靳德武，李 鹏

煤层底板水害防治智能决策支持系统框架构建

靳德武1,2，李 鹏1,3

(1. 中煤科工集团西安研究院有限公司，陕西 西安 710077；2. 陕西省煤矿水害防治重点实验室，陕西 西安 710077；3. 西安科技大学 地质与环境学院，陕西 西安 710054)

煤层底板突水是华北型煤田煤矿生产过程中一种常见的水害类型，为解决水害防治工程的科学决策问题，进一步提高防治水工程的可靠性，提出构建智能决策支持系统的技术思路。智能决策支持系统是传统决策支持系统与人工智能技术相互融合的产物，在分析底板水害防治决策支持功能需求的基础上，提出“数据–模型–方案”一体化设计流程，从数据导入、模型驱动、智能决策等3个层次构建底板水害防治智能决策支持系统的基本框架。将模型驱动层进一步细分为方法库、模型库、知识图谱构建3项专业化服务，模型库包括底板突水空间点预测模型、疏水降压数值模拟模型、注浆改造工程可靠性分析模型、隔离工程设计模型及底板水害监测预警模型。系统最终输出的决策方案包括底板突水危险性分区、疏水降压--方案、区域注浆改造设计及工程可靠性评价、隔离工程设计、底板突水监测预警警情发布。系统通过注浆过程的反馈–控制、突水监测预警的深度学习、疏水降压方案的动态优化等实现其智能决策。智能决策支持系统将会在煤层底板水害防治可靠性保障方面提供新的技术支撑。

底板水害；智能决策支持系统；数据–模型–方案；模型驱动；决策方案

煤层底板突水是我国华北型煤田煤炭资源开发过程中一种特殊的灾害现象，制约着矿井安全生产和经济效益的正常发挥，尤其在深部煤炭资源开发过程中，面临高地应力、高水压、高地温(“三高”)复杂开采技术条件的严峻挑战，突水危险性更大，水害防治工程的可靠性是下组煤开采必须解决的科学问题。笔者在华北型煤田底板水害防治技术实践中提出了“主动观”“改造观”“适应观”等学术观点，建立了比较完善的防治水技术体系[1]，进一步明确了探查治理岩溶水害的综合防治技术思路。然而，在当今信息技术和大数据时代，为确保水害治理工程的可靠性，需要引进决策支持系统这一有力的工程决策工具，开展其智能化架构和应用研究，如区域注浆改造效果评价、模型驱动下的地下水流场演化及水害危险性分区、水害要素动态感知下的警情发布等。本文以底板水害防治工程可靠性保障的科学决策为目标，提出“数据–模型–方案”一体化设计流程，从数据导入、模型驱动、智能决策等3个层次构建底板水害防治智能决策支持系统的基本框架。智能决策支持系统的构建和应用将会在保障注浆改造工程[2]、疏水降压工程[3]、隔离工程[4]、突水监测预警工程[5]等防治水工程可靠性方面发挥积极作用。

1 智能决策支持系统概述

决策支持系统(Decision Support System，简称DSS)是一种用于辅助决策、判断和行动过程的计算机程序，系统以计算机和信息技术为手段，以数据、模型和抽取的知识为基础，可对大量数据进行筛选和分析，汇编成可用于解决实际问题和辅助决策的综合信息[6-7]。决策分为结构化决策、半结构化决策和非结构化决策[8]。结构化决策指决策过程中可以通过确定性模型或自然语言描述，通过合适的方法形成决策方案；半结构化决策指决策方案的产生有一定的规律可循，但无法通过确定性模型或算法形成最优方案，只能得到相对优化的方案；非结构化决策是指决策方案的产生没有固定规律可循，决策者往往通过实际掌握的数据和信息进行决策。文献[9]指出，20世纪70年代中期，美国麻省理工学院Michael S. Scott和Peter G. W. Keen首次提出“决策支持系统”的概念，标志着利用计算机和信息支持决策的研究和应用进入到一个新阶段，并形成决策支持系统这一新的学科方向。

