0 引 言
煤与瓦斯突出事故是指在采掘过程中，在极短时间内从煤(岩)体中喷出大量的煤与瓦斯，造成重大人员伤亡和财产损失的事故[1-2]。目前我国不少煤矿进入深部开采，采动应力增加，瓦斯赋存及地质条件更为复杂，煤与瓦斯突出问题变得尤为突出[3-4]。
煤矿现行的煤与瓦斯突出危险性预测方法主要是静态预警法：包括钻屑量法、钻孔瓦斯涌出初速度法、钻屑瓦斯解吸指标法等[5-7]。静态预警方法由于其抽检性、不连续性、单一性、局部性等固有缺点，在实际运用中其局限性也尤为突出。为了更合理有效地实现对煤与瓦斯突出危险的预测，有的学者应用神经网络法对煤与瓦斯突出进行预警[8-9]，有的学者通过安全线法预测煤层瓦斯压力来监测煤与瓦斯突出[10]，有的学者通过分析矿井瓦斯涌出特征对煤与瓦斯突出进行监测预警[11-12]。另有研究表明煤岩在破坏过程中会产生声发射、微震、电磁辐射等信号，且其与煤岩所受应力呈正相关，声发射监测技术、微震监测技术、电磁辐射监测技术等地球物理方法，被认为是最有前途的煤与瓦斯突出预测预报方法[13-17]。文献[18]研发了电磁辐射预警装备及软件，分析了突出演化过程的电磁辐射特征。邱黎明等[19-20]初步研究了声电瓦斯信号的综合预警方法，一定程度上提高了煤与瓦斯突出预警的准确性。
在煤与瓦斯突出的监测预警方面，国内外已经取得了较多的成果，提出了相应的预测方法和预警指标，但如何提高突出预警的准确率和可靠性仍需进一步研究。在此背景下，笔者通过分析金佳煤矿11227运输巷突出危险事件的声电瓦斯前兆特征，确定声电瓦斯综合预警方法，并验证其可靠性。
1 试验工作面概况及仪器布置
1.1 试验工作面概况
11227运输巷掘进工作面位于金佳煤矿一采区，沿22号煤层走向掘进，掘进方式为炮掘，巷道设计断面为4.8 m×2.7 m的梯形断面，支护形式为锚网索支护，工作面位置如图1所示。22号煤层埋深平均为404 m，煤层平均厚度为1.5 m，平均倾角为22°，根据22号煤层煤与瓦斯突出鉴定的结果，实测原始瓦斯含量最大值为10.586 m3/t，实测原始瓦斯压力最大值为1.8 MPa，认定该煤层具有突出危险性。11227运输巷采取顺层钻孔预抽煤巷条带瓦斯作为区域防突措施。
图1 11227运输巷位置
Fig.1 Location of No.11227 transportation lane
1.2 工作面仪器布置
煤与瓦斯突出声电瓦斯监测预警系统如图2所示，包括GDD12声电监测仪器、瓦斯传感器、监测分站、井下电源转换器、服务器。GDD12声电监测仪器由多通道数据采集仪主机、声发射传感器、电磁辐射接收天线组成。
图2 声电瓦斯监测系统
Fig.2 AE，EMR and gas monitoring system
GDD12声电监测仪器布置在11227掘进工作面。数据采集仪主机安装在11227运输巷掘进工作面巷帮处；声发射传感器固定在距掘进工作面5 m的锚杆上；电磁辐射天线悬挂距顶板1 m，距掘进工作面5 m的顶板中线位置，天线头部朝向掘进工作面中央，侧缝朝向煤壁。瓦斯传感器布置在距掘进工作面5 m的回风流中。声发射、电磁辐射、瓦斯浓度传感器安装位置如图3所示。
1—电磁辐射接收天线；2—声发射传感器；
3—瓦斯传感器；4—数据采集仪主机
图3 声电瓦斯传感器安装位置示意
Fig.3 Location schematic of AE,EMR and gas sensor
2 声电瓦斯前兆特征及预警方法
2.1 声电瓦斯前兆特征
煤与瓦斯突出发生前，声发射、电磁辐射、瓦斯等信号会出现异常变化，此异常变化视为突出前兆，分析其特征是突出危险监测预警的基础。以2018年9月16日11227运输巷发生的卡钻事件为例进行说明。
11227运输巷在9月10日至9月16日进行正常的掘进工作，9月16日下午13点在进行打钻作业时发生卡钻，随即停止掘进工作，采取消突措施。此期间的声电瓦斯曲线如图4所示。
图4 卡钻事件声电瓦斯曲线
Fig.4 AE，EMR and gas curves of stuck drilling event
