Research progress and trend analysis of comprehensive prevention and control of coal spontaneous combustion throughout all stages
-
摘要:
为深刻了解煤自燃全阶段防控领域的现状及未来趋势，从“监测预警、防治技术、应急救援”3个方面梳理了各阶段研究进展，并提出未来研究方向：运用多元统计分析、物联网、机器学习和人工智能等尖端技术，提升煤自燃预测预报准确性，构建智能化、超前预警与态势研判机制，实现智能化预测预报与超前预警系统；通过多学科交叉研究手段，深刻理解自燃机理、创新防灭火材料、发展新型微生物技术，使得煤自燃防治技术呈现深度研究和多元创新的趋势；在高效、协同、智能的救援机制下，煤自燃应急救援正朝更智能、信息化的方向迈进，期望推动煤自燃防控智能先进发展水平。
Abstract:To gain a profound understanding of the current status and future trends in the comprehensive prevention and control of coal spontaneous combustion, this paper comprehensively reviews stages and research progress in the aspects of “monitoring and early warning, prevention technology, and emergency rescue”. The following future research aspects are proposed: utilizing advanced technologies such as comprehensive multivariate statistical analysis, the Internet of Things (IoT), machine learning, and artificial intelligence to enhance the accuracy of coal spontaneous combustion prediction and forecasting. This involves constructing an intelligent, proactive warning, and situational judgment mechanism to achieve intelligent prediction, forecasting, and proactive warning systems. Through the comprehensive application of interdisciplinary research methods, gaining in-depth insights into the spontaneous combustion mechanism, innovative fire-resistant materials, and the development of new microbial technologies, theses make the technology of spontaneous combustion prevention and control of coal present a trend of in-depth research and multiple innovation. Under the framework of an efficient, collaborative, and intelligent rescue mechanism, the emergency rescue for coal spontaneous combustion is advancing towards a more intelligent and information-oriented direction. The goal is to promote the intelligent advancement of the coal spontaneous combustion prevention and control level.
-
煤自燃作为煤炭开采和储存过程中一种常见但具有潜在危险性的现象[1]，一直以来引起了广泛关注。矿井火灾现象中90%左右均由煤自燃所导致，不仅造成了巨大的经济损失，还会引发瓦斯爆炸等二次事故，严重威胁井下作业人员的生命安全，同时煤燃烧产生的气体CO2、SO2等也对环境造成污染，严重影响了煤炭安全生产与生态环境[2-4]。因此，开展煤自燃全阶段防控研究能够为我国能源可持续发展保驾护航。
国内外学者针对煤自燃灾害，以煤自燃致灾机理为出发点，展开了广泛而深入的研究。在“预测、预报、预警、防治、救援”5个方面，提出了多种创新的煤自燃预测预报预警方法[5-7]，并成功研发了物理和化学抑制技术，在不同矿井中实现了良好的防治效果[8-11]；煤矿应急救援体系的不断完善也提高了煤矿整体的安全水平，在煤矿安全生产“十三五”规划中，提升煤矿应急救援能力也备受关注[12-15]。综上，为推动煤炭行业安全发展，实现全阶段的煤自燃防控，全面综述了煤自燃“监测预警、防治技术、应急救援”各个阶段的研究现状，并对未来发展方向提出展望，为后续研究提供借鉴与参考。
1. 煤自燃监测预警
煤自燃的监测预警技术中，预测、预报和预警三者密不可分，相互辅助，共同构建了煤矿安全生产的关键保障，煤自燃监测预警分类如图1所示。
![]()
图 1 煤自燃监测预警分类Figure 1. Classification of coal spontaneous combustion monitoring and early warning1.1 煤自燃预测预报
煤自燃预测预报体系以预测和预报为基础，通过多种方法，如气体指标法和温度指标法[16-17]，监测煤自燃前兆信息，准确估计煤自燃可能性和趋势。在预测的基础上，预报技术通过相应指标提前识别煤自燃危险状态，并实时进行预警。将煤自燃预测预报方法主要分为测温法、指标体系法、统计学分析法与机器学习法，监测指标主要为气体指标、温度等，旨在为提升煤矿安全生产水平提供全面而深入的技术支持。
1.1.1 基于煤温的煤自燃预测预报方法
测温法为煤自燃预测预报中常用方法，常用的测温设备有传感器、热电偶、光纤、半导体元件等。随着科学技术的进步，为进一步提高预测精度，众多学者采用神经网络、算法等建立煤自燃预测模型。LI等[18]研究了遗传算法和神经网络算法组合模型在煤温预测方面的效果，结果显示其精度明显优于单一模型；GUO等[19]运用GRU神经元挖掘指数气体与温度之间的非线性关系，并通过PSO对GRU模型参数进行优化，成功获取了煤的体温预测值；翟小伟等[20]建立了基于数据填补的RF、XGBoost和SVR煤自燃温度预测模型，这些模型在煤自燃温度的预测方面表现出较好的效果。
1.1.2 基于指标体系的煤自燃预测预报方法
中煤科工集团沈阳研究院有限公司的梁运涛等[21]解读介绍了《煤矿防灭火细则》中规定的通过监测煤层自然发火标志气体及其临界值的变化，建立自然发火全过程的预测预报指标体系。许多国内外学者为煤自燃预测预报指标体系提供了基础。然而，单一标志气体受井下环境影响，如漏风、外来气体干扰等，可能导致测得的气体浓度不准确，进而造成误报漏报等问题。为克服单一标志气体的不足，复合标志气体开始进入视野，常用的有格雷哈姆系数、链烷比和烯烃比等[17]。
煤科总院抚顺分院的罗海珠和钱国胤在1992年研究了我国不同煤种的产气规律，并提出早期预测预报的指标[22]；梁运涛[23]通过煤自然发火试验确立了不同煤种自热加速和激烈燃烧的气体指标；YAN等[24]结合灰色关联度计算13种标志气体或标志气体比与煤温的关系度，构建了多指标预测体系，用于判断煤自燃状态，统计关联度的计算结果如图2所示；邓军等[17]采用了多参数指标与气体指标的优选相结合，通过煤低温氧化阶段气体组分及其体积分数，建立了指标体系，主要预测指标为φ（C2H4）/φ（CH4）、φ（C2H4）/φ（C2H6）、R2、R3，辅助指标有CO、φ（C2H6）/φ（CH4）、R1。
1.1.3 基于统计学分析的预测预报方法
为提高煤自燃预测预报的精确性，学者们如叶正亮等[25]、王福生等[26]、WANG等[27]采用数学模型来分析煤样燃烧产生气体的体积分数随煤温的变化曲线，选择相关函数进行拟合，确立标志气体与温度的连续性关系，为煤自燃危险等级划分提供依据，其中Logistic回归函数被认为是拟合效果最佳的函数。GUO等[28]采用Logistic模型拟合煤温产生的指示气体体积，然后根据统计特征进行归一化，建立了描述标志气体体积随煤温度变化的模型方程，构建了基于标志气体特征初现温度和拐点温度的煤炭自燃早期预警系统，并确定了其特征温度，根据这些温度，煤炭自燃可分为6个危险等级，基于特征温度划分风险等级如图3所示；李艳昌等[29]比较了4种拟合函数，结果显示Boltzmann函数的预测精度最高；任万兴等[7]研究表明Logistic函数最好地拟合了气体体积分数与煤温之间的关系。