传统DSS由模型库、数据库、知识库、方法库以及人机交互系统组成，数据库和模型库是决策支持系统的“推进器”。模型库是应用物理、数学方法对工程实体的功能进行仿真的分析系统；数据库是对决策制定需要的数据进行存储和管理的仓库；知识库是对决策过程中的有关规则、经验等进行获取、保存和管理的系统；方法库主要集成了各种决策常用算法(图1)。

图1 决策支持系统框架

近年来，人工智能技术的发展推动了智能决策支持系统(Intelligence Decision Support System，简称IDSS)的发展，IDSS通过大数据分析、知识提取等技术对专业知识进行存储分析，辅助用户进行科学决策。与传统DSS的架构不同，IDSS增加了推理机功能及智能人机交互接口。推理机使DSS能够以更加接近人的逻辑推理的方式进行各种复杂问题的辅助决策(图2)。

图2 智能决策支持系统框架

2 煤层底板突水问题及决策支持功能需求

2.1 煤层底板突水问题

按照系统论观点，可将煤层底板突水系统划分为采掘子系统、隔水层子系统及含水层子系统。以“三元”结构刻画煤层底板突水系统，即主采煤层、隔水层、含水层(图3)。采掘子系统是煤层底板突水的诱导因素，工作面尺寸、推进速度、采高、矿压活动、顶板管理方式、断层活化等决定导水通道形成及演化；隔水层厚度、岩性组合特征、构造类型及其发育程度、采掘活动所处的构造部位等决定着隔水岩体阻抗水压的能力；含水层富水性、水压、补给条件、含水层之间的水力联系决定其对上覆隔水层作用力大小。总之，对于底板突水现象而言，含水层提供突水动力，隔水层是阻止突水行为发生的天然“屏障”，采掘活动是突水的诱导因素。

图3 煤层底板突水系统的“三元”结构

通常，在华北型煤田底板隔水层中赋存有数层薄层灰岩(简称夹层薄灰)，如焦作矿区的L2和L8灰岩、肥城矿区的徐家庄灰岩(图4)。一旦夹层薄灰与奥灰之间因断层发生水力联系，其水压接近奥灰水压，则水害防治对象由厚层奥灰上移至夹层薄灰，而薄灰与主采煤层之间距离更近，突水危险性更大，这就是以肥城矿区为代表的大面积夹层薄灰注浆改造的技术由来。

图4 肥城矿区含夹层徐灰的“三元”结构

底板突水具有如下特征：

①底板隔水层带(水)压，且压力水头高于煤层底界面，即地下水具备由势能转化为动能的条件，煤层属带(水)压开采；

②隔水层中发育有贯通或隐伏的直通式通道，通常是陷落柱或断层；

③隔水层厚度有限，采场底板破坏深度下界面与地下水导升面直接对接或有效保护层厚度(强度)不足以抵抗残余水压的作用。

当矿井满足上述②、③中的任何一个条件，均有可能发生底板突水。

受沉积环境、构造运动、地应力的控制作用，煤层底板突水形成机制非常复杂，而防治水工程又是在这一复杂地质环境中构建并实施的。因此，各类防治水工程在设计、施工、运行过程中涉及大量工程决策问题，其决策结果直接影响着工程可靠性及生产安全。面对煤矿建设和生产过程中大量非结构化、半结构化的数据类型，迫切需要建立底板水害防治决策支持系统，并沿着智能化决策的方向不断迈进。

