随着国民经济快速发展对能源的需求驱动和科学技术的不断进步，我国煤炭开采方法70 a来历经了人力开采、炮采、普采和综采及综采放顶煤等几个不同的发展阶段，目前正在迈向智能化开采的新阶段[1-3]。2014年，陕煤集团黄陵矿业公司一号煤矿1001工作面率先实现了“有人巡视，无人值守”的智能化开采，成为我国煤炭智能化开采的里程碑和标志性事件[4-6]。2016年，国家发改委、国家能源局发布了《能源技术革命和创新行动计划(2016—2030年)》，明确提出“我国2030年实现智能化开采，重点煤矿区基本实现工作面无人化、巷道集中控制”[7]。据初步统计:截止到2018年底，全国已有145个采煤工作面实现了智能化开采，智能化、少人化、无人化开采已经成为未来煤炭开采技术的发展趋势。

煤炭开采是一个复杂的系统工程，智能化开采得益于一个庞大技术集群的深度融合，如煤机装备智能化制造、采掘系统自动化控制、超宽带信息传输以及现代采矿技术进步等。目前，我国煤炭智能化开采技术在煤机自动化、工作面自动找直、视频监测监控等方面取得了显著的技术进步，在地质条件简单的工作面初步形成了基于远程视频监控和人工干预相结合、以记忆截割为特征的智能化开采模式[8-9]。受煤岩自动识别尚未取得突破的技术制约，国内智能开采一般选择在无断层、无陷落柱、煤厚稳定、煤层倾角较小等地质条件简单的工作面进行，而在复杂地质条件下的智能化开采还存在诸多技术难题[10]。受煤层赋存地质条件探测精度不足、煤岩动力灾害耦合机理不清等因素影响[11]，煤炭智能化开采技术的适应性普遍遇到一些技术瓶颈问题[12]。

为了满足煤炭智能化开采的地质需求，国内外学者近10多年来进行了大量的煤岩识别技术研究，试验了包括声学、光学、电磁、地震、热力学、核物理等20余种物探手段的有效性，还探索了采用截割阻力、电机驱动力、立柱压力等机电设备监测参数开展煤岩识别的可行性，但是尚未取得技术突破和推广应用[13-17]。2017年，中国工程院袁亮院士在《煤炭精准开采科学构想》[18]一文中，首次提出了基于透明空间地球物理和多物理场耦合、实现不同地质条件下煤炭开采扰动影响、致灾地质因素探查等科学构想，形成了煤炭资源智能精准开采的系统思维。受这一思路启发，笔者跳出以往煤岩直接识别技术的困境，提出多层级、递进式、高精度三维地质建模的思路，综合运用物探、钻探、采掘工程等多种地质信息采集手段，采用从地面探测到井下探测、由地质预测到采掘反馈、由静态探测到动态探测的技术路线，构建不同勘探、采掘阶段的三维地质模型。由远到近，由粗到细，步步为营，逐步求精，将工作面三维地质模型的精度从“十米级”、“米级”提升到“亚米级”，并渐次实现回采工作面前方地质条件的递进透明，以多层次、高精度地质探测方法，破解智能化开采面临的地质难题，最终实现煤炭智能精准开采工作面的三维地质透明化。

1透明化工作面的提出

1998年，美国前副总统戈尔首次在加利福尼亚科学中心提出了“数字地球”的概念，他设想以计算机技术、多媒体技术和大规模存储技术为基础，以宽带网络为纽带，以多分辨率、多尺度、多时间和多种类的三维描述为特征，构建一个数字化的地球模型(即数字地球)，为人类可持续发展和社会进步提供高质量的服务[19]。1999年，澳大利亚学者提出了“透明地球”的概念，希望通过遥感、地质、地球物理等手段使澳大利亚地表以下1 000 m以内变得透明。

随着基于“3S”(即GPS,GIS,RS)的信息采集技术、基于互联网和移动互联网的信息传输技术、基于虚拟现实(VR,Visual Reality)、增强现实(AR,Augmented Reality)和混合现实(MR,Mix reality)的可视化技术以及大数据、云计算、人工智能(AI,Artificial Intelligence)的计算机技术等相关学科的快速发展，国内外学者相继提出了数字城市(DC,Digital City)、数字矿山(DM,Digital Mine)等概念，即按三维坐标将数字化后的地形地物、地层构造、采掘工程、监测监控等多源异构信息加以融合，详细刻画煤矿开采地质条件与生产动态信息，进而构建“数字矿山”的三维可视化模型[20-23]。“数字矿山”的核心是信息技术，包括地上-地下、地质-地球物理大数据的一体化采集、存储、处理和显示，以及基于海量、多源、多维、异构勘查数据的快速、动态、精细三维地质建模，通过地质时空大数据分析与数据挖掘为矿山生产管控提供信息化、可视化的技术支持。

我国煤炭工业在信息化、工业化的深度融合进程中，催生了煤矿开采的智能化需求，智能化、少人化、无人化以及透明矿井、智慧矿山等概念应运而生，其中透明矿井是实现真正意义上煤炭智能化、少人化、无人化精准开采的基础和前提[24]。围绕透明矿井建设，衍生出透明化工作面的地质需求。实际上，透明是一个相对的概念，实现整个矿井的透明化是一个不断追求的终极目标。由于煤炭开采是一个在时间、空间上动态发展的过程，无需也无法实现整个矿井地下地层与构造的“一次性”透明;相反，只要能够超前实现矿井计划开拓的局部区域、采掘前方有限范围的地质透明化，就可以满足煤炭资源安全、高效、精准开采的阶段地质需求;而随着井巷工程的不断延伸，其所涉及范围不断透明化，最终有望实现透明矿井的目标。因此，从煤炭智能化开采的现实地质需求出发，逐次实现掘进工作面、回采工作面的地质透明化，就能够满足煤炭智能精准开采地质保障的需要[25-26]。

