0 引言
煤与瓦斯突出事故由于其动力效应明显、破坏性强，一直是我国煤矿安全管理工作的重点和难点[1]。对于瓦斯突出治理工作，目前国内外已经由传统的瓦斯突出危险性监控转变为瓦斯突出危险性预测，同时借助多种评价指标体系，定期对矿井突出危险性进行预测，这在一定程度上提高了矿井安全管理水平[2]。随着计算机技术和各类传感设备的发展，矿井突出危险性预测技术越来越自动化和智能化，温廷新等[3]基于自动编码技术，结合煤矿实际生产特点和安全管理特点，改进了麻雀搜索算法，建立了AE-CLSSA-ELM煤与瓦斯突出危险性预测模型，有效分析了矿井瓦斯突出危险性与各类指标的非线性关系，提高了矿井瓦斯突出危险性预测的准确度；王超群[4]利用SPSS软件，加权分析了矿井敏感指标的加权系数，完成了瓦斯突出危险性的智能预测；薛峰等[5]基于遗传算法，对6个矿井指标进行分析，建立了GA-SVM矿井突出危险性预测模型，降低了矿井突出危险性预测过程中的误差，实现了矿井突出危险性智能预测；王直[6]从岩石工程系统理论分析，选取了7种指标利用BP神经网络和SSA数据分析方法，建立了矿井突出危险性预测模型，并经过现场运用验证了该模型的可行性。
上述研究已经在诸多煤矿进行了实际运用，但这些方法是通过对矿井常用的瓦斯突出数据进行深度分析后加以运用，一般仅适用于某一个矿井，具有一定的局限性。因此，本文以《煤矿安全规程》规定的矿井突出敏感指标，结合智能化技术建立了一种适用范围较广的矿井突出危险性智能预测平台，通过该平台对矿井瓦斯突出情况进行预测预报，从而提高矿井的突出危险性预测水平和安全管理水平 [7-8]。
1 平台总体架构设计
基于敏感指标法的矿井突出危险性智能预测平台总体架构遵循“感知-传输-分析-决策”的设计理念，由设备层、通讯层、分析层和调度层4个功能层级组成，各层之间通过标准化接口实现数据流与控制流的双向交互，实现煤与瓦斯突出危险性的量化与治理。矿井突出危险性智能预测平台总体架构如图1所示。
图1 矿井突出危险性智能预测平台总体架构
Fig.1 Overall architecture of intelligent prediction platform for coal mine outburst hazard
(1)设备层。设备层部署了多元传感器阵列，包括煤层瓦斯含量传感器、钻屑瓦斯解吸指标K1值和Δh2值传感器、煤层瓦斯压力传感器等专业智能监测设备，形成了覆盖工作面全区域的感知矩阵。这些传感器实时采集煤层瓦斯参数、钻屑特征指标等关键数据，为突出危险性预测提供了原始数据支撑，其布设密度和精度直接决定了整个系统的预警可靠性。
(2)通讯层。通讯层构建了多模异构的传输网络，通过矿用局域网保障关键数据的可靠传输，利用矿用5G信号实现移动设备的低时延接入，借助矿用WiFi覆盖固定监测点，配合光纤束管形成冗余通信链路。这种混合组网模式有效解决了井下复杂环境中信号衰减、电磁干扰等问题，确保了感知数据到分析平台的无损传输。
(3)分析层。分析层承担多源异构数据的深度挖掘与特征提取任务，采用参数规律分析揭示瓦斯动力参数的时空演化特征，通过敏感性分析识别关键致突因素，并引入机器学习算法构建非线性预测模型。zData X数据分析库的引入实现了海量监测数据的高效处理，为上层决策提供了科学依据，展现了大数据技术在煤矿安全领域的创新应用。
(4)调度层。调度层作为系统的决策中枢，实现了煤与瓦斯突出灾害的全流程管控，通过集成突出危险性预测模型、突出点空间定位算法、防突措施知识库和应急救援决策支持模块，构建了从风险预警到应急响应的闭环管理体系。该层基于分析层提供的分析结果，结合矿井地质条件和开采工艺参数生成动态防控策略，实现智能预测平台的核心决策功能。
2 平台数据分析功能模块设计
随着人工智能、大数据等技术的快速发展，数据分析功能作为突出危险性预测工作的重要环节，已从传统的简单统计转变为深度融合多源信息、挖掘潜在规律的智能化过程，其核心价值在于从海量监测数据中提取与突出危险性相关的深层次特征。数据分析功能作为平台的数据分析中心，包含数据交互模块、规律分析模块和敏感性分析模块，其主要功能与实现方式如下。