2.2 底板水害防治决策支持功能需求

在底板水害防治工程领域，需要开展如下5类问题的工程决策：

①对底板水害危险性进行分区，形成不同分区的水害防治策略；

②在数值模拟模型驱动下，提出疏水降压方案及带压开采安全性评价结论；

③通过反馈–控制作用机制，对底板改造工程中浆液配比、注浆压力、孔间距、浆液扩散半径进行实时动态优化调整；

④隔离工程类型、选址及工程参数确定；

⑤借助水害监测预警平台，实时感知水害要素的动态信息，进行警情发布。

3 煤层底板水害防治智能决策支持系统设计

本文基于多源数据融合分析技术与深度学习等，结合知识图谱[10]、语义网络等知识及可视化表达，设计“数据–模型–方案”一体化的底板防治水智能决策支持系统。

整体架构分为水文地质数据接入层、模型驱动层、智能决策层3个部分，将传统DSS系统的“四库”与人工智能及结构化平台设计技术相结合，解决底板水害防治中涉及的突水危险性分区、疏水降压--(疏放水量–疏放水时间–降深)匹配关系、底板注浆改造钻孔结构与分支、隔离工程类型及设计参数、突水监测多参数布网及智能预警判据等决策问题(图5)。

3.1 基础数据接入

应用工业互联网、传感器等技术实现数据采集和接入，分为边缘层、接入层。边缘层包括数据同步及实时接入模块，数据同步模块实现地质、水文地质、钻探和物探等数据的静态同步；实时接入模块实现矿井水文地质、微震、网络电法、应力–应变等动态监测数据对接。接入层主要为水文地质数据网关模块，全面集成装备、传感器协议，完成各类防治水数据标准的统一。

图5 基于知识图谱的防治水智能决策支持系统框架

3.2 水害防治数据服务

数据仓库对多源数据提供构建数据索引及数据管理服务。数据体及图形、图像是水害信息的载体，是识别水害问题(水源、通道、涌水量)的依据。按照数据库构建原理，建立不同类型的数据库，可为决策支持系统中模型库构建提供基础数据。系统将根据防治水决策对数据的需求构建地质数据库、水文地质数据库、物探数据库、参数表征数据库及突水案例数据库。

①地质数据库：包括钻孔结构、地层结构、单孔地质柱状图、地质剖面图、构造(断层、褶皱)、陷落柱等数据。

②水文地质数据库：包括含(隔)水层厚度、钻孔(井)地下水位(压)、地下水等水位(压)线图等数据。

③物探数据库：即地球物理探测数据，包括电磁法勘探、地震勘探、测井等各种数据，该库主要功能是以图形、图像形式对含导水构造、异常区进行管理、融合和展示。

④参数表征数据库：参数分为直接参数和间接参数，一些基本力学参数是作为建立力学模型、开展不同工况下突水动力学过程分析的间接参数；另一些参数则是反映底板水害问题的属性和特征、确定水害威胁程度的直接参数，如水压、隔水层厚度、突水系数、陷落柱穿越不同含(隔)水层情况描述性参数、岩(煤)体工程力学指标等。

⑤突水案例数据库：华北型煤田大量突水案例中隐含着丰富的底板水害结构化信息和质量互变规则，是进行知识挖掘、空间点突水预测的基础数据。

3.3 水害防治模型方法

水害防治模型方法分为方法库、模型库和知识图谱构建。

3.3.1 方法库

方法库提供水害防治过程中解决各类问题的分析方法，本系统主要包括4个方面。

1) 预测方法

预测就是对特定对象未来的发展趋势或状态作出推测与判断的一种科学活动，从方法论角度，研究各种预测共性和普遍规律的学科称之为预测学。底板水害防治中遇到大量的预测问题，如突水预测中采用泛决策分析理论、工程地质力学理论解决突不突的问题；涌水量预测中采用精确性数学、数理统计等方法确定煤矿井涌水量大小，为设计排水能力提供依据；含水层富水性分区中采用主控因素复合法、层次分析法(AHP)等。

2) 模型化方法

模型化方法是现代思维的重要方法，也称为“仿真方法”。它是通过研究模型来揭示事物原型的形态、特点和本质。其基本特点是构建一个与该现象或过程相似的模型，通过模型间接地研究该现象和过程，而非直接研究客观现实中的某一现象或过程。

3) 参数化方法

水害防治往往通过工程措施加以体现，为减小充水水源的能量(势能或动能)、提高阻(隔)水体(岩体或煤体)的抗渗透能力，一方面通过疏水降压来削减(或降低)含水层的水头(压)，另一方面通过增加阻(隔)水体(岩体或煤体)的厚度或强度来提高岩体阻抗水能力。对于后者来说，有2条途径可以实现：其一是隔水薄弱带注浆加固；其二是灰岩含水层注浆改造。无论选择哪一种工程类型，水压、厚度、抗压强度等均是底板水害防治决策支持系统中不可或缺的工程化参数，以各类工程参数作为决策依据的方法称为参数化方法。

