距离判别法在矿山防治水中应用

以淮南潘二矿区、山西河池矿区和河南焦作矿区水样作为突水水源数据,采用距离判别分析理论,对突水水源进行判别分析。选用六大常规离子作为判别因子,分别建立矿井突水水源的距离判别分析模型。经回判检验表明,潘二水样和焦作水样的距离判别模型回判准确率超过90％,而河池矿区水样距离判别模型的回判准确率仅50％。为此,增加总硬度、碱度、PH值和矿化度作为判别因子,重新建立河池矿区水样的距离判别分析模型,回判准确率提高至90％,证明适当增加特征判别因子对改善距离判别分析模型的判别准确率有利。最后对三个矿区的未知样本进行了距离判别分析,并与Bayes逐步判别法和模糊综合评判法判别结果对比,结果表明距离判别法稳定性较好,判别准确率与Bayes逐步判别基本相同,比模糊综合评判要好。因此,在判别因子选择合适的情况下,距离判别法是目前矿井突水水源判别的有效方法。     

Bayes方法在矿井突水水源判别中的应用

快速有效地判别突水水源是矿井安全生产的重要保障。选取各含水层多项水质指标,应用Bayes方法建立适用于不同水质类型的矿井突水水源快速判别模型。结合SPSS软件,以淮南顾桥矿为例,并与模糊综合评判模型、神经网络模型进行分析比较。结果表明:贝叶斯多类线性判别模型能够有效地判别突水水源,比模糊综合评判有更高的准确性,与神经网络模型的判别准确率相同。Bayes多类线性判别模型又以其计算过程简单、模型结构稳定而优于神经网络模型。既提高判别准确率又提高判别速度,实现对突水水源快速有效判别。      

矿井突水水源判别的多组逐步Bayes判别方法研究

矿井突水是采矿过程中最具威胁的自然灾害之一。能否准确快速地判别矿井突水水源,不仅是矿井水文地质工作的主要内容,而且是煤矿防治水工作的重要基础。为了有效判别矿井突水水源,综合考虑水化学指标对水源判别的重要性,基于多组逐步Bayes判别分析理论,选取Na+ K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-共6项指标作为判别因子,利用国内某矿区各主要含水层的35个水样的水质资料作为训练样本,建立了矿井突水水源预测的多组逐步Bayes判别分析模型。实例分析表明,该模型结果与实际情况相符合,说明该模型在矿井突水水源判别中具有良好的实用性和有效性,为判别矿区新的突水水源提供了一种新思路。     

灰色关联分析方法在突水水源判别中的应用

本文以淮南潘北矿区突不同含水层组分作为对象,采用灰色关联度分析法对矿井突水水源进行判别分析,重点研究样本评判因子的选择对判别准确率的影响,结果发现判别因子的选取对判别结果影响较为显著,即在原有Na＋＋K＋、Ca2＋、Mg2＋、Cl-、SO42-、HCO3-等六个评判因子基础上,增加总硬度、碱度、矿化度和PH值作为新的评判因子,其水源判别准确率由62．5％增至100％。因此,选择适合评判因子对提高灰色关联判别可靠性具有重要意义。     

马氏距离判别模型在矿井突水水源判别中应用

根据某矿井水质资料,建立了该矿判别突水水源的数学模型,利用VB程序开发了马氏距离判别软件。选择了K＋、Na＋、Ca2＋、Mg2＋、HCO3-、SO42-、总硬度、碱度、pH、矿化度11项指标作为评价因子,选取20个典型水样作为距离判别方法的训练样本,获得了判别模型,并用样本数据的回判处理进行验证。应用该模型对6个待测水样进行判别,并与Fisher判别结果进行比较,结果表明：其结果与实际情况吻合较好。     

基于离差加权的煤矿突水水源判别模型及应用

矿井突(涌)水水源的快速识别是矿井水害有效防治的前提条件。针对应用模糊综合评判方法解决水源判别常用的"超标加权法"和"偏标加权法"确定判别因子的权重系数方面存在的不足,结合方差分析中的离差分解法,提出了矿井突水水源判别权重系数确定的离差加权法;利用SPSS软件,并以淮南潘三矿为例,对上述3种模型进行对比分析研究。结果表明:基于离差加权的模糊综合评判能够有效的判别突水水源,比"超标加权法"和"偏标加权法"有更高的判别率;基于离差加权的模糊综合评判具有原理清晰、结构简单、运算量小、更为合理等优点,适合快速识别水源,为矿井水害防治提供了一种辅助决策手段。      