![]()
图 3 基于特征温度划分风险等级[28]Figure 3. Division of risk levels based on the characteristic temperature1.1.4 基于机器学习的预测预报方法
随着计算机科学技术的发展，煤自燃预测预报正朝着智能化方向迈进。传统分析方法对标志气体的依赖性较大，机器学习方法可以通过算法建立相应的煤自燃预测煤自燃预测模型，来估测气体浓度，常用的有神经网络、遗传算法、向量机算法、随机森林等[30-36]。
LI等[30]提出了一种改进灰狼优化支持向量回归的煤自燃温度预测模型，采用非线性参数控制和动态惯性权重，具备较好的性能；GUO等[31]提出了一种PSO-GRU深度神经网络的煤自燃温度预测模型（图4），有效提高了传统模型的泛化性和鲁棒性；GUO等[32]利用遗传算法对支持向量回归模型（GA-SVR），建立了CO体积分数与煤温关系的数学模型，极大地提高了预测的精度，并且具有更高的鲁棒性；刘宝等[33]提出了的基于相关向量机的煤自燃预测方法，通过气体体积分数可精确预测煤温；邵良杉等[34]则将因子分析理论与支持向量机算法相结合，其预测精度超过了单独采用支持向量机算法的模型。
为应对传统煤自燃温度预测模型准确性差、基于支持向量机(SVM)的模型对参数选择要求高以及基于神经网络的模型易出现过拟合问题，HAGIWARA等[35]提出了一种新型基于随机森林算法的煤自燃温度预测模型；邓军等[36]通过实验证明，随机森林算法建立的预测模型相比支持向量机和神经网络更稳定且具有更广泛的适用性；郑学召等[37]也得出了相似的结论，认为RF算法的煤自燃温度预测模型在精度上更胜一筹，具备较强的鲁棒性和适用性，并且无需繁琐的参数优化；SHUKLA等[38]的研究表明，基于树的集成算法（如随机森林、梯度提升和极端梯度提升）在研究煤层自然敏感性内在属性的过程中表现出出色的预测精度和易解释性。
1.2 煤自燃预警
预警是在预报的基础上，当检测到煤层自然发火风险增加时，及时向相关人员发出警报并采取必要措施来防范煤层自然发火事故。煤自燃预警常见的方法为测温法、标志气体分析法及多源信息预警法。
1.2.1 测温法
测温法通过监测煤体内部温度来判断煤自燃风险并发出预警。随着温度监测技术的进步，测温法在煤自燃预警方面已取得了显著的进展。
为解决传统采空区煤自燃温度监测不足的问题，王伟峰等[39]提出了采空区煤自燃分布式光纤温度监测预警技术，显著提高了检测温度的精度，并实现了煤自燃的分级预警，分布式光纤温度监测装置的结构如图5所示；汪伟等[40]结合麻雀搜索算法与随机森林算法，提出了SSA-RF采空区煤自燃温度回归分析模型，并通过现场验证了模型的准确性与可靠性；朱兴攀等[41]研制了XD-JX-T001型分布式温度监测火灾预警系统，该系统具有较高的准确性和可行性。这些技术为提高煤自燃预警的精度和可靠性带来了新的可能性。
![]()
图 5 分布式光纤温度监测装置的结构Figure 5. Structure of distributed optical fiber temperature monitoring device1.2.2 标志气体分析法
标志气体法目前在煤矿应用较为广泛，其在提高自燃预警的全面性、灵敏性和稳定性方面具有一些明显的优势。张东[42]采用ZigBee技术构建了安全预警系统的实现平台，很适用于露天矿安全监测预警；岳宁芳等[43]构建了王家山煤矿煤自燃分级预警体系，明确了主要预测标志气体和辅助预测指标，设立了“灰、蓝、黄、橙、红、黑”6个预警等级及相应的判定阈值标准；WANG等[44]不仅优化了煤自燃标志气体，还创建了初始预警级别、蓝、黄、橙、红、黑6级预警系统及其各自的指标阈值，对煤自燃的发生进行了预测。
标志气体分析法能够显著克服测温法存在的灵敏度不足以及误报可能性等缺点，通过不断优化指标气体和建立分级预警体系，未来，随着技术的不断创新和数据处理手段的提升，标志气体法有望进一步加强在煤自燃预警领域的应用。
1.2.3 多源信息预警法
多源信息融合技术目前应用最广泛[6]，能够综合测温法与标志气体法的相关数据，提供更全面多维度的煤堆状态信息，更好地识别自燃的迹象。
学者们提出众多创新性的分级预警体系，如：ZHANG等[45]将煤自燃过程分为7个阶段，即潜伏阶段、复合阶段、自热阶段、活化阶段、热分解阶段、裂变阶段和燃烧阶段，并定义灰、蓝、黄、橙、红、黑等等级预警名称；任万兴等[7]通过程序升温实验得出气体与煤温之间的关系曲线，并采用Logistic函数拟合得出不同气体的出现温度、拐点温度等统计学特征，构建了煤自燃分级预警体系；郭军等[46]研发了ZDC7型矿井火灾智能监测预警系统，基于煤自燃精准分析预警模型，能实时监测危险区域和危险程度，实现了煤自燃态势评估和早期智能预警；梁运涛等[47]也提出了多元异构信息融合的灾害预警模型。这些创新有望为煤自燃预警系统的未来发展提供更可靠的技术支持。
煤自燃预警对煤炭安全生产至关重要。然而，煤自燃前兆信息监测面临井下复杂环境、预警指标和模型过于依赖实验室实验、预测精度不高等问题。因此，煤自燃预警技术仍需进一步提升。
2. 煤自燃防治技术
目前煤自燃防治技术主要通过减少采空区漏风量、隔绝煤自燃的氧气条件、阻断链式反应、降温等方法来阻断煤自燃现象的发生。煤矿生产实践常用的防灭火技术主要有堵漏风、均压、灌浆、阻化剂、惰性气体、泡沫、凝胶等，根据作用效果可分为2大类：减漏风供氧方法和防灭火材料。
2.1 减漏风供氧方法
2.1.1 堵漏防灭火
堵漏防灭火技术旨在减少矿井易自燃区域的漏风，降低氧气供应，最常见的方法是使用密闭墙封堵[42]。然而，即使使用密闭墙，裂隙仍可能导致漏风。为解决这个问题，可以采用充填堵漏材料进行表面喷涂和裂隙充填。
近年来，各种性能优良的新型充填堵漏材料，密封剂、无机粉煤灰泡沫、固化泡沫和泡沫水泥已在煤矿井下推广应用，对减少密封墙的空气泄露具有较好的应用效果[48]。BOEKE等[49]采用粉煤灰泡沫水泥堵漏空气，成功降低了地面煤尘污染；ZHENG等[50]设计了一种新型发泡装置制备泡沫水泥（图6），其堵漏效果远好于传统填充堵漏材料，推动了泡沫水泥在井下的广泛应用。
2.1.2 均压防灭火
均压防灭火技术通过通风平衡漏风通道压差，以切断氧气供应，达到防止漏风和防灭火的目标。该技术最早于1956年提出，我国于20世纪50年代开始研究与应用。1984年，煤炭科学研究总院抚顺分院与波兰专家在大同矿务局煤峪口矿采用均压通风防灭火技术防治了大面积火区，效果显著[51]；ZHU等[52]等设计自调节压力平衡系统，提高均压效果；任万兴等[53]提出了分阶段实施均压的防灭火技术，在实际中取得良好效果。均压防灭火技术已成为常规系统的防灭火技术，然而，该方法的通风平衡效能、自动监测与调节系统的智能性和响应速度有待加强。
2.2 防灭火材料
2.2.1 灌浆防灭火
灌浆防灭火技术通过输送特制浆液到井下，将煤体包覆，隔离氧气，利用水分蒸发吸热抑制煤自燃。根据注浆材料的性能与成分，可分为无机注浆材料、有机注浆材料及复合注浆材料。ZHOU等[48]研究了一种由黏土、水泥、添加剂（硅酸钠）和玻璃纤维构成的复合浆料，具有出色的空气密封性和耐火性，凝固后不易开裂，成本较低；ZHAI等[54]则创新了一种灭火灌浆材料，引入羧甲基纤维素作为解絮凝剂，科学支持了煤自燃的抑制效果。灌浆防灭火在极大地提高矿井安全性，在我国煤矿已投入应用，未来注浆材料和工艺将应更加环保、高效，注重智能监测系统的应用，以进一步提升煤矿防灭火能力。
2.2.2 阻化剂防灭火
学者们根据煤氧化机理致力于研发阻化剂以防治煤自燃。煤炭科学技术研究总院抚顺分院于1974年就着手研究阻化剂防治技术，在沈阳等地成功应用；20世纪80年代在铜川将阻化剂以雾状形式来实现防灭火，效果显著，在我国得到广泛应用[51]。这些阻化剂利用负催化作用，中断煤中活性基团与氧气的链式反应，从而抑制煤的氧化过程。同时，阻化剂的吸水保湿性在煤体表面形成液膜，有效地降低煤体表面温度，防止煤自燃。当前阻化剂主要分为3类：物理阻化剂、化学阻化剂和复合阻化剂[55]。
2.2.2.1 物理阻化剂
物理阻化剂通过改变环境或煤体的物理条件来预防自燃。其机理包括覆盖煤表面活性中心、隔离煤与氧气，或者引入大量水以吸收热量延缓氧化反应。这些阻化剂主要影响煤的物理吸附阶段。卤盐和铵盐是目前最常用的物理阻化剂[56-57]。实验证明，MgCl2在初期具有较好的抑制效果，但后期逐渐减弱，甚至出现一定的催化作用[58]。DU等[55]发现NH4H2PO4对煤自燃具有较强的抑制作用的影响最大，尤其在高温阶段(大于200 ℃)，其抑制效果强于MgCl2和CaCl2，NT试样抑制剂液预注入前后特征温度点变化如图7所示。
![]()
