摘 要：近十几年来发生在我国煤矿的煤与瓦斯突出事故越来越多，呈不断上升趋势，已成为当今人们十分关注的严重问题之一。煤与瓦斯突出事故不仅使受害者在经济上和精神上蒙受巨大损失，而且还会导致社会劳动力资源的损失和仪器设备等物质资源的破坏，对社会造成不良影响。这些损失和破坏，无疑阻碍了经济的发展，给社会带来巨大的负担。因此，必须对瓦斯突出进行准确的预测，以便客观地评价煤矿安全工作，增加社会的安全意识，使瓦斯事故的增长得以有效控制。使我国的煤炭事业有进一步的发展。
　　关键词：煤炭；瓦斯；测量器具；
　　文章编号：1674-3520（2015）-08-00-01
　　一、煤与瓦斯突出概况
　　（一）煤与瓦斯突出概况。目前我国国有煤矿中具有瓦斯灾害的矿井509个，其中高瓦斯井163个，煤与瓦斯突出矿井107个。随着采掘深度不断增加，地应力与瓦斯压力不断加大，煤炭开采的地质条件也日趋复杂，煤与瓦斯突出矿井的数目增多，次数频繁，强度加大，解决矿井煤与瓦斯突出灾害问题已经迫在眉睫 。
　　（二）煤与瓦斯突出预测的研究现状。煤与瓦斯突出（简称突出），是煤矿的主要灾害，它是煤矿井下生产过程中发生的一种地质动力现象，它能在极短的时间内（多则数分钟，少则数秒或几十秒钟）由煤体向巷道或采场突然突出大量的煤炭及涌出大量的瓦斯，并造成一定的有时是十分巨大的动力效应。事故的发生，严重地威胁矿山的生产及工人的生命安全，因此各采煤国家投入了大量的人力物力，开展突出机理、预测及防治技术的研究，提出的关于突出机理的假说已有十几种，在一些方面取得了进展，但因煤与瓦斯突出是一种影响因素非常多，且非常复杂的动力过程，由于煤岩物理力学性质的非线性、岩体破坏形式的多样性和瓦斯赋存与运移过程的复杂性，对于突出的原因、过程及一些细节还不十分明确，现场存在着相当一些特殊的突出现象也无法解释，问题还远远没有得到彻底解决。
　　二、煤与瓦斯突出机理及相关因素的分析
　　（一）煤与瓦斯突出预测的影响因素。1、煤质及煤的物理力学特性的研究；这是目前研究得较多的方面，主要对煤的宏观和微观结构、孔隙性、筛分指数；吸附性能、吸附变形特性、渗透性、瓦斯的放散速度；煤的强度、挥发分含量及物质组成、温度、电阻串、顺磁性、声学特性及压电性能等各方面进行了广泛的研究。 2、煤层中瓦斯参数；主要研究煤层中瓦斯的含量、瓦斯压力、瓦斯含量与煤变质程度的关系、钻孔瓦斯涌出特征及瓦斯组分等。3、矿山地应力的研究；主要研究煤层及围岩的应力状态，钻屑量与应力的关系，煤层影响及采动围岩变形等。
　　（二）预防煤与瓦斯突出的局部性措施。1、超前钻孔：在煤巷掘进工作面的前方，打直径为75—300mm的钻孔，排放瓦斯，并在钻孔周围形成卸压带，以防止发生突出。一般钻孔深15—20m。超前钻孔常用于煤层较厚，赋存稳定，煤质较软，透气性较好的情况下。但在打钻时，易出现夹钻、垮孔、甚至孔内突出等现象。 2、水力冲孔：在进行采掘工作之前，使用高压水射流，在有突出危险的煤层（或石门揭煤）中，冲出若干直径较大的孔洞。冲孔过程中可排出大量瓦斯和一定数量的煤炭，因而在煤体中形成局部卸压区域，在这个区域内，则可防止发生突出。水力冲孔常用于石门揭煤、煤层巷道掘进和回采工作面。在石门揭煤时，采用水力冲孔在工作面前方应保留3～5m的安全岩性。3、震动性放炮：为了诱导突出所采用的一种特殊放炮方法。当井巷要揭开突出危险煤层时，在工作面布置较多的炮眼，装较多的炸药，以强力全断面一次爆破，瞬间揭开突出煤层。借助放炮时产生的强烈震动力使煤层中潜能和瓦斯得到迅速释放，从而达到人为的诱导突出的目的。震动性放炮时，除采取其他一定措施外，还应将井下人员撤到地面，在地面起爆。为了减少影响生产，一般都在交接班时进行。
　　三、人工神经网络
　　人工神经网络也具有初步的自适应与自组织能力。在学习或训练过程中改变突触权重值，以适应周围环境的要求。同一网络因学习方式及内容不同可具有不同的功能。人工神经网络是一个具有学习能力的系统，可以发展知识，以致超过设计者原有的知识水平。通常，它的学习训练方式可分为两种，一种是有监督或称有导师的学习，这时利用给定的样本标准进行分类或模仿；另一种是无监督学习或称无为导师学习，这时，只规定学习方式或某些规则，则具体的学习内容随系统所处环境 （即输入信号情况）而异，系统可以自动发现环境特征和规律性，具有更近似人脑的功能。
　　四、基于神经网络的煤与瓦斯突出预测模型
　　进行煤与瓦斯突出预测，我们首先必须承认煤与瓦斯突出事故的发生存在着某种规律性，这些规律隐藏在历史数据中，从数学的角度来讲，他们表现为一种函数关系，预测的目的就是要找出这些规律，并且利用这些规律。人工神经网络在事故预测中会有很大的潜力，因为神经网络可以从纷繁复杂的数据中自主地寻找出参数之间的规律，具有很强的函数逼近能力。
　　五、技术经济分析
　　利用神经网络来预测煤与瓦斯突出是一种新的方法，综合考虑容易测量得到的瓦斯压力、煤体温度等和煤与瓦斯突出密切相关因素数据来估计瓦斯突出的危险程度。基于神经网络的自学能力，可以由多个不同的输入得出分析结果。只要有足够的数据就能完成对网络模型的训练。克服了以往以单因素为主的指标经验判断法导致的预测不准确的问题。采用BP人工神经网络方法建立模型，并通过几种改进的BP算法模型的数据拟合与预测情况结果分析，说明该模型的有效性。提高煤与瓦斯突出的预测的准确性。
　　本设计的基于神经网络的煤与瓦斯突出预测模型预计需要投资500万元人民币就可以在煤矿使用，每一次煤与瓦斯突出事故的发生平均会造成2000万元人民币以上的损失。所以本设计在生产实际中是可用的。
　　六、结论
　　本文克服了将突出预测仅视为某个因素预测问题的不足，从与煤与瓦斯突出有直接相关的很多参数出发进行预测，使模型更能准确地反映突出的潜在规律。在建立煤与瓦斯突出的BP预测模型的基础上，通过计算机程序实现了对突出有关参数的预测，结果表明该方法预测精度高，收敛速度快，是一种实际可行的预测方法。
　　有待进一步研究的问题
　　煤与瓦斯突出系统多属性的特点决定了作为煤与瓦斯突出系统行为特征量的煤与瓦斯突出预测的困难性和复杂性。本文所采用的基于神经网络的煤与瓦斯突出预测方法虽然取得了相当不错的预测效果，但是由于煤与瓦斯突出是多重因素联合效应下的产物，所以很难实现对煤与瓦斯突出的精确预测。