连会青，徐 斌，田振焘，刘德民，杨 艺，潘光义，王 瑞

矿井水情监测与水害风险预警平台设计与实现

连会青1，徐 斌1，田振焘2，刘德民1，杨 艺1，潘光义2，王 瑞1

(1. 华北科技学院 安全工程学院，北京 101601； 2. 陕西长武亭南煤业有限责任公司，陕西 长武 713602)

任何矿井水害事故均会显现不同的预兆，为夯实水害智能预警基础，明晰了感知、辨识、评估、预测及相互逻辑关系的系统建设内涵，针对不同水害类型，根据其突水机理不同，设计三大类多模式水害典型场景，建立相应突水判据，提出了确定性理论精确预测与包括大数据及深度学习在内的非确定性趋势推测两类预测方法，为智能预警系统的预测预报、预警准则及阈值设置奠定理论基础。以陕西省彬长矿区亭南矿为例，建立了动态信息、静态信息及关联信息的指标体系，将地面水文动态监测单元、井下水情环境监测单元以及采掘工作面采动动态监测单元集成，构建原位采集和突水要素预兆感知系统，实施基于关键层电性参数动态监测、关键部位单点或多点多参数监测联合布置的突水前兆信息精准获取方案，采用确定性模拟模型和非确定性智能模型，实现水害预测预警功能，基于多源数据融合和空间联动分析技术，预警系统实现了井上下全空间水害风险预警“一张图”的可视化展示。实践表明，监测预警平台理论基础扎实，预测预警效果显著。

矿井水害；水情监测；预测预警；一张图；预警系统；亭南煤矿

我国煤田矿井水文地质条件复杂，矿井重大水灾事故时有发生，此类事故具有破坏性大，突发性强、抢救难度大、经济损失大、矿井恢复周期长、恢复期间安全隐患多等特点，常造成重大财产损失和大量的人员伤亡。大量矿井水灾事故分析表明[1-2]，任何一次事故都有一个从孕育、发展到突发的“量变到质变”的转变过程，在其中的不同阶段均会显现不同的预兆，如果能及时捕捉、监测和发现这些关键的预兆信息，通过研发矿井水情监测与水害风险预警平台，实时监测水位(水压)、涌水量、排水量、降雨量、水温、应力–应变、微震数据、水化学特征值等突(透)水指标前兆信息[3-4]，并通过构建矿井水害指标评价体系和动态风险预警模型，实现矿井水害“智能分析、预知预判”能使矿井采取有效的防范措施，就能最大限度地减少突水事故所造成的人员伤亡和经济损失，因此，水灾监测预警系统的理论基础研究及技术研发，对预防控制矿井水害事故具有重要的理论意义和实用价值。

在矿井突水监测预警研究方面[5-7]，部分国家已研发并应用煤矿监控系统，且发展很快，如美国Honeywell公司的监控系统、德国的Gematic 2900i矿井监控系统、英国的MINOS煤矿监控系统和美国的Forwans环境监测报警系统等，在系统容量、信息传输速度、抗干扰能力和可靠性等方面都优于国内目前的安全监控系统。在监控系统体系结构方面，发达国家的大部分监控系统都已更换成各种现场总线标准，各种现场总线标准在技术上也存在互相渗透，一个系统可能包含了多种现场总线标准，有的甚至和现场总线以外的标准兼容。如Delta V系统兼容了FF的H1和Ethernet及HART协议；WorldFIP组织与罗斯蒙特合作，推出了HART/ WorldFIP转换器。在传感器技术方面，各国都根据煤矿的特点研制和开发灵敏度高、抗干扰力强、经久耐用型的传感器材，例如美国的Goekan公司研发的振弦式水压传感器可以在传输导线进水的情况下正常工作，使用寿命大于15年。日本在应力、应变传感器研发上已经走在世界前列，东芝公司研发的岩体应力传感器可以测量9个分量，这样就大大地简化了钻探工作量、安装过程。