图 7 NT试样抑制剂液预注入前后特征温度点变化Figure 7. Changes in characteristic temperature points of NT sample before and after pre-injection of inhibitor solution大量研究表明，物理阻化剂主要在煤自燃的物理吸附阶段发挥作用[55-57]。然而，随着时间的推移，它们的阻化效果逐渐减弱，且存在可能引起设备腐蚀、环境污染、产生有毒有害气体、安全性不高等问题。
2.2.2.2 化学抑制剂
化学抑制剂抑制机制主要体现在2个方面：首先，抑制剂与煤体中的活性官能团结合，形成稳定的化学键，从而阻止反应；其次是破坏煤中的活性官能团。常用的有抗氧化剂和离子液体等[58-60]。
LU等[58]选用1,1,3,3,3−六甲基二硅氮烷作为保护酚羟基的终止剂，生产出稳定高效的抑制剂，并研究了其在胜利煤矿褐煤自燃抑制方面的规律；MA等[59]成功制备了一种持续高效抑制煤自燃的抑制剂，通过使用超强吸水性（SAR）树脂、茶多酚（TP）和维生素C（VC），使得该抑制剂在煤自燃的吸氧增重阶段、热解阶段、燃烧阶段均表现出一定的抑制作用。
在离子液体中，煤的溶解能显著改变其形态特征并减少活性官能团的数量[60]。研究发现Cl−、[BF4]−、[OAC]−、[OTf]−阴离子对煤中片层直径微晶和脂肪烃结构的破坏能力显著增强[61]。另一方面，LU等[62]通过DL−苹果酸处理煤样，发现煤中自由基浓度和含氧官能团含量减少，而低浓度下的抑制效果更为显著。DL−苹果酸的螯合机制如图8所示。
2.2.2.3 复合阻化剂
单一物理或化学阻化剂存在自身缺点，应对煤自燃难题时存在一定不足，因此学者们转向复合和协同阻化机理，从本质上全面抑制煤自燃过程。研究发现MgCl2+NaCl和MgCl2+CaCl2能显著降低煤自燃敏感性[63]。PAN等[64]将十二烷基硫酸钠、十二烷基磺酸钠、阻燃化合物、黄原胶和去离子水混合制备不同质量分数的新型环保化学复合抑制剂，质量分数越高具有更好的抑制率，20%质量分数的复合抑制剂对煤样CO生成的抑制率为85.92%，制备过程和抑制机理如图9所示；QI等[65]基利用卤素抑制剂、儿茶素、共聚物、溶剂和表面活性剂合成一种新型控释抑制剂，通过煤自燃燃烧特性实验发现其抑制效果良好，且抑制时间更久。复合阻化剂的协同作用大大提高了防灭火性能，但制备时需考虑复杂度、效果、成本及安全性等问题。
![]()
图 9 抑制剂的抑制机制示意图[64]Figure 9. Inhibition mechanism diagrammatic sketch of the inhibitor2.2.3 惰性气体防灭火
研究发现，注入N2和CO2是一种惰性气体防灭火的有效方式，可以通过降低氧气体积分数、提高采空区静压、减少漏风量及吸热降温来抑制煤自燃。我国于20世纪80年代开始氮气防灭火研究，研发出拉管、埋管及钻孔式注氮方式，目前最常用拖管注氮方式。然而，传统的注氮方式存在分布不均匀和管道浪费等问题。ZHU等[9]等研发了连续精准注氮防灭火装置，并基于Box-Behnken设计，优化了注氮防灭火技术参数，使得注氮效果最大化。
CO2因其更好的防灭效果及环保性也开始逐渐应用于采空区惰气防灭火。TANG等[66]通过实验发现，N2与CO2混合气体的防灭火效果介于N2和CO2之间，且毒性和成本比CO2低得多。随着煤炭开采深度的增加，传统的惰气防灭火已经无法确保煤矿的安全生产。因此，液态惰气在矿井火灾防控方面引起广泛关注。于贵生等[67]阐述了液氮防灭火技术可以很好地应对煤矿内因火灾与外因火灾。液态惰性气体在煤矿防灭火领域有着广泛的应用前景。
2.2.4 泡沫防灭火
泡沫主要是通过泡沫剂生成成泡沫形成灭火屏障，通过泡沫的隔氧与吸热等功能进行防灭火。主要分为惰性气体泡沫、三相泡沫与凝胶泡沫。
1）惰性气体泡沫。惰性气体泡沫利用气液两相泡沫（如CO2与N2）将惰性气体包裹，实现抑氧、降温和抑制煤复燃。杨广文[68]针对煤自燃特点，研究了复合型膨胀惰泡防灭火技术，通过专用设备输送至危险区域，可实现远程控制灭火。然而，惰性气体泡沫存在不稳定和易破裂等问题，尚未在井下得到广泛应用。为克服这些问题，研究人员已经着手研究三相泡沫和凝胶泡沫防灭火技术。
2）三相泡沫。三相泡沫主要由固态不燃物惰性气体及水组成，通过氮气注入含泡沫的浆液中，迅速膨胀，用于填充采空区的遗煤[69]。CHEN等[70]研制的粉煤灰基无机三相泡沫经实验证明具有高膨胀率、良好黏聚性和卓越稳定性；LIU等[71]在山西省晋城市固树园煤矿煤矸石堆场通过灌注用于冷却的三相泡沫和用于填充裂缝的固化材料，可以有效地扑灭火灾。三相泡沫极大地提高了防灭火效果，因其高发泡倍数，单位体积泡沫材料成本大幅降低，经济效益显著。
3）凝胶泡沫。凝胶泡沫是通过在水中分散聚合物和发泡剂，气体发泡后，聚合物在泡沫液膜内形成三维网状结构，具有封堵性和阻化性的特性。ZHANG等[72]选择了6种合适的发泡剂来制备发泡凝胶，结果表明加入发泡凝胶后，相较于MgCl2处理的煤样品与原煤样，煤燃烧效果大打折扣，凝防灭火效果显著；FAN等[73]制备了XG/GG/HPAM凝胶泡沫，实验证实其在宏观实验和微观机理上都表现出良好的防灭火效果，抑制煤自燃过程如图10所示。这些研究为凝胶泡沫在实现高效防火性能方面提供了有力支持。
![]()
图 10 凝胶泡沫抑制煤自燃过程示意图Figure 10. Schematic diagram of the process of suppressing coal spontaneous combustion by gel foam泡沫防灭火具有很强的防灭火能力。然而，泡沫的稳定性较低，导致破碎后难以保持液膜在煤表面的附着力，提高泡沫的稳定性是实现煤自燃卓越防治的关键。
2.2.5 胶体防灭火
胶体防灭火技术起源于20世纪90年代，因其稳定的防灭火性能而迅速发展。该技术的核心思想是将制备的胶体输送至采空区，通过胶体中的水分蒸发吸热，降低采空区的温度。同时，胶体稳定后形成薄膜覆盖在煤的表面，阻碍煤与氧气的接触，防止煤的氧化。这一过程有效提高了防灭火效率。胶体防灭火技术主要分为凝胶、复合胶体、稠化胶体。
1）凝胶。凝胶诞生于20世纪70年代，其主要由基料、促凝剂和水组成，包括普通硅酸凝胶、无氨凝胶、复合凝胶和水凝胶等[51]。基于传统凝胶的局限性，复合凝胶在不断改进的情况下，通过整合多种材料的优势，实现更为高效、全面的灭火效果。CHENG等[74]将钠基膨润土和高岭土、二氧化硅、过氧化氢和氧化硅加工生成一种新型复合无机延缓凝胶材料，当达到一定质量分数时，基本全部覆盖煤体表面而保持无损失，实现了良好的煤自燃预防与控制；WANG等[75]制备了魔芋葡甘露聚糖（KGM）与粉煤灰（FA）混合生产的新型生物质复合热响应凝胶，能够有效抑制煤温度升高、热量积累和CO生成，具有较好的应用前景，且价格便宜，对环境无害，黏度和凝胶化时间可控。但上述凝胶因为黏度过大，在使用过程中造成喷射和输送困难，对此学者们研究出了水凝胶防灭火材料。ZHOU等[76]以木聚糖和羧甲基纤维素钠为基质，采用超声波方法将基质与N-异丙基丙烯酰胺和2−丙烯酰胺基−2−甲基丙烷磺酸进行自由基共聚，得到一种新型的温度敏感型高吸水性防灭火水凝胶，防灭火效果显著。为进一步克服胶凝时间较难控制、成本高的缺点，CHENG等[77]使用玉米秸秆、发泡剂和可膨胀石墨制备了一种在高温下膨胀的自发泡智能凝胶（IG），相较于其他凝胶，该新型智能凝胶在包裹高温火源表面的同时稳定降低温度，并有效抑制羟基的氧化，防止了重新点燃，具有较为理想的防灭火特性。凝胶防灭火材料目前已经在实际应用中得到广泛使用，未来的发展应注重提高性能和环保性。
2）复合胶体。复合胶体是一种由2种或更多种不同物质的微粒（固体、液体或气体）在另一种物质中形成的胶体系统。这类胶体中的微粒大小通常在纳米到微米级别，呈胶体状态，可以是悬浮在液体中的颗粒，也可以是分散在气体或其他液体中的小滴[78]。与传统凝胶相比，复合胶体具有更高的强度和耐高温性，表现出卓越的堵漏效果，同时降低了基料使用量，成本更为经济。这种技术在多个领域，尤其是堵漏和防灭火方面，具有广泛的应用潜力。HUANG等[78]证明以硅酸钠为基料，碳酸氢钠为凝固促进剂，聚丙烯酸钠为聚合物添加剂的胶体，实现了降温、降低O2、CO和CO2体积分数的目标，且在阳泉煤业集团2号矿80704工作面进行了成功的现场试验。尽管复合胶体已经在抑制煤自燃方面取得显著效果，但其材料性能、环保性和适用性仍需要进一步提升。
3）稠化胶体。稠化胶体通过在粉煤灰、黄土及山砂等固体材料的浆体中添加稠化剂，利用专用设备压注至指定区域，实现阻化效果，包括隔氧和降温。为适应我国西北地区的土水资源短缺情况，王德明等[79]研制了一种绿色环保新材料实现对砂浆的远距离运输。学者们还研究了FHS型稠化胶体[80]、高吸水树脂[81]等。
2.2.6 其他防灭火材料