基于主成分分析的矿井突水水源Bayes判别模型

矿井突水严重威胁矿区安全生产,快速准确地判别突水水源,对有效防治矿井突水灾害有重大意义。根据鹤壁矿区6个主要含水层水化学成分的差异性,选取了Ca2+、Mg2+、Na++K+、CO2-3、HCO-3、Cl-、SO2-47个指标作为突水水源判别的评价因子,并选用鹤壁矿区294个水样作为学习样本,以Matlab为平台,先采用主成分分析法提炼出三个主成分Z1、Z2和Z3。然后把这3种主成分的值作为贝叶斯判别指标,建立了鹤壁矿区突水水源判别模型。利用该模型对鹤壁矿区随机选取22个突水水样进行水源判别,判别正确19个,错误3个,精度达到86%。判别错误的原因,主要是因为有的含水层水化学类型相似或者几个含水层之间存在一定的水力联系。研究结果表明,基于主成分分析的矿井突水水源Bayes判别模型能够满足矿井生产要求,可为防治水工作提供决策依据。     

基于GIS和水质水温的矿井突水水源快速判别

针对淮南潘谢矿区新生界下含松散孔隙水与石炭系太原组石灰岩岩溶裂隙水水质接近的特殊情况,提出了基于GIS和水质水温的矿井突水水源快速判别方法。该法是利用测温钻孔的温度-深度拟合结果,构建基于GIS的利用水温识别突水水源的模型,并将其判别结果与基于水质的模糊综合评判计算的结果相结合,综合判别矿井突水水源。本法应用于潘一煤矿86-1号突水判别,实例结果显示,该法可以较好地适用于水质判别效果不佳,而含水层之间存在较大的地温差(埋深差)情况下的突水水源识别。      

逐步判别模型在矿井突水水源判别中的应用

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Ca~(2+)、Mg~(2+)、K~++Na~+、HCO3~-、Cl~-、SO_4~(2-)等常规离子组分为评价因子,并筛选出Ca~(2+)、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。     

模糊评判方法在矿山防治水中应用

以淮南1某矿不同含水层水及采空区水数据为例,采用模糊评判方法对突水水源进行判别分析。结果表明：在原有Na＋＋K＋,Ca2＋,Mg2＋,Cl-,SO42-,HCO3-六个评判因子基础上,增加总硬度、碱度、PH值和矿化度等作为新的评判因子,其准确率由80％提高至100％。由此表明：判别准确性与样本个数没有直接关系,仅与选取样本代表性有关,选择合适评判因子是提高模糊评判可靠性。     

主成分分析与Bayes判别法在突水水源判别中的应用

准确有效地判别突水水源是解决矿井水害的前提条件。基于淮北袁店二矿各含水层共59个水样水质化验资料,利用主成分分析法,计算各水样的因子得分,并进行系统聚类,剔除错误样本。利用剩余水样作为学习样本,检验Bayes判别函数的判定准确性,得出准确率为92.5%,并进行交叉验证。利用该判别函数对某工作面底板下一富水区水样进行判别,结果与实际情况吻合。结果指示基于主成分分析与Bayes判别法较单一Bayes判别法更加准确,能够消除样本变量之间的相互影响,实现对突水水源的快速有效判别。      

矿井出水水源判别的综合方法

母杜柴登煤矿目前处于基建阶段,在回风巷道施工一个长距离钻孔。该钻孔涌水量一度达到220 m3/h,快速判别此出水来源,成为矿井急不可待的任务。文章通过对矿井先前采集以及该孔采集的水样进行详细的水质对比,并根据该孔简易放水试验水量衰减情况以及水压情况,综合判断出出水水源。     

