基于多方法耦合的矿井突水水源识别模型研究

doi:10.11799/ce202202025

煤炭工程 ›› 2022, Vol. 54 ›› Issue (2): 140-146.doi: 10.11799/ce202202025

基于多方法耦合的矿井突水水源识别模型研究

宋立兵¹,董东林²,王振荣³,李果⁴,杨茂荣³

1. 中国神华集团神东煤炭集团公司哈拉沟煤矿
2. 中国矿业大学(北京)
3. 神东煤炭集团公司
4. 国能神东煤炭技术研究院

收稿日期:2020-12-15 修回日期:2021-11-23 出版日期:2022-02-14 发布日期:2022-07-06
通讯作者: 董东林 E-mail:ddl@cumtb.edu.cn

Identification Model of Water Inrush Source Based on Piper-PCA-OT-Regression-Bayes

Received:2020-12-15 Revised:2021-11-23 Online:2022-02-14 Published:2022-07-06

摘要/Abstract

摘要： 为快速准确地判别矿井突水水源，减少矿井突水事故带来的危害，以保德矿为例，选取Ca2+、Mg2+、Na++K+、SO2-4、Cl-、HCO-3共6种水化学指标作为判别指标，通过分析各含水层水化学特征，确定了各含水层代表水样，以此为基础建立了耦合主成分分析-离群值检验-回归填补法-贝叶斯判别法的矿井突水水源判别模型，并将模型判别结果与PCA-Bayes模型判别结果做出对比。结果表明：保德矿采空区、二叠系砂岩含水层、石炭系砂岩含水层、奥灰含水层的水质类型分别为HCO3-Ca·Na·Mg型、HCO3-Na型、HCO3-Na型和HCO3·SO4-Ca·Na·Mg型|保德矿水样主成分为Ca2+、Mg2+、Na++K+、SO2-4，可作为综合指标反映保德矿原始水样数据信息|待测水样中的异常值，可通过离群值检验和线性回归模型确定并校正|对比数据校正前后Bayes模型判别结果，校正后准确率为95%，判别准确度明显提升，可准确高效的识别突水水源。

关键词: 矿井突水, 水源判别, 水化学分析, 离群值检验, 回归填补法, 贝叶斯模型

Abstract: In order to identify the water source of mine water inrush quickly and accurately, and reduce the harm caused by mine water inrush, Baode mine was taked as an example, Ca2+、Mg2+、Na++K+、SO42－、Cl-、HCO3- were selected as the discrimination indexes. Through The representative water samples of each aquifer Were determined by analyzed the chemical characteristics of water samples. And then, the coupled Principal Component Analysis (PCA) - Outlier Tests (OT) - Regression - Bayes model were used to identify the water source of Baode mine. The results show that: the water quality types of the Goaf, Permian sandstone aquifer, Carboniferous sandstone aquifer and Ordovician limestone aquifer in Baode mine were HCO3-Ca.Na.Mg, HCO3-Na, HCO3-Na, HCO3-Ca. The main components of Baode mine water samples are Ca2+、Mg2+、Na++K+、SO42－, which can be used as comprehensive indicators to reflect the original water sample data information of Baode mine. The outliers in the tested water samples were determined and corrected by Outliers Test and Regression model. Compared the results of before and after data correction, the accuracy after correction was 95%, and the accuracy was significantly improved, which can accurately and efficiently identify water inrush source.

中图分类号:

TD745

宋立兵, 董东林, 王振荣, 李果, 杨茂林. 基于多方法耦合的矿井突水水源识别模型研究[J]. 煤炭工程, 2022, 54(2): 140-146.

