煤矿突水水源判别与水量预测方法综述

COAL GEOLOGY & EXPLORATION Jun. 2012 煤田地质与勘探

文章编号: 1001-1986(2012)03-0048-07

煤矿突水水源判别与水量预测方法综述

杨海军

1,2

，王广才

1,2

(1. 中国地质大学水资源与环境学院，北京 100083； 2. 生物地质与环境地质国家重点实验室，湖北 武汉 430074)

摘要: 突水严重制约着煤矿安全生产。突水灾害的防治是涉及多学科多方法的系统工程。矿井突水水源快速判别和矿井涌水量准确预测是突水灾害防控的重要环节。从矿区地质环境精细探测、地下水循环交替特征和数学模型研究及应用等方面，总结了国内外煤矿突水预测的主要进展。对判别突水水源和预测涌水量的各种方法进行探讨，概述了各种方法的原理、应用现状及其适用条件。 关 键 词：煤矿突水；预测；判别；涌水量；模型

中图分类号：P1.4; TD74 文献标识码：A DOI: 10.3969/j.issn.1001-1986.2012.03.012

Summarization of methods of distinguishing sources and forecasting inflow of

water inrush in coal mines

YANG Haijun, WANG Guangcai (1. School of Water Resources and Environment, China University of Geosciences, Beijing 100083, China;

2. State Key Laboratory for Biogeology and Environmental Geology, Wuhan 430074, China)

Abstract: Water inrush seriously restricts the safe production of coal mine. The prevention and control of water inrush disaster is a systematic engineering which involves many disciplines and methods. Distinguish-ing sources of water inrush quickly and forecasting water inflow accurately are important links for the pre-vention and control of mine water inrush. In terms of fine investigation of geology environment of mine, the research on the characteristics of circulation and alternation of groundwater, and the research and application of mathematical models, the paper summed up the main domestic and international progress in prediction of coal mine water inrush, and discussed various methods of distinguishing sources of water inrush and fore-casting water inflow, and summarized the theory, application status and application conditions of the methods. Key words: coal mine water inrush; forecasting; distinguishing; water inflow; model

我国是煤矿水害多发的国家，突水造成的直接经济损失一直排在各类煤矿灾害之首，特别是华北石炭-二叠系煤田和南方晚二叠系煤田受岩溶水的威胁严重，突水事故频繁[1]，亟待解决。本文总结了煤矿突水的预测及分析方法，主要包括：地质构造和含水层结构对煤矿突水的影响；突水预测的数学模型和分析方法；突水水源判别和涌水量预测方法，以期对预测煤矿突水具有一定的指导意义。

质构造环境，应用精细勘探技术，更加透彻掌握地质构造环境，并在开采中尽量避免触碰这类构造的软弱岩层。当不可避免触碰这些陷落柱或断裂带，并可能导致煤矿突水，就需要准确预测其涌水量(见下文)，研究开采的可行性。近年来，用于区域及矿区地质构造探测的技术发展很快，例如，三维地震、宽频地震探测、远探测声波测井、坑透CT成像技术等。其中，坑透CT成像技术主要应用于采煤工作面隐伏地质构造(包括断层、陷落柱等)和煤层厚度变化等地质异常体的探测，利用电磁波透视技术和成像解释，使煤层变得可视化，可查清煤矿井田中的各类构造[3]。

华北石炭-二叠系煤田多属岩溶充水矿床，此类煤田在采矿中受两套石灰岩含水层威胁，一是石炭- 二叠系基底的奥陶系厚层石灰岩，二是太原组煤系

1 区域及矿区地质环境精细勘探与分析

煤矿突水按其方式可以分为两大类：一类是贯穿突水通道的突水(如陷落柱突水、断裂带突水)；另一类为煤层底板变形破坏引起的突水[2]。天然的地质构造环境(如断裂、褶皱等)往往是煤矿突水的元凶。因此在采煤前一定要搞清楚区域及矿区的地

收稿日期: 2011-10-30

作者简介:杨海军(1986—), 男, 四川广安人, 硕士研究生, 从事水文地质研究.