可以看出:从“数字地球”到“透明地球”、从“数字矿山”到“透明矿井”以至于“透明工作面”等不同概念的提出和演化，是不同历史发展阶段信息技术进步与工业化需求相互碰撞的产物。实际上，地球是不可能“透明”的，“透明”只能是一个不断逼近的动态过程。但是，在目前的技术水平下，利用多种地质信息采集、处理手段，在一个有限范围内建立相对透明的三维地质模型是有可能实现的，例如因为煤矿井下回采工作面的范围有限，利用物探、钻探、采掘揭露等手段，实现“透明化工作面”在技术上是可行的。

2智能开采对工作面地质透明化的需求

2.1智能开采工作面的集控水平

煤炭智能精准开采技术是指采用具有感知能力、记忆能力、学习能力、决策能力的液压支架、采煤机、刮板运输机(简称“三机”)等综采装备，以自动化控制系统为核心，以可视化远程监控为手段，实现综采工作面采煤生产全过程“无人跟机作业，有人安全巡视”的高效开采技术。为此，煤炭智能精准开采必须超前查明回采工作面的地质变化，包括煤层顶/底板起伏、煤层厚度、断层、陷落柱以及应力集中区等;通过在透明化工作面上进行“数字采矿”的模拟推演，提前规划采煤机的预想截割曲线，变以往的“记忆截割”为“预想截割”，最终实现地面人员远程操控、地下无人化开采的目标。

透明化工作面地质模型是在特定的时-空条件下构建的。在空间维度上，智能精准开采工作面的运输巷道、回风巷道和开切眼已经形成，煤层已被从采区局部分割出来，并处于回风、运输巷道和开切眼的三面合围之中，成为一个有限空间的孤立煤体;在时间维度上，工作面回采是从开切眼开始，通过采煤机滚筒截齿从两巷的斜切进刀、沿工作面宽度方向截割煤层，如此往复运动，逐步向前推进，最终完成整个工作面回采。因此，煤炭智能精准开采要求工作面的地质透明化必须满足智能开采对地质条件的时空需求，既要确保工作面前方未采区域一定范围内地质条件的“透明化”，也要在采煤机完成工作面一次截割的时间内完成透明化工作面三维地质模型的动态构建和逐级优化。

以黄陵煤矿某智能化工作面为例:在时-空条件上，该工作面主采侏罗纪延安组2号煤层，该煤层厚度在1.09～2.88 m，平均厚度1.8 m左右，煤层普氏硬度系数2.5～3.0，煤层顶板为砂岩;工作面倾角小于5°;综采工作面倾斜长度235 m，走向长度为3 000 m;采煤机滚筒直径1.8 m，采煤机平均行进速度6 m/min;每刀截割深度0.80 m;每班平均完成5刀。据此推算:采煤机完成工作面1刀截割煤层的时间约50 min，每个班8 h工作面的推进距离约4 m[6]。另据报道:在智能工作面的“三机”协同控制方面，澳大利亚工作面三维地质模型的精度达到5 cm，采煤机三维绝对定位误差10 cm，采煤机滚筒自动调高的控制误差已经达到10 cm;工作面自动找直LASC系统的单架移位控制误差达到5 cm、倾向长度300 m工作面的支架直线度误差小于30 cm，工作面200个液压支架远程控制延时小于500 ms、采煤机远程控制延时300 ms[27-28]。

可见，煤炭智能精准工作面煤机装备自动化、信息化的集控水平，已经达到了很高的水准。这对透明化工作面地质模型的精度要求和实时性等方面提出了新的挑战，成为透明化工作面地质模型构建的硬约束。

2.2工作面地质探测的技术现状

2.2.1地面综合勘探的精度:“十米级”

煤炭地质工作对于地下煤岩层的控制精度，一方面与地质勘查阶段有关，因为不同的勘查阶段投入的实物工作量不同;另一方面，也与所采用单一勘探方法的技术水平和多种勘查手段的综合应用等密不可分。煤矿采区勘探阶段是煤炭资源勘探阶段的最高境界，也煤炭资源采前地质勘探的最后一个环节;期间，开展了包括采区三维地震、采区电法勘探和地面地质钻探等综合勘探工作，其综合勘探精度也处于煤矿采前地质勘探的最高水平。以煤矿采区三维地震为例:按照2017年颁布的《煤田地震勘探规范》，要求在先期开采地段(第1水平)和初期采区内开展三维地震时，应查明主要煤层中落差5 m以上断层、直径50 m以上的陷落柱，其平面摆动误差控制在30 m以内;煤层埋深100～200 m时，底板标高的解释误差不大于3 m，煤层埋深200 m以上时，底板标高的解释误差不大于埋深的1.5%等。

大量的探采对比工程实践表明[29-30]:目前，地面地质勘查精度属于“十米级”的层次，这与智能开采对工作面地质透明化“亚米级”的精度要求相距甚远。

2.2.2煤矿井下探测的精度:“米级”

