公烏素煤礦16#煤層瓦斯地質規律研究

陳 平 齊 瑞

(義煤集團 新安縣云頂煤業有限公司，河南 洛陽 471800)

1 公烏素煤礦16#煤層概況

公烏素煤礦位于內蒙古自治區桌子山煤田東南部，公烏素精查區6－19 勘探線間原精查范圍內，行政區劃屬烏海市海南區管轄［1］。含煤地層為二疊系山西組和石炭系太原組，本區煤系地層厚度143～299 m，平均厚度224 m 含煤17 層，煤層的總厚度在13.93～23.28m，平均18.6 m，含煤系數8.3%?？刹擅簩臃植济娣e占井田面積的100%，(不含西來峰斷層以東，600m 標高以下)煤層厚度最小1.67m，最大10.51m，平均厚度在8.50m，穩定程度為穩定煤層。結構復雜，對比可靠程度可靠，全區可采。揮發分原煤干燥無基揮發分23.80%－33.74%，平均28.83%。

2 礦區地質構造及控制特征研究

公烏素井田所在的桌子山礦區位于華北地臺鄂爾多斯盆地西緣賀蘭山北段，位于阿拉善地塊和鄂爾多斯地臺之間。桌子山煤田在大地構造位置處于鄂爾多斯臺向斜西緣和賀蘭山褶皺帶之東北邊緣的過渡帶，鄂爾多斯西緣構造帶主要由數條近南北延伸的從西向東逆沖推覆的大型斷裂組成，又稱鄂爾多斯西緣北段大型陸緣逆沖推覆體系。其中公烏素井田所處的桌子山段斷裂走向NNW，在崗德爾山東麓老石旦等地區斷面沿石炭—二疊系煤系地層滑脫，并形成多處飛來峰。本井田為單斜東傾，地層產狀25°，傾角12－25°，傾向115°，礦區的基本構造呈單斜形態，且斷層較發育。

公烏素煤礦位于桌子山煤田公烏素精查區第6～19 勘探線之間。其古地層區劃古生代屬華北地層大區，晉冀魯豫地層區，鄂爾多斯地層分區，賀蘭山—桌子山小區。桌子山煤田大地構造單元位于華北地臺之鄂爾多斯西緣褶斷帶北段桌子山褶斷束，4 級構造單元主要褶皺構造為崗德爾山背斜、西來峰逆斷層、桌子山背斜等。5 級構造單元為桌子山背斜南部，拉什仲廟背斜、公烏素背斜向南傾沒部分。區域內無巖漿巖活動。

由于逆沖推覆構造作用，在崗德爾山東麓老石旦等地區斷面沿石炭—二疊系煤系地層滑脫，并形成多處飛來峰，使整個石炭—二疊系煤系地層推移至地表，再經過后期的剝蝕作用，煤層瓦斯大量釋放，煤層大部分都處于瓦斯風化帶內，這也是公烏素煤礦瓦斯較低的根本原因。

3 公烏素煤礦16#煤層瓦斯地質規律研究

瓦斯是一種氣體地質體，它生于煤層，在煤層或圍巖中賦存。在開采煤炭時，肯定會從中涌出瓦斯。瓦斯的生成、賦存及運移等規律均受復雜的地質作用的影響。依據公烏素煤礦16#煤層地勘及實測的瓦斯含量資料，統計得出如表1 所示。

表1 16#煤層瓦斯含量數據

3.1 煤層埋深對瓦斯賦存的影響

(1)煤層埋深對瓦斯賦存的影響

隨著煤層埋深的增加，圍巖透氣性逐漸降低，瓦斯向地表運移的距離也相應增大，不利于瓦斯的逸散。所以在瓦斯帶內，瓦斯含量隨煤層埋藏深度的增加而逐漸變大。依據地勘及實測瓦斯含量資料，對公烏素煤礦16#煤層瓦斯含量數據以及與其對應的煤層埋深進行回歸分析(圖1)。

圖1 16#煤層瓦斯含量與埋深回歸趨勢線

根據圖1 可知:16#煤層瓦斯含量回歸方程為:y=0.0036x＋2.1516，可以看出煤層瓦斯含量與煤層埋深具有較好的線性相關性，即隨著煤層埋藏深度的增加而增大。

(2)煤層上覆基巖厚度對瓦斯賦存的影響

煤層上覆基巖厚度是煤層的埋藏深度減去第四系地層沉積厚度。在第四系垂向差異較小、松散沉積厚度也比較小的礦井，煤層埋深大體能反映上覆基巖厚度對瓦斯的影響。公烏素煤礦第四系地層沉積厚度為0－11.81m，厚度較小，而且整個井田內高差變化不大，所以，煤層上覆基巖厚度與煤層埋深對瓦斯賦存的影響基本一致。

3.2 煤層厚度對瓦斯賦存的影響

瓦斯在煤層中以擴散和滲流兩種方式為主，濃度差是擴散的動力源，壓力差是滲流的動力源。煤層的厚度越大，擴散終止或達到中值濃度所需要的時間就越長，中部煤層里瓦斯向頂、底板巖石擴散的路徑就越長。阻力變大，瓦斯容易保存。煤層厚度的變化打破了瓦斯在煤層中的均衡狀態，使瓦斯在煤層中的移動和變化狀態得以改變［5］，所以煤層厚度的變化是導致瓦斯分布不均衡的一個重要原因。