(1)数据交互模块。数据交互模块是智能分析系统的 “信息入口” 和 “数据桥梁”，负责各类矿井监测数据的整合与共享，该模块通过统一的数据接口(如 OPC、MQTT 协议)对接各类设备(传感器、PLC 控制系统、地质数据库等)，将异构数据(结构化数据如数值、非结构化数据如钻孔图像)转换为标准化格式，消除数据孤岛，确保后续模块能直接使用高质量数据。
(2)规律分析模块。规律分析模块是煤矿突出危险性智能预警系统的“大脑”，往往相关矿井瓦斯参数的异常规律变化即预示了矿井瓦斯事故的发生。规律分析模块融合了多重分形理论、机器学习算法和专家知识库，实现了对突出前兆特征的深度解析，通过多维度数据挖掘揭示瓦斯突出灾害的潜在规律和演变特征，从而完成矿井突出危险性的预测。
(3)敏感性分析模块。敏感性分析模块在煤矿突出危险性评价中承担着关键指标识别和权重分配的重要职能，其核心价值在于从众多影响因素中筛选出对突出危险性最敏感的指标，优化监测资源配置和预警模型结构。本研究中的敏感性分析模块在选取敏感指标时，主要从指标的规律性、指标与瓦斯参数的相关性、指标与瓦斯灾害事故的关联性等方面入手。
3 敏感指标智能选取
敏感指标法是近年来我国煤矿应用较多的瓦斯突出危险性预测技术之一，即利用矿井对部分指标的敏感性，通过分析观察指标的大小和变化规律，完成突出危险性预测，可根据预测区域和范围分为区域预测和局部预测[9]。区域预测一般是对某一个采区或某几个工作面进行预测，而局部预测则是对某一个巷道、某一个工作面进行的突出危险性预测。
我国常用的敏感指标有煤层瓦斯压力P、煤层瓦斯含量W、钻孔瓦斯涌出初速度qm值、钻屑量指标S值、钻屑瓦斯解吸指标K1值和Δh2值等[10-12]。其中煤层瓦斯压力P、煤层瓦斯含量W通常应用于区域突出危险性预测，钻孔瓦斯涌出初速度qm值、钻屑量指标S值、钻屑瓦斯解吸指标K1值和Δh2值常用于局部突出危险性预测。由于我国不同地区的煤矿地质条件存在差异，瓦斯赋存特点和规律也不尽相同，因此在利用敏感指标法进行突出危险性预测时，往往需要从规律性和敏感性2个方面确定适合对应矿井的敏感指标。在此基础上，本研究利用灰色关联分析算法和深度学习模型为敏感指标分析的方法支撑，以时间序列为自变量将矿井历史数据和实时监测数据进行同步分析，通过利用数据库中的32种函数关系对矿井指标和常见影响因素进行拟合，并对比拟合相关性R2值，确定最适合对应矿井的敏感指标，R2值的取值范围为0～1，该数值越大证明该指标越敏感，越能够真实的反应矿井突出危险性大小。以寸草塔二矿区域敏感指标的确定过程为例，将2014-2024年矿井历史实测数据导入敏感性分析模块进行数据拟合，通过模块深度学习算法规律分析，精确拟合了煤层瓦斯含量指标和煤层瓦斯压力指标的敏感性与规律性。分析发现这2种敏感指标均与煤层埋深的拟合关系最强，且呈线性相关，其相关系数R2分别为0.970 39和0.951 48，模块准确输出了煤层瓦斯压力的规律性和敏感性更强，能够通过煤层埋深准确的进行突出危险性预测工作，因此确定该指标为试验矿井的区域敏感指标，AI拟合图像如图2所示。
图2 区域突出危险性智能预测平台敏感指标AI分析示意
Fig.2 Schematic diagram of AI analysis of sensitive index of intelligent prediction platform for regional outburst hazard
4 双“四位一体”突出危险性预测流程
我国煤与瓦斯突出防治体系包含区域瓦斯突出防治工作和局部瓦斯突出防治工作，本研究基于我国瓦斯突出防治工作，结合突出危险性智能预测平台，建立了双“四位一体”瓦斯突出危险性预测模型，将该模型内置于调度层操作中心内，由区域至局部彻底排查瓦斯突出风险，双层次防控结构确保了从矿井宏观规划到采掘作业微观管控的全过程瓦斯管理，有效解决了传统单一防突措施针对性不足的问题，实现瓦斯突出防治工作体系化。突出危险性智能预测流程如图3所示。
图3 突出危险性智能预测流程