煤矿井下地质探测手段包括常规的井下钻探、矿井物探，也包括井巷工程揭露等。矿井物探可以直接在工作面巷道中实现对煤层探测，其探测距离短、分辨率高，是工作面采前地质条件的高精度物探手段。目前，煤矿井下回采工作面的槽波地震探测技术、无线电波透视技术在超前查明工作面内部隐伏断层、陷落柱、煤层变薄区等方面发挥了重要作用，能够查明落差>1/2煤厚的断层、10 m以上陷落柱等地质异常体，其探测精度与地面勘探手段相比明显提高[31-32]。从理论上讲，煤矿井下钻探技术具有地面钻探无法比拟的得天独厚优势，它可以近距离、多方位地直接揭露煤层及其围岩，且数量众多，包括用于瓦斯抽采和超前探放水的穿层钻孔、顺层钻孔等;实际上，由于大多数煤矿井下钻孔不取芯、不测井、不测斜甚至无法确保开孔方位的准确性等原因，其对煤层厚度、顶底板标高的控制精度处于“米级”甚至“十米级”。煤矿井下长距离近水平沿煤层定向钻进技术在一定程度上弥补了常规钻探技术的不足，它可以实时测量钻孔轨迹，动态控制钻孔偏斜，需要时还可以通过分支孔进行煤层的探顶、探底作业，对煤层顶底板标高和煤厚变化的控制精度能够达到几十公分。但是，定向钻进技术目前主要用于长距离瓦斯抽采和探放水作业，很少用于工作面地质条件探测。

因此，煤矿井下钻探、物探技术对工作面的地质探测精度，总体上可以达到“米级”水平，依然不能满足智能开采工作面地质透明化的精度需求。

2.2.3智能开采的精度要求:“亚米级”

目前，智能开采工作面采煤机滚筒自动调高的控制精度已经达到10 cm，即“亚米级”层次，而现有地面与井下地质探测手段的技术能力尚处于“十米级”和“米级”水平。如何缩小两者的差距，为智能化开采提供透明化工作面的“地质导航”，成为一个亟待解决的关键技术难题。

尽管采煤机滚筒自动调高精度具备“亚米级”的能力，从现场实际需求出发，采煤机割煤过程本身并不要求是一个精确控制的过程，因为采煤机滚筒自动调整的速度及梯度均不宜过大，否则会造成顶底板过渡不平缓、顶底留台导致推溜、移架出现问题;只要保证采煤机滚筒轨迹最大限度趋近煤岩界面、工作面顶底板截割曲线整体上平缓过渡，确保“三机”的协调运转和高效采煤是最高目标，而无需为了不留顶煤而造成采煤机的频繁调整和过度磨损，更何况有时为了规划的截割曲线光滑还要人为主动地留设一部分顶煤或底煤[33]。因此，从这个角度上讲，煤层顶底板标高的控制误差可以在“亚米级”的基础上相对放宽。根据采矿专家的建议:如果能够始终保证工作面前方50 m范围煤层起伏、煤厚变化的预测误差不大于30 cm，基本上就能够满足智能回采工作面的截割轨迹预先设计、“三机”协同参数调整的时间和精度要求。另一方面，无论是地面还是井下综合勘探，除了本身的技术水平之外，以往都是从单一技术、静态探测、线性思维方式上考虑问题，未能发挥集成技术、动态探测、系统思维的整体优势，也是造成地质勘查精度难以由“米级”提高到“亚米级”的原因之一。

因此，破解目前智能开采工作面面临的地质透明化难题，一方面需要不断提高综合地质探测手段的精度，另一方面应该在不影响智能化开采的前提下追求整体最优而不是局部最优;同时，加快新技术研发、成熟技术融合，尽快通过各种新技术新装备的研发提高地质勘查精度，以达到智能化开采需求与地质探测精度之间的折中处理，实现智能化开采技术组合的整体最优化。系统论中有一个著名的观点:“整体大于局部之和”。如果把工作面地质透明化作为一个系统工程进行整体思考，就可以充分发挥地面与井下、物探与钻探、探测与采掘、静态数据与动态信息等在时间、空间上的综合优势，利用煤矿采掘工程空间上的实见性、时间上的动态性特点，以煤矿井下采掘工程不同时段揭露的地质信息为约束，将钻探、物探与采掘等多源异构地质信息进行动态融合，进而构建回采工作面动态、逐级三维地质透明化的模型，使其整体精度接近或达到智能开采的需求，为煤炭智能开采提供透明化工作面的地质数据支撑。

3工作面地质透明化模型的梯级构建

3.1工作面地质透明化建模的思路

智能开采工作面的地质透明化是实现煤炭智能精准开采的基础和前提，而如何构建回采工作面高精度的三维地质模型是其核心技术。由于地质科学是一门实践科学，只有通过“实践—认识—再实践—再认识……”这样一个周而复始的过程，通过不断采集信息、提出假设、分析判断、形成模型、提供验证、信息反馈、模型优化这样一个流程才能提高地质认识，渐次逼近地质的真实[34]。因此，回采工作面地质透明化模型的构建，必须充分发挥不同采集手段(如探测、采掘、验证)、不同开采时段(如采前、采中、采后)、不同空间条件(如地面、井下、孔中)的综合交叉优势，由远到近，由表及里，由粗到细，构建工作面不同层级的三维地质模型，逐级、渐次实现工作面三维地质建模精度从“十米级—米级—亚米级”的提升，最终逼近回采工作面地质透明化的理想。因为对于任何一种地质探测手段而言，距离探测目标越近则预测精度越高;对于任何一种地质建模方法而言，信息获取的丰度和融合的深度愈充分，则愈有可能实现高精度三维地质建模。笔者以工作面地质建模前有无掘进巷道、采掘工程揭露的范围大小以及工作面地质模型的精度高低3个要素为依据，将工作面地质模型人为划分为4类，即“黑箱”“灰箱”“白箱”和“透明”模型。