由表1 對該煤層瓦斯含量與煤層厚度進行回歸分析(圖2)。從圖2 可以看出煤層瓦斯含量與煤層厚度具有較好的線性相關性。

圖2 16#煤層瓦斯含量與煤厚回歸趨勢線

3.3 煤質對瓦斯賦存的影響

煤層是瓦斯生成與儲存的場所，同時也是瓦斯涌出、煤與瓦斯突出的物質基礎。煤完全燃燒后剩下的殘渣，稱為灰分。正常情況下，煤中的灰分是不吸附瓦斯的。因此，煤層中灰分的變化對瓦斯賦存有一定程度的影響。同樣對該煤層煤質和瓦斯含量進行分析可知灰分對瓦斯含量的影響較大。

4 瓦斯含量預測

4.1 BP 神經網絡設計

BP 網絡即誤差反傳神經網絡，是一個前向多層網絡，由輸入層、輸出層和隱含層組成［10］。針對公烏素煤礦16#煤層各因素對瓦斯賦存的影響，利用三層BP 網絡建立瓦斯含量預測模型。取輸入層共有3 個神經元，分別為:煤層埋深(m)、煤層厚度(m)、灰分Aad(%);取輸出層神經元數目為1，代表瓦斯含量(m3/t)。則其BP 網絡模型結構圖如圖3 所示。

圖3 瓦斯含量預測BP 網絡模型

4.2 瓦斯含量預測

根據煤層埋深、煤層厚度、灰分三個因素對瓦斯含量的影響，將表1 中前5 組作為學習樣本，后3 組作為檢驗樣本，利用MATLAB 對16#煤層瓦斯含量進行預測。設置最小訓練誤差為0.001，學習率為0.015，最大訓練次數為1500，隱含層設有5 個神經元。得出16#煤層瓦斯含量預測值，并與實際值做對比，得到表2，并繪制出擬合曲線(圖4)。

表2 煤層瓦斯含量實際值與預測值對比

序號 煤層 測試位置 實際瓦斯含量(m3/t)神經網絡預測值(m3/t)相對誤差%3 16#335 4.07 4.0482 0.54 4 16#337 2.87 2.8578 0.43 5 16# 16#皮帶下山迎頭2.78 2.7909 0.39 6 16# 1603 運輸順槽迎頭3.59 2.8145 21.6 7 16# 1604 進風順槽探水巷距工作面200 米2.58 2.8031 8.65 8 16# 1604 回風順槽距巷口150m 處2.44 2.6665 9.28

圖4 神經網絡預測值與實際瓦斯含量擬合曲線

根據對比表及擬合曲線可以看出，神經網絡預測值與實際值偏差較小，表明所建立的BP 神經網絡模型可以用于公烏素煤礦未采區煤層的瓦斯含量預測。

5 結論

分析各因素對煤層瓦斯賦存的影響，利用人工神經網絡建立各影響因素與瓦斯含量之間關系的數學模型。運用MATLAB 對該數學模型進行計算，預測出16#煤層的瓦斯含量，并與實測的數據進行對比，說明建立的數學模型可以用于公烏素煤礦16#煤層的瓦斯含量預測。

［1］內蒙古自治區桌子山煤田公烏素精查區公烏素煤礦三號井煤炭資源儲量核實報告.神華集團海勃灣礦業有限責任公司，2007.9

［2］國家安全監察局.國家煤礦安全監察局.防治煤與瓦斯突出規定［M］.煤炭工業出版社，2009.8

［3］張子敏.瓦斯地質學［M］.中國礦業大學出版社.2009.5

［4］張子敏，張玉貴.瓦斯地質規律與瓦斯預測［M］.煤炭工業出版社，2005.12.

［5］楊宏民，王松，陳向軍，董炳文.長平煤礦3 號煤層瓦斯賦存規律分析［J］.煤礦安全，2011，42(5):117－119.

［6］周世寧，林柏泉.煤層瓦斯賦存與流動理論［M］.北京:煤炭工業出版社，1999.

［7］張裕明，汪良謀.華北斷塊區中、新生代構造特征及其動力學問題［M］.科學出版社，1980.4:143～157.

［8］薛亮，齊財.淺談煤層瓦斯含量的預測［J］.黑龍江科技信息，2004，(5):158.

［9］飛思科技產品研發中心.MATLAB 6.5 輔助神經網絡分析與設計［M］.北京:電子工業出版社.2003，1.

［10］張德豐等.MATLAB 神經網絡應用設計［M］.北京:機械工業出版社.2011，12.

［11］樓順天，施陽.基于MATLAB 的系統分析與設計——神經網絡［M］.西安:西安電子科技大學出版社.2000，11.

［12］胡伍生.神經網絡理論及其工程應用［M］.北京:測繪出版社，2006，1