淺論如何利用GIS掌握地礦井瓦斯賦存規律

朱琳　魏春隆

【摘 要】為了提高礦井瓦斯賦存規律分析的準確性和智能化程度，提出了多因素共同作用下瓦斯原始數據篩選和瓦斯賦存規律分析的一種智能化技術。介紹了如何利用地理信息（GIS）技術建立瓦斯地質空間數據模型，結合計算機編程實現了對大量復雜的原始數據的智能分析、處理和篩選。并實現了瓦斯賦存規律多種主控因素情況下多元回歸的自動智能化分析，進而使得瓦斯賦存規律模型可以在取得新的原始數據后進行動態、智能的更新。為煤礦工作人員快速、準確的掌握地礦井瓦斯賦存規律提供了先進的手段和工具。

【關鍵詞】GIS；瓦斯賦存規律；多元回歸

Intelligent analysis technology of mine gas deposit law on multi-factor influence based on GIS

Zhu Lin，Wei Chun-long

（Jiangxi Geology and Mineral Exploration and Development Bureau 901 Geological Brigade Pingxiang Jiangxi 337000）

【Abstract】In order to improve the analysis accuracy and automation of gas deposit law， put forward a intelligent analysis technology of gas original data mining and gas deposit law on multi-factor influence. Describes how to use geographic information （GIS） technology to establish gas geological spatial data model， combined with computer programming for a large number of complex raw data for intelligence analysis， processing and screening. And to achieve a regression， multiple regression analysis of one-touch， making the model of gas occurrence in the raw data to obtain a new dynamic， intelligent update. For coal mine workers quickly and accurately grasp the occurrence of coal mine gas law to provide advanced instruments and tools.

【Key words】GIS；Gas deposit law；Multiple regression

1.準確的掌握礦井瓦斯賦存規律是直觀了解瓦斯分布情況和超前預測瓦斯壓力、含量、涌出量的基礎，也是對煤與瓦斯突出危險性進行預測、劃分突出危險性區域的前提。但現有的瓦斯賦存規律分析方法存在諸多缺陷[1]。

1.1 主要表現在以下幾個方面：

（1）現有瓦斯參數原始數據多以文字形式表達，缺乏對空間數據的有效表達和及時分析，不能精確的反映井下瓦斯數據與地質數據的真實空間位置關系。

（2）現有瓦斯參數測點的空間位置數據如埋深、標高等大多是通過人工從采掘工程平面圖中憑肉眼和經驗讀出，沒有經過精確的計算，導致原始數據本身就存在一定誤差。

（3）目前瓦斯賦存規律分析多采用單因素模型，忽略了大多數礦井的瓦斯賦存規律都存在多種主控因素的情況，缺乏對多種影響因素共同作用下的綜合分析，無法精確、真實的反映瓦斯賦存規律。

（4）目前瓦斯賦存規律分析大多是通過Matlab、Excel等數據處理軟件進行分析。此系列軟件是一些通用軟件沒有考慮煤礦行業的特殊性，更不可能反映地質構造等因素對瓦斯賦存的影響。

（5）瓦斯賦存規律分析是隨著原始數據的增多而逐漸趨于準確的。隨著井下采掘作業的進行會取得大量的原始瓦斯壓力、含量、涌出量數據，這就需要對大量的原始數據進行篩選并對瓦斯賦存模型進行動態實時的修正和更新。如果僅僅依靠技術人員手工進行處理，不僅對技術人員較高要求，而且工作量巨大，也很難保證數據處理的準確性。

1.2 近年來逐漸發展起來的GIS技術[2]

，以其強大的空間數據管理和空間分析功能，為我們管理瓦斯地質數據資料和智能分析瓦斯賦存規律提供了技術支持。本文采用目前最常用的GIS平臺ArcGIS結合.Net開發平臺，開展對礦井瓦斯賦存規律多影響因素智能分析技術的研究。

