畢慧杰，任延平，張浩浩，楊鴻智

(遼寧工程技術(shù)大學(xué) 礦業(yè)學(xué)院，遼寧 阜新 123000)

0　引言

煤與瓦斯突出嚴(yán)重影響著煤礦安全生產(chǎn)。近年來(lái)，我國(guó)許多煤礦逐步轉(zhuǎn)入深部開(kāi)采，面臨著愈發(fā)復(fù)雜的煤層賦存條件和開(kāi)采條件，煤與瓦斯突出的危險(xiǎn)性也越來(lái)越高，預(yù)測(cè)煤與瓦斯突出危險(xiǎn)性成為保障煤礦安全生產(chǎn)必不可少的工作之一[1-4]。傳統(tǒng)的煤與瓦斯突出預(yù)測(cè)方法使用的是單項(xiàng)指標(biāo)法、綜合指標(biāo)法、地質(zhì)指標(biāo)法、地質(zhì)統(tǒng)計(jì)法、瓦斯地質(zhì)單元法等靜態(tài)預(yù)測(cè)方法，對(duì)煤與瓦斯突出預(yù)測(cè)指標(biāo)的分析主要是通過(guò)灰色理論、遺傳算法、突變理論、神經(jīng)網(wǎng)絡(luò)、回歸分析等方法得出[5-10]。這些方法主要是對(duì)整個(gè)礦區(qū)、采區(qū)等較大范圍的區(qū)域預(yù)測(cè)較多，而對(duì)于單個(gè)工作面的危險(xiǎn)性預(yù)測(cè)，以及考慮工程活動(dòng)的影響，并隨著工作面推進(jìn)動(dòng)態(tài)預(yù)測(cè)的研究還比較少。本文充分考慮煤層自然條件和工程擾動(dòng)的影響，提出“基于模式識(shí)別的采煤工作面煤與瓦斯突出危險(xiǎn)性動(dòng)態(tài)預(yù)測(cè)方法”，并開(kāi)發(fā)煤與瓦斯突出動(dòng)態(tài)預(yù)測(cè)系統(tǒng)，應(yīng)用于平頂山十礦己15-24080工作面。

1　工作面煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)

1.1　工作面煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)原理

工作面煤與瓦斯突出危險(xiǎn)性動(dòng)態(tài)預(yù)測(cè)是結(jié)合現(xiàn)代采礦理論、模糊數(shù)學(xué)、概率論、CAD技術(shù)等理論，充分分析煤與瓦斯突出的主要影響因素，并對(duì)各個(gè)因素進(jìn)行定量化、標(biāo)準(zhǔn)化處理，從而揭示出各因素之間的相互關(guān)系及其對(duì)煤與瓦斯突出的影響程度。運(yùn)用模式識(shí)別的理論和方法建立煤與瓦斯突出危險(xiǎn)性的評(píng)價(jià)準(zhǔn)則，通過(guò)概率運(yùn)算預(yù)測(cè)每個(gè)待測(cè)區(qū)域的危險(xiǎn)性結(jié)果。在此過(guò)程中，隨著工作面推進(jìn)，對(duì)可變影響因素進(jìn)行動(dòng)態(tài)計(jì)算，實(shí)時(shí)預(yù)測(cè)工作面突出危險(xiǎn)性。在理論研究的基礎(chǔ)上，以AutoCAD為開(kāi)發(fā)平臺(tái)，通過(guò)VBA編程[11]，完成了采煤工作面煤與瓦斯突出危險(xiǎn)性動(dòng)態(tài)預(yù)測(cè)系統(tǒng)的開(kāi)發(fā)。

1.2　工作面煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)方法

工作面煤與瓦斯突出的影響因素有很多，不同的工作面的影響因素也存在著差異，建立有效的判別模式是進(jìn)行煤與瓦斯突出預(yù)測(cè)的關(guān)鍵。對(duì)某一特定工作面，選取n個(gè)影響因素進(jìn)行研究，則n個(gè)影響因素就組成了一個(gè)n維模糊向量。由于向量中各參數(shù)量綱有所差異，因此需要進(jìn)行標(biāo)準(zhǔn)化處理[12]，如公式(1)：

