中煤科工开采研究院庞义辉团队最新成果｜基于数据模型驱动的顶板灾害预测算法

研 究 背 景

综采工作面围岩稳定控制与液压支架自适应支护是实现煤炭资源安全、高效、智能开采的重大技术难题，根据液压支架的支护状态信息变化规律，对顶板来压进行超前预 ，并对顶板冒顶、液压支架压架等安全事故进行超前预测、预警，是实现顶板灾害防治的有效技术途径。传统的液压支架载荷数据分析方法对数据的挖掘利用不足，分析结果的可解释性比较差；由于受到基础力学、断裂理论、地质探测技术等相关基础理论、技术发展的限制，目前尚难以得出顶板断裂失稳及灾害发生机制的精确理论解析解。大数据技术近几年发展迅猛，为工作面矿山压力数据分析预测提供了新的技术途径，但通用的AI算法无法直接应用于液压支架载荷数据的分析处理。针对上述问题，庞义辉研究团队提出了基于液压支架位姿-载荷变化的工作面顶板灾害监测信息特征参数，探讨了数理统计方法、大数据建模方法等应用于工作面顶板灾害预测、预警的可行性及应用效果，搭建了顶板灾害智能预测平台的技术架构，尝试将数据建模技术与工作面顶板灾害防治技术进行融合应用，为工作面顶板灾害预测、预警提供新方法。

研 究 进 展

随着工作面持续推进，液压支架不断进行降架、移架、升架循环操作，液压支架载荷呈现规律的卸载、快速增压、近似恒压等循环加、卸载变化特征，液压支架载荷的大小及支护效果不仅受到顶板断裂结构的影响，还受到液压支架的位置、支护姿态、工作面推进速度、人工操作等因素的制约，是一种随着工作面推进而呈现出循环动态变化的时间序列数据。根据液压支架载荷影响因素及循环变化特征，庞义辉研究团队提出了基于液压支架位姿-载荷变化的工作面顶板灾害监测信息特征参数。

Fig. 1 Monitoring information characteristic parameters of longwall face roof disasters

由于液压支架的载荷数据具有循环周期变化的特点，因此，采用数据分析方法对液压支架的载荷数据进行了特征分解，将液压支架的原始数据分解为趋势项、循环周期项及残差项，分离的趋势项能够较好的表征出顶板岩层的周期性断裂特征。

Fig. 2 Feature decomposition of the preprocessed monitoring data for the support load

采用多种算法对液压支架载荷监测数据进行了数据建模分析，较好的实现了对液压支架载荷的单点预测及一个支护循环周期的载荷预测，对比分析了不同算法的预测效果。不同数据模型对液压支架载荷的单点预测效果均较好，SARIMA模型对液压支架一个支护循环周期的载荷预测效果较ARIMA模型更好，但对顶板一个断裂周期的支架载荷预测效果均较差。为此，论文提出了一种基于多次数据切割与液压支架载荷模板库的液压支架载荷预测方法，并基于该方法构建了顶板灾害智能预测平台的技术架构，可以根据液压支架的载荷、位姿监测信息，实现对顶板灾害的超前预测、预警。

Fig. 3 ARIMA model fitting results

Fig. 4 Technical framework of the intelligent prediction platform for roof disasters

未 来 展 望

庞义辉研究团队认为，煤层开采后顶板岩层断裂结构、液压支架动态循环承载特性目前仍处于“灰箱”状态，存在监测信息不充分、数据挖掘不深入、数据分析结果可解释性较差等问题，数据建模与挖掘技术为矿山压力数据分析提供了新的方法与工具，将助力工作面围岩自适应控制、顶板灾害预测及智能化开采的实现。

作 者 简 介

关 于 本 刊