近年来，国内多家科研单位也开展了水害监测预警理论、硬件和软件等方面的研究[8]。在监测预警理论方面，武强等[9]提出底板突水静态评价理论，主要包括基于GIS的ANN型、证据权型、Logistic回归型脆弱性指数法等；杨天鸿等[10]提出采用微震监测技术实现矿山突水预测预报的观点；在硬件和软件方面，中煤科工集团西安研究院有限公司[3,11-13]在20世纪90年代中期就研发了煤层底板突水征兆监测设备，实现底板位移、钻孔水压和弹性波等的监测，先后研发了松散层突水监测预警系统、底板突水灾害预警系统等；姜福兴等[14]将高精度微震监测技术应用于煤矿突水监测。

王经明等[15]依据煤层底板递进导升突水、陷落柱突水、采空区突水等机理，研发了突水的判别标准和预警级别确定方法，提出水害预警技术和远程监测技术的实现方法；李振栓等[2]尹尚先等[16]、刘德民等[17-18]在划分突水模式的基础上，依据灾害发生的监测预警指标体系，研发了全面监测和重点监测的预警监测布置方式和信息获取技术，开发了矿井突水监测预警硬件系统和软件系统。在监测预警指标方面，目前已经实现了水温、水压、应力、应变、隔水层电阻率、声发射、水化学离子等指标的实时监测，预警准确率日趋提高。

目前，矿井水预警系统虽有所进展，但由于对系统的理解和界定不一致、灾变辨识理论和判别标准支撑欠缺，大多系统仅实现了部分指标的实时观测，还远不能满足现场实际需要，距离超前水害预警还有很长的路要走。

针对上述问题，笔者对矿井水情监测和预警的基本内涵进行分析，针对典型水害场景进行设计，整理了预警系统的预测预报理论，提出煤矿水害智能水情监测与水害风险预警平台设计的单元构成和系统框架，对“一张图”成果进行展示，以期为智能矿井水害超前预警提供一套建设思路和可行路径。

1 矿井水情监测及预警基本理论

从系统论角度来讲，矿井水情监测及水害风险预警是应用信息原位拾取、适时检测、远程监控和智能判别技术，构建感知、辨识、评估、预测的复杂系统，从而实现矿井水情实时监测与水害的风险评估和分级预警，可以划分为4个阶段，各阶段间相互影响，其逻辑关系如图1所示。

图1 监测预警阶段划分与逻辑关系

1.1 感 知

主要指信息的采集。因此，系统感知的信息越多越好，但也需从技术经济的角度来平衡，应考虑感知因素的主次关系。为此，把感知信息分为2类：一类是与采掘有关的环境要素，它是间接反映灾害发生的信息，如围岩应力应变、温度、湿度、风速、瓦斯气体浓度等；另一类是控制灾害发生的直接关联要素，即采掘相关的地质构造、采矿、水文地质等条件。2类信息必须能够转化为可用传感技术获取的参量，也就是把控制矿井水害形成的主要因素转化为可监测的指标，如降水量、涌水量、排水量和观测孔水位(水压)、水温等，观测数据可在线联网监测。

1.2 辨 识

采集的大量信息应经加工处理，转化为突水预测预报的基础数据，经过预测预报及临界辨识，才能达到预警目的。水灾形成机理非常复杂，具有非线性、层次性和模糊性等特征，为此，判断发生突水辨识时，除使用十分明显的单一监测参数外，绝大多数情况要综合分析预警监测指标体系的参数，有时还要参考地质勘探、实际开采过程获得的数据信息，才能预测预报灾害的发生。常用的综合分析方法有：聚类分析法、主成分分析法、判别分析法、灰色关联分析法等[19-20]。上述事实一方面说明水害预报难度大，另一方面也说明要获得较好的突水辨识效果，其关键是获得足够的信息，以及进行多源信息的融合叠加与分析。

1.3 评 估

此阶段是构建煤矿水害风险评价指标体系和安全等级划分标准。通过煤矿各类基础数据、水文监测系统实时监控数据、煤矿管理数据等内容，多维度、多视角、全方位凸显煤矿风险点，根据安全评价指标体系、安全等级阈值分割法分析煤矿整体水害风险。实时动态了解煤矿水害风险状态，及时处置煤矿水害高风险点，为煤矿安全生产提供建议措施。