(1)

各個(gè)影響因素的不同組合方式和不同組合個(gè)數(shù)形成了不同的模式，不同的模式代表著不同的煤與瓦斯突出模型。為了對(duì)大量的突出與非突出樣本進(jìn)行最佳分類判識(shí)，需要選取最有效的多因素模式，即從N維特征空間中選取出n維特征，構(gòu)成多因素特征向量，進(jìn)行突出與非突出樣本分類，使其平均距離測(cè)度最大，即分類效果最明顯。利用基于歐氏距離測(cè)度的特征提取方法：

(2)

(3)

J(X*)=maxJ(X)

(4)

用樣本均值向量代替式(2)中的樣本特征值進(jìn)行計(jì)算，便可在N維空間中選取出最能區(qū)分突出與非突出模型的n維特征。

不同的工作面，其特征因素?cái)?shù)值不同，在n維空間里對(duì)應(yīng)一個(gè)特定的位置。如果2個(gè)特征因素向量在n維空間里的距離較近，則屬于同一個(gè)模式，反之則屬于不同模式。利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建模式識(shí)別模型，對(duì)大量的突出與非突出樣本進(jìn)行訓(xùn)練學(xué)習(xí)(圖1)。

圖1　神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型Fig.1　Neural network training model

本文選取徑向基函數(shù)概率神經(jīng)網(wǎng)絡(luò)作為分類器。若輸入為X，則隱含層輸出為：

y=Ri(X)

(5)

Ri(X)為隱含層節(jié)點(diǎn)傳遞函數(shù)，沿某種徑向?qū)ΨQ，此處取高斯函數(shù)：

(6)

式中:X為輸入向量；ci是與X同維的第i個(gè)基函數(shù)的中心；σi是第i個(gè)基函數(shù)的感知變量；‖x-ci‖為歐幾里德范數(shù)；m為隱含層感知器單元個(gè)數(shù)。

輸出層設(shè)置一個(gè)節(jié)點(diǎn)，突出的模式輸出1，不突出的模式輸出0。輸出層采取競(jìng)爭(zhēng)學(xué)習(xí)機(jī)制，通過(guò)不斷反饋、調(diào)整隱含層到輸出層的網(wǎng)絡(luò)權(quán)值ωik，從而確定最優(yōu)權(quán)向量W，以最大概率對(duì)輸入的多因素特征向量進(jìn)行正確分類。

煤與瓦斯突出危險(xiǎn)性的判別函數(shù)[13]是根據(jù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的最優(yōu)結(jié)果來(lái)判別待識(shí)別對(duì)象，判別函數(shù)如下：

(7)

式中:b為函數(shù)偏置項(xiàng)。

由此可以對(duì)待識(shí)別對(duì)象有無(wú)突出危險(xiǎn)性進(jìn)行判別，同時(shí)為了對(duì)突出危險(xiǎn)性進(jìn)行區(qū)別描述，可根據(jù)預(yù)測(cè)概率值大小進(jìn)行合理分級(jí)。

1.3　工作面煤與瓦斯突出影響因素的確定

對(duì)于不同的礦井、不同的煤層賦存條件、不同的人為工程行為，煤與瓦斯突出危險(xiǎn)性存在著很大的差異。結(jié)合國(guó)內(nèi)各煤礦煤與瓦斯突出案例，經(jīng)過(guò)特征取值，首先選定了煤層賦存深度、煤厚變化、應(yīng)力分布、絕對(duì)瓦斯涌出量、相對(duì)瓦斯涌出量、瓦斯壓力、瓦斯含量、鉆孔瓦斯涌出初速度q和鉆屑量S等9個(gè)因素。

