矿井突水水源的多元统计分析判别
第五章 矿井突水系统分析
Ca( HCO3 ) 2 2 Na 2 NaHCO3 Ca 2
（五）第三系底部砾岩含水层
该含水层在河南省矿区发育不稳定，对采煤一般不会造成威
胁。但在永夏矿区和鹤壁矿区尤其是冷泉、八矿一带，砾岩沉积 稳定、厚度大、分布广，孔隙裂隙发育。该砾岩水受淇河入渗补
给，富水性强，大部分直接覆盖于煤系地层之上，对矿井开采有
第五章 矿井突水系统分析
第一节 矿井突水水源判别
矿井生产过程中经常发生突然性的突水事故，突水后及
时准确判断突水水源是矿井防治突水工作中的关键所在。 由于矿井水文地质信息缺乏，运用数学方法来分析水质化
验资料，从而判断突水水源，不失为一种行之有效的矿井
地质工作方法。 河南省矿井充水含水层主要有 5 层，自下而上依次为中奥陶 统(Q2)灰岩含水层、石炭系第二层灰岩含水层（L2）、石炭系第八 层灰岩含水层（L8）、二叠系（P）砂岩含水层、晚第三系（N底部 砾岩含水层。另外，还有煤矿开采时经常遇到的老窑水，它们都有 可能成为矿井的突水水源。汪世花高级工程师自 1998 年开始对鹤 壁矿区各充水含水层水化学特征、水化学环境进行细致深入的研究， 井对多年来各含水层的水质分析结果进行了总结，从而揭开了河南 省煤矿应用水质资料判断突水源研究的序幕。
（二）石炭系第二层灰岩含水层
该层灰岩是下夹煤的直接顶板，平均厚度约8m，以溶蚀裂隙为主。 除了在西部山区接受上覆第三系松散含水层的潜水补给和大气降雨入渗 补给外，还要通过断层接受奥灰强含水层的对接补给。其含富含的金属硫化物FeS2
在氧化环境中生成硫酸盐：
（Ca+Mg）型水时，该水样可能是砂岩水或老窑水。
2 .详细识别
Na+为对Ⅱ（砾岩水）的隶属函数为-Na型和HCO -SO -Ca+Mg型水样 水质类型呈 HCO -Ca+Mg型、HCO 经过对同为 HCO -Ca+Mg型的奥灰水、砾岩水、八灰水水质指 建立水质指标对两个水源类型的隶属函数，如 Na+对Ⅰ（奥 数量多，采用模糊概率法和特征指标法识别；而其他类型的水样 标对比，发现奥灰水和八灰水水质指标非常接近，砾岩水同奥灰 灰水或八灰水）的隶属函数为 数量少，如采用模糊概率法识别无法保证找到合理的隶属函数， 水、八灰水的总硬度以及 xNa+、Cl-、SO 2-和固形物含量相差比较 0 所以只能选择若干水质指标作为识别的特征因子，用常规的方法 5 1.0 5 x 5 x 5 个水质指标作为识别水源类别的因子，组成因 大。因此，选这 HCO -Ca+Mgx 15 (5 3) Ⅱ( x) 15 5 型水为例，说明识别过程。 识别。以下以识别 x 10-、SO 2- ，固形物，总硬度｝，而取识别集 Ⅰ x) 5 x 15 (5 2) 素集 U=｛ (Na+、Cl x 15 1.0 10 老窑水固形物含量非常高，砂岩水 Na+含量高，Mg2+含量、 r V={Ⅰ，Ⅱ},Ⅰ代表奥灰水或八灰水，Ⅱ代表砾岩水。 x 15 根据下式计算各指标对于各水源类别的平均隶属度 2++Mg2+)（摩尔含量）低。首先应用剔除法将老窑水和砂岩水 0 （Ca 与奥灰水、砾岩水、八灰水区别开来。 b
矿井主要含水层水质分析方法判别水源
矿井主要含水层水质分析方法判别水源作者：周全涛来源：《科技创新与应用》2013年第35期摘要：水质分析是煤矿开采业一项重要的技术，它能够精确判断水源类型，对水质中各种离子的含量做出精确分析，对煤矿能否顺利建设起着关键性作用。
水质分析结果能够判断矿井水的水质特点和矿井水的来源水层，这一技术要点具有很重要的作用，能够判断水源来水方向，定量技术涌水量，正确预计水量的动态变化，为设置合理的防隔水煤岩柱提供可靠参考。
本文根据笔者实际工作经验，首先简要介绍了安阳矿区水文地质概括，其次重点对水害事故经过及水质进行分析，为矿井的安全生产、抗水灾救援提供了技术依据。
关键词：水质分析；矿区水文地质；水硬度；矿化度引言判断矿井涌水、突水水源的方法有很多。
实践证明，水质分析方法是一种较为有效而又简便的技术方法，水质分析法在判定矿井涌水水源中的应用越来越广泛，尤其应用在矿井水害防治实践中，因为含水层的差异和老窑地下水化学成分的差异都是由不同的生成环境所致，进而所形成的地下水类型也不同，通常来说，主要差异有：赋存环境不同，地下水的补给、径流、排泄、储存条件差异。
水质分析方法是通过确定矿井涌水里面的水化学成分，分析矿井水的水质成分，从而对水源位置进行确定。
1 安阳矿区水文地质概括安阳矿区的地理位置是河南省北部安阳市，从它的形成来看属于太行山东麓煤田的一部分，矿区西部紧邻太行山脉，东面与京广线接近，从占地面积上看，它具有42km的南北长和3.6km的东西宽，具有151km2的面积，区域内有生产矿井5对。
地质资料显示，矿区出露地层比较多，根据统计有：下奥陶冶里-亮甲山组白云岩；二叠系含煤层隶属山西组；上第三系砾岩：主要有各类砂岩、泥岩等；第四系黄土、砾砂层。
资料分析显示，第三、四系含水岩系、石炭-二叠系含水岩系和奥陶系含水岩系是影响本区煤矿开采生产的主要含水岩系和岩组。
其中，本矿区最主要含水岩系是奥陶含水岩系，根据富水性在各含水岩系中的差异将其分为中奥陶（O2），太原组薄层灰岩（L2，L8），山西组砂岩含水层（S9，S10）在地下水含量方面相对次之。
煤矿突水水源判别与水量预测方法综述
第40卷 第3期 煤田地质与勘探Vol. 40 No.32012年6月 COAL GEOLOGY & EXPLORA TION Jun . 2012收稿日期: 2011-10-30作者简介:杨海军(1986—), 男, 四川广安人, 硕士研究生, 从事水文地质研究.文章编号: 1001-1986(2012)03-0048-07煤矿突水水源判别与水量预测方法综述杨海军1,2，王广才1,2(1. 中国地质大学水资源与环境学院，北京 100083； 2. 生物地质与环境地质国家重点实验室，湖北 武汉 430074)摘要: 突水严重制约着煤矿安全生产。
突水灾害的防治是涉及多学科多方法的系统工程。
矿井突水水源快速判别和矿井涌水量准确预测是突水灾害防控的重要环节。
从矿区地质环境精细探测、地下水循环交替特征和数学模型研究及应用等方面，总结了国内外煤矿突水预测的主要进展。
对判别突水水源和预测涌水量的各种方法进行探讨，概述了各种方法的原理、应用现状及其适用条件。
关 键 词：煤矿突水；预测；判别；涌水量；模型中图分类号：P641.4; TD74 文献标识码：A DOI: 10.3969/j.issn.1001-1986.2012.03.012Summarization of methods of distinguishing sources and forecasting inflow ofwater inrush in coal minesYANG Haijun, WANG Guangcai(1. School of Water Resources and Environment , China University of Geosciences , Beijing 100083, China ;2. State Key Laboratory for Biogeology and Environmental Geology , Wuhan 430074, China )Abstract: Water inrush seriously restricts the safe production of coal mine. The prevention and control of water inrush disaster is a systematic engineering which involves many disciplines and methods. Distinguish-ing sources of water inrush quickly and forecasting water inflow accurately are important links for the pre-vention and control of mine water inrush. In terms of fine investigation of geology environment of mine, the research on the characteristics of circulation and alternation of groundwater, and the research and application of mathematical models, the paper summed up the main domestic and international progress in prediction of coal mine water inrush, and discussed various methods of distinguishing sources of water inrush and fore-casting water inflow, and summarized the theory, application status and application conditions of the methods. Key words: coal mine water inrush; forecasting; distinguishing; water inflow; model我国是煤矿水害多发的国家，突水造成的直接经济损失一直排在各类煤矿灾害之首，特别是华北石炭-二叠系煤田和南方晚二叠系煤田受岩溶水的威胁严重，突水事故频繁[1]，亟待解决。
矿井出水点多水源判别方法
矿井出水点多水源判别方法
卫文学;卢新明;施龙青
【期刊名称】《煤炭学报》
【年(卷),期】2010(035)005
【摘要】根据已知水源、出水点典型化学离子组分含量等数据,采用运筹学方法,建立矿井出水点多水源判别数学模型,并利用简约梯度法对模型进行求解.在模型求解过程中引入的松弛变量具有重要的物理意义,如果解中松弛变量取值较大,则意味着存在未知水源.采用文献及矿山实际数据进行验证,结果表明,该方法不仅适用于多水源出水的情况,判别已知水源是否与出水点导通,计算各水源在出水中所占的比例,而且还能揭示是否存在未知水源.
