki.cst.2020.09.001 XU Jialin. Research and progress of coal mine green mining in 20 years[J]. Coal Science and Technology,2020,48(9):1−15. doi: 10.13199/j.cnki.cst.2020.09.001
[8] 武 强. 我国矿井水防控与资源化利用的研究进展、问题和展望[J]. 煤炭学报,2014,39(5):795−805. doi: 10.13225/j.cnki.jccs.2014.0478 WU Qiang. Progress, problems and prospects of prevention and control technology of mine water and reutilization in China[J]. Journal of China Coal Society,2014,39(5):795−805. doi: 10.13225/j.cnki.jccs.2014.0478
[9] 余国锋,袁 亮,任 波,等. 底板突水灾害大数据预测预警平台[J]. 煤炭学报,2021,46(11):3502−3514. doi: 10.13225/j.cnki.jccs.2020.1788 YU Guofeng,YUAN Liang,REN Bo,et al. Big data prediction and early warning platform for floor water inrush disaster[J]. Journal of China Coal Society,2021,46(11):3502−3514. doi: 10.13225/j.cnki.jccs.2020.1788
[10] 姜耀东,吕玉凯,赵毅鑫,等. 承压水上开采工作面底板破坏规律相似模拟试验[J]. 岩石力学与工程学报,2011,30(8):1571−1578. JIANG Yaodong,LYU Yukai,ZHAO Yixin,et al. Similar simulation test for breakage law of working face floor in coal mining above aquifer[J]. Chinese Journal of Rock Mechanics and Engineering,2011,30(8):1571−1578.
[11] RUI Pinshu,ZHANG Wen,ZHONG Yiming,et al. High-performance cylindrical pendulum shaped triboelectric nanogenerators driven by water wave energy for full-automatic and self-powered wireless hydrological monitoring system[J]. Nano Energy,2020,74:104937. doi: 10.1016/j.nanoen.2020.104937
[12] 张东升,范钢伟,梁帅帅,等. 采动覆岩固液耦合三维无损监测系统与应用[J]. 采矿与安全工程学报,2019,36(6):1071−1078. doi: 10.13545/j.cnki.jmse.2019.06.001 ZHANG Dongsheng,FAN Gangwei,LIANG Shuaishuai,et al. 3D non-destructive monitoring system forsolid-liquid coupling of mining-induced overburden and its application[J]. Journal of Mining & Safety Engineering,2019,36(6):1071−1078. doi: 10.13545/j.cnki.jmse.2019.06.001
[13] 贾 靖. 微震监测技术在煤矿防治水中的应用研究[J]. 煤炭与化工,2017,40(1):16−20. JIA Jing. Application research on microseismic monitoring technology in coalmine water control[J]. Coal and Chemical Industry,2017,40(1):16−20.
[14] 赵立松. 微震监测技术在大采深矿井防治水中的应用[J]. 煤炭与化工,2018,41(9):55−58,62. doi: 10.19286/j.cnki.cci.2018.09.018 ZHAO Lisong. Application of microseismic monitoring technology in prevention and control of water in large mining deep mine[J]. Coal and Chemical Industry,2018,41(9):55−58,62. doi: 10.19286/j.cnki.cci.2018.09.018
[15] 孙运江,左建平,李玉宝,等. 邢东矿深部带压开采导水裂隙带微震监测及突水机制分析[J]. 岩土力学,2017,38(8):2335−2342. doi: 10.16285/j.rsm.2017.08.022 SUN Yunjiang,ZUO Jianping,LI Yubao,et al. Micro-seismic monitoring on fractured zone and water inrush mechanism analysis of deep mining above aquifer in Xingdong coalmine[J]. Rock and Soil Mechanics,2017,38(8):2335−2342. doi: 10.16285/j.rsm.2017.08.022
[16] 靳德武, 赵春虎, 段建华, 等. 煤层底板水害三维监测与智能预警系统研究[J]. 煤炭学报, 2020, 45(6): 2256-2264. JIN Dewu, ZHAO Chunhu, DUAN Jianhua, et al. Research on 3D monitoring and intelligent early warning system for water hazard of coal seam floor[J]. 2020, 45(6): 2256-2264.