1.4 预 测

仅做到实时监测还远不能实现水害预警，必须就现有信息进行超前预测预报，才能做到真正的预警。预测应从两个方向入手：一是从探究事物发生发展的机理入手，解决事物运转的根本控制规律，比如，用确定性本构关系表达规律；二是从事物表象表现入手，使用数理统计方法总结运转规律，而非确定性内在规律，应用事物运行的趋势推断未来事物的运转轨迹。具体做法则是依据评价指标体系，建立风险预警分析预测模型，例如，时间序列法、灰色理论、神经网络算法、深度学习法等。

2 矿井典型水害场景设计及预测预报

矿井水害风险预警的关键难点就是预警指标体系的建立。总体考虑，指标体系的建立应基于矿井水致灾机理，但不同矿井、采区、工作面的突水机理不同，能够监测到的指标值不同，导致不能用一套指标体系适用于不同矿井，甚至工作面。因此，指标体系的建立原则是“一矿一体系”，对于条件复杂的矿井，应是“一面一体系”。如果要建立普适性的指标体系，需考察不同的突水模式、提取共性关键指标来构成指标体系。

2.1 矿井典型突水场景设计

指标体系的建立实质上是用确定性模型表述矿井水的行为，矿井水致灾机理必须明晰后才可能用数学本构关系表述并预测未来行为。从目前研究进展来看，能够查清的仍是特定条件的致灾机理，并非所有矿井水灾都能给定致灾机理。因此，选取采空区突水、顶板含水层突水和底板含水层突水3种常见场景作为研究对象，包含多种突水模式。

2.1.1 采空区突水场景

将采空区突水模式分为顶部采空区突水模式和邻近采空区突水模式[17-18]，分别建立顶部采空区突水力学模型(图2)和邻近采空区突水力学模型(图3)。

依据有效隔水层破坏形式，可分别建立顶部采空区突水有效隔水层破坏的两种力学判据，即抗剪破坏力学判据和抗拉破坏力学判据。

抗剪破坏力学判据为：

抗拉破坏力学判据为：

图2 顶板采空区突水力学模型

根据邻近采空区突水力学模型，给出邻近采空区易引发突水的位置，利用弹塑性力学理论及摩尔–库伦准则，结合煤矿防治水规定，提出2种采空区煤柱破坏突水判据如下。

判据1公式为：

式中：j1为邻近采空区突水判据1的危险性指数；为围岩的侧压系数；为煤岩柱厚度；为采深；为采空区之间有效隔水煤柱宽度；j为最大集中应力常数。

判据2公式为：

式中：j2为邻近采空区突水判据2的危险性指数；为煤层厚度；P为煤的抗拉强度；为安全系数，一般取2~5。

给出采空区顶底板裂隙带前缘发生突水的判据如下：

式中：fj3为采空区顶底极裂隙带前缘突水判据的危险性指数；lt为顶板或底板裂隙发育前缘有效隔水岩柱宽度，m；py为有效隔水岩柱处水压，MPa；Ts为临界突水系数，MPa/m。

在此基础上，提出邻近采空区突水的综合判据j：

2.1.2 顶板突水场景

顶板发生突水的条件是：当j≤(a+b)时，其中，j为含水层与煤层顶界面问题；d为导水裂隙带高度；b为保护层度。有突水危险；反之安全。

2.1.3 底板突水场景

底板突水划分为4种突水模式：正常岩层底板突水模式、断层活化突水模式、陷落柱突水模式[4]和封闭不良钻孔侧壁突水模式。

1) 正常岩层突水

统一归结为厚板微观压裂导升、薄板(关键层)宏观整体破断导水2种最基本的突水模式[4]。前者判据为极限弯矩：p≥s，其中p为实际弯矩；s为临界弯矩。后者为力学判据：0≥32–1–p+，其中，0为岩层水力破裂时的起裂压力；3、1分别为围岩最小和最大主应力；p为孔隙水压力；为岩石抗拉强度。

2) 断层活化突水

依据断层活化影响因素，断层富水性、断层倾角、断层带特性、断层所处位置等，建立断层活化判据及突水判据。

突水判据：

3) 陷落柱突水

简化为陷落柱突水厚壁桶力学模型(图4)[21]，薄板理论子模式适用于筒盖关键层完整且厚度较小，其破坏可视为四周固定支座的板，底板关键层破断时的极限弯矩为其突水判据：