由图4可知，卡钻事件发生前，9月10日至9月16日掘进期间，声发射强度、电磁辐射强度、瓦斯浓度均有上升的趋势。声发射强度初始为40 mV，自9月13日12时开始增大，卡钻事件发生时，声发射强度为100 mV，上升幅值为60 mV，增长率为150%；电磁辐射强度初始为20 mV，自9月12日12时开始增大，卡钻事件发生时，电磁辐射强度为50 mV,上升幅值为30 mV，增长率为150%；瓦斯体积分数初始为0.1%，自9月13日12时开始增大，卡钻事件发生时，瓦斯体积分数为0.15%，上升幅值为0.05%，增长率为50%。卡钻事件发生后，工作面停止掘进，并采取了消突措施，声发射和电磁辐射强度自9月17日开始下降，瓦斯浓度自9月18日开始下降，声电瓦斯曲线变化趋势与工作面突出危险性具有明显的对应关系。
突出危险声电瓦斯前兆特征总结如下：①突出危险发生前声发射强度、电磁辐射强度、瓦斯浓度曲线均出现明显的上升趋势，且增长率较大，此卡钻事件发生时声发射及电磁辐射强度值增长率为150%，瓦斯体积分数增长率为50%；②声发射强度、电磁辐射强度、瓦斯浓度曲线上升趋势均出现在突出危险发生前2～3 d；③声发射强度和瓦斯浓度前兆出现时间较为接近，电磁辐射强度前兆出现时间较声发射强度和瓦斯浓度提前了12 h。
2.2 趋势预警方法
现有的声发射强度、电磁辐射强度、瓦斯浓度预警方法多为临界值法，即分别确定声发射强度、电磁辐射强度、瓦斯浓度的临界值，在监测中，当声发射强度、电磁辐射强度、瓦斯浓度超过对应临界值时便发出预警，预警结果具有二值性。临界值预警方法在实际应用时，当声发射、电磁辐射信号受到扰动时容易造成误报。针对该问题，笔者提出了声电瓦斯趋势预警方法，根据数据变化趋势进行超前预警，从而提高突出危险预警的时效性和超前性。
趋势预警方法的预警过程具体如图5所示：①由初始阶段O点开始，计算特定时段OA段数据的线性回归斜率K1，若K1满足初设条件则初始阶段的终点A亦为预警阶段的起点，并开始预警阶段；若不满足，则将A点设为下一时段的O点，计算下一时段的线性回归斜率K1，直至K1满足初设条件时结束初始阶段。②预警阶段由A点开始，求特定时段AB段数据回归直线的斜率K2、相关系数R2和B点对A点的增长率C，当符合预设值时，发出预警，并开始下一个预警时段，直至预警时段参数不满足相应条件时，结束预警并重新开始初始阶段。
图5 趋势预警过程示意
Fig.5 Schematic diagram of trend warning process
2.3 预警临界值确定
利用趋势预警方法进行预警时，需要根据声电瓦斯前兆特征确定预警中相关参数的临界值。笔者通过对监测期间的动力现象(瓦斯喷孔、夹钻、卡钻、瓦斯超限等)出现前后声发射强度、电磁辐射强度、瓦斯浓度变化曲线分别进行拟合分析，确定了趋势预警的临界值。以2018年9月16日卡钻事件为例进行说明。图6为9月16日卡钻事件前后声电瓦斯拟合曲线。
图6 卡钻事件声电瓦斯拟合曲线
Fig.6 AE，EMR and gas fitting curves of stuck event
将声发射强度、电磁辐射强度、瓦斯浓度曲线分别划分为变化趋势较小的初始阶段和变化趋势明显增大的预警阶段2个部分分别进行线性拟合(图6)，拟合曲线相关参数见表1。
表1 卡钻事件声电瓦斯拟合曲线参数
Table 1 AE EMR and gas fitting curves
parameters of stuck event
拟合曲线参数K1K2R2C/%声发射0.12217.3080.677353.3电磁辐射0.1054.4750.454247.4瓦斯浓度0.0100.0150.334327.7
为确定有危险时的预警，无危险时不误报的预警临界值，通过对大量动力显现事件的声发射强度、电磁辐射强度、瓦斯浓度曲线进行拟合分析，最终确定拟合曲线预警临界值为：声发射强度、电磁辐射强度指标预警初始斜率K1为0.1；预警相关系数R2为0.4；预警增长率C为40%。瓦斯浓度预警初始斜率K1为0.01，预警相关系数R2为0.3，预警增长率C为20%。初始阶段起始时间长度均为2 h，预警阶段起始时间长度均为4 h。
