底板突水灾害大数据预测预警平台

• Published in: 煤炭学报 Vol. 46; no. 11; pp. 3502 - 3514
• Main Authors: 余国锋, 袁亮, 任波, 李连崇, 程关文, 韩云春, 牟文强, 王四戌, 魏廷双, 郑群, 马济国
• Format: Journal Article
• Language: Chinese
• Published: 煤炭开采国家工程技术研究院深部煤炭开采与环境保护国家重点实验室,安徽淮南232000%安徽理工大学能源与安全学院,安徽淮南232000 01.11.2021; 中国矿业大学(北京)应急管理与安全工程学院,北京100083%煤炭开采国家工程技术研究院深部煤炭开采与环境保护国家重点实验室,安徽淮南232000; 中国矿业大学(北京)应急管理与安全工程学院,北京100083%东北大学资源与土木工程学院,辽宁沈阳 110819%煤炭开采国家工程技术研究院深部煤炭开采与环境保护国家重点实验室,安徽淮南232000%淮河能源煤业分公司,安徽淮南232001; 安徽理工大学能源与安全学院,安徽淮南232000; 煤炭开采国家工程技术研究院深部煤炭开采与环境保护国家重点实验室,安徽淮南232000
• Subjects: 底板水害;水文监测;微震监测;大数据;预测预警平台
• ISSN: 0253-9993
• DOI: 10.13225/j.cnki.jccs.2020.1788

TD745; 针对淮河能源集团当前开采深部A组煤,受底板水害严重威胁而缺乏有效的智能化、全覆盖预警技术的问题,提出了构建基于水文、充水水源及底板破坏实时监测物联网的多源信息大数据智能预警云平台而指导矿区内突水灾害事故预防的技术思路.以张集煤矿回采A组煤的1612A工作面为工程背景,构建了观测水源、水位、水压、水质、水温等参数变化的水文监测物联网数据传输系统,实时数据采集、数据传输、数据分析处理.而针对底板破坏深度则构建了微震实时监测物联网,传感器拾取底板破裂信号通过井上、井下的光纤环网传输到地面数据信号处理终端,实时监测反演底板破坏、导水裂隙通道分布.将回采、地质和监测数据各类因素考虑在内,建立了基于神经网络和深度学习的预警模型,确定了煤矿安全评价的主控指标以及评判指标,搜集全国大量矿井数据对模型进行了机器学习训练.集成数据采集、管理配置、设备监测、中控大屏、多维分析和故障预警5个模块,由网络集成技术和数据整合技术实现无缝连接,建立了煤矿底板突水灾害大数据预警云平台系统.将学习后的预警模型嵌入系统,基于整合的多源数据进行底板突水危险性评估与预警,与微震数据互馈分析实时发布决策信息.最后,选定淮南等矿区内的5组矿井数据进行了评估验证,并对1612A工作面回采进行了预警分析.结果 表明,选定的矿井计算预测结果合理;张集矿工作面发生突水灾害的概率较小,监测期内未发生预警信息;证实了大数据云平台在煤矿底板水害防治应用的可行性,为淮河能源集团开采A组煤预防底板水害提供了新的技术支撑.