其他防灭火材料包括气溶胶、微胶囊阻化剂和微生物。气溶胶通过在凝胶壁中分散溶胶颗粒形成惰性凝胶层，覆盖煤并阻断氧气，同时消耗煤中的自由基，抑制烷烃链断裂，降低煤的氧化活性。KOROBEINICHEV等[82]通过含碘化合物与有机磷溶液制备冷态气溶胶，其对抑制火焰和燃烧均有效，所需的体积流量仅为纯水的1/30。微胶囊阻化剂在煤升温过程中发生相变，起到隔氧作用，具有良好的抑制效果[83]。XUE等[84]采用石蜡包封多酚制备了温敏阻燃微胶囊，具备灭火时间短、阻燃效率高、复燃难度大等优点；张嬿妮等[85]通过调整阻化微胶囊的芯壁比，降低煤燃烧产生热量并提高活化能。微生物通过对煤微观结构进行破坏（消耗活性基团）与消耗氧气达到减缓煤氧化和自燃[86]。微生物包括真菌、细菌和放线菌，可实现煤炭清洁利用。
3. 煤自燃应急救援
为降低煤矿自燃事故造成的严重后果，很多学者开展了煤自燃应急救援研究。当前，煤自燃应急救援主要集中在应急装备、应急资源、应急预案、应急响应决策、应急救援系统、应急能力评估等方面。
1）应急装备。STAFFORD等[87]提及闭路呼吸器考虑用户适合性是关键，可以发挥救援队员的最佳能力，指出此外无人驾驶地面和飞行器有助于救援人员进行初步评估并进入矿井的受阻部分；此外他还谈到使用机器人技术辅助矿山救援的概念很有前途。
2）应急资源。王金凤等[15]将动态博弈模型融入应急资源配置，实现最优的救援效果；王亚阳等[88]采用熵值-理想点法建立了煤矿突发事件应急资源调配模型，为煤矿应急时资源调配提供了新的方法。
3）应急预案。陈东晓等[89]结合信息化技术建立应急预案模型，实现煤矿应急管理与救援指挥辅助决策系统。为了克服应急预案不能反映实时信息等问题；杨梦等[90]设计了智能化应急预案系统。
4）应急响应决策。王娟等[91]提出一种基于后悔理论和犹豫模糊集的煤矿事故应急响应风险决策方法；杨乃定等[92]则提出了一种基于直觉模糊软集(IFSSs)的煤矿应急救援决策方法，并通过实际验证表明该方法具有很好的决策效果。
5）应急救援系统。ZHAO等[15]提出一种基于无线网状网络的井下应急救援通信系统及其相应的环境监测子系统，能够保持通信系统功能稳定；LIU [93]提出基于多天线阵列的UWB无线通信系统解决井下信号传输不佳的问题；王理等[94]指出车载矿山应急救援指挥辅助决策系统能够将受灾区域实时信息及危险性上传至指挥中心，具有很大的应用前景。
6）应急能力评估。梁闫等[12]构建了包含救援准备协同、指挥决策协同、生命救援协同、事故处置协同和救援保障协同5个一级指标和17个二级指标的评价指标体系，并提出了基于G1-DEMATEL-测度量化的应急救援协同能力评价模型，利用青海柴达尔煤矿事故验证模型；LEI等[95]基于灰度系统理论和灰色评价方法建立评估模型，对卢沟矿火灾应急救援指标体系进行风险评估，并提出相应对策；YANG等[96]提出一种结合D数理论和模糊层次分析法（FAHP）的方法，研究龙东地区煤炭企业应急能力，不仅能有效识别应急管理中的薄弱环节，又能满足企业在应急状态下的应急决策需求，对提高企业应急管理能力和水平具有重要的指导意义。
4. 未来趋势
综上所述，国内外学者对煤自燃监测预警、防治技术和应急救援进行了大量研究与探索，在实验室实验与现场应用方面取得了大量进展，为煤自燃防控提供了理论与技术支撑。但受限于采空区环境复杂、气体数据等参数较难收集、智能化预警技术不足、火源无法精准定位、应急救援力量亟待加强等因素，煤自燃防控仍存在一些不足有待进一步深究。因此，煤自燃全阶段防控仍需从以下几个方面进行完善。
4.1 煤自燃预测预报
未来的煤自燃预测预报指标体系将更加全面、智能，结合先进的监测技术和数据分析手段，以提高自燃风险的预测准确性和实时性。
1）多因素对煤自燃指标气体影响研究。可以通过搭建大型试验平台，研究煤自燃产气规律，考虑井下环境因素影响，增加漏风流场、气体浓度场、温度场之间的耦合关系对煤自燃标志气体的影响，深入分析温度与湿度对气体的驱动效应，结合多元统计分析方法，确定不同因素对标志气体的影响程度，提高预测的准确性，为煤自燃指标体系构建提供依据。
2）物联网、机器学习和人工智能的大数据分析。利用物联网中大量积累的历史数据，使用机器学习和深度学习算法分析自燃事件的模式和趋势，建立更为复杂和准确的预测模型，并对监测数据进行模型的实时优化，提高模型的适应性和准确性。
4.2 煤自燃预警
实现煤自燃信息的动态感知与智能预警，推动构建煤自燃智能化监测预警体系。未来的发展趋势应会朝着更加“智能、精准、深层次、可视化”方向发展。
1）智能化建设。结合人工智能和机器学习技术，对历史数据和实时监测数据进行深度学习，并实时监测温度、湿度、气体浓度等关键参数，提高系统对自燃风险的识别和预测能力，系统能够不断学习和优化，适应不同条件下的变化。
2）远程监控和自动化。发展更多远程监控技术，使得操作人员能够通过远程终端实时查看煤储存区域的状态，并在必要时采取远程控制措施；自动化系统也可以根据预定的规则和算法进行自主决策，减少人为因素对预警的依赖。
3）多层次、多参数的预警体系。构建更为复杂和全面的预警体系，包括多层次、多参数的监测。不仅仅关注表面温度，还需考虑环境因素（漏风、湿度）、煤堆内部的情况，以及气体的变化等因素，提高对自燃风险的全面性把控。
4）可视化分析。预警系统将提供直观的可视化界面，使操作人员能够清晰地了解煤储存区域的状态。实时报告将包括监测数据、风险评估和预警信息，以便及时做出决策。此外，预警系统需要适应科技的发展和新的监测需求，这可能包括定期更新软件算法、升级硬件设备以及采纳新的技术标准。
4.3 煤自燃防治
1）反应机理的深入探索。未来需要进一步探索煤自燃的反应机理，特别是在空间时间尺度上研究不同种类基团反应路径及产物生成的相互影响。研究煤自燃反应的主要活性基团的链式循环反应过程，得出煤分子中不同活性基团低温氧化反应的关键基元反应及反应活性贡献率排序，基于此选取合适的防灭火材料。通过理论、数值模拟和多次实验相结合，提高对防灭火材料抑制煤自燃反应机理的理解，避免现场应用时的误差。
2）新型防灭火材料的研发。当前的防灭火材料存在一些问题，如效果不佳、经济性和环保性差等。因此，需要加强对新型防灭火材料的研发，这些材料应具备高效灭火、精准靶向、环保绿色和经济可行等特点。借助纳米技术、智能材料等新兴领域的突破，提高防治效果的同时减少对环境的不良影响。
3）微生物技术的研究与利用。未来应继续深入研究微生物对煤自燃的作用规律，培养驯化适应煤矿环境的多功能微生物，以实现更好的煤自燃抑制效果，并利用多种功能微生物的分步协同作用进一步抑制煤自燃，对促进微生物防治在煤矿领域的可持续应用具有重要的理论和实际意义。
4）构建全阶段动态分级防治体系。根据煤自燃预警分级，结合人工智能和机器学习技术，实现煤自燃全阶段动态分级防控，确保系统的可靠性与实时性。
4.4 煤自燃应急救援
煤自燃应急救援未来会以无人化、智能化、信息化与协同化为主导，借助先进技术和全球合作，提高对煤自燃事件的救援响应能力。
1）智能化救援设备与技术。使用无人机进行空中监测，迅速获取煤储存区域的实时情况，为救援决策提供数据支持；在救援过程中，通过携带智能传感器，实时监测环境参数，提高救援效率和安全性。
2）实时通信和应急响应系统。利用5G技术和卫星通信，确保监测系统能够迅速向相关人员发出警报。同时，建立更为有效的应急响应系统，包括预先制定的处置计划和紧急疏散程序，以降低煤自燃发生时的损失。
3）多层次协同救援。不仅需要火灾救援部门的参与，还需其他相关部门的协同，如环保、交通、医疗等，形成多层次、多方面的综合救援。此外全球应该共享救援经验、技术和资源，提高全球煤矿安全救援水平。
4）培训与演练。利用虚拟现实技术进行实景模拟演练，提高救援人员的实际操作能力。建立在线培训平台，为救援人员提供定期的培训和知识更新，以确保其保持高水平的救援能力。
5）绿色救援技术。发展更环保、无害的灭火剂，以减少对环境的影响。推广可再生能源在救援设备和工艺中的应用，减少对有限资源的依赖，使救援过程更为可持续。
5. 结 语
构建煤自燃“监测预警、防治技术、应急救援”系统是实现全阶段动态防控的重要举措，对于煤矿安全生产具有卓越的意义。尽管目前在该领域已经取得一定进展，但整体仍处于起步阶段，发展与挑战并存。
1）在未来的煤自燃监测预警系统中，将采用综合多元统计分析、物联网、机器学习和人工智能等先进技术，提高煤自燃预测预报准确性，构建智能化、超前预警与态势研判机制。核心在于整合多个数据源，通过物联网传感器实时采集关键指标，形成全面的煤储存区域监测网络，提升对煤自燃危险程度的精准监测。
2）未来煤自燃防治技术的发展呈现深度研究和多元创新的趋势。将综合运用多学科交叉的研究手段，深入理解自燃机理、创新防灭火材料、发展新型微生物技术，结合煤自燃预警分级，构建更为高效、智能、可持续的煤自燃分级防治体系。
3）随着物联网、人工智能、机器学习等技术的不断发展，煤自燃应急救援正向更智能、信息化的方向迈进。需整合先进技术，加强培训，建立高效、协同、智能的救援机制。多方协同的救援体系有望更好地整合资源，实现信息的共享，充分发挥应急救援力量。通过实时数据分析和模型算法应用，救援系统将更智能地应对复杂多变的煤矿环境。
-
![]()
图 1 煤自燃监测预警分类
Figure 1. Classification of coal spontaneous combustion monitoring and early warning
![]()
图 3 基于特征温度划分风险等级[28]