声发射强度、电磁辐射强度、瓦斯浓度的趋势预警过程相同，以声发射强度的预警过程为例进行说明：取2 h时段声发射强度曲线作为预警的初始阶段数据进行拟合分析，求取初始阶段斜率K1值，K1不小于0.1时便开始预警阶段，若不满足条件，则取后续2 h数据继续初始阶段的运算，直至K1不小于0.1时便开始预警阶段；取4 h时段声发射强度曲线作为预警阶段数据进行拟合分析，求取相应参数，当预警阶段K2值大于K1值，R2大于0.4，C大于40%时，系统中声发射强度便发出预警，若不满足条件则重新开始预警初始阶段。
3 综合预警分析及应用
3.1 确定综合预警权重
在现场应用中，针对声发射强度、电磁辐射强度、瓦斯浓度趋势预警结果可能不同的问题，笔者提出综合声发射强度、电磁辐射强度、瓦斯浓度3个指标进行预警的方法。首先利用层次分析法确定声发射强度、电磁辐射强度、瓦斯浓度在煤与瓦斯突出预警中的权重大小，再划分它们各自的预警状态，最后结合权重和单一指标预警状态，确定声电瓦斯综合预警准则。
具体过程如下：①选取声发射强度N1，电磁辐射强度N2，瓦斯体积分数N3作为煤与瓦斯突出预警M的预测指标，煤与瓦斯突出预警的层次递阶结构如图7所示；②据图7结构由现场技术人员和专家最终确定煤与瓦斯突出预测指标判断矩阵见表2；③由此判断矩阵经计算最终确定声发射强度、电磁辐射强度、瓦斯浓度的权重分别为0.2、0.3、0.5；④根据声发射强度、电磁辐射强度、瓦斯浓度指标的趋势预警结果，将它们各自的预警状态划分为0或1，当趋势预警发出预警时，状态为1，没有预警时，状态为0，权重总和为声发射强度、电磁辐射强度、瓦斯浓度3个指标的预警状态与各自权重的乘积之和，将声电瓦斯综合预警状态分为3类，并用绿色、黄色、红色表示3类预警状态，见表3。
图7 煤与瓦斯突出预警递阶层次结构
Fig.7 Hierarchical structure of early
warning indicators for coal and gas outburst
表2 煤与瓦斯突出预测指标判断矩阵
Table 2 Warning judgment matrix of coal and gas outburst
NN1N2N3N111/21/3N2211/2N3321
表3 声电瓦斯综合预警状态汇总
Table 3 Summary of comprehensive warning status
综合预警状态无预警预警提示危险预警权重总和0<0.5≥0.5提示颜色绿色黄色红色
3.2 瓦斯喷孔事件综合预警分析
11227运输巷在2018年6月1日晚班进行超前钻孔效检时发生了瓦斯喷孔。喷孔持续了2 min，巷道内瓦斯体积分数突升至0.85%，随后工人停止掘进工作，采取了消突措施。此期间的声电瓦斯曲线如图8所示，拟合曲线参数见表4。
图8 喷孔事件声电瓦斯曲线
Fig.8 AE，EMR gas curves of nozzle event
表4 喷孔事件声电瓦斯拟合曲线参数
Table 4 AE，EMR and gas fitting curves
parameters of nozzle event
拟合曲线参数K1R2C/%声发射-25.691——电磁辐射1.3240.095749.4瓦斯体积分数0.0240.567414.5
由图8及表4中的相应参数，并结合本文确定的趋势预警临界值可知，此突出危险事件发生前后，声发射强度及电磁辐射强度指标未发出预警，瓦斯浓度指标发出预警，由确定的综合预警准则可知，综合权重为0.5，声电瓦斯综合预警状态为红色危险预警。
11227运输巷现行的煤与瓦斯突出预测方法为静态预警方法中的钻屑指标法，预测指标为钻屑瓦斯解吸指标K1值，随班测试，预测指标单一且不连续，且在此喷孔事件发生前K1值未达到临界值0.5 mL/(g·min0.5)；声发射强度及电磁辐射强度针对此喷孔事件未预警；声电瓦斯综合预警系统给出了红色预警，预警准确。综合预警系统较煤矿现行的静态预警方法具有连续实时多指标预警的优点，较声发射强度、电磁辐射强度、瓦斯浓度单独预警准确率、可靠性更高。
3.3 综合预警统计分析