【总页数】5页(P811-815)
【作者】卫文学;卢新明;施龙青
【作者单位】山东科技大学信息科学与工程学院,山东青岛,266510;山东科技大学信息科学与工程学院,山东青岛,266510;山东科技大学地质科学与工程学院,山东青岛,266510
【正文语种】中文
【中图分类】P641.4
【相关文献】
1.应用矿井主要含水层水质分析方法判别出水源 [J], 王永法
2.判别分析法在芦岭矿井出水水源判别中的应用 [J], 董春江;宋三胜
3.矿井出水水源判别的综合方法 [J], 刘基
4.矿井突水水源的判别方法 [J], 周雅茹;高颖;冯永兵;刘影;赵子義;宋淞
5.矿井突水水源判别的多组逐步Bayes判别方法研究 [J], 陈红江;李夕兵;刘爱华因版权原因，仅展示原文概要，查看原文内容请购买。
矿井突水水源水化学判别方法
矿井突水水源水化学判别方法1范围本文件规定了矿井水化学基础数据库的建立㊁标准水样水化学资料分析㊁突水水质检测及矿井突水水源水化学判别方法的技术要求㊂本文件适用于矿井突水水源水化学判别㊂2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款㊂其中,注日期的引用文件,仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件㊂MT/T672煤矿水害防治水化学分析方法3术语和定义本文件没有需要界定的术语和定义㊂4水化学基础数据库的建立4.1矿井宜建立主要含水层(含水体)水化学基础数据库,代替防治水基础资料中的 水质分析成果台账 ,以便在发生突水后及时调用数据库中标准水样资料信息分析突水水源㊂4.2水化学基础数据库应包含以下信息:a)水样基本信息:采样编号㊁采样地点㊁采样时间㊁含水层㊁水源类型㊁是否标准水样等㊂b)水样测试信息:各种离子(指标)含量㊂c)水样分析整理信息:水质类型㊁矿化度㊁总硬度㊁碳酸盐硬度㊁非碳酸盐硬度㊁负硬度等㊂4.3水化学基础数据库应具备以下功能:a)数据管理:导入㊁导出㊁备份㊂b)数据编辑:录入㊁删除㊁修改㊂c)查询:数据的筛选与查询㊂d)输出:报表的浏览与打印输出㊂4.4水化学资料的录入和整理:a)录入数据库中的水化学资料需经过阴阳离子平衡法㊁离子质量平衡㊁p H值法校核合格,未计算矿化度㊁各类硬度以及水质类型的原始数据,需经计算后录入;b)矿井勘探㊁建井㊁生产不同时期,主要含水层(含水体)水化学资料都应录入数据库中;c)含水层(含水体)㊁突(涌)水点的水化学动态检测资料应及时录入;d)整理数据库中水化学资料,建立矿井各含水层水质样本,当厚层含水层或同一含水层不同区域水质差异较大时可建立分层或分区样本;e)数据库的水化学资料信息在追加录入㊁编辑㊁修改后,应及时保存和备份㊂15标准水样水化学资料分析5.1根据数据库中水样的采样层位和水化学指标含量确定标准水样,各含水层标准水样样本数量一般不宜少于3个㊂5.2对标准水样的水化学资料进行系统化整理,从中找出规律性的分布和变化,分析研究矿井主要含水层水的水化学特征以及赋存条件㊁分布特征㊁运移规律等㊂反映水化学规律的水化学图件是水化学研究的重要手段㊂这些图件包括:水化学类型分区图㊁各种离子等值线图㊁相关离子比例等值线图㊁特定离子对同位素值关系图㊁离子和同位素对时间关系图等㊂5.3对不同来源的老空水,应根据空间位置㊁补给量大小㊁封闭状况和形成时间等分析其水质演化趋势㊂5.4总结不同含水层(含水体)的水化学差异特征,对老空水和含水层水存在明显水质分区时,需要进一步细化分析和分区总结,作为突水水源判别的主要依据,包括:a)水质类型㊁矿化度特征;b)不同含水层(含水体)水在P i p e r三线图中的分区特征;c)p H值㊁总硬度㊁主要(特征)离子含量㊁离子比值特征等;d)微量元素特征;e)其他指标特征㊂5.5增加标准水样时,应对判别指标进一步校正和完善㊂6突水水质检测6.1采样要求6.1.1采样应在突水点位置或靠近突水点位置㊂6.1.2动态检测突水水质时应在同一取样点位置进行采样,在未查明突水原因前,应加密采样频次㊂6.1.3突水水样的采集㊁处理和保存应符合MT/T672的规定㊂6.2检测要求6.2.1按MT/T672规定的指标和方法进行检测,必要时增加其他指标㊂6.2.2对突水水质应进行水化学动态检测,实时分析各指标的变化趋势㊂7突水水源的判别7.1水化学判别方法7.1.1根据突水水质动态检测数据,采用常规水化学判别方法,实时与5.4中a)㊁b)㊁c)判别依据进行对比分析,判别突水水源㊂采用特征离子(指标)或离子比值方法进行对比分析见附录A.1和附录A.2㊂7.1.2若常规指标无法识别突水水源时,可采用微量元素㊁同位素方法进行判别㊂微量元素和同位素判别突水水源见附录A.3㊁附录A.4㊂7.1.3若上述方法仍然无法识别突水水源时,可采用有机水化学分析方法判别,通过分析地下水T O C㊁U V254㊁3D E E M图谱等有机质特征综合判别㊂对于受有机污染的水源(如地表水㊁第四系水和老空水)的判别是一种有效的分析方法㊂7.1.4判别突水水源为混合水源时,需根据稳定同位素δD㊁δ18O或常量离子C l-含量进行混合比例计算㊂27.1.5有条件的矿井可以在水化学数据库基础上建立聚类分析㊁灰色关联分析㊁基于B a y e s准则的多组逐步判别分析等判别模型,进行突水水源判别㊂7.2对于矿井各含水层水化学分析标准水样欠缺或采用以上方法无法识别时,可采用示踪试验方法进行水源判别分析㊂7.3突水水源水化学判别应结合矿区水文地质条件,从突水位置㊁突水方式㊁突水量㊁水位变化㊁水温及其他物理指标等方面进行综合判别㊂3附录A(规范性)突水水源水化学分析方法A.1特征离子(指标)分析在掌握含水层独特的离子(指标)含量前提下,可以依据该种特征离子(指标)快速判别分析突水水源:a)S O2-4:可作为判别老窑水和含石膏地层地下水的特征离子㊂p H小于6的酸性老窑水S O2-4含量一般达阴离子基本单元物质的量浓度之和80%以上;含石膏地层的地下水S O2-4含量一般达阴离子基本单元物质的量浓度之和20%以上㊂b)C l-:深部滞流区地下水水质类型多为C l-N a㊁C l-M g型,C l-可作为判别其地下水特征离子之一;C l-也可作为地下水与高C l-含量地表水有联系的判别指标之一㊂c)N a+:可作为判别含钠(钾)长石的砂岩裂隙地下水的特征离子㊂N a+含量一般占阳离子物质的量浓度之和25%以上,p H值多数大于8.3,总硬度小于100m g/L㊂d)N O-3:可作为地下水与高N O-3含量地表水有联系的判别指标,一般含量大于10m g/L㊂N O-3也可作为判别第四系含水层水的特征指标之一㊂e)氧化还原电位:循环条件差异较大的含水层,可用氧化还原电位作为判别指标,一般地下水交替缓慢的含水层氧化还原电位低(封闭老窑水小于0m V),交替积极的含水层氧化还原电位高(处于交替积极的径流区奥灰水一般大于200m V)㊂f)温度:地热异常的矿区,不同含水层地下水有较明显的水温差异,其温度场的异常可作为突水水源的判别参考指标㊂A.2离子比值分析通过几种主要离子的基本单元物质的量浓度比值反映含水层水质特征,依此可判别突水水源: a)对于矿化度较低的溶滤水,当c(N a)/c(C l)大于1,则多属于砂岩裂隙水或第四系冲积层水;c(N a)/c(C l)ʈ1多属于灰岩水㊂当第四系水与奥灰水质类型一致而难以分辨时,应用该比值判别以上二种水源是一种有效的指标㊂b)[c(N a)-c(C l)]/c(1/2S O4)大于1,c(N a)/c(C l)大于1为砂岩水的特征;c(N a)/[c(C l)+c(1/2M g)]小于1则可能有灰岩水混入㊂A.3微量元素分析a)M n2+㊁F e2+㊁S2-:可作为还原环境地下水特征离子㊂突水中富含M n2+㊁F e2+㊁S2-时,水源多属于煤系地层水或老窑水㊂b)F-:可作为判别含氟化物地层地下水特征离子,如花岗岩地层突水㊂c)B r-㊁I-:可作为判别深层地下水㊁构造凹陷带储存水及与含油地层地下水的参考指标㊂A.4以同位素及放射性元素的特征分析地下水水源A.4.1氘(D)和18O应用a)在δDɢ~δ18Oɢ坐标图中,标出不同含水层水样和分析水样在图中位置,并与全球降雨线(δD=8δ18O+10)和当地大气降雨线比较,分析同位素值分布规律;4b)根据煤矿区具体条件,应用δ18O㊁δD值计算地下水补给高程及不同水源的混合比例等㊂A.4.2氚(3H)应用3H可作为大气降水进入地层后贮运时间判别主要指标,资料分析中需考虑具体的水文地质条件及当地大气降水3H的含量,一般规律如下:a)在地下水补给㊁径流㊁排泄过程中3H含量逐渐递减;b)在循环交替积极的含水层或与地表水㊁大气降水关系密切的含水层水中,3H含量接近(略低于)地表水的含量㊂A.4.3氡(R n)应用对于非放射性矿床并排除火成岩入侵影响的煤矿地下水,R n含量背景值小于37B q/L,其含量主要决定于岩石的射气系数即松散程度,突水水源分析时,参考如下:a)水质类型相同的奥灰水和冲积层水,冲积层水R n含量一般高于奥灰水;b)突水中富含R n,并且N a+含量明显增加,突水水源可能有冲积层水的补给㊂5。