Figure 3. Division of risk levels based on the characteristic temperature
![]()
图 5 分布式光纤温度监测装置的结构
Figure 5. Structure of distributed optical fiber temperature monitoring device
![]()
图 7 NT试样抑制剂液预注入前后特征温度点变化
Figure 7. Changes in characteristic temperature points of NT sample before and after pre-injection of inhibitor solution
![]()
图 9 抑制剂的抑制机制示意图[64]
Figure 9. Inhibition mechanism diagrammatic sketch of the inhibitor
-
[1] 李增华,苗国栋. 煤自燃大分子量气态产物生成规律研究[J]. 中国矿业大学学报,2023,52(6):1119−1128. LI Zenghua, MIAO Guodong. Study of the emission law of higher-molecular-weight gases during coal spontaneous combustion[J]. Journal of China University of Mining & Technology, 2023, 52(6): 1119−1128.
[2] 肖旸,叶星星,刘昆华,等. 二次氧化煤自燃过程关键官能团的转变规律[J]. 煤炭学报,2021,46(S2):989−1000. XIAO Yang, YE Xingxing, LIU Kunhua, et al. Transformation law of key functional groups in the process of coal secondary oxidation[J]. Journal of China Coal Society, 2021, 46(S2): 989−1000.
[3] 王利新,姚志强,王晓欢,等. 特厚高放顶煤开采注氮煤自燃危险抑制特性研究[J]. 煤矿安全,2023,54(10):72−81. WANG Lixin, YAO Zhiqiang, WANG Xiaohuan, et al. Study on suppression characteristics of coal spontaneous combustion risk by nitrogen injection in extra-thick and high top coal caving[J]. Safety in Coal Mines, 2023, 54(10): 72−81.
[4] 丁徐琴,张雷林. 氧气体积分数对煤自燃特性影响的实验研究[J]. 煤矿安全,2023,54(7):156−162. DING Xuqin, ZHANG Leilin. Experimental study on effect of oxygen volume fraction on spontaneous combustion characteristics of coal[J]. Safety in Coal Mines, 2023, 54(7): 156−162.
[5] 周福宝,李金海. 煤矿火区启封后复燃预测的BP神经网络模型[J]. 采矿与安全工程学报,2010,27(4):494−498. ZHOU Fubao, LI Jinhai. Prediction model for reignition of fire zone after unsealing based on BP neural networks[J]. Journal of Mining & Safety Engineering, 2010, 27(4): 494−498.
[6] 秦波涛,仲晓星,王德明,等. 煤自燃过程特性及防治技术研究进展[J]. 煤炭科学技术,2021,49(1):66−99. QIN Botao, ZHONG Xiaoxing, WANG Deming, et al. Research progress of coal spontaneous combustion process characteristics and prevention technology[J]. Coal Science and Technology, 2021, 49(1): 66−99.
[7] 任万兴,郭庆,石晶泰,等. 基于标志气体统计学特征的煤自燃预警指标构建[J]. 煤炭学报,2021,46(6):1747−1758. REN Wanxing, GUO Qing, SHI Jingtai, et al. Construction of early warning indicators for coal spontaneous combustion based on statistical characteristics of index gases[J]. Journal of China Coal Society, 2021, 46(6): 1747−1758
[8] 赵建会,张辛亥. 矿用灌浆注胶防灭火材料流动性能的实验研究[J]. 煤炭学报,2015,40(2):383−388. ZHAO Jianhui, ZHANG Xinhai. Experimental study of mine grout injection plastic fire prevention materials flow properties[J]. Journal of China Coal Society, 2015, 40(2): 383−388.
[9] ZHU Hongqing, HU Lintao, QU Baolin, et al. Optimization of key parameters for continuous and precise nitrogen injection in goaf based on response surface methodology[J]. Environmental Science and Pollution Research, 2023, 30: 40189−40205. doi: 10.1007/s11356-022-25037-7
[10] 张玉涛,史学强,李亚清,等. 环保型煤自燃阻化剂的阻化特性及机理研究[J]. 中国矿业大学学报,2018,47(6):1224-1232. ZHANG Yutao, SHI Xueqiang, LI Yaqing, et al. Mechanism and inhibiting effects of environmental-friendly inhibitor on coal spontaneous combustion[J]. Journal of China University of Mining & Technology, 2018, 47(6): 1224-1232.
[11] 秦波涛,王德明,毕强,等. 三相泡沫防治采空区煤炭自燃研究[J]. 中国矿业大学学报,2006,35(2):162-166. QIN Botao, WANG Deming, BI Qiang, et al. Three-Phase foam for preventing spontaneous combustion of coal in goaf[J]. Journal of China University of Mining & Technology, 2006, 35(2): 162-166.
[12] 梁闫,陈昊,张永领,等. 基于G1-DEMATEL-测度量化的煤矿应急救援协同能力评价模型[J]. 煤矿安全,2022,53(11):254−258. LIANG Yan, CHEN Hao, ZHANG Yongling, et al. Evaluation model of coal mine emergency rescue collaborative ability based on G1-DEMATEL-measurement quantification[J]. Safety in Coal Mines, 2022, 53(11): 254−258.
[13] 胡青松,杨维,丁恩杰,等. 煤矿应急救援通信技术的现状与趋势[J]. 通信学报,2019,40(5):163−179. HU Qingsong, YANG Wei, DING Enjie, et al. State-of-the-art and trend of emergency rescue communication technologies for coal mine[J]. Journal on Communications, 2019, 40(5): 163−179.