因此，透明工作面三维地质模型构建的总体思路是:① 在智能工作面的设计阶段，依据地面钻探、采区三维地震勘探的成果，优先选择构造条件、煤层赋存相对简单的区域，建立工作面的初始地质模型——黑箱模型，其地质建模精度处于“十米级”;② 在智能工作面的掘进阶段，以掘进工作面揭露的地质信息为约束，开展三维地震资料地质动态解释，掘进工作面两侧、前方一定范围内，“黑箱模型”逐渐变为半透明的“灰箱模型”，这时工作面三维地质建模的精度处于“米级～十米级”;③ 在智能工作面的回采之前，采用槽波地震、无线电磁波透视等技术对工作面内部进行透视，同时综合利用井下钻探信息对工作面内的地质异常进行验证，在此基础上基本可以实现工作面的“白箱模型”，其地质建模精度整体上处于“米级”水平;④ 在智能工作面的回采阶段，开展随采地震精细探测，同时不断融入回采揭露的煤层厚度、顶底板变化以及构造等信息，可以实现工作面三维地质模型的动态优化，达到工作面前方50 m范围内地质透明化的目标，其地质建模精度能够达到“亚米级”。如此往复、循环迭代下去，最终就能够达到智能开采工作面的高精度、逐级、递进式地质透明化(表1)。

3.2工作面地质透明化的梯级模型

3.2.1设计阶段:“黑箱模型”

在智能开采工作面的选区评价阶段，依靠煤矿采区三维地震和地面钻探等资料，可以构建煤矿采区的三维地质初始模型，该模型可以为智能开采工作面的风险评估提供依据。智能开采工作面应该选在构造相对简单、煤层比较稳定的区段，尽可能避免落入构造复杂、煤厚变化大的区域，以消除智能开采的决策隐患。

黑箱模型构建时，其主要数据来源是稀疏的地面钻孔(如网格密度500 m×500 m)和高密度的三维地震勘探资料(如CDP网格10 m×10 m)(图1)。因此，黑箱模型的精度主要取决于三维地震资料的分辨率。按照三维地震勘探的分辨率水平(5～10 m)和偏移误差±(15～30)m，三维地震地质模型的精度处于“十米级”。这一阶段的井巷工程尚未开拓，以三维地震为基础、以稀疏钻孔为约束，构建的三维地质模型是一种静态的、低精度的黑箱模型(图1)。

表1 工作面地质透明化阶梯模型
Table 1 Geological transparent models of stope face in different stages

生产阶段地质信息初始信息新增信息地质模型模型类别模型精度模型特点工作面设计地面钻孔采区三维地震黑箱模型十米级钻孔邻近区高度透明,其他区域低度透明工作面掘进地面钻孔采区三维地震巷道掘进信息井下钻探灰箱模型米级～十米级巷道、钻孔邻近区高度透明,其他区域低度透明工作面采前地面钻孔采区三维地震巷道掘进信息井下钻探矿井物探井下钻探白箱模型米级～亚米级巷道、钻孔邻近区高度透明;工作面中部中度透明工作面回采地面钻孔采区三维地震巷道掘进信息井下钻探矿井物探随采地震回采资料透明模型亚米级巷道、钻孔邻近区及工作面前方50 m范围内高度透明;工作面中部渐次透明

图1 工作面“黑箱”模型示意
Fig.1 Schematic diagram of black longwall panel
1—地形;2—CDP网格;3—设计工作面投影;4—地面钻孔;5—上部 地层;6—钻孔邻近透明区;7—煤层;8—设计工作面;9—断层

3.2.2掘进阶段:“灰箱模型”

在智能工作面的掘进阶段，随着回风巷道、运输巷道的掘进以及开切眼的贯通，井巷工程揭露了大量的、宝贵的地质信息。按照现有的《煤、泥炭地质勘查规范》(DZ/T0215—2002)要求，达到“勘探”阶段的钻孔网度一般情况下为500 m×500 m，对于一个1 000 m(走向)×250 m(倾向)的回采工作面而言，则工作面内平均钻孔密度仅为1个。当工作面两巷掘进后，视同在“黑箱模型”上“切开”了两个地质断面，揭露和控制了两巷煤层及其顶底板的构造、岩性变化，其所提供的地质信息极大地补充和丰富了地面钻探信息的不足[35]。为此，将井巷工程实见的地质资料动态融入到三维地震资料的地质精细解释中，智能工作面的“黑箱模型”进化为“灰色模型”，其地质建模的精度处于“十米级～米级”。图2给出了“灰箱模型”的示意。

图2 工作面“灰箱”示意
Fig.2 Schematic diagram of gray longwall panel
1—工作面中部低度透明区;2—巷道邻近中度透明区; 3—CDP网格投影;4—掘进巷道

3.2.3采前阶段:“白箱模型”

在这一阶段，智能工作面已经完成掘进、处于采前准备阶段。这时，工作面三维地质建模的信息不仅包括地面钻探和三维地震的数据、井下掘进巷道揭露信息、井下钻探信息，还包括工作面内矿井物探透视数据，如工作面内部槽波透视、无线电磁波透视等。矿井物探对煤层中地质异常体的分辨率接近于1/2煤厚，即对于薄-中厚-厚煤层而言分辨率约为0.4～2.5 m，达到了“米级～亚米级”精度。图3给出了“白箱模型”的示意。

图3 工作面“白箱”示意
Fig.3 Schematic diagram of white longwall panel
1—工作面中部中度透明区;2—巷道邻近高度透明区;3—地震波波 阵面;4—潜在断层;5—检波器;6—顺煤层钻孔;7—开切眼; 8—潜在陷落柱;9—底抽巷;10—上向瓦斯抽放孔