第3期

杨海军等: 煤矿突水水源判别与水量预测方法综述 · 49 ·

中的薄层石灰岩。对采矿威胁最大的是前者，当薄层灰岩与厚层灰岩发生密切水力联系时，薄层灰岩也会对矿井安全造成严重威胁[1]。因此，对深部岩溶水的研究在煤矿开采中至关重要，包括岩溶含水层分布，岩溶裂隙发育状况，地下水补给、径流、排泄条件等。近几年，我国在这方面的研究取得了很大进展，例如，肖宏跃、雷宛[4]等人将高密度电阻率法和地震映像法两种环境物探技术同时应用于岩溶勘察中，准确查明了包括空洞、有充填物的溶洞及裂缝的大小、空间位置等岩溶分布情况，大大地提高了岩溶勘察的效率和准确性。

目前，用于煤矿突水预测的还有直流电法、瞬变电磁法、地质雷达、红外探测、遥感技术、HSP声波反射法和微重力测量技术等，这些技术都已广泛应用于煤矿地质环境的精细勘探，对预防突水起着重要作用。值得一提的还有正在研究的核磁共振技术已获得良好成果，预期该技术将在地质构造和地下水勘探方面取得突破性进展。

2 含水层系统和地下水循环交替特征的水化学分析

含水层系统的结构以及地下水的循环交替程度，是突水灾害预防研究的重要内容。多年来的理论和实践表明，水化学和同位素方法是探查地下水成因、赋存条件、分布特征、运移规律等的重要方法。

水化学预测主要从离子含量、矿化度、硬度、碱度、pH值、Eh值等进行分析。通过对地下水中阴阳离子含量统计，在Piper三线图上很容易得出相应的水化学环境，再加上测得的pH值和Eh值，很快得出该地下水处于氧化开放型环境还是还原封闭型环境(当然有时也是相对的开放或者封闭)，并推断出地下水循环交替的强度。例如在研究兖州煤矿深部岩溶水水化学成分分布特征与形成机理时，分析水中离子含量发现，奥陶系灰岩岩溶水(下称奥灰水)主要为SO4－Ca · Mg和SO4－Ca(Mg)型水，而上层石炭系太原组局部薄层灰岩岩溶水为HCO3－Na型水。通过分析可以得出，该地段奥灰水处在径流区，水交替较强，这与勘探结果“发育大量张裂隙，充填泥质，局部充填方解石晶粒，岩心较破碎，浅部溶穴裂隙较发育”相符。而薄层灰岩水则处于相对封闭的还原环境中，水交替弱，这也得到了证明。利用离子含量分析可以大概得出地下水的运移情况、水交替强度、水力联系强弱等。但是煤矿突水的许多水文地质现象及性质非常复杂，单凭水文地质的常规方法已远远不能满足煤矿突水防治的需要[2]。因此，伴随着同位素理论与方法的引进，很大程度上增强了水文地球化学研究的有效性。

同位素技术与遥感技术、计算机技术并称为水文地质领域的三大先进技术。应用同位素理论与方法可以解决许多有关地下水的渗流问题，如：测定地下水年龄；研究地下水起源、形成与分布规律；示踪地下水的运动；测定水文地质参数；研究地下水化学组分的来源[1]。目前应用最多的环境同位素有D(2H)、T(3H)、18O，以及

13

C、14C(如测定地下

水年龄)等。其中D、18O是稳定同位素，可用于确定地下水系统的连通性(包括混合过程)、补给来源和补给范围等。T是放射性同位素，半衰期为12.262 a，用它可以检测出地下水的相对年龄。因为，地下水接受补给的时间不同，T初始浓度就不同；参与地下水径流时间长短不同，其残余浓度也不同。在地下几百米到几千米的岩溶水，若无外界补给，很明显T值应该非常低。但是通过对华北煤田的研究发现，深部奥灰水T值较高，有的T值达到10~15 TU，这说明华北深部岩溶水是参与地下水整体运动的，接受大气降水补给，部分地段水交替极其强烈，这与上述离子分析结果也相符。近年来，由于大气降水和地下水中T含量大幅减少，许多地区缺乏初始T浓度连续观测资料和有些区域现代水与含水层中核爆前的水混合，导致地下水中T可能被稀释，T测年法越来越不适宜[5]。3H-3He测年法能够较好地取代目前逐渐不适宜的T法测定地下水年龄，主要用于测定20世纪50年代以来补给的地下水的年龄[5]。

