机器学习方法在矿井水防治理论体系研究中的应用思考

致灾机理、危险性评价、灾变预测共同构成矿井水防治理论体系基本内容,其在过去20多年里快速发展,目标是理解矿井水行为特征,预测演化趋势,服务矿区水害防治工作。机器学习是大数据时代进行数据分析和挖掘的有力工具。将机器学习应用于矿井水防治理论体系研究,已得到相对广泛的关注。针对理论体系的3项基本内容,重点讨论了机器学习在各内容建设中的具体应用,主要包括:根据不同水害类型分类简述致灾机理研究现状,指出机器学习应用暂为空白的原因为其不具备做出假设的能力。认为未来致灾机理研究方法依然以传统方法(理论分析、数值模拟、相似模拟等)为主,机器学习促进地质数据获取与处理,对机理研究作出贡献;分析方法优势,指出机器学习作用于危险性评价的主要方式为非结构化数据的处理及丰富评价方法;分析基于物理和基于数据的单一预测模式弊端,论述物理模型与数据驱动相结合的必要性,相应给出“模型-数据”双驱动预测模式的3种实现形式,并讨论了基于图像的灾变预测方法可行性。随着生产数据及地质数据的丰富,机器学习方法可推动理论体系研究快速发展,并为矿井水防治学科系统方法论研究作出贡献。

矿井水防治学科基本架构及内涵

我国矿井水防治学科整体经历了20世纪的起步发展期和21世纪的成长成熟期2个大的发展历程,其基本架构及内涵已然成熟。按照系统论,拓展了矿井水广义内涵,规范了矿井水防治术语及科学范畴,提出了矿井水系统,即从水源补给到涌水排泄所涉及范围为边界且内部介质结构时变的高度复杂系统,水源输入和涌水输出齐备,采矿扰动激发而系统及时响应;构建了矿井水防治基本架构,即理论技术体系及技术管理体系等两大核心体系;理论技术体系涵盖理论基础、技术依托及工程支撑,致灾机理、条件评价、预测预报为理论基础,条件探查、预防治理、地质保障为技术依托,探水、防水、堵水、疏水、排水、截水、监水等七类为工程支撑;技术管理体系包括先进理念、总体思路和工作体系,按照“预测预报、有疑必探、先探后掘、先治后采”十六字总体思路,以源头预防区域治理井上下结合工程治理治保结合先进理念为引导,建设理念先进,基础扎实,勘探清楚,科技攻关,综合治理,效果评价及应急救援“七位一体”水害防治工作体系,实现减少矿井水影响、防止水害事故、减轻环境影响的总体目标。展望未来,水灾变物理机制,数据驱动的灾变规律,或者二者融合,是基础理论突破的重点方向,将带动技术及工程全面突围。

基于DRN-BiLSTM模型的矿井涌水量预测

针对矿井涌水量预测中存在的深度学习模型预测精度不高和适用性不强的问题,提出了一种基于深度残差网络(Deep Residual Network,DRN)和双向长短记忆网络(Bidirectional short and long memory network,BiLSTM)的矿井涌水量预测方法。首先,将矿井涌水量数据进行小波分解和归一化处理,得到趋势项数据和细节项数据;其次,采用DRN网络方法对趋势项数据进行预测,采用BiLSTM网络方法对细节项数据进行预测;最后,将2部分预测结果进行重构得到矿井涌水量预测结果。研究结果表明:DRN-BiLSTM模型相比于单一模型预测精度更高,说明该模型具有更好的泛化性。

新型老空底板奥灰突水:成因机制及防控技术

河北峰峰矿区辛安矿2021年“10·25”小煤窑区奥陶系灰岩(简称奥灰)突水,导致矿井生产水平被淹,矿井停产。对事故成因进行了剖析,提出老空区底板奥灰岩溶水突(涌)水概念,总结其区别于采动引发老空透水或底板突水事故的内涵及外延,揭示浅部老空区底板奥灰承压水储能释放动态演化的突水机制。基于区域奥灰岩溶演化史,采用流场分析、数值模拟以及探治工程揭露,确定区域奥灰岩溶强径流带在井田内的展布形态,建立岩溶水动力场模型,应用人工智能及深度学习方法反演辛安矿“10·25”突水时间及空间位置。针对煤矿采空区底板奥灰突水特点及难点,提出流场树靶、探治结合、新旧共治“三位一体”的水害防控技术体系,经过3个阶段治理实践,不仅3个老旧突水点共1080 m^(3)/h涌水量以及新突水点稳定涌水量3600 m^(3)/h得到完全封堵,且矿井原正常涌水量2040 m^(3)/h下降到1020 m^(3)/h,效果超出预期目标。