2. 礦井瓦斯賦存規律分析的主要數據

礦井瓦斯地質規律分析主要是以已采區域的瓦斯參數數據和地質條件為基礎分地質單元考慮，并參考地質勘探數據進行的。主要數據細化如下：

（1）地質資料。地堪鉆孔數據、井田邊界線、煤層風氧化帶、煤層底板等高線、主要地質構造、煤層厚度、構造煤類型和厚度以及其他地質資料（如火成巖、巖溶影響范圍等）。

（2）瓦斯資料。突出現象發生的位置、突出煤量和瓦斯涌出量、井下瓦斯壓力測點、瓦斯含量測點、采掘工作面每天的瓦斯濃度、風量和抽放量等。

3. 關鍵技術的實現

3.1 瓦斯地質空間數據模型的建立。

（1）地理信息系統（GIS）可以存儲地理空間數據及其相關屬性數據，并可以分析各個空間實體間的相互關系。使用GIS對瓦斯地質數據進行矢量化，將瓦斯賦存規律分析涉及的空間實體劃分為點、線對象存入空間數據庫，以圖層的形式管理瓦斯地質數據以便讀取和分析。

點對象包括以下圖層：地質勘探鉆孔圖層、煤層見煤點圖層、瓦斯壓力測點圖層（其主要屬性見表1）、瓦斯含量測點圖層和瓦斯涌出量測點圖層。

（2）線對象包括地質構造線（褶曲、斷層、陷落柱等）圖層、煤層底板等高線圖層（其主要屬性見表2）、井田邊界線圖層。

（3）收集瓦斯賦存規律分析所需的相關圖件和資料，將數值數據通過統一格式導入到空間數據庫屬性表中。將圖件資料經過校正變換到絕對坐標，直接導入到GIS空間數據庫中對應的圖層，并結合瓦斯地質理論對不同的對象添加相應的屬性數據，從而建立起瓦斯地質空間數據模型，為實現礦井瓦斯賦存規律多影響因素智能分析打下基礎。

3.2 礦井瓦斯賦存規律多影響因素智能分析關鍵技術的實現。

3.2.1 GIS空間數據庫的建立。通過ArcGIS的數據庫管理系統ArcCatalog結合SqlServer建立空間數據庫。根據瓦斯地質數據的幾何特性建立圖層結構，并根據數據的屬性特征為每個圖層定義屬性字段。將煤礦現有的AutoCAD圖形數據，通過ArcCatalog讀取、導入到空間數據庫中。對于需要后期精確處理的數據則可以通過ArcGIS的圖形編輯系統ArcMap進行編輯修改。

3.2.2 煤層任意點標高、埋深、煤層厚度、頂底板泥巖厚度自動推算的實現[3]。本文采用通過原始采樣點擬合成柵格圖層，然后通過柵格圖層自動提取任意點值的方法來實現。

（1）采用井上下對照圖提取礦井地面的所有高程點利用ArcMap按克里金算法擬合成柵格數據（矩陣網格數據），再從空間數據庫中提取斷層、褶曲數據對柵格數據進行局部修正。

（2）利用煤層底板等高線作為原始數據，按5米等間距提取等高線上的結點按克里金算法擬合成柵格數據，再讀取導線測量點的標高值以及斷層、褶曲數據對煤層底板高程柵格數據進行修正，提高煤層高程柵格數據的精度。

（3）將地面高程柵格和煤層高程柵格相減便可得到煤層的埋深柵格數據。其他參數的柵格數據制作方式類似。將所有柵格數據導入數據庫中為瓦斯賦存規律分析做準備。

3.2.3 原始數據的篩選。

3.2.3.1 劃分了地質單元后，在同一個地質單元內的瓦斯賦存環境和地質構造影響因素都相類似[4]。在井下取得的所有瓦斯原始數據中，部分數據由于操作工藝和地質構造局部影響等問題出現異常，并不能代表本地質單元內的瓦斯賦存共性規律，直接影響到礦井深部瓦斯賦存情況預測的準確性，需要剔除。

3.2.3.2 數據篩選原則如下：（1）受區域防突措施影響的數據不能反映原始瓦斯賦存規律需要剔除。（2）在地質構造影響范圍內取得的瓦斯參數測點受局部地質條件的影響會出現異常需要剔除，而這些區域的瓦斯分布情況可以通過重點突出顯示進行標識。（3）在使用地堪數據時，由于地堪數據本身精度不高，所以需要對其考察修正系數，將地堪時期取得的相關瓦斯數據乘上修正系數后再使用。（4）將所有參數帶入一元線性回歸模型進行驗算，再和預測數值進行比對將誤差率大于20%的數據剔除。