现代水化学技术与传统的水化学方法相结合，其效果显著，对煤矿水灾害防治和研究有重要意义。

3 突水水源的判别方法

煤矿突水往往难以预测，存在各种不确定性，一旦矿井发生突水，如何及时准确地判断突水成因，查找突水水源，是解决和进一步预防突水灾害的关键问题[6]。

在突水水源的判别中常用的是水化学方法，用水质资料判别水源具有快速、准确、经济的特点[6]。用于水化学分析的方法众多，按照李燕、徐志敏等的分类[6]，大致可以分为简易水化学分析、多元统计学方法和非线性分析方法3类。其中，后两种方法发展迅速。

简易的水化学分析包括对突水水源的特征分析和同位素分析。前者即是对突水水源的直观分析，比如离子含量、矿化度、硬度、pH值等。邢台某煤矿突水，取样分析突水点水质为SO4－Na型水，这里属于华北石炭-二叠系煤矿，经分析该突水点水化学成分是奥灰水与太原组灰岩水混合的结果，即两组都有突水；后者采用同位素示踪来判别突水水源，

· 50 ·

煤田地质与勘探 第40卷

该方法具有投资少、周期短、效果好的特点，因此被广泛应用。

多元统计分析方法主要分为聚类分析和判别分析两大类。聚类分析是多元统计方法的一种数学分类方法，它把空间研究对象看作一个点，然后用数学方法研究点与点之间的疏密关系(即相似性)，最后将关系密切的点归为一类，以达到对研究对象进行分类或对比的目的[7]。但针对煤矿突水往往只能通过有限的资料来获取其大概的、模糊的特征，难以掌握其准确的规律[8]，与模糊数学理论一样，我们往往只能通过灰色聚类分析方法来解决煤矿突水问题。魏军等人使用灰色聚类评估模型对煤矿突水可能性进行评估，评估结果与实际情况基本吻合，说明了其可行性。

常用的判别分析方法有逐步判别、序贯判别、二次判别、距离判别、贝叶斯(Bayes)多类线性判别和Fisher 判别分析(FDA)理论。其中Bayes判别模型是从样本的多元分布出发，充分利用多元正态分布概率密度提供的信息计算后验概率，然后确定样本归属[9]。张春雷等利用贝叶斯多类线性判别方法对淮南顾桥矿突水水源进行了有效的判别，准确率高且判别速度快。而FDA模型(即统计学 Fisher 判别分析模型)的基本思想是将高维数据点投影到低维空间上，根据类间距离最大、类内距离最小的原则确定判别函数，得出判别式之后，依据相应的判别准则就可以建立待判样品的类别

[10]

。陈红江等在

判明华北某矿井充水水源时，证明了运用该模型进行判别分析简易方便，分类效率高，对研究矿井突水水源的快速、有效判别意义明显，该模型适用性强，有广阔的应用前景。此外，数量化理论也属于判别分析的范畴，它是借助于已知类型的若干变量，建立起一个或多个判别函数，从而决定未知对象归属问题的一种多元统计方法[11]

。张许良等通过焦作

矿区预测涌水量与实际涌水量的对比，验证了数量

化理论的可应用性。

非线性分析方法主要有灰色系统理论、模糊数学综合评判、人工神经网络、地理信息系统(GIS)、SVM支持向量机、可拓识别法等。其中模糊数学和神经网络将在后面详细介绍。灰色系统理论包括灰色关联度法和灰色局势综合判别，两者都是借助于水化学资料，把突水或有突水危险的水质资料与各含水层的水质资料比较，然后计算出关联度或加权测度值，比较各可能突水的水源对突水点水的贴近度[7]。灰色系统理论类似于模糊数学方法但又有别于它，主要原因是灰色系统理论避免了隶属函数的建立。胡友彪等[12]将灰色关联度法在新河煤矿矿井水源判别中进行了应用，结果证明该方法是有效可

行的。地理信息系统(GIS)在矿井突水中有着重要作用，其支持空间数据的采集、管理、处理、分析、建模和显示，可以十分方便的管理防治水相关的空间数据，预测预报突水，判别突水水源，分析水害情况等[13]。近年来，孙亚军等 [14]将模糊聚类分析与GIS结合，建立水源判别系统，实现了对突水水源的快速判别及可视化显示。支持向量机(Support Vector Machine)，简称SVM，是一种基于统计学习理论的新颖的机器学习方法，在分类问题的处理中具有优秀的性能，主要用于模型识别、回归预测、函数逼近、参数估计等。相比于其他的学习方法，支持向量机不仅克服了非线性、局部极小和维数灾难问题，而且具有更好的泛化能力。闫志刚等 [15]利用支持向量机模型对焦作矿区进行突水水源分析，不仅预测精度较高，而且其结果能很好地反映水源类型。上述各种方法都是将不确定性数学方法应用于水源判别，把突水点水质与标准水质进行比较，最相似者即为突水水源，但是他们建立标准集时，都将其简化为一个或几个平均值，往往无法直观、正确地反映水化学分布和忽略极值对均值的影响，而可拓识别方法能很好地弥补这类缺陷。可拓识别方法以水质指标为判别因子，建立模型，研究各种突水的可能性[16]。