Fig.3 Intelligent prediction process of outburst hazard
由图3可见，首先利用矿井敏感指标参数历史数据进行指标敏感性分析，该环节主要通过平台分析层实现，以分析结果R2为敏感指标选取依据，确定区域突出危险性敏感指标和局部突出危险性敏感指标，并依据《防治煤与瓦斯突出细则》[13]和矿井突出危险性鉴定相关报告或敏感性分析相关报告设定临界值，现场传感器点位根据生产需求合理布置，一般要求掘进工作面、回采工作面、采空区和主要运输大巷每100 m范围内必须配备全套智能监测传感器，其余生产运输巷道不强制要求。
“四位一体”包含区域“四位一体”和局部“四位一体”，这2个部分正是矿井突出危险性智能预测的核心所在，区域“四位一体”即区域突出危险性预测工作、区域防突措施、区域效果检验和区域突出危险性验证。区域突出危险性预测作为首要环节，其核心任务是在开拓开采前对煤层及区域进行突出风险等级划分，从宏观角度结合矿井实测敏感指标与评估敏感指标临界值的关系判断矿井突出等级，如判断具有宏观突出危险性，则进行防突措施及防突措施检验，直至消除区域突出危险性则进行局部“四位一体”；如在区域突出危险性预测阶段，经预测矿井无宏观突出危险性，则直接进行局部“四位一体”，即局部突出危险性预测工作、局部防突措施、局部效果检验和局部突出危险性验证。完整的履行上述流程方可判定为监测位置无煤与瓦斯突出危险，上述步骤全天候循环进行，精准预测治理煤与瓦斯突出危险性，推动煤矿从“经验防突”向“科学防突”转变。
5 应用情况
寸草塔二矿为神东煤炭集团有限公司的重要生产矿井，位于内蒙古自治区鄂尔多斯市伊金霍洛旗境内，矿井保有地质储量2.59亿t，剩余可采储量1.57亿 t，主采2-2号煤层，矿井瓦斯绝对涌出量为0.45 m3/min，相对涌出量为1.65 m3/t。2022年4月，基于敏感指标法的矿井突出危险性智能预测平台在寸草塔二矿投入使用，截至2025年4月，该平台已经实现了3个采区、22条主巷道的突出危险性预测预警，平台累计预测突出危险性事故23起，现场无煤与瓦斯突出事故发生。
应用期间，智能预测平台多次进行突出危险性警报，在显示大屏精确显示了具体位置信息和避灾路线。在突出危险性智能预测平台发生预警时，调取综采工作面现场监测数据，调度中心接到警报后可随即进行人员疏散，相关工作人员顺运输大巷撤离至避难硐室，并立刻加大送风量，迅速将工作面瓦斯浓度与瓦斯压力降低，当区域预测警报解除后，才可进行工作面突出危险性预测工作。经测量相关指标均低于突出预测临界值时，再经平台判断现场无突出危险性风险时，安全员到现场进行二次测量与突出危险性判断工作，最终风险完全解除后工作面才能恢复正常生产。
寸草塔二矿近10年因煤与瓦斯突出预测报警导致的工作面停工天数与生产折损量如图4所示。
图4 寸草塔二矿近10年矿井工作面停工天数与生产折损量
Fig.4 shutdown days and production loss of working face at Cuncaota No.2 coal mine in recent 10 years
由图4可以看出，自2022年矿井突出危险性智能预测平台投入使用之后，寸草塔二矿缩短了煤与瓦斯突出报警风险排查的周期，大大提高了矿井安全管理水平。该矿工作面年停工天数降低至10 d以下，矿井年生产折损量降低至3 000 t以下，参照寸草塔二矿2024年766元/t的销售单价计算，该平台的应用可为矿井降低生产折损资金达230万元/a。
6 结语
以我国矿井常用的敏感指标法突出危险性预测技术为基础，结合数据存储和数据分析，创立了由设备层、分析层和调度层组成的矿井突出危险性智能预测平台，围绕zData X多元数据库进行突出危险性预测工作。通过分析相关指标的敏感性和规律性、指标实时监测、区域突出危险性预测、局部突出危险性预测、采取防突措施等步骤，完成了矿井突出危险性智能预测预警，大大降低了煤与瓦斯突出事故的发生率，确保了煤矿安全高效生产。后续研究团队将从提高预测精确度、降低系统预测误差等方面进一步开展工作，从而提高突出危险性智能预测平台精准性。