式中：t为关键层的抗拉强度；t为关键层的厚度。

剪切破坏理论子模式应用条件为筒盖关键层厚度较大时，圆柱形陷落柱端盖剪切破坏时的临界水压值与底板厚度的关系呈二次抛物线方程：

式中：1为极限水压；为陷落柱横截面积与周长之比；g为隔水层岩体容重；0为工作面顶板垂深；d为顶板岩体容重；为矿山压力；为端盖自重。

煤柱侧壁突水采用总剪切力与抗剪切力极限平衡法，可得侧壁突水的极限水压为：

4) 封闭不良钻孔侧壁突水

利用厚壁圆筒理论，提出封闭不良钻孔侧壁突水力学模型[22](图5)，得出封闭不良钻孔侧壁突水的主要影响因素：采场破坏范围、孔径、孔内水压、围岩力学性质等，建立封闭不良钻孔侧壁突水判据：

式中：lr为采动裂隙带超前发育距离；ra为钻孔半径；pk为孔内水压；cm为煤层黏聚力；φm为煤层内摩擦角；A为常数；Ld为采空区至封闭不良钻空中心的距离；fd为不良钻孔危险性指数。

2.2 预警系统预测预报理论

从理论上讲，智能水害风险监测预警包含两个层面的科学问题，一个是要实现预警就必须在现有信息基础上推测未来，即预测；二是要实现智能监测和智能预警，也需要智能相关的理论支撑。

2.2.1 确定性理论预测

用确定性理论表述矿井水的行为，必须探究矿井水害致灾机理，机理明晰后才可能用数学的本构关系表述，进而预测未来行为。这方面，依据前述不同场景下的典型突水模式，构建地质体的本构模型，建立大型数字化、离散化求解模型，依据给定突水判据给出预警阈值，可以发出不同级别预警。

2.2.2 非确定性理论预测

由于地质条件的复杂性和采矿活动的不规则性，矿井突水的确定性表述所能考虑的有限信息，远未达到精准预测的要求。

就目前的科技水平，并非所有突水事故都可以弄清其中的发生发展机理，也绝非所有开采条件下岩体结构中水流状态都可用本构关系精确描述，因此，可以借助“大数据、云计算、物联网”技术，通过大量感知信息，寻找数据的内在规律，据此推断未来，从而实现预测预警。

按照不同的监测预警指标采集和感知信息，选择合适的数学方法，建立评价和预测模型。评价模型的选择依据所选指标的数量，单一指标水害分析模型主要包括灰色理论预测模型、时间序列预测模型等[23]；多指标水害综合分析模型有模糊层次分析法、主成分分析法、神经网络、深度机器学习、熵权法、可拓理论和组合赋权法等预测模型[24-26]。

3 智能水情监测与水害风险预警平台设计实例

在对煤矿水害发生的地质构造、采矿、水文地质等条件综合研究的基础上，总结煤矿突水的内在机理，提出导致煤矿突水的主控要素，并转化为灾害发生的监测预警指标体系，应用突水预兆信息原位拾取传感技术、突水因素适时检测技术、突水因素远程监控技术和人工智能判别技术，建立矿井水害风险预警的传感系统、数据采集系统、发射系统、接收系统、数据处理系统、结果显示系统等，建造突水预测人工智能专家系统，通过工业性试验完成系统现场总线技术及系统的集成与示范，且系统既能独立运行又能以总线或协议形式与矿井监测监控系统联网运行。本文选择水文地质类型复杂的陕西省彬长矿区亭南矿为研究对象，来说明基于大数据的智能预警平台建设。

3.1 亭南矿水害防治基本情况

亭南矿当前主要充水水源为白垩系中统洛河组–宜君组含水层水及自身采空区积水，主要充水通道为导水裂隙带和封闭不良钻孔，主要水害类型为顶板水害和采空区水害。已开采的二盘区资料显示，盘区总涌水量整体呈增加趋势，尤其是207工作面开采时，曾出现4次工作面涌水量增大的情况。经过数据统计，井下涌水量突变和开采过程中局部水量变化与微震信息有较密切的相关性(图6)，这为建立综合性水害风险预警平台提供了基础。

图6 彬长矿区亭南矿207工作面涌水量与微震事件关系曲线

3.2 智能预警系统设计

预警系统的建设紧密结合矿井开采实际，基于现场“一张网”(监测网)进行搭建，整体划分为硬件系统(地面、井下、采掘监测系统构成)和软件系统(数据处理、仿真模拟和专家系统构成)，在此基础上配套完善网络传输设备，搭建基于大数据分析的综合预警平台，具体模块和指标构成如图7所示。