3.2.4回采阶段:“透明模型”

在智能工作面的回采阶段，除了地面钻探、三维地震与井下钻探、矿井物探以及煤矿井下掘进巷道揭露的地质信息外，工作面在推进过程中动态揭露了煤层中更为丰富的地质信息。采用远程视频监控、采煤机惯性导航和动态图像识别等技术，对三维采掘空间中煤层顶板标高和煤层厚度变化加以自动判识和解译，将其动态融入到透明工作面三维地质动态建模数据库中[36]。同时，以采煤机截齿割煤诱发的震动作为被动地震震源，在工作面前方安装三分量检波器实时监测随采地震信号，以工作面每一刀的截割时间为周期，对随采地震数据进行动态成像，借助地质大数据的分析融合技术查明工作面前方50～100 m范围内影响智能开采的“亚米级”地质异常体，实现工作面三维地质模型的动态优化，从而实现工作面前方50 m范围内的地质透明化。如此往复、循环迭代下去，最终就能够达到整个智能开采工作面的高精度、逐级、递进、渐次式透明化，最终构建出一个工作面三维地质透明化的“透明模型”，且精度能够达到“亚米级”水平，基本能够满足智能开采的地质需求(图4)。

图4 工作面“透明”示意
Fig.4 Schematic diagram of transparent working face
1—孔中检波器串;2—工作面前方地质透明区;3—采后塌陷区; 4—采后煤厚测点;5—随采地震波

4工作面地质透明化的关键技术

基于地面与井下的钻探、物探、井巷工程揭露、钻孔测井和监测监控等多源异构地质信息的采集、处理和融合技术，在不同时空条件建立回采工作面“黑箱”“灰箱”“白箱”和“透明”模型，离不开一些关键技术的支持，其中至少包括以下五项。

4.1三维地震资料地质动态解释

煤矿采区高分辨率三维地震勘探是最为有效的地质探测技术手段，它类似于对地下煤岩层的“CT”透视。三维地震数据体以(x,y,t)为空间坐标，以地质钻孔和测井曲线为约束，在地震反射波地质层位标定、煤层反射波对比追踪基础上，生成的煤层等t0平面图可视为煤层实体的“相似形”。钻孔获取的煤岩层深度、厚度信息是最为可靠的实见资料，称其为“硬数据”，而三维地震数据体反映的是煤岩层地下赋存状态的间接信息，称其为“软数据”;钻探在垂向上高精度地控制了“点”信息，三维地震在横向上高分辨率地控制了“面”信息。利用钻探获得的煤层顶底板深度信息，反算三维地震的空间速度变化获得速度场，通过时间-深度变换后形成煤层底板等高线图[37]。同样，对于三维地震资料的煤厚解释和岩性预测而言，已知的地质、测井约束信息越多，依托三维地震资料预测的岩性模型精度就越高。一般情况下，来自于地面钻孔的“硬数据”数量稀少，而来自于煤矿井下采掘工程、钻探作业等获取的煤岩层构造信息和岩性信息非常丰富。为此，以基于地面钻探和井巷工程揭露的煤层底板、煤层厚度、小断层、陷落柱等已知信息为约束，可以建立三维地震资料地质动态解释流程(图5)，显著提升三维地震资料的地质解释精度。

图5 三维地震资料地质动态解释流程
Fig.5 Process of geological dynamic interpretation of 3D seismic data

在三维地震资料地质动态解释过程中，实际获取的地质“硬数据”越多，以“硬数据”为约束，则三维地震“软数据”对于煤层赋存形态、煤厚变化、断层解译等解释精度就越高。

4.2煤矿井下孔中物探技术与装备

煤矿井下工作面在开拓和采煤阶段，施工了大量的井下钻孔，包括用于瓦斯抽采的顺煤层孔和底抽巷上向穿煤孔、超前探放水钻孔、地质孔等，井下钻孔具有近距离、多方位揭露煤层及围岩的优势。这些钻孔中蕴含着丰富的地质信息，包括煤层顶底板标高、煤厚、构造等。但是，当前大多数煤矿井下钻孔作业仅仅停留在单一任务阶段，没有做到“一孔多用”，也未对钻孔进行取芯、测井和测斜作业，丧失了深度挖掘钻孔地质信息的良机。

今后，通过引入一批成熟的煤矿井下钻孔测井、测斜、成像等技术与装备，研发一批适于煤矿井下钻孔孔中、孔间物探技术与装备，如钻孔雷达、随钻地震、声波测井与孔间成像的技术与装备等，则可以充分挖掘钻孔孔壁周围及其径向一定范围内的地质信息，为工作面地质透明化提供宝贵的第一手信息。

4.3回采工作面随采地震监测技术

以采煤机截割过程中激发的地震弹性波为震源，在采掘工作面前方预埋地震传感器，通过随采地震大数据信息动态采集、处理和解释，反演出工作面范围内静态的构造发育和动态的应力变化;并根据监测结果，实时优化、动态刷新采掘工作面三维地质模型，逐次、递进式实现工作面透明化，查明工作面前方影响智能开采的小断层及其他地质异常体，构建回采工作面前方不少于50 m范围内的三维地质透明化动态模型，可以实现煤炭智能精准开采从“记忆截割”向“预想截割”的跨越[38]。

另外，回采工作面在推进过程中，煤层开采后造成顶板垮落、裂隙发育，从而诱发大量的微震事件。通过对微震事件的精确定位，转而以微震活动作为地震震源，可以对回采工作面后方、前方的覆岩破坏和应力集中区以至于底板破坏带等，进行实时、动态监测，从而为风险防控和灾害预警提供技术支持[39-40]。随采地震监测系统井下观测系统布置方案如图6所示。