参考文献

[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(04):561–565.
[2] 魏砚秋. 试论我国煤炭资源生产现状与对策[J]. 决策探索(中),2018(07):14.
[3] 孙文洁,李祥,林刚,等. 废弃矿井水资源化利用现状及展望[J]. 煤炭经济研究,2019,39(05):20-24.
[4] 虎维岳. 矿山水害防治理论与方法[M]. 北京:煤炭工业出版社,2005.9.
[5] Wu Qiang, Guo Xiaoming, Shen Jianjun, et al. Risk Assessment of Water Inrush from Aquifers Underlying the Gushuyuan Coal Mine, China[J]. Mine Water and the Environment,2017,1(36):96-103.
[6] 高卫东. 熵权模糊综合评价法在矿井突水水源判别中的应用[J]. 矿业安全与环保,2012,39(2):22-24.
[7] 董东林,李祥,林刚,等. 突水水源的独立性权–模糊可变理论识别模型[J]. 煤田地质与勘探,2019,47(05):48-53.
[8] 冯东梅,吴健伟. 矿井突水水源的SVM识别方法[J].辽宁工程技术大学学报(自然科学版),2017,36(01):23-27.
[9] 童柔,谢天保. 基于机器学习的煤矿突水预测方法[J]. 计算机系统应用,2019,28(12):243-247.
[10] 徐星,田坤云,郑吉玉. 基于遗传BP神经网络模型的矿井突水水源判别[J]. 工业安全与环保,2017,43(11):21-24.
[11] 唐立力. 基于ELM的矿井突水水源识别方法[J]. 煤矿机电,2018(3):39-45.
[12] 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(04):1114-1120.
[13] 张春雷,钱家忠,赵卫东,等. Bayes方法在矿井突水水源判别中的应用[J]. 煤田地质与勘探,2010,38(04):34-37.
[14] Dong Donglin, Chen Zhiyuan, Lin Gang, et al. Combining the Fisher Feature Extraction and Support Vector Machine Methods to Identify the Water Inrush Source: A Case Study of the Wuhai Mining Area[J]. Mine Water and the Environment, 2019:1-8.
[15] 毛志勇,黄春娟,路世昌,等. 基于KPCA-MPSO-ELM的矿井突水水源判别模型[J]. 中国安全科学学报,2018,28(08):111-116.
[16] Huang Pinghua, Wang Xinyi. Piper-PCA-Fisher Recognition Model of Water Inrush Source: A Case Study of the Jiaozuo Mining Area[J]. Geofluids, 2018:1-10.
[17] 邓清海,曹家源,张丽萍,等.基于主成分分析的矿井突水水源Bayes判别模型[J]. 水文地质工程地质,2014,41(06):20-25.
[18] 张妹,刘启蒙,张宇通. 基于PCA分析的突水水源Fisher判别模型[J]. 煤炭技术,2018,37(03):172-174.
[19] 孙文洁,杨恒,李祥,等. PCA与ELM模型相结合的矿井突水水源快速识别方法研究[J]. 煤炭工程,2020,52(01):111-115.
[20] 李兴华,杨勇. 基于PCA-Bayes的矿井水源类型在线判别模型[J]. 煤炭与化工,2018,41(02):21-25.
[21] 琚棋定,胡友彪,张淑莹. 基于主成分分析与贝叶斯判别法的矿井突水水源识别方法研究[J]. 煤炭工程,2018,50(12):90-94.
[22] 孙向东,刘拥军,陈雯雯,等. 箱线图法在动物卫生数据异常值检验中的运用[J]. 中国动物检疫,2010,27(07):66-68.
[23] 李英华,刘妍,秦永松. 缺失数据下线性模型中缺失值处理方法的比较[J]. 广西科学,2009,16(04):400-402+413.

基于多方法耦合的矿井突水水源识别模型研究

Identification Model of Water Inrush Source Based on Piper-PCA-OT-Regression-Bayes

PDF (Mobile)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

编辑推荐

Metrics

本文评价

[1]	李涛高颖郭亮亮. 常量离子联合微量元素煤矿突水水源判别研究[J]. 煤炭工程, 2020, 52(7): 126-130.
[2]	孙文洁, 杨恒, 李祥, 王子超, 杨蕾. PCA与ELM模型相结合的矿井突水水源快速识别方法研究[J]. 煤炭工程, 2020, 52(1): 111-115.
[3]	薛建坤. 基于同位素方法的矿井突水水源定量分析研究[J]. 煤炭工程, 2019, 51(12): 150-153.
[4]	琚棋定，胡友彪，张淑莹. 基于主成分分析与贝叶斯判别法的矿井突水水源识别方法研究[J]. 煤炭工程, 2018, 50(12): 90-94.
[5]	王正忠，孔祥柯，毕玉成，谢玉祥. 依兰第三煤矿井筒开拓水源判别与涌水量预测研究[J]. 煤炭工程, 2015, 47(3): 77-79.
[6]	闫建国，韩猛，赵宗华. 九龙矿多水平矿井强排系统设置分析[J]. 煤炭工程, 2015, 47(12): 10-12.
[7]	姬中奎. 矿井大流量动水注浆细骨料截流技术[J]. 煤炭工程, 2014, 46(7): 43-45.
[8]	连会青. 水化学综合识别模式在矿井水源判别中的应用[J]. 煤炭工程, 2012, 44(8): 107-109.