水害发生与否的影响因素众多，不同因素的影响程度不同，不同因素的感知手段和监测数据特征不同，本文以工作面为对象，从指标值的获取方式、指标值随时间的动态、指标值的利用方式提出整体的指标体系设计方案，可以说水情监测指标的成功监测与获取是水害风险预警的前置条件。

3.2.1 水情监测指标体系

该体系指标的特点是采用人工或自动化手段定期收集和更新水文(水情)数据，按照数据的采集方式与影响程度，主要分为动态指标、静态指标和关联指标3类。

①动态指标 在监测预警期间指标值随时间发生变化，如河流水位、降水量、钻孔水位、涌水量、井下突水点水量、水化学特征值、排水量、采空区水压等，这些指标都可以采取人工定期采集和传感器连续采集的方式获取数据，数据的剧烈变化可以直接指示水害风险的动态。

②静态指标 在监测预警期间指标本身不随时间发生变化，如地层结构、岩性、岩层厚度，含隔水层、构造空间展布等，这些指标随着地质工作程度提高导致精度提升，指标值更多是提供基础地质信息，控制了突水机理的主要影响因素。

③关联指标 监测期间的指标值需要进行二次解译或计算，转换成能够直接用于水害风险分析的数据，如微震监测数据、煤层开采强度、物探探查结果等。

图7 亭南矿水情监测与水害风险预警系统结构

3.2.2 系统构成

系统将地面水文动态监测单元、井下水情环境监测单元以及采掘工作面采动动态监测单元集成，构成具有网络结构的硬件系统，所采集信息传输至软件控制系统，建立水情信息管理数据库，经数学模拟等仿真模拟处理，应用人工智能技术由专家系统设置测点警戒范围，进行水害信息临界辨识，当监测数据越限时，通过声音、屏幕凸显以及手机短信等不同方式进行预警。

3.3 智能水害预警系统架构及成果展示

3.3.1 系统构架

根据数据流的传输处理过程，系统设计了动态数据输入、数据预处理、水害情景识别、水情监测与预测预报、水害风险预警分析与成果展示6大功能模块(图8)。

3.3.2 采掘过程中信息感知及获取

采掘工作面采动动态监测单元，充分结合水文物探技术，具有显著特点和优势，包括关键隔水层电性参数动态监测和关键部位单点多参数监测2种方式。

1) 关键层电性参数动态监测

该技术基于电场理论，通过探测目标体的电性差异判断岩层富水性[27]。在巷道中按一定间隔布置一组测量电极，一条巷道配装一台采集主机，连续采集底板下一定深度关键隔水层的电性信息，把数据传到采集控制中心，通过数据的自动处理分析及对比，寻找薄弱带，监测关键层电性变化。

2) 关键部位单点或多点多参数监测

微地震或声发射的监测直接判断岩体破坏程度、时间及其位置；应力、应变状态反映了隔水层在采动影响下所受破坏及导水性能的变化状况；水压监测直接反映水压裂导升是否发生及承压水导升部位；水温监测则反映是否有深部承压水的补给；水质特征离子监测反映是否有其他含水层或者水体的水入侵，对上述监测项目的综合分析，可以进行突水预测预报。

3) 智能水害预警“一张图”展示

“一张图”是系统监测指标动态和风险预警最终成果的展示平台。整体设计基于现场数据监测一张网，综合利用地面地形、地质钻孔、井巷工作面和排水系统等资料，建立井上下全空间水害风险预警“一张图”。“一张图”融合了无人机航拍数据、地形数据、地图数据、地质钻孔数据、井巷数据等，真正实现多源数据融合和空间联动分析，最终成果如图9所示。

在“一张图”平台上，根据国家标准和行业规范建立矿图数据标准，并基于GIS平台建立地图服务和协同服务，展示各个水文监测信息、报警信息、监测点周边情况信息等。以全矿井和工作面为不同维度，实现安全生产过程中水情监测与水害风险动态预警的一体化管理。