图6 随采地震观测系统
Fig.6 Observation system of seismic while coal mining

4.4工作面监测数据的信息提取

综采机械是煤矿智能开采的核心子系统之一，当前智能采煤机械装备了众多高精度传感器，能够实时监测采煤机的运动学及动力学信息，包括液压支架的支撑力、滚筒割煤的高度、采煤机红外定位、采煤机的运行速度与姿态信息、采场视频监控图像等。这些监测数据中，蕴含着丰富的地质和灾害信息。例如:可以从采煤机截割动力参数(截割电流、截割阻力、有功功率、振动、扭矩等)得到煤岩识别的间接信息;从液压支架记录的支撑力中能提取出采煤工作面地应力集中区;而安装在采煤机上的视频监控或红外摄像则能实时跟踪煤岩界面，并可能实时监控煤层中小构造等。

如果将上述工作面的监测数据，通过建立相应的数学模型，从中提取出有用的地质信息，并将这些地质信息动态反馈给三维地质模型，则可以动态优化工作面三维地质模型。

4.5多源异构地质信息动态融合技术

以智能开采工作面运输巷的集控中心为核心，建立多源异构数据的共享、互馈平台，在三维地质模型、采煤机监控系统、液压支架、运输机、转载机、破碎机、皮带机、泵站等子系统或设备之间，相互开放数据通讯协议，实现数据共享。利用光纤通讯和信息控制技术，将智能开采工作面的初始地质模型，提交给智能开采的集控中心，预设智能开采的“三机”参数[41];利用采煤机实际揭露、控制的煤岩信息以及随采智能探测信息，动态优化三维地质模型，并将优化后的三维地质模型和预想截割地质剖面，实时提交给智能采掘系统进行超前规划，形成地质、采矿、机电等多源异构信息的实时共享和动态反馈，保障采煤机、液压支架和刮板输送运输机等智能运转，实现智能开采真正意义上的自感知、自学习、自适应、自调整，为煤炭资源智能精准开采提供智能探测和“地质导航”[42]。

5结 论

(1)煤炭智能化开采是一个复杂的系统工程，工作面地质透明化是实现煤炭资源智能精准开采的前提和保障，目前工作面地质条件探测精度的不足已成为影响智能化开采技术推广的瓶颈问题。

(2)基于地面勘探资料构建的地质模型只能达到“十米级”精度，地面与井下探测数据构建的地质模型能够达到“米级”精度，而智能开采要求透明工作面地质模型的精度达到“亚米级”。

(3)综合利用地面、井下与孔中的物探、钻探、采掘信息，逐级构建工作面的黑箱、灰箱、白箱模型，可以渐次实现工作面前方50 m范围内的地质透明化，为智能开采提供“地质导航”。

(4)智能开采工作面高精度三维地质透明化模型的构建，需要开展煤矿井下钻孔物探、随采地震监测、多源异构地质数据融合等技术的攻关研究，尽快形成一批关键技术与核心装备。

(5)我国的煤炭智能化开采已经开始起步，并将逐步实现从工作面有限少人化向无人化、从智能开采向智慧开采阶段的跨越。

今后，针对煤炭智能精准开采对工作面地质透明化的需求，除了不断提高工作面三维地质模型的精度外，还需要开展工作面回采扰动过程中水害隐患精细探测、动力地质灾害实时监测等研究，如顶板导水裂隙带、应力集中区、断层或陷落柱活化等，构建透明工作面煤层及其顶底板在内的三维地质透明化模型，从而为煤炭资源安全高效、智能精准开采提供全方位的地质保障。

参考文献 :

[1] 王国法,杜毅博.智慧煤矿与智能化开采技术的发展方向[J].煤炭科学技术,2019,47(1):1-10.

WANG Guofa,DU Yibo.Development direction of intelligent coal mine and intelligent mining technology[J].Coal Science and Technology,2019,47(1):1-10.

[2] 雷毅.我国井工煤矿智能化开发技术现状及发展[J].煤矿开采,2017,22(2):1-4.

LEI Yi.Present situation and development of underground mine intelligent development technology in domestic[J].Coal Mining Technology,2017,22(2):1-4.

[3] 申宝宏,雷毅,刘见中,等.煤炭机械装备国内外技术现状及发展展望[J].煤矿开采,2015,20(1):1-4.

SHEN Baohong,LEI Yi,LIU Jianzhong.Current state and development prospect of domestic and overseas coal machinery equipment[J].Coal Mining Technology,2015,20(1):1-4.

[4] 王国法,范京道,徐亚军,等.煤炭智能化开采关键技术创新进展与展望[J].工矿自动化,2018,44(2):5-12.

WANG Guofa,FAN Jingdao,XU Yajun,et al.Innovation progress and prospect on key technologies of intelligent coal mining[J].Industry and Mine Automation,2018,44(2):5-12.

[5] 范京道.大采高工作面智能化综采关键技术研究[J].工矿自动化,2018,44(12):1-8.

FAN Jingdao.Research on key technologies of intelligent fully mechanized mining on working face with large mining height[J].Industry and Mine Automation,2018,44(12):1-8.

[6] 刘俊峰,唐恩贤,刘新华,等.黄陵矿业中厚煤层智能化回采工艺适应性研究[J].煤炭工程,2018,50(5):15-17.

LIU Junfeng,TANG Enxian,LIU Xinhua,et al.Study on adaptability of intelligent mining technology of medium-thick coal seam in Huangling Mining Area[J].Coal Engineering,2018,50(5):15-17.