张瑞刚等 [17]在谢桥矿井突水水源判别中应用了该方法，取得了良好的效果。由于可拓识别方法较为新颖，实际应用较少，值得努力推广。

综上所述，矿井突水水源判别方法众多，涉及多学科多领域，而且各学科和领域之间的相互交叉也越来越多。但每种方法各有其自身的特点，同时也存在一定的局限性，因此，人们开始将多种评判方法综合起来相互补充，实现对矿井突水水源的准确判别。随着矿井水源判别方法和判别模型的内容越来越丰富，为煤矿防治水提供了可靠的决策依据。

4 突水灾害预测的数学模型及分析方法

伴随着现代数学与计算机科学的飞速发展，煤矿突水预测技术也极大提高了。出现了越来越多的数学模型与计算方法，大致可按如下分类：

第3期

杨海军等: 煤矿突水水源判别与水量预测方法综述 · 51 ·

下面介绍几种最具有代表性的方法。

4.1 地下水渗流数值模拟

在预防煤矿突水中，为了详细了解地下水的水位(水压)、渗透系数、流场等随时间空间的变化，就需对地下水渗流进行数值模拟，追踪地下水的动态变化，解决许多实际问题，如矿坑涌水量预测、矿区地下水资源评价、矿坑突水条件分析等，对制定科学合理的煤矿水防治措施有很大帮助。

目前，水文地质领域应用较多的数值模拟方法为有限差分法和有限单元法。在国内，一般前者用得比较多，如地下水模拟常用的MODFLOW，包括功能更加强大的GMS，都采用的是有限差分法。而不规则网格有限差分法作为有限差分法相对完善的方法之一，克服了规则网格有限差分法受边界形态的，更是得到了广泛应用。值得注意的是，在利用地下水渗流数值模拟时要注意边界条件的设定和模型的识别与验证。

地下水渗流数值模拟又称数值法，是预测矿井涌水量中较为有效的方法(见下文)。毕作庆[18]用数值法对大平煤矿进行涌水量预测，效果良好，并得出结论：数值法对于规模较大、水文地质条件较复杂的矿山涌水量预测具有一定的精度。

4.2 人工神经网络

神经网络法在煤矿突水预测中的应用也较为广泛，用它可以判别突水水源、预测煤矿是否突水和突水水量。人工神经网络是一种模仿人类神经系统的数学模型，它具有实时学习和知识获取的人工智

能运算的能力[19]。

神经网络模型有近40种，从单一神经网络模型到神经网络集成模型，发展迅速，已渗透到各个领域。在水文地质方面，常用的是BP网络模型。BP神经网络模型是由输入层、隐含层及输出层组成的。数学模型一般采用S型函数，其计算过程包括正向传播过程和反向传播过程，正向传播为输入信息从输入层经隐层处理，并计算各单元 的实际输出值；若输出层不能得到期望的输出，则计算实际输出与期望输出的差值，不断调整权值，达到期望值为止，这个过程即反向传播过程。两个过程反复交替，直到达到收敛为止。随着BP网络的深入研究，在原有基础上人们又对其算法作了改进，主要有变步长法、加入γ因子法、共轭梯度法、模拟退火法、遗传算法及训练算法(IEFA1 IA)等。典型的煤矿突水预测的BP网络模型如图1。

从图1可以看出，各种水文地质条件构成模型的输入层，突水量或突水状态为输出层，中间隐含层的个数若干。其中，相邻两层间关系错综复杂，组成一个网络状的计算过程。经过往返交替的计算

图1 突水预测人工神经网络模型

Fig. 1 Artificial neural network model of forecasting

water inrush

过程，最后得到较满意的结果。魏永强等[20]应用神经网络的方法对峰峰矿区梧桐庄矿突水水源进行判别，取得了较好的效果。吴翠娟[21]应用神经网络罚项OBS模型和神经网络集成个体训练的 IEFA1 IA算法对南屯煤矿涌水量进行预测，其预测精度也已达到企业安全生产的要求。

