摘要
- 水文地质条件复杂，煤炭实际生产过程中事故频发，特别是煤层底板突水事故。
- 煤层底板突水预测已经成为煤矿安全生产领域研究的重点。
- 山东巨野煤田红旗煤矿实际生产过程中受底板突水威胁严重，在矿井的建设及生产过程中多次出现底板突水。
- 为了对3 煤层进行底板突水预测，在分析收集红旗煤矿相关矿井水文地质资料的基础上，选取断裂分维值、取心率、隔水层厚度、单位涌水量、渗透系数、底板含水层总厚度、承压含水层水压共7 个因素，作为进行底板突水预测的主要影响因素; 以现场实际数据为输入样本，通过灰狼优化算法( Grey Wolf Optimizer，GWO) 得到Elman 神经网络优化的最佳权重和阈值，分别为18. 748 2 和0. 014 435，之后建立相应的GWO－Elman 神经网络底板突水预测模型; 在此基础上通过测试样本输入模型验证，结果准确率达到100%，再用熵值法确定权重的脆弱性指数法进行对比，证明神经网络模型准确度更高，可以用于工程实际。最后，利用所建立的神经网络模型对2 个未开采工作面进行了底板 突水预测，将预测结果指导矿井实际安全生产。
几个参数
- 断层分维值 断层分维值作为反映断裂构造复杂程度的定量研究参数，断层分维值实际指的是断层信息总量，因此可以作为反映断裂构造复杂程度的研究参数，断层分维值越大，表明断裂构造复杂程度越高，也就更容易形成突水通道，突水的风险也越高; 断裂分维值越小，断裂构造复杂程度越低，也就难以形成突水通道，突水风险也越低。
- 取心率| 取心率间接反映了岩层的破碎程度。
- 隔水层厚度 隔水层厚度是指煤层底板与含水层之间的实际距离
- 单位涌水量 单位涌水量与含水层有很强的关联，通常反映含水层的含水介质渗透性强弱及补给条件是否良好，它是底板突水的关键指征因素。
- 渗透系数 渗透系数是影响底板突水危险性评价的关键因素，它反映了岩层的透水性程度。
- 底板含水层厚度 底板承压含水层的存在是发生底板突水的前提条件
- 承压含水层水压 承压含水层水压是底板突水的驱动力和前提。在煤层底板其他条件完全相同时，底板承压含水层水压值与突水发生的可能性之间是正比关系。
模型建立
通过灰狼优化算法优化Elman 神经网络模型建立的模型简称为GWO－Elman 神经网络模型。
- 模型建立 选择红旗煤矿30 个数据点的相关数据( 表1) 作为输入样本数据，，利用SUＲFEＲ 插值法得到。
- 模型验证 将输入样本作为验证样本输入模型，发现模型准确率达100%( 图5) ，证明模型符合要求，可以用于红旗煤矿突水预测。
- 模型应用 利用已经训练好的模型对红旗煤矿2 个未开采工作面数据进行预测
- 其他方法对比 选用脆弱性评价法进行方法比较，选择熵值法作为权重确定方法［
结论
- 选取了7 个底板突水预测影响因素作为输入样本，选用适当参数建立GWO－Elman 神经网络底板突水预测模型并进行了验证，结果表明GWO－Elman神经网络模型的准确率为100%。
- 在熵值法确定权重的基础上，建立了底板突水脆弱性评价模型来进行红旗煤矿底板突水预测，并进行验证，结果准确率为70%; 这一结果表明GWOElman神经网络模型准确度高于底板突水脆弱性评价模型的结果。
- 利用GWO－Elman 神经网络底板突水预测模型对红旗煤矿2 个未开采工作面进行了底板突水预测，预测结果表明3121 工作面突水风险较高，3151工作面突水风险较低。