例如，确定隔离工程类型(水闸墙、水闸门、防水煤柱)、设计隔离工程参数是底板水害防治的重要内容。隔离工程就是事先选择有利地段建立防水闸墙、防水闸门或留设防(隔)水煤(岩)柱等预隔离措施，将开采区域人为隔离开来，一旦发生突水事故，将水害限定在某一局部范围内[11-12]。隔离工程一般有开采水平隔离、采区隔离等方式。隔离工程决策主要以参数设计加以体现，如隔离墙位置、隔离墙基础尺寸、水闸门嵌入深度、放水管位置及口径、工程材料配比等。

4) 可靠性方法

通过防治水工程实施前后的数据比对，评估工程可靠性至关重要。系统主要集成层次分析法、模糊数学、随机数学等可靠性分析方法，例如，应用音频电透视、地–井瞬变电磁、地面瞬变电磁等方法探测注浆前后工程岩体的电性差异，作为评价因素赋予不同权重，使用层次分析法评判工程实施效果。同时，可借鉴结构可靠度、工程失效概率等分析方法，建立注浆改造岩体作为弱透水体设计的工程依据。

3.3.2 模型库

模型库是防治水决策的分析工具，本系统模型库包括以下几类模型。

1) 底板突水空间点预测模型

目前，已经开发的底板突水空间点预测模型包括信息分析、GIS、人工神经网络、决策树、支持向量机等模型[13-14]。其共同特点为：以大量突水(未突水)案例作为训练样本，按照一定的数学原理进行拟合，形成突水判据，在检验满足预测精度的前提下，在未来地质、开采等主控因素组合的向量集约束下，对一定范围内底板突水事件发生的可能性做出空间预测。

2) 疏水降压数学模型

通过建立三维地下水流数学模型，刻画主要充水含水层疏水降压过程中流场变化规律[15]。数学模型以水文地质概念模型为基础，而水文地质概念模型依赖于不同数据库(地质、水文地质)提供的信息。各类源汇项及地下水系统的边界条件作为输入，地下水流场变化、矿井涌水量作为输出，通过数学模型进行时间、空间离散，对疏水降压效果做出评价。其数值模型如下：

式中：为模拟区；为地下水位，m；K, K为水平渗透系数，m/d；K为垂向渗透系数，m/d；为源汇项，1/d；0为初始水位，m；1为一类边界上的水位，m；s为贮水率，1/m；、、为空间坐标变量，m；为时间变量，d；1为第一类边界；2为第二类边界；n为二类边界法线方向渗透系数，m/d；为第二类给定流量边界流量，m3/d，流入为正，流出为负。

3) 注浆改造工程可靠性分析模型

注浆改造层位、改造厚度、浆液扩散半径、孔间距及注浆压力是底板改造工程主要设计参数，而注浆改造效果的可靠性评价是核心。以浆液在裂隙中的充填度(或置换率)作为评价指标，按照不同工况下注浆改造岩体的失效概率计算其可靠度指标，对岩体全生命周期内结石体抗(防)渗性能(包括地下水对受注浆材的化学侵蚀)做出预测。

4) 底板水害监测预警模型

2018年9月新颁布的《煤矿防治水细则》提出了水文地质类型复杂矿井开展电法与微震耦合的水害监测预警要求，高精度的电法与微震耦合监测以及智能预警是今后的方向。针对华北型煤田煤层底板突水监测问题，笔者以底板“下三带”理论为基础，采用多频连续电法监测充水水源变化与导升情况、“井–地–孔”联合微震监测采动底板破坏带演化，同时，利用时序大数据挖掘技术对电法、微震多元时空监测数据进行分析处理，构建基于深度学习的底板水害智能预警模型[16]。