4.3 模糊数学

由于煤矿突水是一个复杂的动力系统，至目前为止还有很多因素尚未研究透彻。因此，煤矿突水是一个灰色系统，也是一个模糊系统。采用模糊理论对煤矿突水进行预测评价将会消除信息的不足和环境模糊的缺点[22]。

在突水预测与突水水源判别中，模糊数学往往能起到比确定性分析更好的效果。

首先建立评价对象的因素集U(如水压、隔水层厚度、突水系数、构造发育、水化学等)和评价对象的标准因素集V(即各个影响因素相应的突水类别的集合)；另外在评价过程中，由于各因素所占的比重不同，应用统计经验或专家评判等方法，建立各因素间的权重分配，得到一个权重集A，在模糊数学中权重值只允许在[0，1]区间上，所以还须进行归一化处理；模糊数学中，是以隶属度来刻画事物中的模糊界线的[1]。常用的方法为隶属函数法：

⎧⎪

0,ci≤Si,j−1或ci≥Si,j+1

⎪c⎪i−Si,j−1

,Sr⎪Si,j−1−Si,j

i,jij=⎨

⎪Si,j+1

−c i⎪,Si,ji,j⎪⎩1,ci=Si,j

式中 rij为因子ui对j类突水情况的隶属度；

ci为因子ui的实测数值；Si,j为因子ui第j类突水标准应用模糊矩阵的复合运算，即可得到综合评判的模型：

· 52 ·

煤田地质与勘探 第40卷

B=AR，R为rij构成的矩阵，称为模糊变换矩阵；B即为评价煤矿突水的模糊综合评价向量。

在模糊综合评判中，关键的是代表因素权重和隶属度函数的确定。此外，由于模糊评价模型本身针对的就是信息不足而采用的方法，所以对已知影响因素的选取要求就较高。可见，不是任何缺少资料信息的情况都能采用该方法。张自政等[22]选取20个典型底板突水资料作为原始标准样本，应用模糊评价分类模型对煤矿底板突水进行预测，结果(是否突水)与实际基本相符，证明了模型预测的准确性。

4.4 回归分析模型

回归分析又称相关分析，模型众多，包括线性自回归模型(AR模型)、自回归滑动平均模型(ARMA模型)、自回归求和滑动平均模型(ARIMA模型)、门限自回归模型等。回归分析又属于时间序列分析(见下节)范畴，常用于预防突水和预测涌水量，下面介绍常用的门限自回归模型。

门限自回归模型的基本思路是用分段线性化手段来处理非线性系统，由门限的控制作用来保证系统的稳定性，尤其在时间序列上能更好的预测涌水量[2]。门限自回归模型有两种基本形式，自激励门限自回归模型(SETAR)和混合门限自回归模型(TARSO)。在其它领域，常用的是自激励门限自回归模型；而在水文地质领域，突水除了与自身前后的时间序列{xt}有关外，还与另一前期影响因子(如降雨量)的时间序列{yt}有密切关系，所以我们选择混合门限自回归模型(TARSO)来预测煤矿突水量。其模型表示为：

mj

sj

xt=a(j)0+∑ai(j)xt−i+∑bi(j)yt−i+εt(j)

i=1

i=0

yt−d∈Rj j=1，2

式中 mj、

sj为第j个分段的混合门限自回归模型的阶；ai(i=1,2,\",m)和

bi(i=0,1,2,\",s)为模型系数；εt(j)

为

第j个混合门限自回归模型的白噪声；Rj为时间序列第j个区间，该区间的端点就是模型的门限值；d为滞后步长；模型以{yt}为可观测输入，以{xt}为可观测输出，并记为TTARSO[2，(m1，s1),(m2，s2)]

模型中用AIC准则确定门限值R和滞后步长d，门限自回归模型的关键就是R与d的确定，下面即可计算出涌水量，最后再对自相关系数和方差进行检验，得出最佳结果。詹炳善[2]在某奥灰岩溶水涌水量的预测中，应用混合自回归模型，取得了较好的效果。