矿井突水水源判别方法与应用
Ｌ Ｉ Ｊ ｉ ａ ｎ ・ ｌ ｉ ｎ ，Ｚ ＡＮ Ｍｉ ｎ ｇ － ｊ ｕ ｎ， ＨＡＮ Ｌ ｅ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ａ ｎ ｄ Ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍ ｅ ｎ ｔ ，Ｈ ｅ ｎ ａ ｎ Ｐ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｃ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｊ ｉ ａ ｏ ｚ ｕ ｏ ４ ５ ４ ０ ０ ０， Ｈｅ ｎ ａ ｎ ， Ｃ ｈ ｉ ｎ ａ ）
ｍｅ ｔ ｈ ｏ ｄ ｗａ ｓ ｕ ｓ ｅ ｄ ． Ｂａ ｓ ｅ ｄ ｏ ｎ １ ６ ７ ｏ ｒ ｉ ｇ ｉ ｎ ａ ｌ ｗａ ｔ ｅ ｒ ｓ ａ ｍｐ ｌ ｅ ｓ ｏ ｆ Ｈｅ ｂ ｉ Ｍｉ ｎ ｅ， ａ ＢＰ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋ ｍｏ ｄ ｅ ｌ ｔ ｏ ｄ ｉ ｓ ｔ ｉ ｎｇ ｕ ｉ ｓ ｈ
针对矿区的实际情况选择不同的判别方法只要应用得当大都可较好地进行突水水源预测2基于数学理论的分析法计算简单理论特基础清晰但都需要根据经验确定计算公式中各嫌评价因子的权重值具有一定的人为nnnbp人工神经网络法综合考虑不同含水层的水化学特征评价过程简单评价结果不受人为因素的影响
第３ ３卷 第 ５期 ２ ０ １ ４年 １ Ｏ月
Ａｂｓ ｔ ｒ ａ ｃ ｔ ： Ｔｈ ｅ ｖ ａ ｒ ｉ ｏ ｕ ｓ ｍ ｅ ｔ ｈ ｏ ｄ ｓ ｆ ｏ ｒ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｙ ｉ ｎ ｇ ｔ ｈｅ ｓ ｏ ｎ ｒ ｃ ｅ ｓ ｏ ｆ ｍｉ ｎ ｅ ｗａ ｔ ｅ ｒ ｉ ｎ ｒ ｕ ｓ ｈ ｗｅ ｒ ｅ ｃ ｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ｌ ｙ ｒ ｅ ・ ｖ ｉ ｅ ｗｅ ｄ． Ｉ ｔ ｗａ ｓ ｆ ｏ ｕ ｎ ｄ ｔ ｈ ａ ｔ ｉ ｎ ａ ｄ ｄ ｉ ｔ ｉ ｏ ｎ ｔ ｏ ｔ ｈ ｅ ｍｅ ｔ ｈ ｏ ｄ ｆ ｏ ｒ ｗａ ｔ ｅ ｒ ｃ ｈ ｅ ｍｉ ｃ ａ ｌ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ， ｏ ｔ ｈ ｅ ｒ ｍｅ ｔ ｈ ｏ ｄ ｓ ｗｅ ｒ ｅ ｂａ ｓ ｅ ｄ ｏ ｎ ａ ｃ ｅ ｒ ｔ ａ ｉ ｎ ｔ ｈ ｅ ｏ ｒ ｙ ． Ｓ ｏ ｍｅ ｍｅ ｔ ｈ ｏ ｄ ｓ ｕ ｓ ｅ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｏ ｐ ｔ ｉ ｍａ ｌ ｓ ｔ ｒ ｕｃ ｔ ｕ ｒ ｅ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｓ ｔ ｏ ｄ ｉ ｓ ｔ ｉ ｎ ｇ ｕ ｉ ｓ ｈ ｔ ｈ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｏ ｆ ｍｉ ｎ ｅ ｗａ ｔ ｅ ｒ ｂ ｕ ｒ ｓ ｔ ｉ ｎ ｇ ． Ｏｔ ｈ ｅ ｒ ｍｅ ｔ ｈ ｏ ｄ ｓ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ａ ｓ ｕ ｉ ｔ ａ ｂｌ ｅ ｉ ｎ ｔ ｅ ｒ ｖ ａ ｌ ｔ ｏ ｄ ｅ ｔ ｅ ｒ ｍｉ ｎ ｅ ａ ｗａ ｔ ｅ ｒ ｉ ｎ ｒ ｕ ｓ ｈ ｓ ｏ ｕ ｒ ｃ ｅ ． Ｇｅ ｎ ｅ ｒ ａ ｌ ｌ ｙ， ｉ ｆ ｍｏ ｒ ｅ ｗａ — ｔ ｅ ｒ ｓ ａ ｍｐｌ ｅ ｓ ｗｅ ｒ ｅ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ， ＢＰ ｎ ｅ ｕｒ ａ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋ ｍｅ ｔ ｈｏ ｄ ｗａ ｓ ｕ ｓ ｅ ｄ， ａ ｎｄ ｉ ｆ ｆ ｅ ｗｅ ｒ ｗａ ｔ ｅ ｒ ｓ ａ ｍｐ ｌ ｅ ｓ ｗｅ ｒ ｅ ａ ｔ ｔ ａ ｉ ｎ ｅ ｄ， Ｓ ＶＭ
基于主成分分析与Fisher判别分析法的矿井突水水源识别方法
基于主成分分析与Fisher判别分析法的矿井突水水源识别方法一、概述矿井突水作为矿山生产过程中的一大安全隐患，其准确识别对于预防突水事故、保障矿山安全生产具有重要意义。
传统的矿井突水水源识别方法往往依赖于经验判断和单一的水质指标分析，这些方法不仅效率低下，而且识别准确率难以保证。
开发一种高效、准确的矿井突水水源识别方法成为当前矿山安全领域亟待解决的问题。
主成分分析（PCA）和Fisher判别分析法是两种常用的数据处理和模式识别方法，它们在不同的领域中都得到了广泛的应用。
PCA通过降维的方式将多个指标转化为少数几个综合指标，这些综合指标能够反映原来指标的大部分信息，且相互独立，避免了信息的重叠。
而Fisher判别分析法则是一种线性分类器，通过求解最优的权向量和阈值，将样本投影到一条直线上，然后选择一个阈值将两类分开。
这两种方法的结合，可以实现对矿井突水水源的高效、准确识别。
本文将详细介绍基于主成分分析与Fisher判别分析法的矿井突水水源识别方法。
通过PCA对矿井突水水源的多项指标进行降维处理，提取出主要的综合指标。
利用Fisher判别分析法对这些综合指标进行分类判别，从而实现对矿井突水水源的准确识别。
通过实例验证和对比分析，证明该方法的可行性和优越性，为矿山安全生产提供有力的技术支持。
1. 矿井突水问题的严重性及其对矿井安全生产的影响矿井突水问题一直是采矿行业面临的一项重大挑战，其严重性不容忽视。
突水事件往往伴随着大量的地下水涌入矿山坑道，使得施工条件变得极为复杂，采矿成本大幅上升。
更为严重的是，突水不仅影响正常的采矿生产，甚至可能导致淹井事故的发生，给矿山工程和人员安全带来严重威胁。
在突水事故发生时，大量水流的涌入使得井巷和矿山设备遭受淹没，进而造成人员伤亡和财产损失。
突水事件还会对采矿生产造成直接影响，导致产量减少，甚至使部分矿区因无法继续开采而报废，给矿山的经济效益和资源利用带来巨大损失。
矿井突水水源的判别方法
矿井突水水源的判别方法
1. 从水文地质学和水文地质地貌角度：可以根据该区域的古地貌形态、表层土壤、地下水等水文地质特征，推测突水水源的来源。
2. 从水分析测试的角度：可以对突水水源中的水质成分进行检测，然后比较与相近地区井内或井外水体的化学成分，以判定水是来自矿井突水还是其它来源。
3. 从水体涵养能力角度：判断水体的涵养能力，对矿井井水来源进行判断，矿井突水水源一般有较强的涵养能力，而其它水源涵养能力往往较弱。
基于主成分分析的多项Logistic回归模型的突水水源判别研究
基于主成分分析的多项Logistic回归模型的突水水源判别研究张好;姚多喜;鲁海峰;薛凉;朱宁宁【摘要】矿井水害是矿井生产过程中较常见的地质灾害之一.快速有效地判别突水水源是预防矿井水害的关键所在.选取袁店二矿59个水样资料(常量离子含量),利用主成分分析进行处理,得出主成分得分;以主成分得分为自变量,水源类别为因变量建立多项Logisti.回归模型;运用该回归模型对59个水样资料进行类型判别,得出综合判别准确率达到86.4％;并通过实例对判别模型进行了验证.研究结果表明:主成分分析法与多项Logistic回归模型相结合的方法在水源判别上具有可行性,不仅消除了常量离子之间的内在影响,而且使判别结果具有一定的准确率,在突水水源判别问题上提供了一种新方法,为矿井防治水提供有效依据.