寧正煤田侏羅系煤層頂板富水性及涌（突）水風險評價

李奇峰，崔 恒，肖樂樂，劉 凱，許 鑫

（1.甘肅煤田地質局146隊，甘肅 平涼 744000；2.彬縣水簾洞煤炭有限責任公司，陜西 咸陽 712000；3.西安科技大學 地質與環境學院，陜西 西安 710054）

0 引言

煤礦水害是我國煤礦主要五種自然災害之一，破壞性巨大，給煤礦安全生產帶來了很大隱患和損失［1］。曾一凡等從影響含水層富水性的巖性差異、水力特性、構造因素、地球物理參數4個因素出發，構建了能夠較為全面，真實地刻畫富水性分布規律的四大類，16小類的主控因素體系［2］；周全超等提出利用CRITIC法與AHP法分別得到評價指標權重，運用拉格朗日乘子法進行耦合，最后繪制了研究區含水層富水性分區圖［3］；汪子濤等結合熵權法和TOPSIS分區，建立了某盆地的涌水量預測模型，對研究區地下水空間富水性進行了分區［4］；唐李斌等建立了AHP－熵權法耦合的分界砂巖含水層富水性評價模型，將研究區分界砂巖含水層劃分為強富水區、較強富水區、中等富水區、較弱富水區和弱富水區5個等級［5］；畢堯山等通過主、客觀有機結合得到綜合權重，構建了基于層次分析法與獨立性權系數法綜合確權的含水層富水性指數法評價模型，利用ArcGIS繪制了研究區頂板砂巖含水層富水性分區圖［6］；武強等采用GIS技術，提出將滲透系數，砂巖厚度，沖洗液消耗量，巖心采取率以及脆塑性巖厚度比作為頂板上的涌（突）水的主控因素，構建了含水層富水性分區，同時結合多源地學信息復合疊加原理，提出9煤層頂板冒落涌（突）水綜合分區的劃分方案［7－8］；李哲等采用BP人工神經網絡方法，選取了砂巖含水層厚度、巖芯采取率、脆性巖厚度比和風化影響指數4個指標，引入具有較好自主學習、非線性映射能力的BP人工神經網絡，使用訓練好的神經網絡對研究區含水層富水性進行預測［9］；張紅梅等采取巖性結構指數、斷裂構造分維值和褶皺變形系數3個定量指標，結合模糊聚類綜合評判方法分析了含水層富水性，基于巖芯采取率和沖洗液消耗量等水文地質信息，驗證了模糊聚類綜合評判結果的可靠性［10］；韓承豪等利用集對分析－可變模糊集耦合的評價方法，對直羅組砂巖含水層富水性進行預測，建立頂板砂巖的富水性評價模型［11］；肖樂樂等以富水結構指數為基礎，選取含水層等效厚度、巖心采取率、砂泥比以及砂泥巖交互層數4個影響因素作為獨立評價指標，提出了侏羅系煤田頂板直羅組砂巖含水層富水評價方法［12］；李世峰等通過研究濃縮因子的分區原則，結合礦區富集度，構建了礦區地下水富水性進行分區［13］；卜慶林等結合3＃煤頂板中砂巖厚度、沖洗液最大消耗量、巖心采取率、平均孔隙度和斷層密度5個因素的影響作用，利用信息擬合方法，構建了煤層頂板富水性分區［14］；石守橋等采用斷層分維值對斷層構造特征進行定量描述，構建了巖性結構指標模型，對煤層頂板富水進行分區［15］；根據模糊層次、模糊聚類［16－17］等數據方法的分析，對煤層頂板的富水性進行分區，提出了各影響因子權重的確定問題。

筆者采用模糊層次分析法－熵權法綜合賦權－逼近理想解排序分區的方法，對寧正煤田侏羅系8號煤層的頂板富水性進行分區，以期達到對煤田內頂板富水性強弱有具體的理論認知的目的。

1 地質概況

寧正煤田包括5個含水層和3個隔水層，其中第四系全新統砂礫層孔隙潛水含水層為井田第一含水層，下白堊統志丹群碎屑巖類孔隙裂隙潛水含水層為井田第二含水層，下白堊統志丹群孔隙、裂隙承壓含水層為井田第三含水層，中侏羅統直羅組、延安組上、中部（8煤層頂板以上）砂巖復合承壓含水層為井田第四含水層，中侏羅統延安組下部8煤層底板以下—三疊系砂巖、礫巖孔隙、裂隙復合承壓含水層為井田第五含水層（圖1）。

圖1 寧正煤田侏羅系煤層與主要隔水層Fig.1 Spacing between Jurassic coal seam and main aquifers in Ningzheng coal field