[17] 赵春虎. 孤岛工作面底板破坏深度微震测试与模拟分析[J]. 煤田地质与勘探,2019,47(4):110−116. doi: 10.3969/j.issn.1001-1986.2019.04.017 ZHAO Chunhu. Microseismic test and numerical simulation analysis of floor failure depth of isolated coal mining face[J]. Coal Geology & Exploration,2019,47(4):110−116. doi: 10.3969/j.issn.1001-1986.2019.04.017
[18] 姜福兴,XUN Luo,杨淑华. 采场覆岩空间破裂与采动应力场的微震探测研究[J]. 岩土工程学报,2003(1):23−25. doi: 10.3321/j.issn:1000-4548.2003.01.004 JIANG Fu xing,XUN Luo,YANG Shu hua. Study on microseismic monitoring for spatial structure of overlying strata and mining pressure field in longwall face[J]. Chinese Jounal of Geotechnical Engineering,2003(1):23−25. doi: 10.3321/j.issn:1000-4548.2003.01.004
[19] 姜福兴,叶根喜,王存文,等. 高精度微震监测技术在煤矿突水监测中的应用[J]. 岩石力学与工程学报,2008,27(9):1932−1938. doi: 10.3321/j.issn:1000-6915.2008.09.023 JIANG Fuxing,YE Genxi,WANG Cunwen,et al. Application of high-precision microseismic monitoring technique to water inrush monitoring in coal mine[J]. Chinese Journal of Rock Mechanics and Engineering,2008,27(9):1932−1938. doi: 10.3321/j.issn:1000-6915.2008.09.023
[20] 朱宗奎,徐智敏,孙亚军. 矿井水害的临突监测指标及预警模型[J]. 煤矿安全,2014,45(1):170−172. ZHU Zongkui,XU Zhimin,SUN Yajun. Critical water inrush monitoring index and early-warning model of mine water disaster[J]. Safety in Coal Mines,2014,45(1):170−172.
[21] 龚承柱,李兰兰,柯晓玲,等. 基于multi-agent的煤矿水害演化模型[J]. 煤炭学报,2012,37(6):1005−1009. GONG Chengzhu,LI Lanlan,KE Xiaoling,et al. Evolutionary model of coal mine water hazards based on multi-agent simulation[J]. Journal of China Coal Society,2012,37(6):1005−1009.
[22] EFTIM Z,PETRE L,ANDREA K. Automatic feature engineering for prediction of dangerous seismic activities in coal mines[J]. Annals of computer science and information systems,2016,8:245−248.
[23] 连会青,徐 斌,田振焘,等. 矿井水情监测与水害风险预警平台设计与实现[J]. 煤田地质与勘探,2021,49(1):198−207. doi: 10.3969/j.issn.1001-1986.2021.01.021 LIAN Huiqing,XU Bin,TIAN Zhentao,et al. Design and implementation of mine water hazard monitoring and early warning platform[J]. Coal Geology & Exploration,2021,49(1):198−207. doi: 10.3969/j.issn.1001-1986.2021.01.021
[24] 杨忠东, 李玉宝, 贾 靖, 等. 一种矿井水害微震监测时空簇分析方法[P]. 中国: CN107203003A, 2017-09-26. YANG Zhongdong, LI Yubao, JIA Jing, et al. The invention relates to a time-space cluster analysis method for mine water disaster micro-seismic monitoring[P]. China : CN107203003A, 2017-09-26.
[25] 武 强,崔芳鹏,赵苏启,等. 矿井水害类型划分及主要特征分析[J]. 煤炭学报,2013,38(4):561−565. WU Qiang,CUI Fangpeng,ZHAO Suqi,et al. Type classification and main characteristics of mine water disasters[J]. Journal of China Coal Society,2013,38(4):561−565.