3.3.3 知识图谱构建

与传统决策支持系统不同，智能决策支持系统提供基于知识关联分析和图谱索引的决策功能。通过自然语言处理技术构建知识图谱，并在知识图谱上建立决策模型。在问题分析和求解过程中，根据问题类型使用不同的决策模型对最优化问题进行求解。知识图谱构建包括数据准备、实体抽取、三元组抽取、实体对齐、数据存储等过程[17]。

以底板注浆改造工程为例，知识图谱构建过程如图6所示。收集并分析底板改造工程案例、发放调查问卷与领域专家进行会商，以经验性参数为基础形成初始数据集，对数据集进行格式转换和数据过滤，并进行实体抽取；实体抽取又称为命名实体识别(Named Entities Recognition，NER)，其主要任务是识别命名实体的文本范围，形成预定义类别，识别注浆内容，如钻孔结构及形式、注浆工艺、注浆材料、结束标准、效果检测等；三元组相当于句子的主语(Subject)、谓语(Predicate)、宾语(Object)，(S,P,O)表示S与O之间具有某种联系P，或者S具有属性P且取值为O。基于语言规则和正则化表达式，根据SPO定义对初始数据集进行抽取，建立不同注浆方法和注浆内容之间的三元组；在实体抽取过程中，来自不同文件的实体可能存在表达形式上不一致的问题，如“底板改造”与“底板加固”都是底板注浆，二者意思相近，但表达形式不完全一致，这时需要进行实体对齐，最后使用图数据库存储三元组数据，构建底板注浆知识图谱。

图6 注浆改造知识图谱构建过程

3.4 智能决策方案

基于知识关联分析和图谱索引决策[18-19]，对底板防治水决策问题分类，针对具体问题，将方法库和模型库进行不同组合，提供个性化解决方案(图7)。

图7 解决方案决策流程

3.4.1 突水危险性分区

陷落柱、断层等作为直通式导水通道对煤矿安全生产构成潜在威胁。采用物探数据库，同时，应用“中间指示层”放水试验确定垂向导水通道的“靶区”，通过分支定向钻探技术进一步查明其空间展布特征，在地面或井下注浆封堵垂向导水通道，消除突水隐患。

通过采集矿井未采区与突水案例库数据结构相同的数据体，运行底板突水空间点预测模型，对井田不同区域进行突水预测，划分出突水危险区和相对安全区。

以突水预测及垂向导水通道探查为基础，通过融合不同的智能算法，如人工神经网络、GIS技术、熵权法，对井田未来开采区域进行突水危险性分区，提出不同分区的防治水策略。

3.4.2 疏水降压--方案

结合井下放水试验，根据主要充水含水层地下水流数值模拟模型，预测不同疏放水量条件下地下水流场分布，根据我国类似条件矿区经验，可通过降深与涌水量的比值关系作为疏降可行性的判别指标:

对于具备疏水降压可行性的矿井或井田块段，形成疏放水钻孔数量、孔深、孔结构、疏放水量、疏放水时间、降深等若干设计方案，以最优化理论(如地下水多目标管理模型)为指导，确定疏水降压最优方案。

3.4.3 底板区域注浆改造方案

根据突水系数大小，确定注浆改造层位，如薄层灰岩或奥灰顶部层段。同时，建立浆液扩散模型，确定注浆压力、扩散半径之间的数量关系来确定合理的孔间距[20]，如下式。

通过监测注浆过程中浆液扩散方向及距离，应用反馈–控制原理，动态调整注浆压力、浆液配比等参数，推算浆液扩散半径，确定是否需要增加新的分支定向钻孔，实现全方向、全路径上浆液扩散目标，提高注浆改造工程可靠性。

3.4.4 隔离工程方案

以水闸墙设计与施工为例，决策方案包括：水压、混凝土强度(如C30)、水闸墙凸缘基座支撑面与巷道中心线夹角、水闸墙墙体长度、巷道掘进最大断面积、墙体嵌入围岩深度等[20]。

