煤层群中气体来源的精确追踪，第二部分：基于替代模型的高效追踪方法

《Fuel》：Precise tracing of gas sources in coal seam groups, part B: Efficient tracing based on the surrogate model

【字体：大中小】 时间：2026年06月01日 来源：Fuel 7.5

编辑推荐：

　　李东宇|刘庆全|卢晓东|程远平中国矿业大学煤矿灾害防治国家重点实验室，徐州221116，中国摘要在多煤层条件下进行采前瓦斯抽放时，目前缺乏科学的方法来准确确定单个煤层对瓦斯贡献的份额，这可能导致合规性评估出现误判。作为追踪系列的第二篇论文，本研究旨在通过引入基于替代模型的瓦斯抽放

李东宇|刘庆全|卢晓东|程远平

中国矿业大学煤矿灾害防治国家重点实验室，徐州221116，中国

摘要

在多煤层条件下进行采前瓦斯抽放时，目前缺乏科学的方法来准确确定单个煤层对瓦斯贡献的份额，这可能导致合规性评估出现误判。作为追踪系列的第二篇论文，本研究旨在通过引入基于替代模型的瓦斯抽放量追踪方法来进一步验证同位素追踪技术的有效性，从而提供更高效的解决方案。首先建立了煤层瓦斯迁移的物理和数学模型，并验证了数值模型的准确性。随后通过数值模拟构建了数据集，并使用前馈神经网络（FNN）训练了一个替代模型。该模型在测试集上表现出高精度，并能够可靠地再现数值模拟结果。将该模型应用于秦安煤矿第84采区的7₁号、7₂号和8号煤层的实际数据，得到的瓦斯贡献比例为21.8%：43.1%：35.1%。这些结果与同位素方法得出的结果存在差异，归因于现场测量参数的误差。使用SOBOL方法进行的参数敏感性分析表明，渗透率（51.56%）和初始压力（32.15%）是主要影响因素。然而，进一步分析显示，在低渗透率、低压条件下，煤层厚度的作用更为显著。这些发现强调了进行特定场地敏感性评估的必要性，而这得益于替代模型的高计算效率。

引言

在中国，近距离煤层群广泛分布。在工程实践中，通常使用跨煤层钻孔来进行煤层群的采前联合瓦斯抽放，以确保安全和经济效益[1]，[2]。然而，在获得总瓦斯抽放量后，目前区分各个煤层瓦斯比例的方法普遍缺乏科学依据[3]，[4]。例如，每个煤层的瓦斯抽放量往往仅根据煤层厚度来推断。这些现有方法中的误差可能导致瓦斯抽放合规性评估的误判，从而无法保证煤矿生产的效率和安全性。因此，需要一种高效准确的瓦斯来源识别方法。

在A部分中，我们提出了一种基于分层抽放和同位素的现场瓦斯抽放方案。该方案在中国秦安煤矿第84采区得到了应用，并对其工程现场测量方法的可靠性进行了交叉验证。然而，分层计量方法需要单独设计钻孔和钻孔密封方案，以及长期的数据记录。同位素方法仍涉及采样和实验室实验等繁琐步骤[5]。

数值模拟可以直接得出反映物理规律的结果，为复杂的现场测试提供强大的辅助研究工具。这是煤炭介质流动及相关领域学术研究中的常用方法[6]，[7]，[8]，[9]，[10]。然而，数值模拟过程需要复杂的网格离散化和偏微分方程的迭代求解[11]，[12]。在瓦斯抽放过程中，煤矿中的现场测量参数会不断变化，这需要重复计算。数值运算的低计算效率阻碍了需要大量样本数据的研究[13]。

随着机器学习的快速发展，替代模型已成为一种高效的研究工具[14]。替代模型依靠数值模拟获取足够的数据集，然后利用机器学习算法（如深度神经网络）的映射关系来替代数值模拟中的复杂过程[15]。这项技术已广泛应用于各个领域[16]，[17]，[18]，[19]。替代计算的高效率不仅加快了瓦斯来源识别分析的速度，还为自动历史匹配和不确定性量化等任务奠定了基础[13]。

本文建立了瓦斯抽放的数值模型，并验证了其准确性。随后基于模拟构建了一个替代模型。最后，将所提出的方法应用于现场：使用现场测量参数进行瓦斯来源识别，进一步验证了基于同位素的来源识别方法的可靠性，并分析了关键参数对瓦斯抽放量的影响。

章节摘录

物理模型

煤是一种典型的双孔隙介质，由相互交错的裂隙包围的煤基质组成。煤层中甲烷气体的迁移可以分为两个阶段[20]。第一阶段是吸附在煤基质中的甲烷气体扩散到煤层裂隙中，转变为自由状态。第二阶段是自由甲烷气体在煤层裂隙中的达西流动[21]，如图1所示。鉴于

数值模拟验证

使用COMSOL Multiphysics进行了瓦斯抽放条件的数值模拟。本节重点验证了数值模型在模拟多孔介质中气体流动时的准确性。刘等人[7]对瓦斯抽放钻孔周围的煤层中的气体流动过程进行了耦合模拟研究。他们的研究结合了吸附气体的扩散、裂隙中的气体渗流、克林肯伯格效应以及多孔岩石的弹性变形。

数值实验设计与数据集生成

如图4所示，为了量化每个煤层的贡献，本研究基于“单煤层+单钻孔”的基本单元进行了具体分析。不同的煤层厚度（H）被分配给单个煤层，以代表多煤层系统。此外，单开采钻孔模型是轴对称的。因此，采用二维极坐标系而不是三维笛卡尔坐标系。这种降维显著提高了

现场应用与结果分析

为了将替代模型应用于实际的瓦斯来源识别，本研究使用了秦安煤矿第84采区的现场测试数据（在A部分中进行了测试）作为输入。替代模型的核心任务是根据测量的地质和气体参数快速计算每个煤层在总瓦斯抽放量中的比例，并研究现场参数的影响。

结论

本研究成功开发并验证了一种基于机器学习的替代模型，用于解决近距离煤层群联合抽放中的瓦斯来源识别问题。主要结论如下：

(1)

使用FNN构建了一个替代模型，并在经过验证的数值模拟生成的数据集上进行了训练。该模型具有高预测精度（R² > 0.96），能够在几秒钟内完成数千次评估，使得大规模样本分析成为可能

CRediT作者贡献声明

李东宇：撰写——原始草稿、可视化、软件开发、调查。刘庆全：撰写——审稿与编辑、监督、资金获取、概念构思。卢晓东：方法论研究、调查。程远平：监督。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

联系信箱：

摘要

引言