综采工作面煤层三维模型动态修正方法研究

摘要

综采工作面的高精度煤层地理信息是实现智能无人开采的关键,但现阶段所构建的煤层三维模型垂向精度较低,无法满足智能开采的实际需求。针对该问题,提出了一种综采工作面煤层三维模型动态修正方法。将得到的初始煤层三维模型静态数据及开采过程中采煤机截割产生的动态数据融合,基于长短期记忆网络(LSTM)预测算法及其改进算法(基于空间卷积长短期记忆网络(ConvLSTM)、编码-解码长短期记忆网络(Encoder-Decoder LSTM)的预测算法),根据上一回采阶段的煤层数据,动态预测下一阶段未开采区的煤层底板曲面和煤层厚度。采用双层循环嵌套的网格搜索方法对上述3种预测算法进行参数调优,获取未开采区煤层底板曲面和煤层厚度的高精度垂向分布数据,作为煤层三维模型修正值,动态修正下一阶段未开采区的煤层三维模型;随着工作面不断开采,利用新获取的修正数据持续动态修正并更新初始煤层三维模型,从而提升初始煤层三维模型精度,使动态修正后的煤层三维模型能更准确地反映综采工作面实际煤层分布。以山西吕梁市某煤矿18201工作面煤层三维模型为例,采用提出的动态修正方法对该模型进行修正,在工作面推进方向16〜23.2 m范围内,动态修正后的煤层底板平均误差为0.0685 m,煤层顶板平均误差为0.076 m,相较于修正前的底板平均误差0.20 m、煤层厚度垂向平均误差0.40 m,动态修正后的煤层三维模型精度大大提升,证实了该修正方法的有效性。