%Mine water disaster is one of the most common geological disasters in mine productionprocess.Quickly and effectively determine the source of water inrush is a key to the prevention of mine water damage.The data of 59 water samples were selected in Yuaner coal mine.The data of water sample mainly include constant ion content.The content of constant ions was treated by principal component analysis.The principal component scores were used as independent variables.The water source category is used as a dependent variable.Multinomial logistic regression models were established by using these.The regression model was used to classify the type of the data of 59 water samples.The discriminant rate (86.4％) of synthesis was obtained and the discriminant model was validated with examples.The results show that the combination of the principal component analysis and the multinomialLogistic regression model is feasible in water source identification.It not only eliminates the inherent influence of the constant ions,but also makesa certain degree of accuracy of the discriminant results.A new method is provided for discriminating water inrush source and it will provide an effective basis for preventing from and controlling of mine water.【期刊名称】《高校地质学报》【年(卷),期】2017(023)002【总页数】7页(P366-372)【关键词】矿井水害;突水水源;主成分分析;多项Logistic回归模型【作者】张好;姚多喜;鲁海峰;薛凉;朱宁宁【作者单位】安徽理工大学地球与环境学院,淮南232001;安徽理工大学地球与环境学院,淮南232001;安徽理工大学地球与环境学院,淮南232001;安徽理工大学地球与环境学院,淮南232001;安徽理工大学地球与环境学院,淮南232001【正文语种】中文【中图分类】P641.4在矿井生产过程中，矿井水害是影响矿山安全生产的重要灾害之一。
地下水主要离子水文地球化学过程与矿井突水水源识别
地下水主要离子水文地球化学过程与矿井突水水源识别陈盟;吴勇;姚金钱【摘要】选取10种化学组分利用多元统计分析确定龙门峡南煤矿矿区范围内水化学过程,并进行了风井突水点水源识别.研究区内地下水属于HCO3-Ca型水.选取三个特征根大于1的主成分进行分析表明,PC1表示方解石、白云石和石膏等矿物自然风化影响离子交换,PC2和PC3则分别表示区内水文过程、农业活动及蒸发作用的影响.研究表明,天然矿物的自然风化和离子交换是其中最重要的影响因素.根据Q 型聚类分析将水样划分为4个集群(Group1至Group4),通过对枯、丰两个时期内水样进行对比,确定水样间的相似关系,判断风井涌水水样M1、M2与泉点水样S3具有极大的相似性.【期刊名称】《南水北调与水利科技》【年(卷),期】2016(014)003【总页数】9页(P123-131)【关键词】水文地球化学;主要离子;聚类分析;主成分分析;矿井水源识别【作者】陈盟;吴勇;姚金钱【作者单位】成都理工大学地质灾害防治与地质环境保护国家重点实验室,成都610059;成都理工大学地质灾害防治与地质环境保护国家重点实验室,成都610059;华蓥山煤业股份有限公司龙门峡南煤矿,四川广安 638020【正文语种】中文【中图分类】P641在矿山开采区，地下水资源扮演一个重要的角色，为人类饮用、植物生长和矿山开采等提供所需水源，而对于矿山开采活动来说，地下水也是一个至关重要的因素，矿井水量大小影响着矿山的生产和安全。
通常地下水中化学离子是受岩石风化、水-岩作用及离子交换等过程影响，其过程是相对封闭和缓慢的，矿山开采活动会揭穿导水断裂、富水溶洞、积水采空区，破坏这种封闭环境，造成大量地表水或地下水涌入矿山井巷，淹没坑道[1]，加速了离子交换过程，导致地下水和周围矿井水中主要离子浓度明显变化[2]，进而影响地下水化学和水环境[3]，如煤矿开采形成的酸性矿坑水[4]。
矿井突水是煤矿开采进程中最严重的自然灾害之一，如何及时和准确的判断突水的原因和水源是预防矿井突水的一个关键问题，因此，准确识别突水水源是预防矿井突水的先决条件。
贝叶斯判别分析在矿井突水水源预测中的应用
贝叶斯判别分析在矿井突水水源预测中的应用熊伟;崔光磊【摘要】选用多项化学指标作为判别因子,建立了适用于不同水质类型矿井多类水源分析的贝叶斯(Bayes)判别分析模型进行矿井突水预测.通过对河南焦作矿区样本进行预测,对比实测数据,验证了该方法在突水预测中具有较高的准确性.【期刊名称】《中国煤炭》【年(卷),期】2012(038)011【总页数】4页(P110-113)【关键词】贝叶斯判别分析;突水;预测;焦作矿【作者】熊伟;崔光磊【作者单位】中国矿业大学安全工程学院,江苏省徐州市,221116;中国矿业大学安全工程学院,江苏省徐州市,221116【正文语种】中文【中图分类】TD742随着社会的发展，对能源需求量不断增大，煤矿的开采量急剧增加，导致开采深度不断增加和开采规模不断扩大，矿井突水危害日益严重。
研究煤矿突水规律及其机理，迅速判定突水水源位置及采取有效的治理措施，是矿井实现高效高产的重要保障内容，也是煤矿安全生产中亟待解决的课题。
地质条件的差别使得不同含水层地下水化学成分各不相同，利用水文地球化学方法，分析矿井涌出水的化学成分及组成，确定其水质类型，就可判定矿井涌水来自哪个含水层。
据此原理，目前已发展出了很多识别矿井突水水源的方法，例如数量化方法、专家经验法、人工神经网络法、模糊综合评价法等。
本文提出采用贝叶斯（Bayes）判别分析方法对矿井突水水源的地下水化学样品进行归类和分析，以建立用于识别突水水源的判别模型，并依据该模型对新的突水水样进行判别分类，为矿区防治水工作提供了一种简便快捷的新工具和途径。
所谓判别方法就是给出空间Rm的一种划分：D＝｛D1，D2，…，Dk｝，一种划分对应一种判别方法，不同的划分就是不同的判别方法。
贝叶斯判别法也是给出空间Rm的一种划分。
贝叶斯的统计思想总是假定对研究的对象已有一定的认识，常用先验概率分布来描述这种认识；然后抽取一个样本，用样本来修正已有的认识（先验概率分布），得到后验概率分布。
水化学分析法判别煤矿突水水源
水化学分析法判别煤矿突水水源作者：刘帅来源：《中小企业管理与科技·上中下旬刊》 2015年第4期刘帅（冀中能源股份有限公司邢东矿）摘要院邢东煤矿底板钻孔发生突水，及时准确判别出水水源，成为了治理矿井突水的关键。
本文对矿井主要含水层进行水化学特征分析后，绘制出水样的PiPer 三线图，并通过出水点与背景值进行对比，从而判断出出水水源为奥灰岩溶水，为封堵井下突水奠定了基础。
关键词院水化学分析突水水源PiPer 三线图通过对地下水的化学特征、分布规律等进行研究分析，在一定程度上有助于对地下水的赋存、补给，以及径流和排泄条件等进行分析，这些分析对于查明煤矿井下突水水源，以及对井下突水进行有效防治具有重要的意义。
邢东矿在-980 集中运料巷进行正常底板超前钻孔时突水，通过与矿井多个含水层进行水化学分析，将该处出水点与背景值进行比对分析后，判断出出水水源为奥灰岩溶水，为治理井下突水奠定了基础。
1 矿井水文地质条件邢东矿井位于太行山中段东麓与华北平原西侧，地势西高东低。
本井田处于半封闭状态，奥灰岩溶水是井田地下水的主要补给来源，在各自含水层内自西向东缓慢运动，矿井汇集各含水层地下水，成为良好的排泄场所。
2 -980 钻孔出水点概况-980 集中运料巷属于向新区开拓，该巷道迎头前方为F23 前下断层，落差30m，施工的15 号底板钻孔穿过该断层。
该钻孔施工至206m 时，发现钻孔出水，初始水量为20m3/h，稳定水量为90m3/h。
根据矿井水文地质和巷道迎头实际揭露情况，15 号钻孔突水得出2 种可能：①野青灰岩水通过钻孔而突水；②奥灰水通过断层导水而突水。
其依据是：①根据钻孔剖面图，出水钻孔距野青灰岩很近，不能排除野青灰岩水的可能；②-980 集中运料巷迎头前方为F23、SF86 断层，导通含水层的可能性很大。
对于突水原因，尤其是突水水源等，难以通过分析水文地质条件进一步认清，在这种情况下，需要对出水水源进行判断，进一步组织开展矿井防治水工作。
对矿井突水水源的判别
对矿井突水水源的判别作者：汪鸿雁来源：《科学与财富》2018年第30期摘要：地下水的水化学特征可以反映地下水所处的水文地质环境，对矿井突水水源的正确、快速判别是矿井水害有效防治的前提条件，研究地下水的水化学特征有助于分析地下水的补给、径流、排泄条件，对查明井下突水水源和水害防治有明确的指导意义。