[7] 王国法,王虹,任怀伟,等.智慧煤矿2025 情景目标和发展路径[J].煤炭学报,2018,43(2):295-305.

WANG Guofa,WANG Hong,REN Huaiwei,et al.2025 scenarios and development path of intelligent coal mine[J].Journal of China Coal Society,2018,43(2):295-305.

[8] 王国法,张德生.煤炭智能化综采技术创新实践与发展展望[J].中国矿业大学学报,2018,47(3):459-467.

WANG Guofa,ZHANG Desheng.Innovation practice and development prospect of intelligent fully mechanized technology for Coal mining[J].Journal of China University of Mining & Technology,2018,47(3):459-467.

[9] 杨成龙.构建煤矿安全绿色智能化生产新模式的探索研究[J].神华科技,2018,16(5):7-9.

YANG Chenglong.Exploration on the construction path of Shenhua Ningxia coal intelligent mining area[J].Shenhua Science and Technology,2018,16(5):7-9.

[10] 王国法,赵国瑞,任怀伟.智慧煤矿与智能化开采关键核心技术分析[J].煤炭学报,2019,44(1):34-41.

WANG Guofa,ZHAO Guorui,REN Huaiwei.Analysis on key technologies of intelligent coal mine and intelligent mining[J].Journal of China Coal Society,2019,44(1):34-41.

[11] 袁亮.我国煤炭工业安全科学技术创新与发展[J].煤矿安全,2015,46(S1):5-11.

YUAN Liang.Innovation and development of safety science and technology in coal industry of China[J].Safety in Coal Mines,2015,46(S1):5-11.

[12] 范京道.煤矿智能化开采技术创新与发展[J].煤炭科学技术,2017,45(9):65-71.

FAN Jingdao.Innovation and development of intelligent mining technology in coal mine[J].Coal Science and Technology,2017,45(9):65-71.

[13] 任芳,杨兆建,熊诗波.国内外煤岩界面识别技术研究动态综述[J].煤,2001(4):54-55.

REN Fang,YANG Zhaojian,XIONG Shibo.Dynamic summary of distinguishing technique of coal rock line in home and abroad[J].Coal,2001(4):54-55.

[14] 张强,王海舰,郭桐,等.基于截齿截割红外热像的采煤机煤岩界面识别研究[J].煤炭科学技术,2017,45(5):1-7.

ZHANG Qiang,WANG Haijian,GUO Tong,et al.Research of shearer’s coal-rock interface dynamic identification based on infrared thermal imaging of picks[J].Coal Science and Technology,2017,45(5):1-7.

[15] 刘俊利,赵豪杰,李长有.基于采煤机滚筒截割振动特性的煤岩识别方法[J].煤炭科学技术,2013,41(10):93-95.

LIU Junli,ZHAO Haojie,LI Changyou.Coal-rock recognition method based on cutting vibration features of coal shearer drums[J].Coal Science and Technology,2013,41(10):93-95.

[16] 苗曙光,刘晓文,李淮江,等.基于探地雷达的煤岩界面探测数据解释方法[J].工矿自动化,2019,45(1):35-39.

MIAO Shuguang,LIU Xiaowen,LI Huaijiang,et al.Data interpretation method of coal-rock interface detection based on ground penetrating radar[J].Industry and Mine Automation,2019,45(1):35-39.

[17] 吴婕萍,李国辉.煤岩界面自动识别技术发展现状及其趋势[J].工矿自动化,2015,41(12):44-49.

WU Jieping,LI Guohui.Development status and tendency of automatic identification technologies of coal-rock interface[J].Industry and Mine Automation,2015,41(12):44-49.

[18] 袁亮.煤炭精准开采科学构想[J].煤炭学报,2017,42(1):1-7.

YUAN Liang.Scientific conception of precision coal mining[J].Journal of China Coal Society,2017,42(1):1-7.

[19] 戈尔.数字地球:对 21 世纪人类星球的理解[J].地球信息科学学报,1998(2):8-11.

AL Gore.The digital earth:Understanding our planet in the 21st century[J].Geo-Information Science,1998(2):8-11.

[20] 吴立新,殷作如,邓智毅,等.论21世纪的矿山:数字矿山[J].煤炭学报,2000,25(4):337-342.

WU Lixin,YIN Zuoru,DENG Zhiyi,et al.Research to the mine in the 21st century:Digital mine[J].Journal of China Coal Society,2000,25(4):337-342.

[21] 毛善君,刘桥喜,马蔼乃,等.“数字煤矿”框架体系及其应用研究[J].地理与地理信息科学,2003(4):56-59.

MAO Shanjun,LIU Qiaoxi,MA Ainai,et al.Study on frame and application of digital coal mine[J].Geography and Geo-Information Science,2003(4):56-59.

[22] 卢新明,尹红.数字矿山的定义、内涵与进展[J].煤炭科学技术,2010,38(1):48-52.

LU Xinming,YIN Hong.Definition,connotations and progress of digital mine[J].Coal Science and Technology,2010,38(1):48-52.

[23] 吕鹏飞,郭军.我国煤矿数字化矿山发展现状及关键技术探讨[J].工矿自动化,2009,35(9):16-20.

LÜ Pengfei,GUO Jun.Discussion on development situation and key technologies of digital mine in China[J].Industry and Mine Automation,2009,35(9):16-20.

[24] 于润沧.中国矿业现代化的战略思考[J].中国工程科学,2012,14(3):27-36.

YU Runcang.Strategic thinking on the modernization of China’s mining industry[J].Engineering Science in China,2012,14(3):27-36.