中侏羅統直羅組、延安組上、中部砂巖復合承壓含水層該層屬煤層頂板含水層，主要為細砂巖、中砂巖、粗砂巖，一般直羅組下部及延安組每層煤的間接頂板都為中—粗粒砂巖，含水層厚0.7～140 m，平均60.11 m。

寧正煤田內含水層自上而下主要有第四系孔隙潛水含水層、第四系中更新統黃土孔隙－裂隙潛水含水層、新近系砂礫巖含水層段、白堊系下統華池組砂巖裂隙含水層段、白堊系下統洛河組砂巖孔隙－裂隙承壓含水層段、白堊系下統宜君組礫巖裂隙含水層段、侏羅系中統直羅組砂巖裂隙承壓含水層、侏羅系中統延安組煤層及頂板砂巖承壓含水層和三疊系上統胡家村組砂巖裂隙含水層。其中侏羅系中統直羅組砂巖裂隙承壓含水層、侏羅系中統延安組煤層及其頂板砂巖承壓含水層是開采8煤層的直接充水含水層。

2 頂板富水性權重確定

2.1 主觀權重

模糊層次分析法是在層次分析法的基礎上添加模糊數學理論，對目標指標進行評價以減少個人主觀影響［18］。層次分析法是一種多因素分析、多指標分級的評價方法［19］。層次分析法的關鍵在于構造各層次的判斷矩陣，將模糊數學思想和方法引入［20－21］，得到綜合考慮人為判斷的模糊性的定性與定量相結合的系統分析方法，即模糊層次分析法。

2.2 客觀權重

熵權法能反應出信息無序化的程度，能最大化地降低權重計算中人為因素的干擾［22］。熵權法是根據各主控因素之間變化幅度的大小來確定客觀權重，熵是系統無序程度的一個度量［23］，能夠較好地反映各主控因素之間的內部客觀邏輯，信息熵值越小，指標的離散程度越小。

2.3 綜合權重

由于主客觀權重的賦權依據不同，為兼顧主客觀權重的優點，需要對主客觀因素進行綜合賦權。當評價指標個數較多，權數分配比較均勻時往往采用乘法合成歸一化法將主客觀權重有機結合［24］，計算主控因素的綜合權重。

3 頂板富水性風險因素

3.1 含水層厚度

含水層厚度直接影響含水層的儲水量，在一定程度上能夠代表含水層儲水空間的大小，是確定含水層富水性的重要指標之一。含水層較厚的地方主要集中在井田的西北部（圖2（a））。在N701、N703、N602附近含水層厚度為189～360 m；在N005、N008、補402附近含水層厚度在118～189 m；在N801、N603、N801、N111附近含水層厚度在65～118 m；在N506、N406、N304、N205、N306、補406附近含水層厚度為0～65 m。

圖2 寧正煤田侏羅系煤田煤層頂板富水性評價因素Fig.2 Evaluation factors of roof water richness of Jurassic coal seam in Ningzheng Coal Field

3.2 粗砂巖含量

粗砂巖含量主要指巖石粗砂巖的含量，粗砂巖含量越多，則涌入采動空間的水量越大，富水性越強。粗砂巖厚度較大的區域主要在井田西南部（圖2（b））。在N703的附近138～240 m；在N701附近，粗砂巖含量較大，粗砂巖含量在88～138 m；在N601、N506、N406、N304、N306、N205、補101、補402附近，粗砂巖為0～40 m。

3.3 砂泥巖互層數

砂泥巖互層數是指煤層頂板含水層與隔水層的交互層數，含水層、隔水層互層層數越多，富水性越弱。砂泥巖互層數較多的區域集中在西北部和東部（圖2（c））。在N802、N106、N102的附近，砂泥互層數為42～75 m；在N701、N602、N703、補402的附近，砂泥巖互層數為29～42層；在N601、N506、N406、N304、N112的附近，砂泥巖互層數為20～29層；在N801、N306、N205、補406附近，砂泥巖互層數為10～20層。

3.4 巖芯采取率

巖芯采取率可以用來表示巖石的完整程度，巖石越破碎，取芯率越低，連通性越好，富水性越好，井田西南部的取芯率較高（圖2（d））。在N506、N406、補406、N010的附近，巖芯采取率為80%～92%；在N304、N306、N201、N112的附近，巖芯采取率為71%～80%；N701、N603、N701的附近，巖芯采取率為38%～63%。

3.5 沖洗液消耗量

沖洗液消耗量能反應巖層透水性能，沖洗液消耗量大通常滲透系數大。沖洗液消耗量大的區域主要在井田北部及中部區域（圖2（e））。在補403的附近，沖洗液消耗量為6.5～15 L·min－1；在N304、N703、N108的附近，沖洗液消耗量為3～6.5 L·min－1；在N111、N110、N801、N802的附近，沖洗液消耗量為0～1.4 L·min－1。

