基于BP神经网络的煤层底板突水危险性精准评价模型构建与应用.docxVIP

基于BP神经网络的煤层底板突水危险性精准评价模型构建与应用

一、引言

1.1研究背景与意义

煤炭作为我国的主要能源之一，在国民经济发展中占据着举足轻重的地位。我国煤炭资源丰富，但开采条件复杂，尤其是煤层底板突水问题，严重威胁着煤矿的安全生产。煤层底板突水是指在煤矿开采过程中，底板下的承压水突破底板隔水层，涌入矿井的现象。这种突水事故具有突发性和灾难性，一旦发生，往往会造成矿井被淹、设备损坏、人员伤亡等严重后果，给国家和企业带来巨大的经济损失。例如，2010年内蒙古乌海市骆驼山煤矿发生的透水事故，当班井下77名作业人员中，32人遇难、7人受伤，事故原因初步判断为掘进工作面底板突水所致。

随着煤炭开采深度和强度的不断增加，煤层底板突水的威胁愈发严重。一方面，开采深度的增加导致地应力增大，底板隔水层的破坏程度加剧，突水的风险相应提高；另一方面，高强度的开采活动也会对底板岩体的完整性造成更大的破坏，为承压水的涌出创造条件。因此，准确评价煤层底板突水的危险性，对于预防水害事故的发生、保障煤矿安全生产具有重要的现实意义。

传统的煤层底板突水危险性评价方法，如突水系数法、层次分析法等，虽然在一定程度上能够对突水危险性进行评估，但这些方法往往存在局限性，难以全面考虑影响突水的复杂因素。BP神经网络作为一种强大的人工智能技术，具有自学习、自适应和非线性映射的能力，能够有效处理多因素、非线性的复杂问题。将BP神经网络应用于煤层底板突水危险性评价，可以充分利用其优势，提高评价的准确性和可靠性，为煤矿安全生产提供更加科学的决策依据。

1.2国内外研究现状

1.2.1煤层底板突水机理研究

国内外学者对煤层底板突水机理进行了大量研究。在地质因素方面，普遍认为地层结构、地质构造、水文地质条件等对底板突水起着关键作用。地层结构中，煤层底板若多为砂岩、泥岩等复杂岩性，易发生底鼓、底板破裂现象；地质构造上，矿区内断裂、褶皱等构造发育，为底板突水提供了通道；水文地质条件里，含水层较多且水压较高，为突水提供了动力。采矿因素同样不可忽视，采动压力会导致底板应力重新分布，进而产生底板破裂，而采空区发育可能沟通底板含水层，加剧突水事故的发生。例如，北辛窑煤矿2号煤层底板突水就是地质因素和采矿因素共同作用的结果。

1.2.2传统评价方法研究

传统的煤层底板突水危险性评价方法主要包括突水系数法、层次分析法、模糊综合评价法等。突水系数法是一种较为常用的方法，它通过计算突水系数来评价突水危险性，公式为

T=\frac{P}{M}

，其中T为突水系数，P为底板隔水层承受的水压，M为底板隔水层厚度。该方法简单直观，但仅考虑了水压和隔水层厚度两个因素，忽略了其他重要因素的影响，如含水层富水性、地质构造等。层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的决策方法。在煤层底板突水危险性评价中，可将影响突水的因素划分为不同层次，通过两两比较确定各因素的相对重要性权重，进而综合评价突水危险性。不过，该方法主观性较强，权重的确定依赖于专家经验，可能存在一定偏差。模糊综合评价法是一种基于模糊数学的综合评价方法，它通过建立模糊关系矩阵，对多个因素进行综合评价。在突水危险性评价中，能够较好地处理评价因素的模糊性和不确定性，但同样存在权重确定主观性的问题，且计算过程相对复杂。

1.2.3BP神经网络应用于突水评价的研究

近年来，BP神经网络在煤层底板突水危险性评价中的应用逐渐受到关注。一些研究通过建立BP神经网络模型，将含水层水压、单位涌水量、隔水层厚度、隔水层岩体质量、层理面数量、泥岩占比、构造复杂程度等多个因素作为输入，对煤层底板突水危险性进行评价。例如，文献[具体文献]利用BP神经网络对某矿区煤层底板突水危险性进行评价，结果表明该方法能够有效提高评价的准确性。然而，目前BP神经网络在突水评价中的应用仍存在一些问题，如网络结构的确定缺乏理论依据，往往依赖于经验和试错；训练样本的质量和数量对模型性能影响较大，若样本不足或代表性差，会导致模型泛化能力弱；模型的可解释性较差，难以直观理解输入因素与输出结果之间的关系。

综上所述，当前煤层底板突水危险性评价研究在突水机理分析和评价方法应用方面取得了一定成果，但仍存在不足。BP神经网络在突水评价中的应用为解决这一复杂问题提供了新的思路，但需要进一步完善和优化，以提高评价的精度和可靠性。

1.3研究内容与方法

1.3.1研究内容

构建BP神经网络评价模型：深入分析影响煤层底板突水的各种因素，包括地质构造、水文地质、工程地质、底板隔水层及开采条件等，选取合适的评价指标，建立科学合理的安全评价指标体系。在此基础上，利用BP神经网络的原理和算法，构建煤