[14] 王金凤,张璐瑶,冯立杰,等. 基于动态博弈的煤矿突发事故应急资源配置[J]. 煤矿安全,2016,47(1):234−237. WANG Jinfeng, ZHANG Luyao, FENG Lijie, et al. Coal mine accident emergency resource allocation based on dynamic game[J]. Safety in Coal Mines, 2016, 47(1): 234−237.
[15] ZHAO Haojiang, YANG Wei. An emergency rescue communication system and environmental monitoring subsystem for underground coal mine based on wireless mesh network[J]. International Journal of Distributed Sensor Networks, 2018, 14(10): 15501477188.
[16] 孔彪,朱思想,胡相明,等. 基于改进鲸鱼算法优化BP神经网络的煤自燃预测研究[J]. 矿业安全与环保,2023,50(5):30−36. KONG Biao, ZHU Sixiang, HU Xiangming, et al. Study on prediction of coal spontaneous combustion based on MSWOA-BP[J]. Mining Safety & Environmental Protection, 2023, 50(5): 30−36.
[17] 邓军,白祖锦,肖旸,等. 煤自燃指标体系试验研究[J]. 安全与环境学报,2018,18(5):1756−1761. DENG Jun, BAI Zujin, XIAO Yang, et al. Experimental investigation and examination for the indexical system of the coal spontaneous combustion[J]. Journal of Safety and Environment, 2018, 18(5): 1756−1761.
[18] LI Xuping, ZHANG Jing, REN Xiaopeng, et al. Study on condition analysis and temperature prediction of coal spontaneous combustion based on improved genetic algorithm[J]. Aip Advances, 2022, 12(11): 115128. doi: 10.1063/5.0127606
[19] GUO Jun, CHEN Changming, WEN Hu, et al. Prediction model of goaf coal temperature based on PSO-GRU deep neural network[J]. Case Studies in Thermal Engineering, 2024, 53: 103813. doi: 10.1016/j.csite.2023.103813
[20] 翟小伟,罗金雷,张羽琛,等. 基于数据填补的煤自燃温度预测模型[J]. 工矿自动化,2023,49(1):28−35. ZHAI Xiaowei, LUO Jinlei, ZHANG Yuchen, et al. Prediction model of coal spontaneous combustion temperature based on data filling[J]. Industry and Mine Automation, 2023, 49(1): 28−35.
[21] 梁运涛,王伟,王刚,等. 《煤矿防灭火细则》编制原则及要点解读[J]. 煤矿安全,2022,53(5):230−235. LIANG Yuntao, WANG Wei, WANG Gang, et al. Compilation principle and key points interpretation of Coal Mine Fire Prevention and Control Rules[J]. Safety in Coal Mines, 2022, 53(5): 230−235.
[22] 罗海珠,钱国胤. 各煤种自然发火标志气体指标研究[J]. 煤矿安全,1992,23(5):5−10. [23] 梁运涛. 煤炭自然发火预测预报的气体指标法[J]. 煤炭科学技术,2008,36(6):5−8. LIANG Yuntao. Gas index method to predict coal spontaneous combustion[J]. Coal Science and Technology, 2008, 36(6): 5−8.
[24] YAN Hongwei, NIE Baisheng, LIU Peijun, et al. Experimental assessment of multi-parameter index gas correlation and prediction system for coal spontaneous combustion[J]. Combustion and Flame, 2023, 247: 112485. doi: 10.1016/j.combustflame.2022.112485
[25] 叶正亮,龚选平,尚博,等. 煤自燃全过程精准预测预报指标体系研究与应用[J]. 矿业研究与开发,2023,43(9):141−145 YE Zhengliang, GONG Xuanping, SHANG Bo, et al. Research and application of accurate prediction index system for the whole process of coal spontaneous combustion[J]. Mining Research and Development, 2023, 43(9): 141−145.
[26] 王福生,韩慧兰,柳晓莉,等. 煤自然发火预测预报模型的构建[J]. 矿业安全与环保,2011,38(1):21−22 WANG Fusheng, HAN Huilan, LIU Xiaoli, et al. Construction of coal spontaneous combustion prediction model[J]. Mining Safety & Environmental Protection, 2011, 38(1): 21−22.
[27] WANG Kai, LI Yang, ZHAI Xiaowei, et al. A method for evaluating the coal spontaneous combustion index by the coefficient of variation and Kruskal–Wallis test: a case study[J]. Environmental Science and Pollution Research, 2023, 30(20): 58956−58966. doi: 10.1007/s11356-023-26718-7
[28] GUO Qing, REN Wanxing, LU Wei. Risk evaluation of coal spontaneous combustion from the statistical characteristics of index gases[J]. Thermochimica Acta:An International Journal Concerned with the Broader Aspects of Thermochemistry and Its Applications to Chemical Problems, 2022, 715: 179287.
[29] 李艳昌,张连超,陶华焕. 铁北煤矿褐煤自燃预测函数模型研究[J/OL]. 工业安全与环保,2024:1−6. [2024−03−07]. http://kns.cnki.net/kcms/detail/42.1640.X.20230831.1527.020.html. LI Yanchang, ZHANG Lianchao, TAO Huahuan. Study on prediction function model of lignite spontaneous combustion in Tiebei Coal Mine[J/OL]. Industrial Safety and Environmental Protection, 2024: 1−6. [2024−03−07]. http://kns.cnki.net/kcms/detail/42.1640.X.20230831.1527.020.html.
[30] LI Shuang, XU Kun, XUE Guangzhe, et al. Prediction of coal spontaneous combustion temperature based on improved grey wolf optimizer algorithm and support vector regression[J]. Fuel, 2022, 324: 124670. doi: 10.1016/j.fuel.2022.124670
[31] GUO Jun, CHEN Changming, WEN Hu, et al. Prediction model of goaf coal temperature based on PSO-GRU deep neural network[J]. Case Studies in Thermal Engineering, 2022, 53: 103813.
[32] GUO Qing, REN Wanxing, LU Wei. A method for predicting coal temperature using CO with GA-SVR model for early warning of the spontaneous combustion of coal[J]. Combustion Science and Technology, 2022, 194(3): 523−538. doi: 10.1080/00102202.2020.1772767
[33] 刘宝,穆坤,叶飞,等. 基于相关向量机的煤自燃预测方法[J]. 工矿自动化,2020,46(9):104−108. LIU Bao, MU Kun, YE Fei, et al. Prediction method of coal spontaneous combustion based on relevance vector machine[J]. Industry and Mine automation, 2020, 46(9): 104−108.
[34] 邵良杉,马寒,温廷新. 因子分析与支持向量机相结合的煤炭自燃预测[J]. 辽宁工程技术大学学报(自然科学版),2014,33(4):433−436. SHAO Liangshan, MA Han, WEN Tingxin. Coal spontaneous combustion prediction model of support vector machine combined with factor analysis[J]. Journal of Liaoning Technical University (Natural Science), 2014, 33(4): 433−436.
[35] HAGIWARA K, FUKUMIZU K. Relation between weight size and degree of over-fitting in neural network regression[J]. Neural Networks, 2008, 21(1): 48−58. doi: 10.1016/j.neunet.2007.11.001
[36] 邓军,雷昌奎,曹凯,等. 采空区煤自燃预测的随机森林方法[J]. 煤炭学报,2018,43(10):2800−2808. DENG Jun, LEI Changkui, CAO Kai, et al. Random forest method for predicting coal spontaneous combustion in gob[J]. Journal of China Coal Society, 2018, 43(10): 2800−2808.
[37] 郑学召,李梦涵,张嬿妮,等. 基于随机森林算法的煤自燃温度预测模型研究[J]. 工矿自动化,2021,47(5):58−64. ZHENG Xezhao, LI Menghan, ZHANG Yanni, et al. Research on the prediction mode of coal spontaneous combustion temperature based on random forest algorithm[J]. Industry and Mine Automation, 2021, 47(5): 58−64.
[38] SHUKLA US, MISHRA DP, MISHRA A. Prediction of spontaneous combustion susceptibility of coal seams based on coal intrinsic properties using various machine learning tools[J]. Environmental Science and Pollution Research, 2023, 30(26): 69564−69579. doi: 10.1007/s11356-023-27248-y
[39] 王伟峰,邓军,侯媛彬,等. 采空区煤自燃分布式光纤温度监测预警技术的研究与应用[J]. 矿山机械,2017,45(2):55−60. WANG Weifeng, DENG Jun, HOU Yuanbin, et al. Research and application of distributed optical fiber temperature monitoring and pre-warning technology for spontaneous combustion of coal in goaf[J]. Mining & Processing Equipment, 2017, 45(2): 55−60.
