一种煤矿突水动水注浆量预测与注浆效果评价方法【
技术领域：
】：[0001]本发明属于矿井动水注浆预测与评价
技术领域：
，涉及一种封堵矿井突水过程中动水注浆量预测与注浆效果评价工艺，特别是一种煤矿突水动水注浆量预测与注浆效果评价方法。【
背景技术：
】：[0002]近年来，随着煤矿开采深度的不断增加，华北型煤田由于受奥灰水的威胁，安全回采的矿井储量不断减少，煤矿生产能力不断下降，为缓解矿井生产能力下降的趋势，很多煤矿动用受奥灰水威胁的工作面资源量，导致工作面在开采过程中突水事件时有发生，虽然当前科技水平有很大的提升，但复杂的水文地质条件对矿井防治水工作提出更高的要求，及时、合理、有效的对矿井突水点进行注浆封堵，不仅可以保证工作面正常回采，节省大量的排水费用，而且还能延长老矿区服务年限，对支持地方经济发展具有重大的意义。[0003]目前，针对工作面在开采过程中发生突水情况，有的煤矿采取井上井下联合治理的方法，通过高压、大流量、合理的注浆料配比，注浆封堵突水点取得不错的效果；有的煤矿通过物探方法，找到出水水源，对突水通道进行有效注浆封堵；有的煤矿通过研宄控制注浆工作面因素法，对突水点进行预注浆，通过多次试验得出注浆因素并不是单因素决定的，而是由注浆的压力、流量、注浆材料的配比等多因素决定的，注浆效果的检验根据封堵突水点涌水量大小及矿井物探探查突水通道电阻率变化规律两种方法，通过水量的大小及封堵通道情况决定的；井上井下联合注浆法，虽然对封堵突水点具有很好的效果，但是由于工程量大，需求大量的人力物力，浪费大量的财力物力；通过物探方法寻找突水通道，能够准确封堵突水点，实现有效注浆，但是，物探技术寻找突水通道是建立在准确的探测基础之上，矿井物探的复杂条件及多解性，造成了本方法的偏差，为有效提高封堵突水通道，需要提高物探技术。现有技术中对注浆效果的评价只注重突水量的变化，不考虑注浆量的变化带来的经济效益，缺乏定量化评价动水注浆量评价标准。上述在矿井突水过程中从注浆机理、注浆材料、注浆方法、以及在探查突水通道等方面做出研宄并没有对动水注浆量与突水标高、水量、及封堵孔之间关系做出研宄，注浆完成后没有合理的评价标准对注浆效果做出评价。【
发明内容】：[0004]本发明的目的在于克服现有技术存在的缺点，寻求设计提供一种煤矿突水动水注浆量预测与注浆效果评价方法，在收集矿区封堵矿井突水过程中动水注浆量数据样本资料基础上，分析影响注浆量变化的因素，综合遗传算法和支持向量机的学习理论，充分发挥遗传算法优化种群最优个体的优点及支持向量机小样本数据环境下超强学习能力的优势，建立动水注浆量与其影响因素非线性数据模型，并将该模型应用到实际的工程实例中；并以注浆后突水点封堵率@(注浆后减少水量与突水量的比值）和注浆预测率n(实际注浆量与预测量之间的变化值占预测量的百分数）两个影响因素，将注浆封堵突水点效果分为优秀、良好、合格、不合格四个级别的评价标准方法，利用本方法能够及时预测矿井突水动水注浆量，根据矿井突水动水注浆评价标准，定量评价煤矿突水动水的注浆效果。[0005]为了实现上述目的，本发明实现注浆量预测与注浆效果评价的具体过程为：[0006](1)、收集包括封堵钻孔个数、突水标高、突水水压、突水量、注浆材料、注浆压力和注浆量参数的注浆封堵矿井突水资料，建立注浆封堵矿井突水数据样本，初步分析影响动水注浆量的因素；[0007](2)、将影响动水注浆量的因素包括突水标高、突水量和封堵钻孔个数进行多元线性回归方程分析，并通过F检验及t检验分析注浆量与其影响因素的相关性和显著性，如果动水注浆量与其影响因素线性相关且存在显著性变化，则直接利用多元线性回归分析动水注浆量；如果动水注浆量和影响因素不存在线性关系，则对动水注浆量与其影响因素进行非线性分析；[0008](3)、选择遗传-支持向量机作为研宄动水注浆量与其影响因素做非线性分析工具，建立动水注浆量的预测非线性模型模型，具体建立过程：第一步，将前21个数据样本中的注浆量数据读入并保存为注浆量训练样本文件，将前21个样本中的影响因素读入并保存为注浆量影响因素训练样本文件，将后5个注浆量数据样本读入并保存为注浆量测试样本文件，将后5个注浆量影响因素数据样本读入并保存为注浆量影响因素测试样本文件，并将上述四个文件另存为一个matable可读文件；第二步，将matable可读文件读入遗传-支持向量机算法程序，并借助遗传算法自动寻优支持向量机参数c和g，其中g=1/〇2,〇为支持向量机参数c的核函数参数，然后通过样本映射计算和线性拟合训练，得到学习样本拟合图，并根据拟合程度的相对误差的均方误差（MSE)评价学习效果，若相对误差的均方误差不趋向于〇,则学习效果不好，重新进行学习；若相对误差的均方误差趋向于〇，则学习效果好，建立初始模型；第三步，根据测试样本中注浆量预测值与实际注浆量的相对误差验证初始模型的泛化度，当相对误差的均方误差（MSE)趋向于0时，说明建立的初始模型泛化度好，初始模型即为动水注浆量的预测非线性模型模型；当相对误差的均方误差(MSE)较大不趋向于0时，需要返回第二步，借助遗传算法重新进行支持向量机参数寻优，直至找到最优参数c和g，使相对误差的均方误差（MSE)趋向于0为止；[0009](4)、结合现有煤矿防治水规定，综合考虑注浆量、注浆材料对注浆效果的影响，根据注浆后突水点封堵率◎(注浆后突水点减少水量与突水量的比值）和注浆预测率n(实际注浆量与预测量之间的变化值占预测量的百分数）将注浆封堵突水点效果标准分为优秀、良好、合格、不合格四个级别，完成煤矿突水动水注浆量预测与注浆效果评价，其中取<90%为不合格；()()％<瓜s丨〇()%且n>30%为合格；90%<C7<95%且n彡30%或95%<〇75100%且1〇%<1^<30%为良好；95%<37<100%且11<10%为优秀。[0010]本发明采用的支持向量机与其它人工网络算法相比，在煤矿突水注浆封堵突水点小样本数据中，具有当前第1页1 2