关键词：水化学地球特征；特征离子；突水水源一、矿井突水特征矿井突水是指掘进或采矿过程中当巷道揭穿导水断裂、富水溶洞、积水老窿，大量地下水突然涌入矿山井巷的现象。
矿井突水一般来势凶猛，常会在短时间内淹没坑道，给矿山生产带来危害，造成人员伤亡。
在富水的岩溶水充水的矿区及顶底板有较厚高压含水层分布的矿山区，在构造破碎的地段，常易发生矿井突水。
当巷道底板下有间接充水层时，便会在地下水压力和矿山压力作用下，破坏底板隔水层，形成人工裂隙通道，导致下部高压地下水涌入井巷造成突水。
但只要查明水文地质条件，采取措施，矿井突水是可以预防和治理的。
二、矿井突水水源判别2.1一般的预感通过观察物理现象，如煤层变潮湿、松软；煤帮出现滴水、淋水现象，且淋水可由小变大；有时煤帮出现铁锈色水迹；当温度降低，出雾或硫化氢气味；有时可以听到水的嘶嘶声等识别矿井突水征兆。
2.2岩体力学等突水机理通过对突水机理角度来判别突水水源，主要从岩体力学，地下水渗流场理论等角度分析水害来源。
主要表现为工作面压力增大，底板鼓起，工作层产生裂纹并逐渐增加；沿裂缝或煤层渗水会逐渐增加，而水将增加。
2.3数据分析通过对地下水中所包含的水文地球化学信息进行数据分析，利用突水水质中所含有的水文地球化学信息来辨别突水水源。
从研究现状来看，以常规水化学识别法判断矿井突水水源较为普遍。
通过分析水样的水质类型、物化特征等，结合水质的水文地球化学分布、迁移、转化规律来分析突水的来源。
2.3.1 特征离子和特征离子比值判别方式为了快速判别矿井突水水源含水层，经常采用特征离子判别方式，即在掌握某些含水层独特的离子含量前提下，直接测定该种特征离子，以快速给出突水含水层判断。
逐步判别模型在矿井突水水源判别中的应用
逐步判别模型在矿井突水水源判别中的应用魏新华【摘要】利用不同含水层的水化学成分差异,采用逐步判别方法借助SPSS统计软件,建立矿井突水水源的判别模型,选取矿井三类突水水源31个样品作为判别样品,以突水含水层Ca2+、Mg2+、K++Na+、HCO3-、Cl-、SO42-等常规离子组分为评价因子,并筛选出Ca2、HCO3-两个指标作为判别指标,得到逐步线性判别函数,用于突水水源的判别,并采用马氏广义距离的F检验、回判检验及样品检验等多种方法进行验证,经验证,该模型判别效果较好,能较好识别突水水源.【期刊名称】《地下水》【年(卷),期】2016(038)004【总页数】3页(P51-53)【关键词】逐步判别;突水水源;水源判别【作者】魏新华【作者单位】安徽省煤田地质局勘查研究院,安徽合肥230088【正文语种】中文【中图分类】P641.4+1矿井突水是我国煤矿开采过程中主要的自然灾害之一，根据原煤炭工业部统计数据局：全国受水害威胁的矿井，占矿井总数的27.5%，受水害威胁的煤炭储量达数百亿吨[1]而且一旦突水，往往造成极大的经济损失与人员伤亡[2][3]，水害防治工作在矿井建设、生产过程中起着重要作用。
突水水源不同，水害防治的方法各异，因此，突水水源判别是水害防治工作的关键。
地下水的水化学成分是含水介质、水动力条件、氧化-还原环境综合作用的结果，不同突水水源的水化学成分存在一定差异，因此，可以利用突水水源之间的水化学差异进行水源判别[4][6]。
突水水源判别方法多种多样，如模糊识别[7]、模糊综合评判法[8]、灰色关联度评价法[9]、灰色聚类法[10]、人工神经网络识别技术[11]等，这些方法在矿井突水水源判别中得到了应用，并取得一定成果。
多组逐步判别方法是利用一定的检验规则，对变量进行逐步筛选，同时进行判别的一种方法。
近年来，该方法在多学科中得到一定的应用[12-14]，本文基于该方法建立矿井突水水源识别模型，并应用于矿井突水水源识别。
矿井突水水源判别方法与应用
矿井突水水源判别方法与应用李建林;昝明军;韩乐【摘要】对目前广泛使用的矿井突水水源判别方法进行了综合评述.从整体而言,除了水化学分析方法外,其他方法都是以一定理论为基础,或构造最优函数,根据判别目标达到最优时的状态进行水源识别;或构造适当的区间,根据一定的法则使判别目标进入不同的区间,进行水源识别.样本较多时采用BP神经网络法,样本较少时采用SVM法会取得更好得预测效果.针对研究区实际状况,选择基于MATLAB的BP神经网络法进行突水预测,准确率达到91.67％,训练样本的选择和数量对预测结果影响较大.【期刊名称】《河南理工大学学报（自然科学版）》【年(卷),期】2014(033)005【总页数】5页(P590-594)【关键词】矿井突水;水源预测;BP神经网络【作者】李建林;昝明军;韩乐【作者单位】河南理工大学资源环境学院,河南焦作454000;河南理工大学资源环境学院,河南焦作454000;河南理工大学资源环境学院,河南焦作454000【正文语种】中文【中图分类】TD745+.21由于煤矿水文地质条件复杂，以及人为因素等原因，致使我国成为世界上煤矿水害最严重的国家之一.据统计，“十一五”期间全国煤矿发生10 人以上重特大水害事故26 起，共死亡506 人[1].而且随着煤层开采深度的增加，含水层发生突水的可能性也在增加.因此，为预防和减少突水事故的发生，开展突水预报工作显得尤为重要[2]；其中快速准确地识别矿井突水水源是矿井水害防治工作的基础之一.判别矿井突水水源，就要在分析矿区水文地质条件和构造条件的基础上，对水位、水温和水化学资料等进行综合处理；针对掌握资料的情况，选择与之相适应的方法进行判别[3].随着基础理论学科和计算机科技的不断发展，矿井突水水源识别的方法也在不断更新.从简单的水温、水位判别和水化学数据直接对比分析，逐步发展出同位素分析法、基于数学理论的分析法(多元统计学方法、灰色系统法、模糊数学法)和基于其他理论的判别法(BP神经网络法、GIS理论法、SVM法、可拓识别法)等多种方法[4-9].袁文华采用水温法对任楼煤矿突水水源进行判别，结果表明方法是可行的；葛中华运用水化学法对徐州东部矿区井田各含水层的水文地球化学特征进行分析，为判别矿井突水水源提供了依据；桂和荣等分别对皖北矿区和平禹矿区突水水样进行了放射性同位素分析，确定了矿区主要突水含水层的循环特征及其相互间的水力联系；王心义针对焦作矿区实测数据建立了煤矿突水水源预测的距离判别分析模型，该模型可以准确判断出两矿区水源的关联度情况；熊伟在焦作矿区建立了突水水源的Bayer判别模型，对比实测数据模型具有较高的准确性；郝彬彬采用灰色关联度方法对突水水样进行多变量关联分析与计算，判断出突水水源；在分析检测水样的离子含量等信息的基础上，樊京周利用模糊综合判别方法建立了模糊综合评判突水水源模型，应用实践且结果可信；魏永强等应用模糊聚类分析得到的含水层背景值，建立模糊综合评判模型，利用GIS可视化技术高效准确地对未知突水水样进行了水源判别；陈红江等利用Fisher 判别法等方法分别建立了焦作矿区、新庄孜矿井和朱仙庄煤矿突水水源的 Fisher 识别模型，通过验证模型具有较强的涌水水源判别能力；钱家忠针对潘三煤矿利用SVM法建立水源判别模型，结果表明该方法对于煤系突水水源的区分有更好的适用性和优越性[10-22].这些方法都有自己的优、缺点，可配合使用并互相补充验证[23-26](表1).从整体而言，除了水化学分析方法外，其他方法都是以一定理论为基础，或构造最优函数，根据判别目标达到最优时的状态进行水源识别；或构造适当的区间，根据一定的法则使判别目标进入不同的区间，进行水源识别.当样本(水化学资料)较少时，基于结构风险最小化原理的SVM法不仅预测精度高，而且其层次结构能很好地反映水源类型的层次关系.由于BP神经网络具有大规模并行处理和分布式信息存储能力，良好的自适应性、自组织性和很强的学习、联想、容错及抗干扰能力，当样本较多时，利用BP神经网络法进行突水水源判别，准确率往往高于其他方法. MATLAB是美国Math Works公司出品的商业数学软件具有高性能数值计算的高级算法，特别适合矩阵代数领域；有大量事先定义的数学函数和有很强的用户自定义能力[27].基于MATLAB程序建立矿区突水水源的BP神经网络模型，对训练好的网络进行仿真，其预测结果客观、合理且易于操作.2.1 研究区水文地质条件概述鹤壁矿区属于典型的华北型岩溶煤田，主要开采煤层为山西组二1煤层，煤厚6～8 m.区内构造复杂、断层发育，水文地质条件复杂(图1).研究区主要开采煤层顶底板发育有多层含水层，特别是位于煤层底板的石炭纪薄层灰岩和奥陶纪巨厚层岩溶含水层，富水性强，承压水头高，补给充沛，对采煤生产构成很大威胁，曾多次发生突水淹井事故.随着矿井向深部发展，突水危害越来越大，对矿山安全生产造成极大的威胁.主要含水层有：奥陶系灰岩含水层、石炭系太原组第二层灰岩含水层、第八层灰岩含水层、二1煤顶底板砂岩含水层和第三系砾岩含水层.突水的可能来源有6种：奥陶系灰岩水、第八层灰岩水、第二层灰岩水、砾岩水、砂岩水和老采空区水.矿区普查水样共147个，经过删选，选择96个有效样本进行训练和仿真.