[40] 汪伟,崔欣超,祁云,等. 基于SSA-RF的采空区煤自燃温度回归分析模型[J]. 中国安全科学学报,2023,33(9):136−141. WANG Wei, CUI Xinchao, QI Yun, et al. Regression analysis model of coal spontaneous combustion temperature in goaf based on SSA-RF[J]. China Safety Science Journal, 2023, 33(9): 136−141.
[41] 朱兴攀,许敏,王鹏,等. 分布式温度监测系统在煤自燃预警中的应用[J]. 煤炭工程,2019,51(10):24−27. ZHU Xingpan, XU Min, WANG Peng, et al. Research and application of seamless temperature monitoring system for early warning of coal spontaneous combustion[J]. Coal Engineering, 2019, 51(10): 24−27.
[42] 张东. 基于无线ZigBee技术的露天煤矿煤场安全预警系统[J]. 露天采矿技术,2013(4):79−82. ZHANG Dong. Opencast coal mine safety warning system based on wireless ZigBee technology[J]. Opencast Mining Technology, 2013(4): 79−82.
[43] 岳宁芳,金彦,孙明福,等. 基于多指标气体的煤自燃进程分级预警研究[J]. 安全与环境学报,2020,20(6):2139−2146. YUE Ningfang, JIN Yan, SUN Mingfu, et al. Multi-staged warning system for controlling the coal spontaneous combustion based on the various index gases[J]. Journal of Safety and Environment, 2020, 20(6): 2139−2146.
[44] WANG Caiping, DU Yuxin, DENG Yin, et al. Study on spontaneous combustion characteristics and early warning of coal in a deep mine[J]. Fire, 2023, 6(10): 396.
[45] ZHANG Duo, CEN Xiaoxin, WANG Weifeng, et al. The graded warning method of coal spontaneous combustion in Tangjiahui Mine[J]. Fuel, 2021, 288: 119635. doi: 10.1016/j.fuel.2020.119635
[46] 郭军,王凯旋,金永飞,等. 煤自燃进程精细划分方法及其智能监测预警—煤火精准防控技术变革[J]. 煤炭学报,2023,48(S1):111-121. GUO Jun, WANG Kaixuan, JIN Yongfei, et al. Fine division method of coal spontaneous combustion process and its intelligent monitoring and early warning: Technological change in precise prevention and control of coal fires[J]. Journal of China Coal Society, 2023, 48(S1): 111-129.
[47] 梁运涛,田富超,冯文彬,等. 我国煤矿气体检测技术研究进展[J]. 煤炭学报,2021,46(6):1701−1714. LIANG Yuntao, TIAN Fuchao, FENG Wenbin, et al. Research progress of coal mine gas detection technology in China[J]. Journal of China Coal Society, 2021, 46(6): 1701−1714.
[48] ZHOU Fubao, SHI Bobo, LIU Yingke, et al. Coating material of air sealing in coal mine: Clay composite slurry (CCS)[J]. Applied Clay Science, 2013, 81: 299−304.
[49] BOEKE N, BIRCH G D, NYALE S M, et al. New synthesis method for the production of coal fly ash-based foamed geopolymers[J]. Construction & Building Materials, 2015, 75: 189−199.
[50] ZHENG Xuezhao, ZHANG Duo, WEN Hu. Design and performance of a novel foaming device for plugging air leakage in underground coal mines[J]. Powder Technology, 2019, 344: 842−848. doi: 10.1016/j.powtec.2018.12.064
[51] 梁运涛,罗海珠. 中国煤矿火灾防治技术现状与趋势[J]. 煤炭学报,2008,33(2):126−130. LIANG Yuntao, LUO Haizhu. Current situation and development trend for coal mine fire prevention & extinguishing techniques in China[J]. Journal of China Coal Society, 2008, 33(2): 126−130.
[52] ZHU Hongqing, WANG Haofeng, QIN Wei, et al. Study and application on self-adjusting pressure-balancing system[C]// Progress in Safety a Science and Technolofy, 2005: 1248−1251.
[53] 任万兴,郭庆,左兵召,等. 近距离易自燃煤层群工作面回撤期均压防灭火技术[J]. 煤炭科学技术,2016,44(10):48−52. REN Wanxing, GUO Qing, ZUO Bingzhao, et al. Pressure balanced fire prevention and control technology during equipment withdrawing period of coal mining face in easy spontaneous combustion contiguous seams group[J]. Coal Science and Technology, 2016, 44(10): 48−52.
[54] ZHAI Xiaowei, ZHOU Yujie, ZHANG Duo, et al. Stability properties of slurry based on coal-to-liquid gasification ash slag[J]. Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 2023, 45(4): 9731−9742.
[55] DU Wenzhou, NIU Kuo, WANG Houwang, et al. Experiment and field application of inhibitor liquid in spontaneous combustion process of coal based on thermogravimetric analysis[J]. Journal of Energy Resources Technology, 2020, 143(2): 1−11.
[56] 王宏飞,王继仁,郝朝瑜,等. 几种无机盐类脱氧型阻化剂耗氧速率试验研究[J]. 中国安全科学学报,2017,27(2):47−52. WANG Hongfei, WANG Jiren, HAO Chaoyu, et al. Experimental study of several inorganic salts-type inhibitor of oxygen consumption rate[J]. China Safety Science Journal, 2017, 27(2): 47−52.
[57] YU Shuijun, XIE Fengcheng, JIA Boyu. Influence study of organic and inorganic additive to coal combustion characteristic[C]//International Conference of Environmental Science and Engineering. 2012: 459−467.
[58] LU Wei, GAO Ao, LIANG Yuntao, et al. Stable and highly efficient HMDS terminated m-Cresol inhibitor for inhibiting coal spontaneous combustion[J]. Energy, 2023, 282: 128915. doi: 10.1016/j.energy.2023.128915
[59] MA Li, WANG Xin, LIU Xixi, et al. Study on the inhibition of coal spontaneous combustion by superabsorbent antioxidant inhibitors[J]. Combustion Science and Technology, [2023-10-18]. https://doi.org/10.1080/00102202.2023.2270150
[60] PULATI N, SOBKOWIAK M, MATHEWS J P, et al. Low-temperature treatment of Illinois No.6 coal in ionic liquids[J]. Energy & Fuels, 2012, 26: 3548−3552.
[61] LIU Hui, GOU Xiaoqing, PAN Kai, et al. Thermodynamics and inhibition mechanism of imidazolium-based ionic liquids for inhibiting spontaneous combustion of iron sulfide[J]. Fuel, 2023, 338: 127335. doi: 10.1016/j.fuel.2022.127335
[62] LU Xinxiao, WANG Mingyang, XUE Xue, et al. An novel experimental study on the thermorunaway behavior and kinetic characteristics of oxidation coal in a low temperature reoxidation process[J]. Fuel:A journal of fuel science, 2022, 310: 122162.
[63] PANDEY J, MOHALIK N K, MISHRA R K, et al. Investigation of the role of fire retardants in preventing spontaneous heating of coal and controlling coal mine fires[J]. Fire Technology, 2015, 51(2): 227−245. doi: 10.1007/s10694-012-0302-9
[64] PAN Rongkun, MA Junwei, FU Dong, et al. Experimental study on the new environmental protection chemical composite inhibitor for the inhibition of coal spontaneous combustion[J]. Journal of Thermal Analysis and Calorimetry, 2020, 139: 37−45. doi: 10.1007/s10973-019-08427-x
[65] QI Xuyao, WEI Cunxiang, LI Qizhong, et al. Controlled-release inhibitor for preventing the spontaneous combustion of coal[J]. Natural Hazards, 2016, 86(2): 891−901.
[66] TANG Li, WANG Gang, WANG Enmao, et al. The fire inhibition characteristics of composite inert gas and its application potential analysis[J]. Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 2021.
[67] 于贵生,王刚,梁运涛. 液氮技术在我国矿井防灭火领域中的应用[J]. 煤矿安全,2012,43(S1):116−118. YU Guisheng, WANG Gang, LIANG Yuntao. Application of liquid nitrogen technology in the field of fire prevention and extinguishing for coal mines in China[J]. Safety in Coal Mines, 2012, 43(S1): 116−118.
[68] 杨广文. 复合型膨胀惰泡及井下远程控制防灭火技术[J]. 煤矿安全,2009,40(9):40−41. YANG Guangwen. Composite expansion inert foam and underground remote fire controlling technology[J]. Safety in Coal Mines, 2009, 40(9): 40−41.
[69] ZHOU Fubao, REN Wanxing, WANG Deming. Application of three-phase foam to fight an extraordinarily serious coal mine fire[J]. International Journal of Coal Geology, 2006, 67(1/2): 95−100.