[25] 王国法.综采自动化智能化无人化成套技术与装备发展方向[J].煤炭科学技术,2014,42(9):30-34,39.

WANG Guofa.Development orientation of complete fully-mechanized automation,intelligent and unmanned mining technology and equipment[J].Coal Science and Technology,2014,42(9):30-34,39.

[26] 张良,李首滨,黄曾华,等.煤矿综采工作面无人化开采的内涵与实现[J].煤炭科学技术,2014,42(9):26-29,51.

ZHANG Liang,LI Shoubin,HUANG Zenghua,et al.Definition and realization of unmanned mining in fully-mechanized coal mining face[J].Coal Science and Technology,2014,42(9):26-29,51.

[27] 田成金.煤炭智能化开采模式和关键技术研究[J].工矿自动化,2016,42(11):28-32.

TIAN Chengjin.Research of intelligentized coal mining mode and key technologies[J].Industry and Mine Automation,2016,42(11):28-32.

[28] 杜锋,彭赐灯.美国长壁工作面自动化开采技术发展现状及思考[J].中国矿业大学学报,2018,47(5):949-956.

DU Feng,Syd S PENG.The state-of-the-art and thought of automated longwall mining in the United States[J].Journal of China University of Mining & Technology,2018,47(5):949-956.

[29] 程建远,赵伟,曹丁涛,等.煤矿采区三维地震探采对比效果的分析与思考[J].中国煤炭地质,2010,22(8):67-73.

CHENG Jianyuan,ZHAO Wei,CAO Dingtao,et al.Pondering on coalmine winning district 3D seismic correlation of prospecting and mining information effect analysis[J].Coal Geology of China,2010,22(8):67-73.

[30] 吕霖.淮南矿区三维地震探采对比效果与实例分析[J].煤田地质与勘探,2010,38(4):69-72.

LÜ Lin.Comparing 3D seismic prospecting with mining verification and case study in Huainan coal mine[J].Coal Geology & Exploration,2010,38(4):69-72.

[31] 程建远,江浩,姬广忠,等.基于节点式地震仪的煤矿井下槽波地震勘探技术[J].煤炭科学技术,2015,43(2):25-28.

CHENG Jianyuan,JIANG Hao,JI Guangzhong,et al.Channel wave seismic exploration technology based on node digital seismograph in underground mine[J].Coal Science and Technology,2015,43(2):25-28.

[32] 冯磊,杜艳艳,李松营,等.煤层厚度地震槽波层析成像分辨率分析[J].地球物理学进展,2018,33(1):197-203.

FENG Lei,DU Yanyan,LI Songying,et al.Resolution analysis of in-seam seismic tomographic inversion for coal thickness[J].Progress in Geophysics,2018,33(1):197-203.

[33] 索智文.煤矿综采工作面无人化开采技术研究[J].工矿自动化,2017,43(1):22-26.

SUO Zhiwen.Study on unmanned mining technology of fully mechanized coal mining face[J].Industry and Mine Automation,2017,43(1):22-26.

[34] 程建远,朱梦博,崔伟雄,等.回采工作面递进式煤厚动态预测试验研究[J].煤炭科学技术,2019,47(1):237-244.

CHENG Jianyuan,ZHU Mengbo,CUI Weixiong,et al.Experimental study of coal thickness progressive prediction in working face[J].Coal Science and Technology,2019,47(1):237-244.

[35] 王志刚.基于精确煤层三维模型的采煤机煤岩界面识别系统[J].中国煤炭,2014,40(11):50-54.

WANG Zhigang.Coal-rock interface recognition system for shearers based on accurate coal seam 3D model[J].China Coal,2014,40(11):50-54.

[36] 程建远,曹丁涛.矿井多元地质信息集成系统及其应用[M].北京:煤炭工业出版社,2004.

[37] 程建远.三维地震资料微机解释性处理技术[M].北京:石油工业出版社,2002.

[38] 陆斌,程建远,胡继武，等.采煤机震源有效信号提取及初步应用[J].煤炭学报,2013,38(12):2202-2207.

LU Bin,CHENG Jianyuan,HU Jiwu,et al.Shearer source signal extraction and preliminary application[J].Journal of China Coal Society,2013,38(12):2202-2207.

[39] 程爱平.底板采动破坏深度微震实时获取与动态预测及应用研究[D].北京:北京科技大学,2015,.

CHENG Aiping.Microseismic real-time acquisition and dynamic forecast and application research of floor mining-induced failure depth[D].Beijing:University of Science and Technology Beijing,2015.

[40] 孟磊,丁恩杰,吴立新.基于矿山物联网的矿井突水感知关键技术研究[J].煤炭学报,2013,38(8):1397-1403.

MENG Lei,DING Enjie,WU Lixin.Research on key technologies of water inrush perception based on mine IoT[J].Journal of China Coal Society,2013,38(8):1397-1403.

[41] 谢嘉成,杨兆建,王学文,等.综采工作面三机虚拟协同关键技术研究[J].工程设计学报,2018,25(1):85-93.

XIE Jiacheng,YANG Zhaojian,WANG Xuewen,et al.Research on key technologies of virtual collaboration of three machines in fully mechanized coal mining face[J].Chinese Journal of Engineering Design,2018,25(1):85-93.

[42] 吕鹏飞,何敏,陈晓晶,等.智慧矿山发展与展望[J].工矿自动化,2018,44(9):84-88.

LÜ Pengfei,HE Min,CHEN Xiaojing,et al.Development and prospect of wisdom mine[J].Industry and Mine Automation,2018,44(9):84-88.