重庆雪玉洞地下河水文地球化学特征及其影响因素

以重庆市丰都县雪玉洞为研究对象,对地下河的水化学指标进行长期监测,并选取水鸣洞做平行研究,二者都属于雪玉洞群。通过对2011年11月-2013年2月的水化学结果进行分析得知：雪玉洞地下河的水化学类型为HCO3-Ca型,属于低矿化度岩溶水,水鸣洞水化学类型与雪玉洞相同;其主要水化学指标均表现出明显的季节变化趋势,pH值雨季低,旱季高,与降水变化趋势相反。地下河水 Ca2＋、Mg2＋、HCO3-浓度和电导率在雨季升高而旱季降低,旱季水鸣洞的HCO3-、Ca2＋、Mg2＋和Ec值高于雪玉洞;[ Mg2＋]/[ Ca2＋]表现出旱季较高而雨季较低的季节变化特征,可以反映外界干湿变化,其值受控于洞穴水运移过程中的的水土-水岩作用过程,旱季水鸣洞的值高于雪玉洞;SIc值旱季高雨季低,pCO2的变化趋势与pH相似、和SIc相反,旱季低雨季高,全年的SIc值大部分都在0之上,有利于碳酸盐的沉积,水鸣洞的SIc除2013年1月低于雪玉洞以外,其他月份略高于雪玉洞,相对应的 pCO2低于雪玉洞各监测点。     

时间序列模型在工作面涌水量预测中的应用

在矿山实际生产过程中，涌水量预测对于矿山防治水具有重要意义。以山东郓城煤矿1301工作面为研究对象，先不考虑季节性因素影响的条件下，采用时间序列分析模型ARIMA建立涌水量与时间的函数关系，迭代拟合结果精度低，表明郓城煤矿1301工作面涌水量时间序列受季节性因素影响；在此基础上，基于时间序列加法分解原理，分离提取涌水量时间序列中的长期趋势、季节指数、循环因子和随机变动参数，并应用熵权法确定各参数权重，建立工作面涌水量预测的非线性回归修正模型，并将模拟预测结果与忽略季节效应的ARIMA模型预测的涌水量进行对比，结果表明，建立的非线性时间序列模型计算的涌水量更为接近实测涌水量，验证了方法的准确性。研究成果将为矿井涌水量预测提供新思路。      

突水水源的独立性权-模糊可变理论识别模型

在煤矿开采过程中,矿井水害事故频繁发生。为快速准确地找出矿井突水水源,降低矿井突水给煤矿生产带来的危害,以赵各庄矿为例,运用独立性权系数与模糊可变理论相结合的方法,选取了Na+,Ca2+,Mg2+,Cl-,SO₄2-和HCO₃-6种水化学指标,对赵各庄矿的20组水样数据进行分析计算。结果表明:独立性权系数-模糊可变理论模型排除了水样中各指标间冗余信息的影响,克服了水样各变量间权重难以确定以及变量对水质影响不均匀的问题,可在一定程度上保证突水水源识别模型的准确度;Cl-权重值远大于其他各项化学指标的权重值,即Cl-对突水水源的识别结果影响较大;采用本文所建模型判别赵各庄矿的8组测试水样,判别准确率达87.5%,表明该模型在矿井突水水源识别中具有重要参考价值。      

纳林河二号煤矿涌水水源判别的PCA-Logistic方法

纳林河二号煤矿作为纳林河矿区的第一对大型矿井，生产初期由于其自身复杂的水文地质条件和采掘的强扰动，导致涌水事件时有发生，给矿井的安全生产造成严重威胁，快速有效地找到涌水水源是防治矿井水害的关键。通过对纳林河二号煤矿主要含水层及采空区水样进行水质分析并绘制Piper三线图，揭示矿区各含水层地下水及采空区水的水化学特征，统计Ca2+、Mg2+、Na++K+、HCO₃-、Cl-、SO₄2-、pH和矿化度8个指标作为水源判别的原始数据，经主成分分析法（PCA）处理得到4个主成分F₁、F₂、F₃和F₄；将4个主成分的值作为Logistic回归模型的判别指标，建立纳林河矿区涌水水源判别模型；以36组标准水样作为训练样本，发现模型回代准确率为97.22%，再利用建立的模型对4组待判水样进行判别，结果与实际分析相符。研究结果表明:主成分分析和无序多分类Logistic回归方法相结合的涌水水源判别模型能够有效消除样本原始数据间的冗余信息，使涌水水源判别结果更加快速准确，可为矿井防治水工作提供决策和依据。移动阅读      

基于BP神经网络的降雨充水矿井涌水量预测

长沟峪煤矿矿井涌水量受降雨影响显著,曾经因降雨造成淹井事故。文章分析了长沟峪煤矿矿井充水因素及其影响程度,建立了矿井涌水量预测的BP网络模型,通过对2006年和2007年＋141水平和＋20水平矿井最大涌水量预测验证了该模型的可行性,并据此对不同降雨条件下的矿井涌水量进行了预测。