以巷道来水方向一侧积水水压、岩体完整性、围岩工程力学参数为计算依据，确定隔离工程设计参数，代入岩体工程力学模型，形成科学可靠的隔离工程方案，实现不同水害危险区安全隔离开采。

3.4.5 底板突水监测预警方案

底板突水监测预警是水害防治工作的重要防线，也是启动水害应急救援预案的科学依据。通过水温、水压传感器及连续电法监测底板水源导升情况，同时，通过微震监测导水通道的异常变化，最后通过LSTM(长短时记忆)模型进行智能预警，掌握底板水害形成的时空过程，从而发布警情信息[21]。

4 结论

a.基于水害防治“主动观”“改造观”“适应观”，结合底板水害防治技术现状，提出“数据–模型–方案”一体化设计流程，从数据导入、模型驱动、智能决策等3个方面构建了底板水害防治决策支持系统的基本框架。

b.智能化主要体现在注浆过程的反馈控制(控制论)、水害危险性分区中的智能算法、突水监测预警中的深度学习(自学习)和LSTM智能预警、疏水降压的动态优化(最优化理论)等策略，是水害防治工程决策支持系统今后的发展方向。

c.以数据库为引擎、模型库为驱动，通过智能决策支持流程，提供突水危险性分区、疏水降压--方案、区域注浆改造、隔离工程选址及参数设计、底板突水监测及警情发布等智能化、专业化服务方案。

[1] 靳德武，刘英锋，刘再斌，等. 煤矿重大突水灾害防治技术研究新进展[J]. 煤炭科学技术，2013，41(1)：25–29. JIN Dewu，LIU Yingfeng，LIU Zaibin，et al. New progress of study on major water inrush disaster prevention and control technology in coal mine[J]. Coal Science and Technology，2013，41(1)：25–29.

[2] 赵庆彪，赵兵文，付永刚，等. 大采深矿井地面区域治理奥灰水害关键技术研究[J]. 煤炭科学技术，2016，44(8)：14–20. ZHAO Qingbiao，ZHAO Bingwen，FU Yonggang，et al. Research on key technology to control Ordovician limestone water disaster on surface region of deep mining depth mine[J]. Coal Science and Technology，2016，44(8)：14–20.

[3] 王心义，王麒，陈国胜. 平煤股份八矿二1煤底板灰岩地热水疏水降压技术[J]. 煤田地质与勘探，2014，42(1)：53–56. WANG Xinyi，WANG Qi，CHEN Guosheng. The drainage and decreasing pressure technology of limestone geothermal water in coal floor based on complex detective information[J]. Coal Geology & Exploration，2014，42(1)：53–56.

[4] 王君现. 隔离开采技术在煤矿防治水工作中的探索与应用[J]. 煤炭与化工，2015，38(9)：120–121. WANG Junxian. Exploration and application of isolated mining technology in water prevention and control work[J]. Coal and Chemical Industry，2015，38(9)：120–121.

[5] 刘德民，尹尚先，连会青. 煤矿工作面底板突水灾害预警重点监测区域评价技术[J]. 煤田地质与勘探，2019，47(5)：9–15. LIU Demin，YIN Shangxian，LIAN Huiqing. Evaluation technology for key monitoring area of early warning of water inrush from the floor of working face in coal mine[J]. Coal Geology & Exploration，2019，47(5)：9–15.

[6] 冯克鹏. 宁夏水资源优化配置决策支持系统研究[D]. 银川：宁夏大学，2014. FENG Kepeng. Research on decision support system for optimal allocation of water resources in Ningxia[D]. Yinchuan：Ningxia University，2014.

[7] 谭文胜，万元，潘平衡. 基于大数据技术的水电智能决策支持系统[J]. 水电站机电技术，2019，42(12)：9–12. TAN Wensheng，WAN Yuan，PAN Pingheng. Hydropower intelligent decision support system based on big data technology[J]. Mechanical & Electrical Technique of Hydropower Station，2019，42(12)：9–12.

