煤炭工程

作者：张慈增,张　栋

单位：煤炭工业规划设计研究院有限公司，北京 100120

关键词：顶板涌水,AHP-EWM,机器学习,模型预测,数据清洗,K近邻,

为构建科学、严谨的煤层顶板涌水危险性评价体系，以嘎鲁图矿井2105工作面为背景，采用层次分析法-熵权法（AHP-EWM）优化涌水影响因素的综合权重，确定顶板涌水主控因素。以渗透系数、含水层厚度、孔隙水压力、温度及内聚力等指标为输入参数，结合K近邻（KNN）机器学习算法，构建“数据输入-模型训练-现场验证-性能优化-预测应用”一体化的煤层顶板涌水危险性评价模型。结果表明：含水层厚度对嘎鲁图矿煤层顶板涌水的影响程度最大，渗透系数次之；通过对含水层厚度数据进行清洗与降噪处理，可显著提升模型预测精度，所构建的AHP-EWM-KNN融合模型精确率为0.9598，F1-score为0.9569，验证了评价指标选取合理、预测方法可行。预测结果显示，2105工作面辅助运输巷距开切眼0~330 m及1620~2210m区段为涌水高危险区域。该研究成果丰富了井下煤层顶板涌水危险性评价方法体系。

来源：2026年第3期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2026年第3期