4.5 突变理论的研究与分析

突变理论(Catastrophe Theory)是法国数学家勒

内·托姆(Rene Thom)于1972年创立的，它是研究不连续现象的一个新兴学科。其主要方法是利用势函数临界点分类，并将各种突变现象归纳到不同的连续结构中，进而研究各种临界点附近非连续性形态的特征[1]。突变理论在创立不到40 a的时间里，已经成功应用于各领域。Lantzy等[23]早在1977年用突变理论解释了二叠系生物大灭绝的原因；锦州医学院的路德泽[24]阐述了将突变理论用于医学的前景；邵爱军等[1]首次将突变理论用于预测煤矿突水，下面根据邵爱军等人的理论，简单介绍突变理论方法。

突变理论也属于数学模型，Thom认为突变理论的控制变量在1~4个，状态变量在1~2个，其基本突变有7种，分别为折叠型、尖点型、燕尾型、蝴蝶型、双曲型、椭圆型、抛物型。其中最常用的是尖点型(Cusp)突变，含两个控制变量和一个状态变量，其势函数为：

V(x)=x4+ux2+vx (1) 式中 u，v为控制变量；x为状态变量。V(x)的临界点方程如下：

V′(x)=4x3+2ux+v=0 (2)

V′(x)构成一个平衡曲面。下面再确定V的全部退化

临界点：

V′′(x)=12x2+2u=0 (3)

V′′(x)构成奇点集。联立式(2)、式(3)消去x，得到u−v

控制平面的分叉点集B：

8u3+27v2=0 (4)

令Δ=8u3+27v2=0，现在分析系统发生突变的情况：

a. 当Δ=0且u=v=0，系统可能发生突变，称 之为系统稳定平衡的临界点；

b．当Δ>0或Δ<0，此时系统不会发生突变；

c．当Δ=0且u≠0，v≠0时，若V′(x)=0有单根，

则不发生突变，若V′(x)=0有二重根，则发生突变。

从上面可以看出，突变理论主要用于预防突水，由于方法较新颖，且其可行性已得到证实。因此，还有待研究与推广。

目前，在预测煤矿突水中，还有很多已应用的数学模型，在此不做一一介绍。此外，单一的数学模型已不能尽全解决复杂的突水问题，多数学模型混合运用已成趋势。

5 煤矿涌水量预测方法

一般情况下，煤矿涌水量是很难做到精确预测。为了提高矿坑涌水量的预测精度，首先应查明矿坑充水水源、充水途径、主要充水岩层的水文地质参

第3期

杨海军等: 煤矿突水水源判别与水量预测方法综述 · 53 ·

数等，其次建立准确的水文地质模型和运用合适的计算方法[25]。随着现代数学和计算机的发展，人们克服了预测中的种种难题，使得矿井涌水量预测的数学模型和计算方法不断更新，不断发展。常用的涌水量预测方法有水文地质比拟法、涌水量曲线方程法、水均衡法、解析法、数值法、支持向量机、时间序列分析法、灰色系统理论和人工神经网络等。

5.1 水文地质比拟法

水文地质比拟法是以稳定流为基础，根据已知矿井涌水量资料，推算其他矿井涌水量。实质是在水文地质条件相近和开采方法相同条件下，利用原有的矿井涌水量和其它观测资料，采用经验公式，预测未来的矿井涌水量。张玉法等[26]在白皎煤矿涌水量的预测中，证明了此方法的可靠性，甚至比解析法中的大井法准确度高。高晓等[25]对小型煤矿矿井涌水量预测方法进行探讨，结果也一样，比解析法准确。因此，我们得出结论，在水文地质条件相近和开采方法相同的条件下，水文地质比拟法在煤矿涌水量预测中有较高的准确性和适用性。

但是，在实际生产中，水文地质条件基本相似的矿井很少，再加上开采条件的差异，因此实际应用性不大。该方法只是一种近似的、粗略的预测方法，只适用于稳定流，且水文地质条件比较简单、涌水量不大、精确度要求不高、水文地质工作程度较低的矿山，或同一矿山延深开采或扩大开采时的涌水量预测。

5.2 涌水量曲线方程法

涌水量曲线方程法是利用建立在抽水试验基础上得到的Q-S (涌水量-降深)曲线方程，来外推未来矿井设计水位的涌水量。因此，涌水量曲线方程法和水文地质比拟法一样，要求实验场地与预测场地的水文地质条件相近，或者在要开采场地实验。Q-S曲线有直线型、抛物线型、幂函数曲线型、对数曲线型4种。曲线类型与水文地质条件、降深大小、井结构、抽水时间等有关。试验中要求：井孔布置在未来开采疏干地段；试验井孔的类型应符合未来开采条件；尽可能采用大口径井孔；尽量大降深的抽水；尽可能增加抽水时间；减少自然和人为影响所造成的误差等[27]。抽水实验在预测涌水量中很常用，在满足上述条件下，其准确度是可保障的。

