瓦斯异常涌出是导致瓦斯超限事故的主要原因之一,通常情况下,也被视为煤与瓦斯突出及其他瓦斯灾害的前兆之一。导致瓦斯异常涌出的因素有很多,又以煤的瓦斯赋存特性及其所受到的应力、应变、压力等外界干扰为主要作用因素。因其作用机制复杂,国内外一些学者进行大量研究,仍未清晰解释其作用机理。本文以煤的孔隙结构研究为切入点,着力讨论煤的瓦斯赋存特征及其影响因素对突出风险的影响机制。采用实验室试验的方法,系统地分析了不同煤阶煤样的孔裂隙发育规律并进行了分形表征,探索了煤的工业组分、变质程度、孔径分布、分形维数等内在因素及压力、温度等外部因素对煤的瓦斯吸附、解吸特性的影响,构建煤的瓦斯赋存影响因素灰色分析模型,设计瓦斯突出风险深度学习型智能预测系统。研究为瓦斯突出风险预测提供了必要的理论支撑,主要研究成果如下:（1）系统地揭示不同变质程度煤的孔径分布、比表面积、孔体积、孔隙结构类型、孔连通性及分形维数的分布规律。研究发现:微孔对比表面积贡献率最大;大孔及裂隙对孔体积贡献率最大。随着煤阶的增高,平均孔径逐渐减小,孔体积逐渐减小,孔隙连通性逐渐变差,比表面积呈现先升后降趋势。不同表层特征的煤具有不同的孔隙结构类型,中阶暗淡型煤的孔隙结构以两端开放的圆筒形孔为主,孔结构内有杂质堵塞;中阶暗淡间亮型煤的孔隙结构以小孔和粗颈墨水瓶状微孔为主;高阶间亮型煤的孔隙结构以小孔和细颈墨水瓶状微孔为主;高阶光亮型煤的孔隙结构以小孔径的圆筒形孔和尖劈形孔为主。创新使用栅栏法对孔隙分形维数进行区间测评,发现中高阶煤的微孔孔隙粗糙程度高于中小孔的孔隙粗糙程度,高阶煤的微孔粗糙程度最高。（2）探索煤的孔隙结构中瓦斯的赋存形式,通过对不同变质程度的煤样微观孔隙结构的定量分析,运用微孔填充理论、单分子层吸附理论和多分子层吸附理论研究煤中瓦斯极限吸附平衡状态,建立表征煤样瓦斯吸附能力的量化方法,获得瓦斯气体分子在煤储层不同尺度孔隙结构中的赋存特征。研究表明:瓦斯气体分子在煤孔隙结构的赋存方式以吸附态为主;吸附态赋存中又以微孔填充方式为主,多分子层吸附方式为辅,并存在一定量的单分子层吸附方式。（3）研究煤的工业组分、变质程度、孔隙特征、分形维数等内在因素及压力、温度等外部因素对煤的瓦斯赋存特性的影响。研究发现:煤样的固定碳含量、变质程度、总比表面积、微孔比表面积、微孔分形维数、压力的变化方向和煤样瓦斯极限赋存量变化方向呈正向相关关系,煤样的灰分含量、挥发分含量、水分含量、温度、粒径变化方向和煤样瓦斯极限赋存量变化方向呈反向相关关系。采用适用于小样本贫信息系统的灰色关联法对各因素影响效果进行数学建模计算,各因素和极限吸附量的关联系数按值大小排列为微孔比表面积占比、粒度、温度、微孔分形、水分含量、固定碳含量、压力、灰分含量、总比表面积、煤阶、挥发分含量。根据理论研究成果,采用人工智能的设计方法,构建煤层瓦斯突出风险深度学习型智能预测系统,类神经处理单元使智能BP人工神经网络模型具有自学习、自训练、自纠错的显著优点。引入动量因子和采用批量处理方法对模型进行算法优化,利用灰色关联分析法得到关键影响因素对模型进行指标优化,双重优化后将三十组煤层的瓦斯赋存特征数据和瓦斯突出风险致因数据分别输入预测系统,深度学习型智能预测系统能够根据样本数据进行智能学习和训练。运行计算结果为:使用煤的瓦斯赋存特征数据作为输入层指标和使用瓦斯突出风险致因数据作为输入层指标的两个突出风险预测系统具有近似的正确率和完成时间,验证了采用煤的瓦斯赋存特征数据的突出风险深度学习型智能预测系统可以成功运用于工程实践。图[59]表[19]参[126]