[70] CHEN Jian, JIA Baoshan, FU Shuoqin, et al. Novel PFA-based inorganic Three-Phase Foam for inhibiting coal spontaneous combustion[J]. ACS Omega, 2023, 8(27): 24615−24623. doi: 10.1021/acsomega.3c02881
[71] LIU Yang, QI Xuyao, LUO Dayong et al. Detection of spontaneous combustion areas of coal gangue dumps and comprehensive governance technologies: a case study[J]. ACS Omega, 2023, 8(50): 47690−47700. doi: 10.1021/acsomega.3c05942
[72] ZHANG Leilin, WU Wenjing, WEI Jian, et al. Preparation of foamed gel for preventing spontaneous combustion of coal[J]. Fuel, 2021, 300: 121024. doi: 10.1016/j.fuel.2021.121024
[73] FAN Xinli, MA Li, SHENG Youjie, et al. Experimental investigation on the characteristics of XG/GG/HPAM gel foam and prevention of coal spontaneous combustion[J]. Energy, 2023, 284: 128710. doi: 10.1016/j.energy.2023.128710
[74] CHENG Jianwei, WU Yuhang, DONG Ziwen, et al. A novel composite inorganic retarding gel for preventing coal spontaneous combustion[J]. Case Studies in Thermal Engineering, 2021, 28: 101648. doi: 10.1016/j.csite.2021.101648
[75] WANG Liang, LIU Zhonyong, YANG Hongyu, et al. A novel biomass thermoresponsive konjac glucomannan composite gel developed to control the coal spontaneous combustion: fire prevention and extinguishing properties[J]. Fuel, 2021, 306(3): 121757.
[76] ZHOU Gang, LI Shuailong, MENG Qunzhi, et al. Synthesis and performance of a new temperature-sensitive and super-absorbent fire prevention hydrogel based on ultrasonic method[J]. Colloids and Surfaces, A. Physicochemical and Engineering Aspects, 2022, 640: 128399. doi: 10.1016/j.colsurfa.2022.128399
[77] CHENG Weimin, HU Xiangming, XIE Jun, et al. An intelligent gel designed to control the spontaneous combustion of coal: fire prevention and extinguishing properties[J]. Fuel, 2017, 210: 826−835. doi: 10.1016/j.fuel.2017.09.007
[78] HUANG Zhinan, SUN Chuanwu, GAO Yukun, et al. R&D of colloid components of composite material for fire prevention and extinguishing and an investigation of its performance[J]. Process Safety and Environmental Protection, 2018, 113: 357−368. doi: 10.1016/j.psep.2017.11.004
[79] 王德明,李增华,秦波涛,等. 一种防治矿井火灾的绿色环保新材料的研制[J]. 中国矿业大学学报,2004,33(2):81−84. WANG Deming, LI Zenghua, QIN Botao, et al. Development of a non-pollution material of environmental protection for mine fire control[J]. Journal of China University of Mining & Technology, 2004, 33(2): 81−84.
[80] 张辉,王威. FHS型稠化胶体灭火剂失重率及阻化抗燃性研究[J]. 安全,2005(1):26−27. ZHANG. Hui, WANG Wei. FHS losing weight and melt preventing performance[J]. Safety & Security, 2005(1): 26−27.
[81] 黄艳芹. 稠化胶体防灭火材料的性能研究[J]. 消防科学与技术,2013,32(8):894−896. HUANG Yanqin. Study on the performance of fire-fighting and preventing superabsorbent thickening colloid[J]. Fire Science and Technology, 2013, 32(8): 894−896.
[82] KOROBEINICHEV OP, SHMAKOV AG, SHVARTSBERG VM, et al. Fire suppression by low-volatile chemically active fire suppressants using aerosol technology[J]. Fire Safety Journal, 2012, 51: 102−109. doi: 10.1016/j.firesaf.2012.04.003
[83] 马砺,马武阳,魏泽,等. 钠盐微胶囊制备及其阻化性能研究[J]. 煤矿安全,2022,53(9):94−99. MA Li, MA Wuyang, WEI Ze, et al. Study on preparation and resistance properties of sodium salt microcap-sules[J]. Safety in Coal Mines, 2022, 53(9): 94−99.
[84] XUE Di, HU Xiangming, CHENG Weiming, et al. Carbon dioxide sealing-based inhibition of coal spontaneous combustion: A temperature-sensitive micro-encapsulated fire-retardant foamed gel[J]. Fuel, 2020, 266: 117036. doi: 10.1016/j.fuel.2020.117036
[85] 张嬿妮,舒盼,刘春辉,等. 乙二胺四乙酸微胶囊阻化煤自燃性能研究[J]. 煤炭科学技术,2022,50(8):108−117. ZHANG Yanni, SHU Pan, LIU Chunhui, et al. Study on inhibition of coal spontaneous combustion by ethylenedia mine tetraacetic acid microcapsule[J]. Coal Science and Technology, 2022, 50(8): 108−117.
[86] 易欣,张少航,葛龙,等. 好氧微生物抑制煤自燃机理研究现状及展望[J]. 洁净煤技术,2023,29(2):198−205. YI Xin, ZHANG Shaohang, GE Long, et al. Present situation and prospect of research on mechanism of inhibiting coal spontaneous combustion by aerobic microorganisms[J]. Clean Coal Technology, 2023, 29(2): 198−205.
[87] STAFFORD A, REQUIST KWB, LOPEZ SL, et al. Underground mining self-escape and mine rescue practices: an overview of current and historical trends[J]. Mining Metallurgy & Exploration, 2023, 40: 2243−2253.
[88] 王亚阳,王汉斌. 基于熵值-理想点法的煤矿事故应急资源调配研究[J]. 安全与环境工程,2014,21(6):135−139. WANG Yayang, WANG Hanbin. Srudy on resource emergency allocation of coal mine accidents based on entropy-ideal point method[J]. Safety and Environmental Engineering, 2014, 21(6): 135−139.
[89] 陈东晓,张瑞新,张伟,等. 煤矿生产安全事故应急预案的结构化研究[J]. 煤炭技术,2015,34(6):301−303. CHEN Dongxiao, ZHANG Ruixin, ZHANG Wei, et al. Research on structure of coal mine production safety accidentemergency plan[J]. Coal Technology, 2015, 34(6): 301−303.
[90] 杨梦,周恩波. 煤矿智能应急预案生成系统设计与关键技术[J]. 煤矿安全,2018,49(7):96−98. YANG Meng, ZHOU Enbo. Design and key technologies for coal mine intelligent emergency plan generation system[J]. Safety in Coal Mines, 2018, 49(7): 96−98.
[91] 王娟,戴凤威,方博. 煤矿事故应急响应的风险决策研究[J]. 中国安全生产科学技术,2018,14(6):21−26. WANG Juan, DAI Fengwei, FANG Bo. Research on risk decision-making of emergency response to coal mine accidents[J]. Journal of Safety Science and Technology, 2018, 14(6): 21−26.
[92] 杨乃定,吴静杰. 基于直觉模糊软集的煤矿应急救援决策方法[J]. 运筹与管理,2019,28(1):54−60. YANG Naiding, WU Jingjie. Emergency rescue decision-making method for coal mine based on intuitionistic fuzzy soft sets[J]. Operations Research and Management Science, 2019, 28(1): 54−60.
[93] LIU Jinyong. Research on application of UWB wireless communication system based on multi-antenna array in mine emergency rescue[C]//2019 Cross Strait Quad-Regional Radio Science and Wireless Technology Conference (CSQRWC). 2019.
[94] 王理,王峰,张军杰,等. 车载矿山应急救援指挥辅助决策系统[J]. 煤矿安全,2009,40(6):68−70. WANG Li, WANG Feng, ZHANG Junjie, et al. Vehicle mine emergency rescue command assistant decision-making system[J]. Safety in Coal Mines, 2009, 40(6): 68−70.
[95] LEI Kejiang, QIU Dandan, ZHANG Shilong, et al. Coal mine fire emergency rescue capability assessment and emergency disposal research[J]. Sustainablity, 2023, 15(11): 8501. doi: 10.3390/su15118501
[96] YANG Fengfeng, ZHANG Jufeng, JIN Bangxin, et al. Study on the emergency capacity of coal mine enterprises in Longdong Area based on D-FAHP method[J]. Scientific Reports, 2023, 13(1): 7503. doi: 10.1038/s41598-023-34618-6
-
期刊类型引用(1)
1. 王士奎，董传宝. 矿井煤自燃智能监测预警系统研究与应用. 中国煤炭. 2025(01): 189-194 . 
百度学术
其他类型引用(0)
下载:
计量
- 文章访问数: 39
- HTML全文浏览量: 3
- PDF下载量: 5
- 被引次数: 1