涌水量曲线方程法避开了各种水文地质参数，而使计算简单易行。因此，在一些水文地质条件复杂的矿区，常用此方法预测矿井涌水量[27]。但是该方法的不足也很明显，首先它是以稳定流为基础；其次水文地质条件相近在实际中少有；此外，上述各试验要求也难以达到。

5.3 水均衡法

水均衡法是根据开采区地下水的收支平衡关系来预测总涌水量的方法，适用于地下水形成条件比较简单的矿区，如分水岭矿区和水文地质封闭程度较好的矿区[28]。其中均衡区的收支项视具体的水文地质条件而定。

水均衡法的优点是能在查明有保证的补给来源的情况下，确定矿床充水的极限涌水量。但是当矿井处于开采条件时，地下水均衡项的测定有一定的困难[28]。

5.4 解析法

解析法预测矿井涌水量时，以井流理论和用等效原则构造的大井法为主，该方法是把矿区水平坑道系统所占的面积看成是等价于一个理想的 “大井” 面积，整个坑道系统的涌水量就相当于 “大井” 的涌水量[29]。对于井巷类型矿井，该方法具有适应能力强、快速、简单、经济等优点，是此类矿井涌水量预测的常用方法。具体方法是运用地下水动力学原理，建立定解井流公式预测矿井涌水量，其中井流公式包括：含水层水平、等厚、均质、各向同性、且具有定水头内外边界等条件[28]。

很明显，解析法的适用条件太过理想，实际中很少有这种煤矿，这给解析法的发展带来难以克服的困难。所以在很多应用中，解析法不如比拟法实用和准确。

5.5 数值法

数值法是利用地下水渗流数学模拟的水均衡求涌水量近似解的方法。其核心是把整个研究区域分割成若干个形状规则的、可以近似看作是均质的单元体，各个计算单元可以根据需要选择适当的水文地质参数进行计算。这种方法求得的解虽然只是近似值，但其计算精确度已经达到了较高程度[18]。数值法的具体方法步骤：a. 二维流数学模型；b. 反求参数；c. 计算涌水量。整个过程都是利用地下水渗流数值模拟在计算机上完成，其中步骤是一个反复迭代计算的过程，直到结果与实际相符。

值得注意的是，数值法需要综合考虑较多的影响因素，它能反映复杂矿区水文地质条件下含水层平面上和竖立方向上的非均质性、多个含水层间越流补给问题、“天窗”和河流的渗漏问题，以及复杂边界条件等各种因素的影响，其复杂性和计算难度都很高。因此，目前数值法主要运用于层流问题和二维流问题。要解决三维流更是难上加难，在适当情况下，可将其转化为二维流来计算。

数值解法是目前矿坑涌水量计算较完善的一种

· 54 ·

煤田地质与勘探 第40卷

方法，其优点十分明显，不仅克服了复杂的矿区水文地质条件和疏干排水条件等问题，而且计算精度也达到了较高水平。当然它也有缺点，即需要大量的水文地质资料(包括含水层性质、特征、埋藏分布、补给、越流、排泄以及边界等)且计算量巨大。

5.6 时间序列分析法

时间序列分析是数理统计中的一个重要分支，是用随机过程理论和数理统计方法研究随机数据序列的规律[30]。线性自回归模型(AR模型)、 自回归滑动平均模型(ARMA模型)、自回归求和滑动平均模型(ARIMA模型)、门限自回归模型及多层递阶方法均属时间序列分析。除了多层递阶方法，其他均是回归分析(即相关分析，见上文)。

多层递阶方法是我国控制论专家韩志刚20世纪80年代初首创的一种新颖的预测方法，其基本思想是将预测对象看成是随机动态的时变系统，只需针对时变参数和系统状态两个部分预测。由于多层递阶方法摈弃了一般统计预测方法中的固定参数预测模型，因此，对动态时变系统，特别是波动较大的问题具有较强的预测能力[31]。郭飞等将此理论方法应用于预测山东黑旺铁矿矿区的矿坑涌水量，取得了良好效果。