礦井的開(kāi)采活動(dòng)，引起上覆巖層的移動(dòng)，打破了原始的應(yīng)力平衡，圍巖的應(yīng)力狀態(tài)重新分布，達(dá)到新的平衡狀態(tài)。開(kāi)采礦井具備發(fā)生煤與瓦斯突出等礦井動(dòng)力災(zāi)害的區(qū)域地質(zhì)動(dòng)力環(huán)境，與開(kāi)采活動(dòng)引起的采動(dòng)應(yīng)力相互耦合，導(dǎo)致應(yīng)力的增加和能量的積聚，從而誘發(fā)礦井動(dòng)力災(zāi)害，相反，保護(hù)層開(kāi)采、瓦斯抽采、煤層注水、鉆孔卸壓等區(qū)域和局部解危措施，使應(yīng)力和能量緩慢釋放，能夠降低或消除煤層危險(xiǎn)性。同時(shí)，瓦斯是煤與瓦斯突出發(fā)生的物質(zhì)基礎(chǔ)。瓦斯壓力是突出發(fā)生的動(dòng)力來(lái)源之一；瓦斯含量的多少為突出發(fā)生提供了必須的物質(zhì)來(lái)源；瓦斯放散初速度是煤層瓦斯解吸及運(yùn)移規(guī)律的直觀反映。在咨詢國(guó)內(nèi)外專家意見(jiàn)的基礎(chǔ)上，我們將采動(dòng)應(yīng)力、瓦斯參數(shù)動(dòng)態(tài)變化等作為工程活動(dòng)影響因素。隨著工作面不斷向前推進(jìn)，以及瓦斯抽采等工程活動(dòng)的影響，所有待預(yù)測(cè)單元的采動(dòng)應(yīng)力值、瓦斯壓力、瓦斯含量都是在不斷變化的，通過(guò)對(duì)這些值的動(dòng)態(tài)計(jì)算(見(jiàn)1.4節(jié))，結(jié)合判別準(zhǔn)則，實(shí)現(xiàn)工作面煤與瓦斯突出危險(xiǎn)性的動(dòng)態(tài)預(yù)測(cè)。

圖2　煤與瓦斯突出多因素預(yù)測(cè)流程Fig.2　Multi factor prediction process of coal and gas outburst

A-減壓區(qū)；B-增壓區(qū)；C-穩(wěn)壓區(qū)；D-極限平衡區(qū)；E-彈性區(qū)圖3　工作面前方受力狀態(tài)與支承應(yīng)力分區(qū)Fig. 3　The stress state and support stress zone of working face

1.4　工程活動(dòng)影響的突出因素動(dòng)態(tài)計(jì)算

1.4.1采動(dòng)應(yīng)力計(jì)算

根據(jù)工作面煤體極限應(yīng)力平衡狀態(tài)(圖3)可建立平衡方程：

m(σx+dσx)-mσx-2σyfdx=0

(8)

式中:m為煤層采高，m；σx為水平應(yīng)力，MPa；σy為垂直應(yīng)力，MPa；f為煤層與巖層間的摩擦因素。

由極限平衡條件和支承壓力分區(qū)關(guān)系[14]可求得垂直應(yīng)力σy為：

(9)

式中:N0為煤幫的支撐能力，MPa；x為距工作面煤壁的距離，m；φ為內(nèi)摩擦角，(°)；γ為巖石容重，N/m3；H為煤層賦存深度，m；B為應(yīng)力增高區(qū)范圍，m；σmax為工作面前方最大支承壓力，即x=D的壓力，MPa；D為極限平衡區(qū)范圍，m。

1.4.2瓦斯參數(shù)計(jì)算

隨著瓦斯抽采、風(fēng)排瓦斯等工程活動(dòng)的進(jìn)行，工作面內(nèi)的瓦斯參數(shù)必將發(fā)生變化，僅考慮瓦斯抽采的情況下：

(10)

q=q0-Q/A

(11)

式中:Q為鉆孔瓦斯抽采總量，m3；n為抽采鉆孔的個(gè)數(shù)；qi0為第i個(gè)鉆孔的初始瓦斯流量，m3/min；αi為第i個(gè)鉆孔的瓦斯流量衰減系數(shù)，d-1;t為抽采時(shí)間，d；q為瓦斯相對(duì)含量,m3/t；q0為瓦斯含量,m3/t；A為鉆孔抽采區(qū)域的原煤儲(chǔ)量，t。

