一种煤矿采掘工作面超前隐蔽地质灾害随钻探查方法

本发明涉及煤矿地质灾害识别与随钻探查，尤其涉及一种用于煤矿采掘工作面超前隐蔽地质灾害识别、瓦斯分布反演和瓦斯-地质耦合风险判定的随钻探查方法。

背景技术：

1、目前煤矿采掘工作面超前隐蔽地质灾害探查手段主要分为钻探法和物探法两大类。但传统常规钻探技术存在明显局限性：常规钻探采用普通钻杆组合钻进，钻杆不具备实时监测功能，需待钻孔施工完成后通过岩芯取样、瓦斯解吸等方式进行事后分析，数据获取存在滞后性；同时易受钻进振动、设备噪声等干扰，导致地质异常特征辨识度低；物探法易受地层电性差异、构造干扰、采掘扰动等因素影响，探测结果存在多解性，对小尺度隐蔽地质灾害（如小型断层、局部瓦斯富集区）的识别分辨率不足。

2、近年来，随钻探查技术逐渐成为煤矿地质灾害探查的研究热点，部分技术尝试在钻杆上搭载传感器实现随钻数据采集，但现有随钻探查技术仍存在诸多短板：其一，多数技术仅单一采集钻进参数或瓦斯参数，缺乏地质参数与瓦斯参数的协同监测机制，无法实现地质构造与瓦斯灾害的耦合分析，难以研判地质 - 瓦斯协同致灾风险；其二，随钻监测数据存在多源异构特性，不同传感器采集的数据在时间、空间维度上存在偏差，现有技术缺乏有效的数据深度对齐方法，且未针对随钻数据的噪声特征开展针对性降噪处理，时频域特征参数提取精度低，影响后续灾害识别的准确性；其三，现有随钻探查技术的灾害研判环节多依赖人工经验，智能化程度低，难以快速、精准地识别钻孔沿线瓦斯富集区范围、瓦斯压力及含量分布，以及地质异常体的类型与边界。

技术实现思路

1、本发明旨在解决上述问题，提供了一种煤矿采掘工作面超前隐蔽地质灾害随钻探查方法，其采用的技术方案如下：

2、s1.在钻头与钻孔钻杆之间连接探测钻杆，所述探测钻杆内设置监测及传感机构；

3、s2.钻头带动探测钻杆在采掘工作面前方进行地质钻孔，钻孔过程中由监测及传感机构实时采集随钻监测参数，并将随钻监测参数按采样时间戳存储和上传至上位机，所述随钻监测参数按照数据类别可分为：孔内随钻监测数据、孔外瓦斯动态数据、钻孔空间数据和施工过程数据；

4、s3.以钻孔深度为基准将不同类型随钻监测数据进行坐标对齐，对随钻监测参数进行降噪处理，并沿钻孔深度方向划分数据分析窗口，计算每个分析窗口内的随钻监测数据时域特征、频域特征、瓦斯动态特征及钻孔轨迹特征，形成以钻孔深度为索引的多维特征向量；

5、s4.将所述多维特征向量进行融合分析反演，识别钻孔沿线各分析窗口的地质异常类型及对应置信度；

6、s5.基于力学响应特征与瓦斯动态特征建立力学-瓦斯全特征向量，并采用多任务学习模型识别瓦斯富集区类别、相对瓦斯压力梯度及瓦斯含量趋势，所述多任务学习模型经历史钻孔数据训练获取；

7、s6.将步骤s4获得的地质异常识别结果与步骤s5获得的瓦斯分布识别结果输入力学-瓦斯融合响应规则库，判定各分析窗口的瓦斯-地质类型。

8、在上述技术方案基础上，所述孔内随钻监测数据包括：钻进推力f、旋转扭矩t、三轴振动和钻进速度，所述孔外瓦斯动态数据包括瓦斯浓度c、浓度增量δc、浓度变化率，所述钻孔空间数据包括：钻孔深度d和轨迹倾角θ，所述施工过程数据包括采样时间戳、钻杆长度和换杆时间。

9、在上述方案的基础上，步骤s2中，上位机建立随钻监测参数数据库，所述随钻监测参数数据库包括多条钻孔记录；每条钻孔记录包括钻孔编号、钻孔时间序列、钻孔深度序列、钻孔轨迹序列、钻进推力序列、旋转扭矩序列、三维振动序列及瓦斯浓度序列，并为每一采样点设置对应的采样时间戳和深度标识。

10、优选地，所述步骤s3包括：

11、s3-1. 根据钻孔深度与采样时间的对应关系建立深度函数d(t)，按照预设深度间隔δd对钻进推力、旋转扭矩、三维振动及钻孔轨迹数据进行插值重采样；

12、s3-2.将对齐后的随钻监测数据进行降噪处理，降噪方法可选择异常点剔除、中值替换、滑动平均、小波阈值降噪和经验模态类分解降噪中的一种；

13、s3-3. 沿钻孔深度方向，以单根钻杆长度的额定比例为一个分析窗口，所述分析窗口的长度为单根钻杆长度的1/4至1/2，且相邻分析窗口可按窗口长度的10%至50%重叠；