3.6 泥巖含量

泥巖作為隔水層可以阻止含水層的水進入礦井，泥巖的厚度直接影響著其隔水能力，泥巖含量較大區域主要在井田的西南部（圖2（f））。在N802、N701、N602、N111的附近，泥巖含量為93～170 m；在N005、N801、N108、N004的附近，泥巖含量為57～93 m；在N304、N506、N406、N019、N112的附近，泥巖含量為27～57 m；在N011、N006、補406鉆孔的附近，泥巖含量為0～27 m。

4 富水性評價體系

4.1 評價模型

為建立正確合理的頂板富水性評價模型，將頂板富水性評價模型分為3個層次結構，目標層為煤層頂板富水性影響因素，準則層包括有富水介質類型、儲水空間大小和水力聯系強度，決策層對準則層每一步條件進行細化，充分考慮每一個影響因素，包括有含水層厚度、粗砂巖含量、沖洗液消耗量、巖芯采取率、泥巖含量和砂泥互層數（圖3）。

圖3 煤層頂板富水性風險評價模型Fig.3 Risk evaluation model of seam roof water richness

4.2 主控因素指標權重的確定

4.2.1 模糊層次分析法確定主觀權重

根據煤層頂板富水主控指標建立模糊一致判斷矩陣。利用0.1～0.9模糊標度法，結合寧正煤田自身地質條件，構建富水預測的模糊互補判斷矩陣。從富水介質類型來看水力聯系強度比儲水空間大小對富水性的影響更大，從儲水空間大小角度來看水力聯系強度比富水介質類型對富水性的影響更大，從水力聯系強度來看儲水空間大小比富水介質類型對富水性影響更大（表1～表4）。

表1 判斷矩陣A～Bi（i＝1，2）Table 1 Judgment matrix A～Bi（i＝1，2）

表2 判斷矩陣Bi～Ci（i＝1，2）Table 2 Judgment matrix Bi～Ci（i＝1，2）

表3 判斷矩陣Bi～Ci（i＝3，4）Table 3 Judgment matrix Bi～Ci（i＝3，4）

表4 判斷矩陣Bi～Ci（i＝5，6）Table 4 AHP judgment matrix Bi～Ci（i＝5，6）

4.2.2 熵權法確定客觀權重

熵權法不參雜人為主觀因素，熵值越大，富水性影響因素的占比越重，越重要；熵值越小，富水性因素占比越輕，越不重要。熵權法所得到的客觀權重沖洗液消耗量的占比最大，泥巖含量占比的最小（表5）。

表5 寧正煤田含水層富水性影響因素權重Table 5 Weight of influencing factors for water richness of aquifer in Ningzheng coal field

4.2.3 模糊層次分析法－熵權法確定綜合權重

模糊層次分析法是含水層富水性分析的一種方法，熵權法是不考慮專家意見而進行的客觀打分，采用綜合權重可以有效的規避單獨使用二者之一的缺陷。沖洗液消耗量的綜合權重最大，最重要；砂泥巖互層數的綜合權重最小，對富水性的影響最小。巖芯采取率值最小，巖芯采取率對富水性影響最弱，沖洗液消耗量值最大，對富水性影響最大（表5）。

4.3 寧正煤田頂板富水性風險分區

寧正煤田已知有56個鉆孔數據，結合寧正煤田含水層富水性影響因素權重（表5），利用逼近理想解排序法對寧正煤田頂板富水性進行風險區，得出各鉆孔涌水風險系數為0.2～0.6，涌水風險系數越大，富水性越強；涌水風險系數越小，富水性越弱。寧正煤田內8煤層頂板富水風險主要在西北部和東部地區，南部地區富水風險極低，北部地區風險中等，鉆孔涌水量大小與富水性分區一致（圖4）。

圖4 寧正煤田煤層頂板富水性分區Fig.4 Water-rich zoning of coal seam roof in Ningzheng coal field

5 結論

1）提出寧正煤田8煤層頂板富水的影響因素，主要有含水層厚度、粗砂巖含量、沖洗液消耗量、巖芯采取率、砂泥巖互層數、泥巖含量。

2）利用模糊綜合評價－熵權法綜合賦權，逼近理想解排序法分區的方法對寧正煤田進行頂板富水性評價，構建了煤層頂板富水性風險評價模型。

3）對寧正煤田的8煤層頂板富水性進行分區，南部地區涌水量最小，中部和北部涌水量較小，西南部在礦井內涌水量最大。