瓦斯壓力的計(jì)算可根據(jù)朗繆爾瓦斯含量計(jì)算公式[15]求得：

p=αq2+β

(12)

式中:p為瓦斯壓力，MPa；α,β為關(guān)系系數(shù)。

2　工作面煤與瓦斯突出危險(xiǎn)性動(dòng)態(tài)預(yù)測(cè)系統(tǒng)

工作面煤與瓦斯突出危險(xiǎn)性動(dòng)態(tài)預(yù)測(cè)軟件系統(tǒng)是基于AutoCAD平臺(tái)，應(yīng)用VBA[11]技術(shù)開(kāi)發(fā)，將圖形繪制、圖形管理、模式識(shí)別和煤與瓦斯突出預(yù)測(cè)系統(tǒng)集成在一起。系統(tǒng)由網(wǎng)絡(luò)劃分子系統(tǒng)、數(shù)據(jù)導(dǎo)入子系統(tǒng)、動(dòng)態(tài)計(jì)算子系統(tǒng)、危險(xiǎn)性預(yù)測(cè)子系統(tǒng)和危險(xiǎn)性分級(jí)子系統(tǒng)組成(如圖4)。

圖4　基于AutoCAD的煤與瓦斯突出危險(xiǎn)性動(dòng)態(tài)預(yù)測(cè)系統(tǒng)結(jié)構(gòu)Fig.4　AutoCAD-based coal and gas outburst prediction system structure

各子系統(tǒng)通過(guò)數(shù)據(jù)接口與AutoCAD實(shí)現(xiàn)數(shù)據(jù)通信，系統(tǒng)可方便地調(diào)用dwg格式的采掘工程平面圖、瓦斯地質(zhì)圖等圖形數(shù)據(jù)，系統(tǒng)后臺(tái)數(shù)據(jù)庫(kù)采用Access數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)與管理。運(yùn)行該系統(tǒng)可得到工作面煤與瓦斯突出危險(xiǎn)性數(shù)據(jù)可視化圖件和區(qū)域危險(xiǎn)程度分布圖，實(shí)現(xiàn)數(shù)據(jù)的可視化管理，提高預(yù)測(cè)的準(zhǔn)確性和時(shí)效性，為了更高效地工作，系統(tǒng)還可以接顯示器、繪圖儀、打印機(jī)、掃描儀等外部設(shè)備。另外，系統(tǒng)采用Windows標(biāo)準(zhǔn)圖形用戶界面，整個(gè)系統(tǒng)具有方便、易用等特點(diǎn)。

3　工程應(yīng)用

3.1　預(yù)測(cè)工作面概況

平頂山礦區(qū)屬于秦嶺造山帶北緣逆沖推覆構(gòu)造系高突瓦斯帶和豫西強(qiáng)變形“三軟”煤層高瓦斯帶，瓦斯地質(zhì)條件復(fù)雜。礦區(qū)歷史上有記載的煤與瓦斯突出事故156次，平均突出煤量117.2 t/次，平均涌出瓦斯量8633.6 m3/次。其中122次發(fā)生在礦區(qū)東部八礦、十礦、十二礦、首山一礦，占總次數(shù)的78.2%，煤與瓦斯突出區(qū)域分布明顯。

十礦己15-24080工作面埋深631～900 m，平均傾角23°，有效走向長(zhǎng)度762.5 m，平均斜長(zhǎng)215 m，煤層厚度2.1～3.9 m，瓦斯原始含量15.256 m3/t，瓦斯原始?jí)毫?.5 MPa，相對(duì)瓦斯涌出量7.8～11.97 m3/t，絕對(duì)瓦斯涌出量4.47～8.8 m3/min，工作面內(nèi)有4個(gè)斷層。工作面開(kāi)采過(guò)程中，原巖應(yīng)力16.8 MPa，應(yīng)力峰值47.3 MPa。