14、s3-4. 对分析窗口内的不同随钻参数进行时域及频域特征计算，形成该分析窗口的多维特征向量，所述多维特征向量包括钻进推力均值、钻进推力标准差、旋转扭矩均值、旋转扭矩标准差、三维振动主频、三维振动敏感频段能量比、振动频谱熵、瓦斯浓度均值、瓦斯浓度增量、瓦斯浓度变化率、轨迹倾角和轨迹方位角。

15、在上述方案的基础上，所述步骤s4包括：

16、s4-1. 构建地质异常响应模式数据库，包括多种典型地质异常情况下，随钻监测参数多维特征向量在时序和数值上的典型组合变化模式；

17、s4-2. 设定在正常煤层中钻孔时的钻进推力、旋转扭矩、三维振动信号特征基准值，以及相对基准值的偏差范围，在偏差范围内划定多个数值范围互不相同的等级，根据随钻监测参数多维特征向量中的各参数值判定各参数的等级；

18、s4-3.将识别框架定义为θ={正常煤层、断层破碎带、裂隙发育带、陷落柱或空洞、岩性界面或软弱夹层}，以钻进推力、旋转扭矩、三维振动及钻孔轨迹作为证据源，采用d-s证据理论评价方法进行证据融合，取融合后基本概率赋值最大的地质异常类型作为识别结果，并将对应概率作为置信度。

19、在上述方案的基础上，所述d-s证据理论评价方法包括：

20、s4-3-1.定义识别框架与焦元：

21、假设某一问题中所有可能出现的评价结果可以组成一个完备的集合θ={

t1,

t2,,

t5}，当集合θ中所有元素满足相互排斥的条件时，称集合θ为识别框架；识别框架θ中所有子集

a构成的集合称为识别框架θ的幂集，表示为2θ，则地质异常类型综合评价框架内的幂集为：

22、（4-1）

23、s4-3-2.构造基本概率赋值函数：

24、对于识别框架θ，其任意子集a的质量函数为其幂集2θ到[0, 1]上的映射，可表示为m：2θ→[0, 1]，m为识别框架上θ的质量函数，且质量函数必须满足以下条件：

25、（4-2）

26、式中：m(a)表示某一子集的基本概率分配，表示对评价结果的支持程度；

27、引入正态隶属度函数作为质量函数，其计算公式可表示为式（4-3）

28、（4-3）

29、式中：x为评价指标特征值，为各评价指标识别区间的中心，和分别为各识别区间的上、下限值；当x=时，隶属度为最大值1，表示完全信任状态；

30、s4-3-3.信任函数：

31、定义

a θ的信任函数为

bel：2θ→[0, 1]的映射；

bel(

a)表示证据对子集

a的总信任程度，构成了子集

a概率分布的下限；信任函数满足以下条件：

32、（4-4）

33、s4-3-4.似然函数：

34、定义

a θ的似然函数为

pl：2θ→[0, 1]的映射，表示对评价结果

a的怀疑程度，

pl(

a)构成了子集

a概率分布的上限；似然函数满足以下条件：

35、（4-5）

36、通过计算识别框架θ中某个评价结果

a的信任函数

be1(

a)和似然函数

pl(

a)，得出信任区间[

be1(

a),

pl(

a)]，其表示对评价结果

a的确认程度；

37、s4-3-5.合成规则：

38、假设

m1，

m2，…，

mn分别对应

a1，

a2，…，

an的质量函数，则

n个证据信息的合成公式如式（4-6）所示

39、（4-6）

40、其中：⊕表示正交和，

k为证据冲突系数，反映两个证据间的冲突程度，且k值与冲突程度正相关，两个证据指标能通过dempster组合规则进行融合的条件为k<1

；根据融合规则，首先求取信任函数

bel(

a)，然后根据最大值隶属度原则，由最大信任函数值确定地质异常类型。

41、本发明的有益效果为：

42、于钻头后方设置探测钻杆，使得探测钻杆与钻头同步钻进过程中，由监测及传感机构实现随钻数据的实时同步采集，避免数据采集的滞后性；

43、设计了深度对齐、降噪处理及时频域特征参数计算的完整流程，能够有效消除不同传感器数据在时间、空间维度的偏差，降低钻进振动、设备噪声等干扰因素对数据的影响，显著提升了时频域特征参数的提取精度，从而提高地质识别结果的准确性；

44、进行力学性能与瓦斯参数的协同监测及判断，避免单一类型参数监测及判断的局限性，既能提升灾害识别的全面性，也能实现力学-瓦斯协同致灾的耦合分析。