4 结论

a.任何矿井水害事故均会显现不同预兆，这是预警系统建设的基础。阐述了感知、辨识、评估、预测及相互之间逻辑关系的系统建设内涵，提出系统建设的基本理念。

图8 系统数据流传输流程

图9 煤矿水害风险预警“一张图”平台展示

b.设计3大类多模式水害典型场景，依据突水机理建立相应突水力学判据，提出确定性理论精确预测与包括大数据及深度学习在内的非确定性趋势推测2类预测方法，为智能预警系统的预测预报、预警准则及阈值设置奠定理论基础。

c.将地面水文动态监测单元、井下水情环境监测单元以及采掘工作面采动动态监测单元集成，构建原位采集和突水要素预兆感知系统，现场布置基于关键层电性参数动态监测、关键部位单点或多点多参数监测联合布置方案，实现工作面突水前兆信息精准获取。

d.建立动态指标、静态指标及关联指标的系统指标体系，采用数据处理、仿真模拟和专家系统建立预警模型和阈值，实现水害预测预警功能。基于多源数据融合和空间联动分析技术，预警系统可实现井上下全空间水害风险预警“一张图”的可视化展示。

[1] 虎维岳. 矿山水害防治理论与方法[M]. 北京：煤炭工业出版社，2005. HU Weiyue. Theory and method of mine water disaster control[M]. Beijing：China Coal Industry Publishing House，2005.

[2] 李振栓，尹尚先，马积福. 煤矿水情监测预警保障系统[M]. 太原：山西人民出版社，2014. LI Zhenshuan，YIN Shangxian，MA Jifu. Coal mine water monitoring and early warning system[M]. Taiyuan：Shanxi People’s Publishing House，2014.

[3] 乔伟，靳德武，王皓，等. 基于云服务的煤矿水害监测大数据智能预警平台构建[J]. 煤炭学报，2020，45(7)：2619–2627. QIAO Wei，JIN Dewu，WANG Hao，et al. Development of big data intelligent early warning platform for coal mine water hazard monitoring based on cloud service[J]. Journal of China Coal Society，2020，45(7)：2619–2627.

[4] 尹尚先. 煤层底板突水模式及机理研究[J]. 西安科技大学学报，2009，29(6)：661–665. YIN Shangxian. Modes and mechanism for water inrushes from coal seam floor[J]. Journal of Xi’an University of Science and Technology，2009，29(6)：661–665.

[5] JIN Dewu，ZHENG Gang，LIU Zaibin，et al. Real-time monitoring and early warning techniques of water inrush through coal floor[J]. Procedia Earth and Planetary Science，2011，3：37–46.

[6] GE Maochen. Efficient mine microseismic monitoring[J]. International Journal of Coal Geology，2005，64(1/2)：44–56.

[7] HARTEIS S P，DOLINAR D R. Water and slurry bulkheads in underground coal mines：Design，monitoring and safety concerns[J]. Mining Engineering，2006，58(12)：41–47.

[8] 胡耀青，赵阳升，杨栋，等. 承压水上采煤突水的区域监控理论与方法[J]. 煤炭学报，2000，25(3)：252–255. HU Yaoqing，ZHAO Yangsheng，YANG Dong，et al. The Regional monitor theory and method of water-outburst for coal mining over confined aquifer[J]. Journal of China Coal Society，2000，25(3)：252–255.

[9] 武强，解淑寒，裴振江，等. 煤层底板突水评价的新型实用方法Ⅲ：基于GIS的ANN型脆弱性指数法应用[J]. 煤炭学报，2007，32(12)：1301–1306. WU Qiang，XIE Shuhan，PEI Zhenjiang，et al. A new practical methodology of the coal floor water bursting evaluating Ⅲ：The application of ANN vulnerable index method based on GIS[J]. Journal of China Coal Society，2007，32(12)：1301–1306.

[10] 杨天鸿，唐春安，谭志宏，等. 岩体破坏突水模型研究现状及突水预测预报研究发展趋势[J]. 岩石力学与工程学报，2007，26(2)：268–277. YANG Tianhong，TANG Chun’an，TAN Zhihong，et al. State of the art of inrush models in rock mass failure and developing trend for prediction and forecast of groundwater inrush[J]. Chinese Journal of Rock Mechanics and Engineering，2007，26(2)：268–277.