3.2　工作面預(yù)測(cè)結(jié)果及分析

分別對(duì)十礦己15-24080工作面自然狀態(tài)、瓦斯抽采過(guò)后以及工作面推進(jìn)到停采線附近等幾種情況進(jìn)行了危險(xiǎn)性預(yù)測(cè)，預(yù)測(cè)結(jié)果以突出危險(xiǎn)性概率值大小生成概率預(yù)測(cè)圖，當(dāng)然，危險(xiǎn)性的等級(jí)可以根據(jù)工程實(shí)際情況進(jìn)行適度調(diào)整和劃分。

1)十礦己15-24080工作面自然狀態(tài)下預(yù)測(cè)結(jié)果：十礦己15-24080工作面自然狀態(tài)下預(yù)測(cè)出概率值多數(shù)在0.6～0.92之間(如圖5)，幾乎所有的區(qū)域?yàn)槲ｋU(xiǎn)區(qū)，必須采取相應(yīng)的解危措施，與實(shí)際情況具有較好的一致性。

2)十礦己15-24080工作面抽采后預(yù)測(cè)結(jié)果：十礦己15-24080工作面抽采后危險(xiǎn)性概率值多數(shù)在0.32～0.56之間，少數(shù)概率值在0.75～0.89之間 (如圖6)。由此可以看出，經(jīng)過(guò)瓦斯抽采措施之后，煤與瓦斯突出危險(xiǎn)性明顯降低；但有一少部分區(qū)域可能受構(gòu)造異常、瓦斯抽采效果不理想等因素的影響，仍然具有較高的突出危險(xiǎn)性，還應(yīng)該加強(qiáng)抽采措施進(jìn)行強(qiáng)化抽采，消除突出危險(xiǎn)后方可作業(yè)。當(dāng)回采到這些區(qū)域時(shí)，還應(yīng)該注意采取其他措施，加強(qiáng)監(jiān)測(cè)檢驗(yàn)，提高安全防護(hù)效果。

3)十礦己15-24080工作面回采到停采線時(shí)預(yù)測(cè)結(jié)果：采煤工作面推進(jìn)過(guò)程中，受采動(dòng)影響會(huì)導(dǎo)致工作面前方應(yīng)力集中，考慮到瓦斯抽采和風(fēng)排瓦斯的影響，煤體中殘余瓦斯壓力可能存在局部不均勻的現(xiàn)象，同時(shí)由于開(kāi)采過(guò)程中對(duì)局部構(gòu)造進(jìn)行處理等措施都會(huì)導(dǎo)致煤體中各個(gè)參數(shù)的變化。通過(guò)“動(dòng)態(tài)計(jì)算子系統(tǒng)”可以根據(jù)工作面推進(jìn)至任意位置時(shí)的參數(shù)變化情況進(jìn)行計(jì)算，從而利用“危險(xiǎn)性預(yù)測(cè)子系統(tǒng)”動(dòng)態(tài)預(yù)測(cè)回采過(guò)程中工作面的突出危險(xiǎn)性情況。十礦己15-24080工作面回采到停采線時(shí)工作面前端

圖5　十礦己15-24080工作面自然狀態(tài)危險(xiǎn)性預(yù)測(cè)Fig.5　The natural state risk prediction chart of ten mineral Ji15-24080

圖6　十礦己15-24080工作面抽采后危險(xiǎn)性預(yù)測(cè)Fig.6　The extracted risk prediction chart of ten mineral Ji15-24080

圖7　十礦己15-24080工作面回采到停采線時(shí)危險(xiǎn)性預(yù)測(cè)Fig.7　Mining face to the stop line the risk prediction chart of ten mineral Ji15-24080

的危險(xiǎn)性概率值在0.34～0.75之間 (如圖7)，在停采線附近的突出危險(xiǎn)性明顯升高，結(jié)合實(shí)際工作面情況得出，這是由于停采線附近工作面頂板懸空面積增大，且圍巖應(yīng)力受到底部聯(lián)絡(luò)巷影響，使得工作面前方支承應(yīng)力較平常水平更加提高。當(dāng)工作面推進(jìn)到停采線附近時(shí)要特別注意加強(qiáng)支護(hù)，防止動(dòng)力災(zāi)害的發(fā)生。