为确定声电瓦斯综合预警的准确率，对11227运输巷监测期间(共计179 d)的声电瓦斯综合预警情况进行了统计。
在监测期间，11227运输巷共出现9次动力显现事件(瓦斯喷孔、夹钻、卡钻、瓦斯超限等)，没有动力显现且无预警(包括黄色预警提示)的时间为157 d，红色预警次数为22次，其中9次与动力显现事件相对应，其他13次系统给出红色预警但未发生动力显现事件。经计算得出声电瓦斯综合预警准确率为92.7%，漏报率为0，误报率为7.3%，预警准确率较高，对动力显现事件的预警准确，无漏报情况。
4 结 论
1)突出危险发生前声发射强度、电磁辐射强度、瓦斯浓度曲线均出现明显的上升趋势，且增长率较大；声发射强度、电磁辐射强度、瓦斯浓度曲线上升趋势均出现在突出危险发生前2～3 d；声发射强度和瓦斯浓度前兆出现时间较为接近，电磁辐射强度前兆出现时间较声发射强度和瓦斯浓度提前了12 h。
2)提出了声电瓦斯趋势预警方法，根据数据变化趋势进行超前预警，并确定了声发射强度、电磁辐射强度、瓦斯浓度各指标趋势预警相关参数的临界值。在此基础上根据声发射强度、电磁辐射强度、瓦斯浓度指标预警结果，利用层次分析法确定了各指标权重大小，提出了声电瓦斯综合预警准则。
3)声电瓦斯综合预警方法较静态预警方法具有连续性、实时性、多指标预警的优点，较声发射强度、电磁辐射强度、瓦斯浓度单独预警准确率、可靠性更高。综合预警系统准确率高，可在动力事件发生前发出预警，无漏报情况，对防治煤与瓦斯突出保障安全生产具有重要的指导意义。
[1] 俞启香.矿井瓦斯防治[M].徐州：中国矿业大学出版社,1992.
[2] 周世宁,何学秋.煤和瓦斯突出机理的流变假说[J].中国矿业大学学报,1990,19(2):4-11.
ZHOU Shining,HE Xueqiu.Rheological hypothesis of coal and gas outburst mechanism[J].Journal of China University of Mining & Technology,1990,19(2):4-11.
[3] SHEN Rongxi,ZHANG Xuan,WANG Enyuan,et al.Application of acoustic emission technique to the evaluation of coal seam hydraulic flushing effect [J].Energies,2019,12(9):1705.
[4] 刘喜军.深井煤岩瓦斯动力灾害防治研究[J].煤炭科学技术,2018,46(11):69-75.
LIU Xijun.Study on coal and rock gas dynamics disaster prevention and control in deep mine[J].Coal Science and Technology,2018,46(11):69-75.
[5] 马文伟,李江涛,梁文勖.煤钻屑瓦斯解吸指标Δh2自动测定系统设计[J].工矿自动化,2019,45(2):6-11.
MA Wenwei,LI Jiangtao,LIANG Wenxu.Design of automatic measurement system for drill cuttings gas desorption index Δh2[J]. Industry and Mine Automation,2019,45(2):6-11.
[6] 毛加宁,王绍留,蒋琼飞,等.煤巷掘进工作面突出预测敏感指标临界值的确定[J].中国矿业,2019,28(S1):150-153.
MAO Jianing,WANG Shaoliu,JIANG Qiongfei,et al.Determination of critical value of outburst prediction sensitive index for coal roadway heading face[J].China Mining Magazine,2019,28(S1):150-153.