[26] IGEL J H,ERMERT L A,FICHTNER A. Rapid finite-frequency microseismic noise source inversion at regional to global scales[J]. Geophysical Journal International,2021,227(1):169−183. doi: 10.1093/gji/ggab210
[27] 刘 超,唐春安,薛俊华,等. 煤岩体微震事件属性识别与标定综合分析方法[J]. 采矿与安全工程学报,2011,28(1):61−65. doi: 10.3969/j.issn.1673-3363.2011.01.012 LIU Chao,TANG Chunan,XUE Junhua,et al. Comprehensive analysis method of identifying and calibrating micro-seismic events attributes in coal and rock mass[J]. Journal of Mining & Safety Engineering,2011,28(1):61−65. doi: 10.3969/j.issn.1673-3363.2011.01.012
[28] XING Zeng, ZENG Xing, SONG Heng, et al. Isolated carbonate platform reservoir multiple grouped discrete fracture network modelling[J]. IOP Conference Series: Earth and Environmental Science, 2020, 546(4).
[29] 乔 伟,靳德武,王 皓,等. 基于云服务的煤矿水害监测大数据智能预警平台构建[J]. 煤炭学报,2020,45(7):2619−2627. QIAO Wei,JIN Dewu,WANG Hao,et al. Development of big data intelligent early warning platform for coal mine water hazard monitoring based on cloud service[J]. Journal of China Coal Society,2020,45(7):2619−2627.
[30] 王 皓,董书宁,姬亚东,等. 煤矿水害智能化防控平台架构及关键技术[J]. 煤炭学报,2022,47(2):883−892. WANG Hao,DONG Shuning,JI Yadong,et al. Key technology and platform development of intelligent prevention and control on coal mine water disaster[J]. Journal of China Coal Society,2022,47(2):883−892.
[31] 陈 结,杜俊生,蒲源源,等. 冲击地压“双驱动”智能预警架构与工程应用[J]. 煤炭学报,2022,47(2):791−806. CHEN Jie,DU Junsheng,PU Yuanyuan,et al. “Dual-driven” intelligent pre-warning framework of the coal burst disaster in coal mine and its engineering application[J]. Journal of China Coal Society,2022,47(2):791−806.
[32] 郑宗利,关惠军,苟想伟,等. 岩溶隧道突涌水预警体系的建立[J]. 灾害学,2022,37(1):41−46. doi: 10.3969/j.issn.1000-811X.2022.01.008 ZHENG Zongli,GUAN Huijun,GOU Xiangwei,et al. Establishment of early-warning system for water inrush in karst tunnel[J]. Journal of Catastrophology,2022,37(1):41−46. doi: 10.3969/j.issn.1000-811X.2022.01.008
-
期刊类型引用(5)
1. 吴鹏,周国晓,刘世伟,姜非,梁天琦,李勇. 基于微电阻率成像测井的深煤层顶板封盖性评价方法及应用. 煤炭科学技术. 2024(S1): 137-144 . 本站查看
2. 孙臣飞. 某矿区煤层气水平井钻井技术的应用. 内蒙古煤炭经济. 2024(16): 139-141 . 百度学术
3. 陈翔羽,刘易,杨艳磊,齐守金,刘婉儿,罗丹. 煤层气L型水平井煤体结构识别方法——以沁水盆地南部沁南东区块为例. 中国煤层气. 2023(03): 17-20 . 百度学术
4. 贺云超,翁炜,冯美贵,徐军军,郭强,吴烁,蒋睿. 煤层气水平井高效钻进关键技术研究——以山西沁水盆地某煤层气区块为例. 钻探工程. 2023(S1): 345-350 . 百度学术
5. 黄赞,周瑞琦,杨焦生,王玫珠,王大猛,马遵青,祁灵,门欣阳,方立羽. 煤层气开发井网样式和井距优化研究——以鄂尔多斯盆地大宁区块为例. 煤炭科学技术. 2023(S2): 121-131 . 本站查看
其他类型引用(2)