3.3　工作面突出危險(xiǎn)性預(yù)測(cè)效果檢驗(yàn)

將平頂山十礦己15-24080工作面的煤與瓦斯突出預(yù)測(cè)結(jié)果與實(shí)際情況進(jìn)行了比較。在工作面進(jìn)行瓦斯預(yù)抽時(shí)，多處位置伴有鉆孔噴孔現(xiàn)象，整個(gè)區(qū)域瓦斯含量都較高。距開(kāi)切眼210～330 m范圍內(nèi)，煤層厚度變化范圍為2.2～3.9 m，煤層起伏較大，危險(xiǎn)性預(yù)測(cè)概率值為0.54～0.75。距開(kāi)切眼650 m處，鉆孔時(shí)發(fā)生頂鉆現(xiàn)象，瓦斯壓力達(dá)到0.69 MPa，預(yù)測(cè)概率值為0.63～0.87。經(jīng)檢驗(yàn)，煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)結(jié)果總體趨勢(shì)與己15-24080工作面實(shí)際情況有較好的一致性，對(duì)工作面安全生產(chǎn)工作具有良好的指導(dǎo)作用。

4　結(jié)論

1)在影響煤與瓦斯突出的客觀因素基礎(chǔ)上，充分考慮人類工程活動(dòng)的影響，基于模式識(shí)別理論和概率預(yù)測(cè)方法，形成工作面煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)方法。

2)運(yùn)用VBA編程技術(shù)開(kāi)發(fā)了采煤工作面煤與瓦斯突出危險(xiǎn)性動(dòng)態(tài)預(yù)測(cè)系統(tǒng)，系統(tǒng)界面采用windows標(biāo)準(zhǔn)用戶界面，可操作性強(qiáng)，實(shí)現(xiàn)了對(duì)工作面煤與瓦斯突出危險(xiǎn)性分單元?jiǎng)討B(tài)預(yù)測(cè)，預(yù)測(cè)結(jié)果以dwg格式的圖形文件形式呈現(xiàn)，很好的與礦上基礎(chǔ)地質(zhì)圖件相對(duì)應(yīng)，實(shí)現(xiàn)了煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)的可視化管理。

3)成功地預(yù)測(cè)了平頂山十礦己15-24080工作面煤與瓦斯突出危險(xiǎn)性，預(yù)測(cè)結(jié)果與現(xiàn)場(chǎng)實(shí)際情況有較好的一致性，能夠?yàn)槊号c瓦斯突出的防治工作提供技術(shù)支撐。

[1]朱志潔,張宏偉,韓軍,等. 基于PCA-BP神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測(cè)研究[J]. 中國(guó)安全科學(xué)學(xué)報(bào),2013,23(4):45-50.

ZHU Zhijie, ZHANG Hongwei, HAN Jun,et al. Prediction of coal and gas outburst based on PCA-BP neural network[J]. China Safety Science Journal,2013,23(4):45-50.

[2]念其鋒, 施式亮, 李潤(rùn)求. 基于網(wǎng)絡(luò)分析和聯(lián)系熵的煤與瓦斯突出預(yù)測(cè)研究[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù),2014(2):22-27.

NIAN Qifeng, SHI Shiliang, LI Runqiu. Study on coal and gas outburst prediction based on analytic network process and connection entropy[J]. Journal of Safety Science and Technology, 2014(2):22-27.

[3]宋衛(wèi)華,張宏偉. 礦井煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)的模式識(shí)別研究[J]. 安全與環(huán)境學(xué)報(bào), 2006,6(S): 90-92.

SONG Weihua, ZHANG Hongwei. Pattern recognition of coal and gas outburst fatalness prediction in mines [J].Journal of Safety and Environment, 2006,6(S): 90-92.

[4]曲方,張龍,李迎業(yè),等. 基于BP神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測(cè)系統(tǒng)開(kāi)發(fā)[J]. 中國(guó)安全科學(xué)學(xué)報(bào),2012(1):11-16.