[7] 张慧杰,霍中刚,舒龙勇,等.构造煤发育区K1值低指标煤与瓦斯突出原因分析[J].煤炭科学技术,2019,47(7):82-87.
ZHANG Huijie,HUO Zhonggang,SHU Longyong,et al.Cause analysis on coal and gas outburst in low index with K1 value of tectonic coal developed area[J].Coal Science and Technology,2019,47(7):82-87.
[8] ZHANG Ruilin,IAN S Lowndes.The application of a coupled artificial neural network and fault tree analysis model to predict coal and gas outbursts[J]. International Journal of Coal Geology,2010,84(2):141-152.
[9] ZHANG Jianqing.Study on the gas content of coal seam based on the BP neural network[J].Procedia Engineering,2011,26(26):1554-1562.
[10] WANG Liang,CHENG Yuanping,WANG Lei,et al.Safety line method for the prediction of deep coal-seam gas pressure and its application in coal mines[J].Safety Science,2011,50(3):523-529.
[11] 苌延辉.基于瓦斯涌出特征的预警技术在王坡煤矿的应用[J].煤炭工程,2019,51(S1):81-84.
CHANG Yanhui. Application of early warning technology based on gas emission characteristics in Wangpo Coal Mine[J].Coal Engineering,2019,51(S1):81-84.
[12] 李成成,郭寿松.基于瓦斯涌出特征的突出预警技术在新元矿的应用[J].煤矿安全,2017,48(3):118-121.
LI Chengcheng,GUO Shousong.Application of outburst early warning technology based on gas emission characteristics in Xinyuan mine[J].Safety in Coal Mines,2017,48(3):118-121.
[13] 王恩元,刘晓斐,李忠辉,等.电磁辐射技术在煤岩动力灾害监测预警中的应用[J].辽宁工程技术大学学报(自然科学版),2012,31(5):642-645.
WANG Enyuan,LIU Xiaofei,LI Zhonghui,et al.Application of electromagnetic radiation technology in monitoring and warning on coal and rock dynamic disasters[J].Journal of Liaoning Technical University(Natural Science),2012,31(5):642-645.
[14] 王恩元,李 楠.微震自动定位与可靠性综合评价系统及应用[J].采矿与安全工程学报,2018,35(5):1030-1037,1044.
WANG Enyuan,LI Nan.System of microseismic automatic location and reliability comprehensive evaluation and applications[J]. Journal of Mining & Safety Engineering,2018,35(5):1030-1037,1044.
[15] 王恩元,刘晓斐,何学秋,等.煤岩动力灾害声电协同监测技术及预警应用[J].中国矿业大学学报,2018,47(5):942-948.
WANG Enyuan,LIU Xiaofei,HE Xueqiu,et al.Acoustic emission and electromagnetic radiation synchronized monitoring technology and early-warning application for coal and rock dynamic disaster[J].Journal of China University of Mining & Technology, 2018,47(5):942-948.
[16] 金佩剑,王恩元,宋大钊,等.单轴循环加载煤岩电磁辐射规律实验研究[J].煤矿安全,2013,44(5):46-48.
JIN Peijian,WANG Enyuan,SONG Dazhao,et al.Experimental study on coal rock electromagnetic radiation laws under uniaxial cycling loading[J].Safety in Coal Mines,2013,44(5):46-48.
[17] LI Dexing,WANG Enyuan,KONG Xiangguo,et al.Damage precursor of construction rocks under uniaxial cyclic loading tests analyzed by acoustic emission[J].Construction and Building Materials,2019,206(10):169-178.
[18] WANG Enyuan,LIU Xiaofei,LI Zhonghui,et al.Application of electromagnetic radiation technology in monitoring and warning on coal and rock dynamic disasters[J].Journal of Liaoning Technical University:Natural Science,2012:561-568.
[19] 邱黎明,李忠辉,王恩元,等.煤与瓦斯突出远程智能监测预警系统研究[J].工矿自化,2018,44(1):17-21.
QIU Liming,LI Zhonghui,WANG Enyuan,et al.Research on remote intelligent monitoring and early warning system for coal and gas outburst[J].Industry and Mine Automation,2018,44(1):17-21.
[20] 邱黎明.煤巷掘进突出危险性的声电瓦斯监测预警研究[D].徐州：中国矿业大学,2018.