除了上述几种方法，在预测煤矿涌水量时，还有很多方法：由于电网络模拟法缺少通用性，实际应用已很少；人工神经网络模型(见上文)可较准确预测煤矿突水量，其计算方法已不断更新，达到了前所未有的完善程度；灰色系统理论也已用于涌水量的预测，由于其对参数的要求降低，弱化了数据的波动性使其变得规律，及减少水文、地质、气象、开采情况等因素的影响，这就比较容易用某种函数去逼近拟合[27]。由此可以看出，灰色理论在预测复杂多变的矿井涌水量方面具有一定的优势。特别是近年来，灰色理论与神经网络的结合成为研究的热点，李春华等

[32]

应用此方法预测大隆煤矿矿井的涌

水量，并优化其算法，结果相对准确稳定；在浅埋煤层工作面涌水量的预测中，刘洋等[32]提出了动静态水结合法，根据矿区有无补给源，将工作面涌出水分为动态水和静态水，同时给出了具体的计算方法，其结果比大井法得到的涌水量要高，更接近真实涌水量；对于降雨充水矿井，刘北战等[33]提出了SVM算法(支持向量机)，并应用于长沟屿煤矿涌水量的预测，其结果与实测相近，准确率较高。

6 结 论

煤矿突水是极其错综复杂的水文地质问题，需

要采用先进技术精细探查矿区具体的地质和水文地质条件，查明地下水循环交替特征，并通过试验工作与采掘过程中的监测，获取各类水文地质、岩体力学和水化学参数等，进而应用数学模型计算，进行突水预测研究。

预防及预测突水的技术与模型众多，但用于计

算的软件却较少，得到大家公认的处理软件更少。因此，很多计算处理需要自己设计与编程，工作量大，且对于新手来说更是难上加难。建议相关部门加大软件开发的投入，有更多更方便的软件适用于计算。随着近年的发展，出现了很多新技术，比如高精度微震监测、核磁共振技术、支持向量机等，传统的计算方法也得到不断优化。在此，建议加强新技术与计算方法的研究与推广。此外，单一的预测方法很可能由于某一因素而与实际相差较远，所以在应用中可尝试多种方法相结合，得出更准确的结果，这方面已有很多实例，值得探索与推广。

参考文献

[1] 邵爱军，张发旺，邵太升，等. 煤矿地下水[M]. 北京：地质

出版社，2005.

[2] 许汉学，王杰. 煤矿突水预报研究[M]. 北京：地质出版社，

1991.

[3] 王均双，薄夫利，马冲. 坑透CT成像技术在工作面地质构造

探测中的应用[J]. 煤炭科学技术，2008，36(10)：93−96. [4] 肖宏跃，雷行健，雷宛. 环境物探技术在岩溶勘察中的应用及

其效果[J]. 灾害学，2007，22(3)：58−61.

[5] 韩永，王广才，邢立亭，等. 地下水放射性同位素测年方法研

究进展[J]. 煤田地质与勘探，2009，37(5)：37−42.

[6] 李燕，徐志敏，刘勇. 矿井突水水源判别方法概述[J]. 煤炭技

术，2010，29(11)：87−.

[7] 方沛，孟祥领，孙长龙. 聚类分析在任楼矿水源判别中的具体

应用[J]. 煤炭技术，2002，21(11)：59−60.

[8] 魏军，题正义. 灰色聚类评估在煤矿突水预测中的应用[J]. 辽

宁工程技术大学学报，2006，25(s2)：44−46.

[9] 张春雷，钱家忠，赵卫东，等. Bayes方法在矿井突水水源判

别中的应用[J]. 煤田地质与勘探，2010，38(4)：34−37. [10] 陈红江，李夕兵，刘爱华，等. 用 Fisher判别法确定矿井突

水水源[J]. 中南大学学报(自然科学版)，2009，40(4)：1114− 1120.

[11] 张许良，张子戌，彭苏萍. 数量化理论在矿井突(涌)水水源判

别中的应用[J]. 中国矿业大学学报，2003，32(3)：251−254. [12] 胡友彪，郑世书. 灰色关联度法在新河煤矿矿井水源判别中的

应用[J]. 中国煤田地质，1996，8(4)：50−51.

[13] 马雷. 基于GIS的矿井突水水源综合信息快速判别系统 [D].

合肥：合肥工业大学环境工程专业，2010.

[14] 孙亚军，杨国勇，郑琳. 基于GIS的矿井突水水源判别系统

研究[J]. 煤田地质与勘探，2007，35(2)：34−37.

(下转第58页)