QU Fang, ZHANG Long, LI Yingye, et al. Development of coal and gas outburst prediction system based on BP neural network [J]. China Safety Science Journal, 2012(1):11-16.

[5]楊飛龍,蔣承林,孫鑫,等. 煤與瓦斯突出影響因素評(píng)價(jià)分析的模糊層次分析方法[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù),2009(6):53-56.

YANG Feilong, JIANG Chenglin, SUN Xin, et al. Evaluation and analysis on influential factors of coal and gas outburst based on fuzzy analytic hierarchy process[J].Journa1 of Safety Science and Technology, 2009(6):53-56.

[6]張子戌,劉高峰,呂潤(rùn)生,等. 基于模糊模式識(shí)別的煤與瓦斯突出區(qū)域預(yù)測(cè)[J]. 煤炭學(xué)報(bào),2007(6):592-595.

ZHANG Zixu, LIU Gaofeng, LV Runsheng,et al. Regional forecast of coal and gas burst based on fuzzy pattern recognition[J]. Journal of China Coal Societ, 2007(6):592-595.

[7]沈志偉,王恩元,鈕月. 基于突變級(jí)數(shù)法的煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)[J].工礦自動(dòng)化,2015,21(5):29-32.

SHEN Zhiwei,WANG Enyuan, NIU Yue. Prediction of coal and gas outburst basedOncatastrophe progression method[J]. Industry and Mine Automation,2015,21(5):29-32.

[8]皮子坤, 賈寶山, 賈廷貴, 等. 煤與瓦斯突出預(yù)測(cè)綜合指標(biāo)F臨界值研究[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù),2015(9):38-44.

PI Zikun, JIA Baoshan, JIA Tinggui, et al. Study on critical value of comprehensive index F for coal and gas outburst prediction[J]. Journal of Safety Science and Technology, 2015(9):38-44.

[9]郭德勇,鄭茂杰,郭超, 等. 煤與瓦斯突出預(yù)測(cè)可拓聚類方法及應(yīng)用[J]. 煤炭學(xué)報(bào),2009(6):783-787.

GUO Deyong,ZHENG Maojie,GUO Chao, et al. Extension clustering method for coal and gas outburst prediction and its application[J]. Journal of China Coal Societ, 2009(6):783-787.

[10]牟全斌. 我國(guó)煤與瓦斯突出區(qū)域預(yù)測(cè)方法研究現(xiàn)狀及展望[J]. 煤炭科學(xué)技術(shù),2014(11):59-63.

MOU Quanbin. Research status and Prospect of coal and gas outburst region prediction method in China[J]. Coal science and technology, 2014(11):59-63.

[11]張帆,鄭立凱,盧擇臨,等. AutoCAD VBA 二次開(kāi)發(fā)教程[M]. 北京: 清華大學(xué)出版社,2006.

[12]陳振華,余永權(quán),張 瑞.模糊模式識(shí)別的幾種基本模型研究[J].計(jì)算機(jī)技術(shù)與發(fā)展,2010,20(9):32-35.

CHEN Zhenhua, YU Yongquan, ZHANG Rui. Research on several models of fuzzy pattern recognition problems[J].Computer Technology and Development, 2010,20(9):32-35.

[13]段旭琴, 丁照忠, 段健, 等. 多級(jí)模糊模式識(shí)別模型在評(píng)價(jià)高爐噴吹混煤中的應(yīng)用[J]. 煤炭學(xué)報(bào),2011,36(10):1748-1752.

DUAN Xuqin, DING Zhaozhong, DUAN Jian, et al. Application of multi-classification fuzzy pattern recognition model in blast furnace injection assessment of blended coal[J]. Journal of China Coal Societ,2011, 36(10):1748-1752.

[14]錢(qián)鳴高,石平五,許家林. 礦山壓力與巖層控制[M]. 徐州：中國(guó)礦業(yè)大學(xué)出版社,2010.

[15]林柏泉,張建國(guó). 礦井瓦斯抽放理論與技術(shù)[M]. 徐州：中國(guó)礦業(yè)大學(xué)出版社,2007.