[11] 靳德武，刘英锋，冯宏，等. 煤层底板突水监测预警系统的开发及应用[J]. 煤炭科学技术，2011，39(11)：14–17. JIN Dewu，LIU Yingfeng，FENG Hong，et al. Development and application of monitoring and early warning system to seam floor water inrush[J]. Coal Science and Technology，2011，39(11)：14–17.

[12] 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.

[13] 赵春虎. 孤岛工作面底板破坏深度微震测试与模拟分析[J]. 煤田地质与勘探，2019，47(4)：110–116. ZHAO Chunhu. Microseismic test and numerical simulation analysis of floor failure depth of isolated coal mining face[J]. Coal Geology & Exploration，2019，47(4)：110–116.

[14] 姜福兴，叶根喜，王存文，等. 高精度微震监测技术在煤矿突水监测中的应用[J]. 岩石力学与工程学报，2008，27(9)：1932–1938. JIANG Fuxing，YE Genxi，WANG Cunwen，et al. Application of high-precision microseismic monitoring technique to water inrush monitoring in coal mine[J]. Chinese Journal of Rock Mechanics and Engineering，2008，27(9)：1932–1938．

[15] 王经明，董书宁，刘其声. 煤矿突水灾害的预警原理及其应用[J]. 煤田地质与勘探，2005，33(增刊1)：1–4. WANG Jingming，DONG Shuning，LIU Qisheng. The principal of early warning for groundwater hazards in coal mine and its application[J]. Coal Geology & Exploration，2005，33(Sup.1)：1–4.

[16] 尹尚先，王经明，梁育龙，等. 矿井突水灾害监测预警系统及其控制方法：CN101526010[P]. 2009-09-09. YIN Shangxian，WANG Jingming，LIANG Yulong，et al. Mine water inrush disaster monitoring and early warning system and its control method：CN101526010[P]. 2009-09-09.

[17] 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.

[18] 刘德民，尹尚先，连会青，等. 煤矿底板突水定量预警准则及预警系统研究[J]. 煤炭工程，2019，51(4)：16–20.LIU Demin，YIN Shangxian，LIAN Huiqing，et al. Study on quantitative warning criteria and early warning system for water inrush from coal floor[J]. Coal Engineering，2019，51(4)：16–20.

[19] 张碧云，刘王梅，程俊文，等. 聚类分析和主成分分析法研究桑黄气相色谱–质谱指纹图谱[J]. 食品与发酵科技，2020，56(4)：91–97.ZHANG Biyun，LIU Wangmei，CHENG Junwen，et al. Cluster analysis and principal component analysis were used to study the chromatography-mass spectrometry fingerprints of Sanghuangporus sanghuang[J]. Food and Fermentation Sciences & Technology，2020，56(4)：91–97.

[20] 李艳双，曾珍香，张闽，等. 主成分分析法在多指标综合评价方法中的应用[J]. 河北工业大学学报，1999，28(1)：96–99. LI Yanshuang，ZENG Zhenxiang，ZHANG Min，et al. Application of primary component analysis in the methods of comprehensive evaluation for many indexes[J]. Journal of Hebei University of Technology，1999，28(1)：96–99.

[21] 尹尚先，武强. 陷落柱概化模式及突水力学判据[J]. 北京科技大学学报，2006，28(9)：812–817. YIN Shangxian，WU Qiang. Generalized modes and academic criterions of water inrush from paleo-sinkholes[J]. Journal of University of Science and Technology Beijing，2006，28(9)：812–817.

[22] 刘德民. 华北型煤田矿井突水机理及预警技术：以赵庄矿为例[D]. 北京：中国矿业大学(北京)，2015.LIU Demin. Mechanism of water-inrush and early warning technology in North-China-Type coalfield：A case study of Zhaozhuang Mine[D]. Beijing：China University of Mining & Technology(Beijing)，2015.

[23] 王苗. 基于灰色理论的矿井顶板涌水量预测模型的建立与应用[D]. 青岛：山东科技大学，2007. WANG Miao. Study on forecast model of mine roof water inrush based on grey system[D]. Qingdao：Shandong University of Science and Technology，2007.