由于样本个数较多，适合利用BP神经网络方法进行矿区突水水源的识别.2.2 BP神经网络原理和算法BP神经网络的核心思想是调整权值使网络的总误差最小，其学习过程由正向传播和反向传播两部分构成.对于输入信息先向前传播到隐含层的节点上，经过激活函数的运算后，把隐层节点的输出信息传播到输出节点，给出输出结果；如果输出层不能得到期望输出，就将实际输出值与期望输出值之间的误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次地向输入层传播进行计算，然后再经过正向传播过程，通过正向和反向这两个传播过程的反复运用，使得误差信号达到最小；当误差达到人们所希望的要求时，网络的学习过程结束[23].2.3 BP网络模型的建立以矿区地下水所含主要离子Ca2+,Mg2+,Na+,CO32-,HCO3-,CL-和SO42-的毫克当量数，主控离子的相对含量，即毫克当量百分数(包含4种离子)，以及固形物(TDS)作为评价指标，即输入层的节点数为12；由于矿区突水的来源可能有6种，所以输出层包含6个节点.根据Kolmogorov定理，一个3层BP网络即可在任意希望的精度上实现任意的连续函数.因此，采用3层BP神经网络模型，即只有1个隐层.依据经验，确定隐层的节点为16.网络的隐含层和输出层神经元的激励函数均采用采用tansig作为传递函数.神经网络结构图见图2.2.4 BP神经网络的训练和仿真(1)选样与样本归一化选择96个样本进行训练和仿真.其中60 个样本为训练样本，其余36个样本为测试样本，利用BP网络常用的训练函数tansig进行训练.利用MATLAB库函数premnmx，将数据归一化处理.(2)创建BP网络与参数设置利用MATLAB库函数newff ( )构造BP神经网络；参数设置如表2所示.(3)训练网络调用trainscg算法训练BP网络：[net,tr]=train(net,P_prac,T_aim).由图3可知，最终网络对训练样本的误差接近目标，经过6 000次的学习训练结束.(4)BP神经网络的仿真输入检验样本，调用sim函数对训练好的BP网络进行仿真：t=sim(net,P_test).输出结果，也是一系列1×6矩阵，6个元素中，距离1最近的元素所在列数代表该水样的含水层类型.其中1，2，3，4，5，6分别代表砂岩水、奥陶系灰岩水、砾岩水、第八层灰岩水、第二层灰岩水和老采空区水.(5)结果输出及数据分析各含水层水质样本来源识别统计结果如表3所示.可以看出：砂岩水、奥陶系灰岩水、第八层灰岩水与第二层灰岩水的识别结果非常理想，正确率达到了100%，砾岩水、老采空区水的识别效果较低，正确率为75%，平均为91.67%.整体而言，收到了较好的效果.(1)将目前普遍使用的判别矿井突水水源的方法进行整理，分为4大类，分别是水温水位法、水化学分析法、基于数学理论的分析法和基于其他理论的分析法.其中，基于数学理论的分析法包括多元统计法、灰色系统法和模糊数学法；基于其他理论的分析法包括BP神经网络法、GIS理论法、SVM法和可拓识别法.针对矿区的实际情况，选择不同的判别方法，只要应用得当，大都可较好地进行突水水源预测.(2)基于数学理论的分析法，计算简单，理论基础清晰，但都需要根据经验确定计算公式中各评价因子的权重值，具有一定的人为性和随意性.BP人工神经网络法，综合考虑不同含水层的水化学特征，评价过程简单，评价结果不受人为因素的影响；但其是以大量样本资料为基础，当样本资料较少或代表性较差时，训练出来的网络效果可能会较差.SVM法克服了BP神经网络法的缺点，针对小样本数据，将非线性问题转化为线性优化模型，预测精度高.所以，样本较多时采用BP神经网络法，样本较少时采用SVM法会取得更好的预测效果.(3)利用基于MATLAB的BP神经网络法判别研究区突水水源，整体识别正确率达到了91.67%.其中砾岩水和老采空区水的识别率较低的原因主要有：受取样的限制，样本总体较大而分布不均.砾岩水和老采空区水水源分别仅有10 个，其中6个作为训练样本，4个作为验证样本.样本数量偏少影响了最终的预测结果；训练样本的代表性对预测结果影响较大.网络定义复杂，经过6 000 次的学习训练，最终网络对训练样本的误差才接近目标.所以训练样本的选取也是一个重要的影响因素. (4)由于受到矿区安全生产等因素的限制，本研究只利用BP神经网络法对研究区突水水源进行了判别，因此无法进行对比分析，将在以后的研究中加以改进.E-mail：**************【相关文献】[1] 武强，崔芳鹏，赵苏启，等. 矿井水害类型划分及主要特征分析[J]. 煤炭学报, 2013，38(4):561-565.[2] 王心义，徐涛，黄丹. 距离判别法在相似矿区突水水源识别中的应用[J]. 煤炭学报, 2011, 36(8): 1354-1358.[3] 黄存捍，冯涛，王卫军，等. 基于分形和支持向量机矿井涌水量的预测[J]. 煤炭学报, 2010,35(5): 806-810.[4] 孙亚军，杨国勇，郑琳. 基于GIS的矿井突水水源判别系统研究[J]. 煤田地质与勘探, 2007,35(2): 34-37.[5] 杨永国，黄福臣. 非线性方法在矿井突水水源判别中的应用研究[J]. 中国矿业大学学报, 2007,36(3): 283-286.[6] 张瑞钢，钱家忠，马雷，等. 可拓识别方法在矿井突水水源判别中的应用[J]. 煤炭学报, 2009,34(1): 33-38.[7] 李燕，徐志敏，刘勇. 矿井突水水源判别方法概述[J]. 煤炭技术, 2010, 29(11): 87-89.[8] 张立新，李长洪，赵宇. 矿井突水预测研究现状及发展趋势[J]. 中国矿业, 2009, 18(1): 88-90, 108.[9] 杨海军，王广才. 煤矿突水水源判别与水量预测方法综述[J]. 煤田地质与勘探, 2012, 40(3): 48-54.[10] 袁文华，桂和荣.任楼煤矿地温特征及在水源判别中的应用[J].安徽理工大学学报:自然科学版，2005，25(4)：9- 11.[11] 胡伟伟，马致远，曹海东，等. 同位素与水文地球化学方法在矿井突水水源判别中的应用[J]. 地球科学与环境学报, 2010, 32(3): 268-271.[12] 刘杰刚，徐新启，时艳茹，等. 多元统计分析模型在矿井突水水源判别中的应用[J]. 中国煤炭, 2013, 39(2): 101-104.[13] 钱家忠，潘婧，赵卫东，等. 基于SVM的潘三矿B8组与C13组煤开采中突水水源判别模型[J]. 系统工程理论与实践, 2011, 31(12): 2425-2430.[14] 潘国营，王素娜，孙小岩，等. 同位素技术在判别矿井突水水源中的应用[J]. 矿业安全与环保, 2009, 36(1): 32-34.[15] 魏永强，王美均，任印国，等. 模糊综合评判方法及其在判别水源中的应用[J]. 河北理工大学学报：自然科学版, 2009, 31(3): 8-11.[16] 葛中华，沈文. 徐州某矿井奥陶系灰岩含水层上开采矿井突水的水文地质初步研究[J]. 江苏地质, 1994, 18(2): 91-96.[17] 桂和荣，陈陆望. 皖北矿区主要突水水源水文地质特征研究[J]. 煤炭学报, 2004, 29(3): 323-327.[18] 熊伟，崔光磊. 贝叶斯判别分析在矿井突水水源预测中的应用[J]. 中国煤炭, 2012, 38(11): 110-113.[19] 郝彬彬，李冲，王春红. 灰色关联度在矿井突水水源判别中的应用[J]. 中国煤炭, 2010, 36(6): 20-22.[20] 樊京周，李化玉. 模糊概率法在识别矿井突水水源中的应用[J]. 中州煤炭, 2000(6): 1-2.[21] 魏永强,梁化强,任印国,等. 神经网络在判别煤矿突水水源中的应用[J]. 江苏地质,2004,28(1):36-38.[22] 陈红江，李夕兵，刘爱华，等. 用Fisher判别法确定矿井突水水源[J]. 中南大学学报：自然科学版, 2009,40(4):1114-1120.[23] 窦贤明，杨永国，徐伟伟，等. 基于遗传算法和BP神经网络的矿井涌水量预测[J]. 中国煤炭地质,2009 21(10):37-38.[24] 鲁金涛，李夕兵，宫凤强，等. 基于主成分分析与Fisher判别分析法的矿井突水水源识别方法[J]. 中国安全科学学报, 2012, 22(7): 109-115.[25] 刘鑫，陈陆望，林曼利，等. 采动影响下矿井突水水源Fisher判别与地下水补给关系反演[J]. 水文地质工程地质, 2013(4): 36-43.[26] 黄平华，陈建生. 基于多元统计分析的矿井突水水源Fisher识别及混合模型[J]. 煤炭学报, 2011, 36(s1): 131-136.[27] 潘婧. 基于Matlab的潘三矿地下水水化学场分析及突水水源判别模型[D]. 合肥：合肥工业大学, 2010.。
煤矿突水水源判别与水量预测方法综述
煤矿突水水源判别与水量预测方法综述摘要：煤矿突水是一种危险的地质灾害，其可能带来的危害和损失是可怕的。