[8] 王洪利，冯玉强. 基于决策流的面向非结构化决策的DSS研究[J]. 哈尔滨工业大学学报，2007，39(10)：1638–1641. WANG Hongli，FENG Yuqiang. Decision support system facing unstructured decision making based on decision flow[J]. Journal of Harbin Institute of Technology，2007，39(10)：1638–1641.

[9] 高洪深. 决策支持系统(DSS)理论与方法[M]. 北京：清华大学出版社，2009. GAO Hongshen. Decision Support System(DSS) theory and method[M]. Beijing：Tsinghua University Press，2009.

[10] 刘峤，李杨，段宏，等. 知识图谱构建技术综述[J]. 计算机研究与发展，2016，53(3)：582–600. LIU Qiao，LI Yang，DUAN Hong，et al. Knowledge graph construction techniques[J]. Journal of Computer Research and Development，2016，53(3)：582–600.

[11] 马军. 基于DInSAR技术的沉降监测与分析及在铁路保护煤柱安全留设可靠性方面的应用研究[J]. 矿山测量，2020，48(1)：55–58. MA Jun. Monitoring and analysis of settlement technology and research on application of protecting coal pillars retention reliability in railway safety based on DInSAR[J]. Mine Surveying，2020，48(1)：55–58.

[12] 白峰青，姜兴阁，蒋勤明. 断层防水煤柱设计的可靠度方法[J]. 辽宁工程技术大学学报(自然科学版)，2000，19(4)：356–359. BAI Fengqing，JIANG Xingge，JIANG Qinming. The method of stability for the design of fault waterproof pillar[J]. Journal of Liaoning Technical University(Natural Science)，2000，19(4)：356–359.

[13] 马雷，钱家忠，赵卫东，等. 基于GIS的矿井水害防治辅助决策支持系统[J]. 煤田地质与勘探，2014，42(5)：44–49. MA Lei，QIAN Jiazhong，ZHAO Weidong，et al. GIS-based decision-making support system for prevention and control of water hazards in coal mines[J]. Coal Geology & Exploration，2014，42(5)：44–49.

[14] 杨丹丹. 基于GIS的谢桥煤矿矿井水害防治专家系统研究[D]. 合肥：合肥工业大学，2012. YANG Dandan. Research on GIS-based expert system of mine flood prevention and treatment in Xieqiao Coal Mine[D]. Hefei：Hefei University of Technology，2012.

[15] 李庆伟，晏鄂川，杨广，等. 基于FEFLOW的岸坡地下水三维渗流场模拟研究[J]. 安全与环境工程，2019，26(2)：38–44. LI Qingwei，YAN Echuan，YANG Guang，et al. Simulation of three-dimensional seepage field of the bank slope groundwater based on FEFLOW[J]. Safety and Environmental Engineering，2019，26(2)：38–44.

[16] 周游，黄静美，谢红强. 西南地区某高速公路边坡危岩体稳定可靠性评价[J]. 地下空间与工程学报，2020，16(增刊2)：1022–1029. ZHOU You，HUANG Jingmei，XIE Hongqiang. Reliability evaluation for slopes in highway of southwest China[J]. Chinese Journal of Underground Space and Engineering，2020，16(Sup.2)：1022–1029.

[17] 秦丽，郝志刚，李国亮. 国家食品安全标准图谱的构建及关联性分析[J/OL]. 计算机应用：1–9[2021-01-20]. http://kns. cnki.net/kcms/detail/51.1307.tp.20201217.2008.020.html. QIN Li，HAO Zhigang，LI Guoliang. Construction and correlation analysis of national food safety standard graph[J/OL]. Journal of Computer Applications：1–9[2021-01-20]. http://kns.cnki.net/kcms/detail/51.1307.tp.20201217.2008.020. html.

[18] 魏瑾，李伟华，潘炜. 基于知识图谱的智能决策支持技术及应用研究[J]. 计算机技术与发展，2020，30(1)：1–6. WEI Jin，LI Weihua，PAN Wei. Research on intelligent decision support technology and application based on knowledge graph[J]. Computer Technology and Development，2020，30(1)：1–6.