3.2.4 多因素影響瓦斯賦存規律預測模型的回歸方法，流程圖如圖2所示。在多種影響因素中尋找主要因素，建立最優回歸方程的最佳方法之一是逐步回歸。其基本原理是：對所有的自變量，依其對因變量作用的大小逐個引進回歸方程，通過反復篩選、替代，僅留下對因變量貢獻較大的自變量，最終得到最優回歸方程[5，6]。礦井瓦斯賦存規律主要有如下一些影響因素：煤層標高、埋層埋藏深度、煤層厚度、煤層頂底板泥巖厚度等。根據礦井的實際情況，瓦斯賦存規律與其中一項或多項有較強的相關性。首先分別對能取得數據的每種因素進行一元線性線性回歸（如圖1所示），分析每種因素的相關性，選取相關性大于0.7的主控因素進行多元回歸，建立多元線性回歸預測模型。流程圖如圖2所示。

3.2.5 礦井瓦斯賦存規律多影響因素智能分析的程序實現。ArcGIS提供了強大的二次開發組件ArcObject（簡稱AO），通過AO開發人員能自由地進行空間分析、拓撲運算等操作而不受到桌面系統的限制。首先利用AO提供的IFeatureClass和IFeature接口從空間數據庫中讀取基礎數據，再利用IRasterSurface接口將柵格數據讀入內存并重新構建，利用ISurface接口推算讀取瓦斯參數所在位置的埋深、標高、煤厚、頂底板泥巖厚度等數據。利用IFeatureClass和IFeature接口從空間數據庫中讀取地質構造信息、突出事故點信息并進行數值運算，計算其影響距離，再利用ITopooperator接口構建地質構造和突出事故點的影響范圍。利用ISpatialFilter接口搜索影響范圍內的瓦斯參數數據，將這一部分數據剔除掉。

3.2.6 利用.Net框架下的C#語言編寫一元回歸和多元回歸程序，提取所有相關的瓦斯參數數據，采用遞歸算法設置相關性系數臨界值為0.7，對每種影響因素進行一元回歸逐個篩選數據。最后將滿足條件的多個因數的數據進行多元擬合便可得到礦井瓦斯賦存規律的多影響因素預測模型。當井下測得新數據錄入空間數據庫中重新執行運算便可動態智能的分析出瓦斯賦存規律，隨著數據的增加分析得出的規律也會隨之趨于精確。

4. 結語

（1）針對現在有的礦井賦存規律分析技術考慮影響因素不夠、由人工進行處理工作量巨大的現狀，把GIS技術和計算機技術應用到瓦斯賦存規律的分析中。建立了瓦斯地質空間數據模型，提出了瓦斯地質空間數據庫的建立方法，將瓦斯賦存規律涉及的瓦斯地質數據進行集中管理。

（2）采用目前流行的GIS二次開發技術實現了瓦斯參數原始數據的智能處理和篩選。編程實現多元回歸模型自動分析瓦斯賦存規律的主控因素，并自動對原始數據進行進一步篩選，使得瓦斯賦存規律模型可以動態更新。

（3）將本文提出的方法應用于黃白茨煤礦，收集原始數據后，自動分析得到了該礦的主控因素為埋深、標高、煤厚并自動進行多元擬合得到了瓦斯賦存預測模型，誤差率較低，效果較好。

參考文獻

[1] 張子敏，張玉貴.礦井瓦斯地質圖編制[J].煤炭科學技術，2005，33（8）：39～41.

[2] 宋衛華，張宏偉.基于GIS的煤與瓦斯突出區域預測的可視化[J].遼寧工程技術大學學.報，2008，（3）：17～21.

[3] 龍威城，劉明舉，陳志勝，牟全斌.基于多源瓦斯數據融合的瓦斯賦存規律研究方法[J].

煤炭科學技術，2009，37（2）：42～46.

[4] 楊德方，張子敏，張玉貴，徐剛.基于劃分地質單元的瓦斯賦存規律研究[J].河南理工.

大學學報，2008，27（4）：386～390.

[5] 盧成藝.多元線性模型在瓦斯賦存規律研究中的運用[J].中國高新技術企業，2010，

（33）：145～146.

[6] 曹蘇娜，王素云，曹貽鵬.一種新的多元回歸思路[J].西安文理學院學報，2010，13（2）：

39～43.