[24] 尹尚先，徐斌，刘德民，等. 我国华北煤田岩溶陷落柱预测研究[J]. 煤炭科学技术，2016，44(1)：172–177. YIN Shangxian，XU Bin，LIU Demin，et al. Study on location prediction of paleo-karst sinkholes in northern China coalfields[J]. Coal Science and Technology，2016，44(1)：172–177.

[25] 范高锋，王伟胜，刘纯，等. 基于人工神经网络的风电功率预测[J]. 中国电机工程学报，2008，28(34)：118–123. FAN Gaofeng，WANG Weisheng，LIU Chun，et al. Wind power prediction based on artificial neural network[J]. Proceedings of The CSEE，2008，28(34)：118–123.

[26] 邓卫军. 基于深度学习的计算机图形描述算法研究[J]. 微型电脑应用，2021，37(2)：53–55. DENG Weijun. Research on computer graphics description algorithm based on deep learning[J]. Microcomputer Applications，2021，37(2)：53–55.

[27] 郑纲. 煤矿底板突水机理与底板突水实时监测技术研究[D]. 西安：长安大学，2004.ZHENG Gang. The floor water bursting mechanism analysis of floor water bursting in coal mines and research on floor water bursting monitoring technique[D]. Xi’an：Chang’an University，2004.

Design and implementation of mine water hazard monitoring and early warning platform

LIAN Huiqing1, XU Bin1, TIAN Zhentao2, LIU Demin1, YANG Yi1, PAN Guangyi2, WANG Rui1

(1. School of Safety Engineering, North China Institute of Science and Technology, Beijing 101601, China; 2. Shaanxi Changwu Tingnan Coal Industry Co., Ltd., Changwu 713602, China)

Any mine water hazard will show different omens. In order to consolidate the foundation of intelligent early warning of water disaster, the connotation of system construction of perception, identification, evaluation, prediction and the interlogical relation are clarified. The mechanism of water inrush is varred for different types of water hazards, we designed three types of multi-mode water inrush typical scenarios and established the corresponding water inrush criteria. In addition, so we proposed two kinds of forecasting methods, namely the precise prediction of deterministic theory and the non-deterministic trend projections including big data and deep learning, which laid a solid theoretical foundation for the prediction, warning criteria and threshold setting of the intelligent early warning system. Taking Tingnan Coal Mine of Binchang mining area in Shaanxi Province as an example, we established an index system of dynamic information, static information and related information, which integrated the ground hydrological dynamic monitoring unit, underground hydrological environment monitoring unit and mining dynamic monitoring unit of mining face, and built an in-situ acquisition and water-inrush element prediction perception system. Based on the dynamic monitoring of electrical parameters of key layers and the joint arrangement of single point or multi-point and multi-parameter monitoring of key parts, the accurate acquisition scheme of water inrush precursor information was implemented. The deterministic simulation model and the non-deterministic intelligent model were adopted to realize the prediction and early warning function of water disasters. According to the multi-source data fusion and spatial linkage analysis technology, the early warning system realized the visual display of "one map" of the whole space water disaster early warning on surface and underground. The results prove that the monitoring and early warning platform has a solid theoretical foundation, and the prediction and early warning effect is remarkable.

mine water hazard; hydrological information monitoring; forecasting and early warning; one map; early warning system; Tingnan Coal Mine

移动阅读

语音讲解

TD745

A

1001-1986(2021)01-0198-10

2020-11-15；

2021-01-02

国家重大研发计划课题(2017YFC0804108)；国家自然科学基金项目(51774136)；河北省自然科学基金重点项目(D2017508099)

连会青，1975年生，女，山西忻州人，博士，教授，从事矿井水害防治工作. E-mail：2366884370@qq.com

徐斌，1988年生，男，湖南邵阳人，博士，讲师，从事地质灾害及其防治对策研究工作. E-mail：jinzigaofeng@126.com

连会青，徐斌，田振焘，等. 矿井水情监测与水害风险预警平台设计与实现[J]. 煤田地质与勘探，2021，49(1)：198–207. doi：10.3969/j.issn.1001-1986.2021.01.021

LIAN Huiqing，XU Bin，TIAN Zhentao，et al. Design and implementation of mine water hazard monitoring and early warning platform[J]. Coal Geology & Exploration，2021，49(1)：198–207. doi: 10.3969/j.issn.1001-1986.2021.01.021

(责任编辑 周建军)