[19] 赵京胜，肖娜，高翔. 基于自然语言处理的能源领域知识图谱[J]. 信息技术与信息化，2018，218(5)：55–58. ZHAO Jingsheng，XIAO Na，GAO Xiang. Knowledge mapping of energy domain based on natural language processing[J]. Information Technology and Informatization，2018，218(5)：55–58.

[20] 赵庆彪，毕超，虎维岳，等. 裂隙含水层水平孔注浆“三时段”浆液扩散机理研究及应用[J]. 煤炭学报，2016，41(5)：1212–1218. ZHAO Qingbiao，BI Chao，HU Weiyue，et al. Study and application of three-stage seriflux diffusion mechanism in the fissure of aquifer with horizontal injection hole[J]. Journal of China Coal Society，2016，41(5)：1212–1218.

[21] 靳德武，赵春虎，段建华，等. 煤层底板水害三维监测与智能预警系统研究[J]. 煤炭学报，2020，45(6)：2256–2264. JIN Dewu，ZHAO Chunhu，DUAN Jianhua，et al．Research on 3D monitoring and intelligent early warning system for water hazard of coal seam floor[J]. Journal of China Coal Society，2020，45(6)：2256–2264.

Framework on intelligent decision support system for coal seam floor water hazard prevention and control

JIN Dewu1,2, LI Peng1,3

(1. Xi’an Research Institute Co. Ltd., China Coal Technology and Engineering Group Corp., Xi’an 710077, China; 2. Shaanxi Key Laboratory of Prevention and Control Technology for Coal Mine Water Hazard, Xi’an 710077, China;3. College of Geology and Environment, Xi’an University of Science and Technology, Xi’an 710054, China)

Coal floor water inrush is a common type of water disaster in the production process of coal mines in North China coalfield. In order to solve the scientific decision making problem of water hazard prevention and control engineering and further improve the reliability of the relevant projects, this paper puts forward a technical idea of establishing an intelligent decision support system(IDSS). The IDSS is a combination of the traditional decision support system(DSS) and artificial intelligence. On the basis of analyzing the functional requirements of DSS for water hazard prevention and control, an integrated design process of "data-model-solution" is proposed, and the basic framework of IDSS for coal floor water hazard is established from three aspects, data import, model- driven and intelligent decision making. Model-driven layer is composed of three specialized services: method base, model base and knowledge map. Meanwhile, the model base consists of spatial prediction model of floor water inrush, numerical simulation model of draining depressurization, reliability analysis model of grouting reconstruction project, design model of isolation project and monitoring and warning model of floor water disaster. The final output decision scheme of the system includes risk zoning of floor water inrush, the--scheme of draining depressurization, regional grouting reconstruction design and engineering reliability evaluation, isolation engineering design, and floor water inrush monitoring and early warning information release.The system realizes its intelligent decision by feedback control of grouting process, deep learning algorithm of water inrush monitoring and early warning, dynamic optimization of drainage and depressurization scheme, etc. Intelligent decision support system will provide new technical support in the reliability guarantee of coal floor water disaster prevention and control.

floor water hazard; IDSS(Intelligent Decision Suppport System); data-model-solution; model-driven; decision making solution

移动阅读

语音讲解

P641

A

1001-1986(2021)01-0161-09

2020-12-23；

2021-01-20

国家重点研发计划课题(2017YFC0804103)；天地科技股份有限公司科技创新基金项目(2018-TD-MS072)

靳德武，1966年生，男，陕西蓝田人，博士，研究员，博士生导师，从事煤矿防治水工作. E-mail：jindewu@cctegxian.com

靳德武，李鹏. 煤层底板水害防治智能决策支持系统框架构建[J]. 煤田地质与勘探，2021，49(1)：161–169.doi: 10.3969/j.issn.1001-1986.2021.01.017

JIN Dewu，LI Peng. Framework on intelligent decision support system for coal seam floor water hazard prevention and control[J]. Coal Geology & Exploration，2021，49(1)：161–169.doi: 10.3969/j.issn.1001-1986.2021.01.017

(责任编辑 周建军)