因此，对突水的水源判别与水量预测显得尤为重要。
本文梳理、综述了煤矿突水水源判别与水量预测的现有方法，总结出：1. 通过开采工程来发掘煤矿突水的水源；2. 通过流体力学和数值模拟方法来预测煤矿突水水量；3. 利用现场采样和分析等实测手段总结煤矿突水水量特征；4. 借助GIS及RS等信息处理技术来支持煤矿突水水源判别与水量预测。
关键词：煤矿突水；水源判别；水量预测；地质灾害正文：煤矿突水是一种危险的地质灾害，造成的损失可能是极其惨重的。
因此，对煤矿突水的水源判别与水量预测具有重要意义。
现有的煤矿突水水源判别与水量预测方法主要有：1、开采工程。
通过开采工程，可以揭示煤矿突水水源的本质。
例如，地质剖面主要包括胶结层分布特征、地下水流动状态、地下水渗流情况等，从而解读出煤矿突水水源的本质。
2、流体力学和数值模拟方法。
通过这些方法，可以预测煤矿突水的水量和水质特征。
3、现场采样和试验分析。
采集煤矿突水现场水样，进行相关性和微量元素分析，从而总结出煤矿突水水量特征。
4、GIS和RS技术。
利用GIS和RS技术，可以支持煤矿突水水源判别与水量预测，流域划分、水质模拟等工作。
综上所述，煤矿突水水源判别与水量预测是一项非常重要的工作，其中包括了各种不同的方法，如开采工程、流体力学和数值模拟方法、现场采样和分析等，以及GIS和RS技术的支持。
各种不同的煤矿突水水源判别与水量预测方法应根据具体地质状况而定。
例如，当没有明显的地下水膨胀断面或水文分析数据可用时，通过开采工程来发掘煤矿突水水源是最常用的方法。
通过对煤矿突水现场实测水样分析，估算水量特征也是一种行之有效的方法。
此外，GIS和RS技术目前也在煤矿突水水源判别与水量预测方面发挥着不可替代的作用。
借助这些方法，可以快速准确地判别出煤矿突水水源，并结合实测水量特征来精确预测水量。
多元统计分析模型在矿井突水水源判别中的应用
多元统计分析模型在矿井突水水源判别中的应用
刘杰刚;徐新启;时艳茹;虞青松;李磊
【期刊名称】《中国煤炭》
【年(卷),期】2013(039)002
【摘要】综合运用分层聚类、逐步判别分析方法的计算原理,依据岱庄煤矿出水点及含水层水样的水质分析资料,建立多元统计分析模型,进行水质相似度分析和主要出水水源判别.研究表明分层聚类方法能够定量、直观地反映各水源之间水质的亲疏关系；逐步判别分析法可以有效地判别突水点的类型归属,二者互为补充和验证.【总页数】4页(P101-104)
【作者】刘杰刚;徐新启;时艳茹;虞青松;李磊
【作者单位】中国矿业大学资源与地球科学学院,江苏省徐州市,221116;煤层气资源与成藏过程教育部重点实验室,江苏省徐州市,221116
【正文语种】中文
【中图分类】TD745.21
【相关文献】
1.矿井突水水源分析的Bayes判别分析模型及其应用 [J], 万文
2.逐步判别模型在矿井突水水源判别中的应用 [J], 魏新华
3.马氏距离判别模型在矿井突水水源判别中应用 [J], 聂凤琴;许光泉;关维娟;李璇璇
4.动态权-集对分析模型在矿井突水水源识别中的应用 [J], 王甜甜; 靳德武; 刘基; 杨建; 王心义; 赵伟
5.贝叶斯判别和Fisher判别在矿井突水水源判别中的应用比较 [J], 于小鸽;裴富华;刘燚菲;衡培国;刘延;吕伟魁
因版权原因，仅展示原文概要，查看原文内容请购买。
矿区地下水系统水质分类判别的多元统计分析
本文收集了该矿区 102 个水样水化学成分资料 研究仅从静态角度对水质资料进行多元统计分析 。
(表 1) ,水样采集于水源井 、长观孔ΠL)
Table 1 Water samples of mine groundwater( mgΠL)
33511 28310 30715 16512 35612 23519 34913 37116 52210 33016 34219
21116 18011 43514 18713 20514
25517 27312 10718 23312 30919
46410 47215 43415 85813 34516 39916
· 1 6 ·
水文地质工程地质
2009 年第 4 期
矿区地下水系统水质分类判别的多元统计分析
江晓益1 ,成春奇2 (11 浙江省水利河口研究院 ,杭州 310020 ;21 安徽理工大学地球与环境学院 ,淮南 232001)
摘要 : 以某矿区地下水系统为例 ,对该矿区地下水水化学资料进行了多元统计分析方法耦合应用研究 ,主要包括利 用因子分析对存在相关关系的离子变量进行空间降维处理 ,找出能够反映众多离子信息的基础变量 (正交因子) ,以 其作为系统聚类变量 ;运用系统聚类法获取能代表各地下水子系统水化学特征的典型水样 ;使用贝叶斯逐步线性判 别分析建立地下水各子系统水化学判别模型 (判别函数) ,并对随机检验样品进行判别归属和判别模型统计检验 。 结果表明 :这是一种稳定性较好且切实有效的 、适用于矿区地下水系统水化学分类及水源水化学判别的方法 。 关键词 : 地下水系统 ;水化学分类 ;因子分析 ;聚类分析 ;判别分析 中图分类号 : P64112 文献标识码 : A 文章编号 : 100023665 (2009) 0320016205
基于多元统计分析的矿井水源的Bayes逐步判别及混合模型
目前判别矿井突水水源的方法很多，如物理分 析法 （水 位、 水 温 ）、 化 学 分 析 法 （水 化 学 类 型、 放射 性 元 素、 同 位 素 ）、 数 理 统 计 法 （模 糊 数 学、 多元统计、支持向量机、灰色系统）和复合方法 （可 拓 识 别 方 法 、 地 理 信 息 系 统 ）。 实 际 工 程 中 ， 针 对水化学地球数据的数理统计法在技术和经济上具 有较高的可行性，从理论上讲，只要明确研究区内 各类突水水源的水质组分特征，就能判别待测水源 的来源，但 是 这 类 方 法 具 有 明 显 的 水 化 学 分 层 特
Ｌ——— 入 选 变 量 个 数 。
Ｆ１ｒ
＝
１－Ｕｒ１（Ｌ－１）·Ｎ －Ｇ －Ｌ
Ｕｒ１（Ｌ－１）
Ｇ －１
（２）
由多元统计知识可得，Ｆ２ｒ服 从 自 由 度 为Ｇ－１
和 Ｎ－Ｇ－Ｌ＋１ 的 Ｆ 分 布， 因 此 对 于 给 定 显 著 性
水平 ａ， 若 Ｆ２ｒ ≤Ｆα （Ｇ－１，Ｎ －Ｇ－ （Ｌ－１））， 则把ｘｒ从 判 别 函 数 中 剔 除； 同 理 可 得， 对 于 给 定 显著 性 水 平 ａ， 若 Ｆ１ｒ ＞Ｆα （Ｇ－１，Ｎ －Ｇ－Ｌ）， 则把ｘｒ选 入 判 别 函 数， 依 次 重 复 计 算， 直 至 不 能 剔除也不能选入变量时为止。
（７）
１．２．１ 判 别 效 果 检 验 （１） 回代检验。 为考察上述判别方法是否优良，将上述编号１
～１６已知水源样 本 代 入 判 别 函 数 公 式 （５）、 （６）、 （７） 回判检验，回判结果见表 １， 回 判 正 确 率 达 到 １００％ 。
表 １ 祁 东 矿 区 水 样 水 化 学 分 析 及 判 别 结 果
（５） （６）
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
12.83
13.61
1212.39
188.28
408.23
2
16
1000.15
11.22
8.27
1036.91
99.90
543.08
2
17
947.88
9.62
6.81
985.51
49.95
555.28
2
18
894.60
3.21
1.46
912.84
14.41
573.59
2
19
940.39
16.03
7.29
安徽某矿区内主要充水含水组有新生界含水组、煤系砂岩裂隙含水组、太灰岩溶裂隙含水组及奥陶 系灰岩岩溶裂隙含水组，其中影响该煤矿安全开采的含水层细分为煤层顶板砂岩含水层、煤层底板砂岩 含水层与太原组灰岩含水层，需要重点研究分析。
本文将对影响该矿安全生产的各含水层水化学资料应用多种统计分析方法进行研究，主要采用聚类 (系统聚类)分析、因子(主成分)分析和 Bayes 逐步判别分析[5]，进而构建矿井突水水源判别模型，对突水 水源做出判别。
目前突水水源判别的主要方法有传统的环境同位素分析法、常规水化学特征判别法等，现代快速 发展的多元统计学分析方法(距离判别分析法等)和非线性识别方法(BP 神经网络法、可拓识别法等)等。 吕玉广等[2]对王楼煤矿的水化学检测报告进行详细的整理分析，运用水化学特征法识别出煤系地层上 段侏罗系砂岩裂隙水是该矿井的突水来源；周健等[3]选取距离判别方法准确地判别出梧桐庄煤矿突水 水源，并与之前该矿采用的神经网络识别结果对比，认为距离判别法可以对矿井水来源做出高效的判 定；鲁金涛等[4]建立出主成分分析和 Fisher 判别分析综合模型，对突水水源予以判别，取得很好的成 效。
