基于Data Mining技术的平顶山矿区不同赋存深度采动煤岩体巷道稳定性研究

为探究不同赋存深度采动煤岩体巷道稳定性及其差异性,选择Data Mining(数据挖掘)技术,基于平顶山矿区不同赋存深度(700 m,850 m,1 050 m)巷道的现场监测数据,选择多元线性回归和神经网络模型对顶板离层进行公式拟合和影响因素的权重分析,并开展顶板离层及锚杆应力的时序预测研究,初步揭示不同赋存深度开采扰动影响范围、巷道变形及应力变化特征。研究结果表明:(1)距工作面距离及锚杆应力对顶板离层变化影响最大,但随着赋存深度的增加,其所占权重降低近50%。(2)顶板离层及锚杆应力的时序预测分析发现,随工作面推进,赋存深度1 050 m巷道顶板离层位移及锚杆应力将出现激增现象,且其最大锚杆应力预测值达15 MPa,为千米以浅两巷道的2~3.5倍;离层预测值高达80 mm,为千米以浅两巷道的6~8倍。表明随着赋存深度增加,煤岩巷道变形及应力变化受开采扰动的影响越来越剧烈,对千米以深巷道应及时加强开采过程中的稳定性监测及控制工作。以上技术路线和研究结果对不同赋存深度煤炭资源安全高效开采具有一定指导作用。