矿区内地表水主要受济河影响，地下水主要赋存在岩溶裂隙、砂岩裂隙与新生界孔隙之中。在沉积 作用的影响下，形成含水层与隔水层相间出现的复合承压水。整个矿区内无复杂构造，各含水层之间水 力联系不密切，只在断层形成的导水通道处产生较小的补给关系。矿区主要含水层中煤系砂岩裂隙含水 层存在范围最广，q 值为 0.0046~0.0872 L/s·m，富水程度大都较弱，且静储量占多数，但当受到大的扰动 而使层间水力平衡遭受破坏时则可能发生水力联系并突水；太原组灰岩含水层均厚为 103.38 m，q 值约 是 0.096~0.0808 L/s·m，富水程度较弱，但此含水层岩溶发育明显，可能对矿井生产造成不利影响，曾直 接作为东风井突水水源。所以，在矿井开采时，应予特别注意。
918.16
38.42
750.55
2
20
952.39
9.62
5.83
985.51
11.53
622.40
2
21
995.90
51.30
20.42
1237.21
180.59
329.51
3
22
906.86
49.70
24.31
1134.40
146.01
347.81
3
23
1038.18
81.76
1.94
1063.50
1202.09
1
6.81
978.42
15.37
640.71
2
9.72
967.79
57.64
631.56
2
4.86
1237.21
38.42
585.79
2
8.75
999.69
84.53
494.26
2
DOI: 10.12677/me.2020.83044
346
矿山工程
李超 等
Continued
15
1091.69
1
0.00
535.30
46.11
1220.40
1
3.89
545.93
126.80
1147.18
1
1.22
597.33
3.29
1462.04
1
1.34
794.50
14.20
1235.59
1
5.83
638.10
0.00
1092.26
1
1.94
545.93
73.01
1116.67
1
0.00
574.29
0.00
3. 突水水源的多元统计分析判别
矿井含水层水化学成分中含有 8 个主要离子，其中重点研究讨论的 7 种，总量可达水中离子成分的 90%以上[8]。这些离子对矿井水的性质类型起着决定性的作用，根据其差异可对矿井水化学类型进行划 分，进而对矿井突水水源做出判别。
本次整理了该矿 30 个水样的水化学特征资料(如表 1 所示)，水样主要采于煤矿东翼采区探测孔、(轨 道与皮带)石门、主副井及风井等，采样与测试时间在 1997~2017 年之间，此时间段内煤矿开采产生的扰 动总体不大，可能对矿井安全造成影响的含水层大体处于静态，因而是在静态条件下对水化学特征进行 多元统计分析。
Multivariate Statistical Analysis and Discrimination of Water Inrush Source in Mine
Chao Li, Duoxi Yao, Guifang Zhang, Manman Zhang, Xiangshuai Meng School of Earth and Environment, Anhui University of Science and Technology, Huainan Anhui
Keywords
Water Inrush Source, Main Ions, SPSS Software, Cluster Analysis, Bayesian Stepwise Discriminant Analysis
矿井突水水源的多元统计分析判别
李 超，姚多喜，张桂芳，张曼曼，孟祥帅 安徽理工大学地球与环境学院，安徽 淮南
Table 1. Water sample data table (unit: mg/L) 表 1. 水样数据表(单位：mg/L)
编号 1 2 3 4 5 6 7 8 9 10 11 12 13 14
X1 913.87 900.86 972.89 890.85 929.38 1010.64 1061.68 925.88 920.87 883.85 934.87 933.64 1120.95 954.89
关键词
突水水源，主要离子，SPSS软件，聚类分析，Bayes逐步判别分析
Copyright © 2020 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/
Open Access
1. 引言
在煤矿生产过程中突水是与火灾、瓦斯等事故并列的矿井最主要安全灾难之一，长期以来一直严重 威胁着煤矿安全开采。日后，随着浅部煤层开采完结，开采深度和范围势必不断加深和扩大，那么由深 部开采带来的突水问题必将日益显著。如果矿井出现突水，怎样高效准确地查清突水缘由，判定突水水 源，是处理和进一步防范突水事故的首要问题[1]，也是做好诸项后续治理工作的前提。
Mine Engineering 矿山工程, 2020, 8(3), 344-354 Published Online July 2020 in Hans. /journal/me https:///10.12677/me.2020.83044
收稿日期：2020年6月22日；录用日期：2020年7月7日；发布日期：2020年7月14日
文章引用: 李超, 姚多喜, 张桂芳, 张曼曼, 孟祥帅. 矿井突水水源的多元统计分析判别[J]. 矿山工程, 2020, 8(3): 344-354. DOI: 10.12677/me.2020.83044
480.30
李超 等
摘要
准确地判别突水水源，是做好防治水工作的首要任务。为解决这一问题，收集整理了安徽某矿相关的水 文地质资料，以水质分析结果及水文地球化学为基础，选取七个主要离子作为判别指标，基于SPSS软件， 将不同含水层的水化学资料中的30个作为训练样本，6个作为预测样本，采用多元统计分析方法中的聚 类分析与Bayes逐步判别分析分别建立突水水源判别模型，并对两种方法做出比较。分析结果表明：聚 类分析与Bayes逐步判别分析对该矿突水水源都可以做出准确的判别；聚类分析中尤以Ward法准确度最 高；Bayes逐步判别剔除了重复信息，判别结果准确率达到100%，是该矿判别突水水源的首选方法。可 为矿井突水水源的判别提供一种新的思路。
Received: Jun. 22nd, 2020; accepted: Jul. 7th, 2020; published: Jul. 14th, 2020
Abstract
Accurately distinguishing the source of water inrush is the primary task of water prevention and control. In order to solve this problem, the hydrogeological data of a mine in Anhui are collected and sorted out. Based on the results of water quality analysis and hydrogeochemistry, seven main ions are selected as discriminant indexes. Based on SPSS software, 30 hydrochemical data of different aquifers are taken as training samples and 6 as prediction samples. Cluster analysis and Bayesian stepwise discriminant analysis in multivariate statistical analysis method establish discriminant models for water inrush source, and compare the two methods. The results show that both cluster analysis and Bayesian stepwise discriminant analysis can accurately discriminate the source of water inrush in this mine; Ward method is the most accurate method in cluster analysis; Bayesian stepwise discriminant eliminates duplicate information, and the accuracy rate of discriminant results reaches 100%, which is the preferred method to discriminate the source of water inrush in this mine. It can provide a new way to distinguish the source of mine water inrush.