Study on fluoride leaching regularity of natural minerals in Shendong Mining Area
-
摘要:
随着神东矿区煤炭开采向深部转移，矿井水中氟化物超标问题凸显，因此研究氟化物的主要来源对控制矿井水中的氟化物浓度具有重要的意义。为证明天然含氟矿物是矿井水中的氟的主要来源，深入了解天然含氟矿物在矿井水中的浸出过程，以神东矿区为对象，分析了不同深度矿井水中的水质变化规律，研究了不同深度矿物中的氟化物变化，并讨论了天然含氟矿物在矿井水中的氟化物浸出规律。研究结果表明，当煤炭开采深度大于120 m时，矿井水中氟化物浓度超过地表III类氟化物标准值，并且含氟矿物在天然矿物中的比例增大。通过对矿井水中阴阳离子成分分析，认为矿井水中氟化物主要来源于煤炭开采深部含氟矿物的浸出。研究不同水岩作用条件下含氟矿物浸出规律发现，提高水岩作用强度，可以加速含氟矿物中氟化物的浸出；当岩水比例增大（大于1∶50）时，部分含氟矿物的氟浸出浓度大于1.0 mg/L；特别在酸性或碱性条件下，由于离子交换作用和溶解平衡机制，含氟矿物中难溶性氟化物发生浸出。综上所述，在一定的水岩作用环境中，天然含氟矿物中的氟化物浸出，可导致矿井水中氟化物浓度超标（大于1.0 mg/L），这一结论为在复杂地质条件下精确管控天然矿物的氟化物浸出提供了重要指导。
Abstract:As coal mining is shifted to the deep in Shendong mining area and fluorine concentration in mine water is increasing, it is of great significance to study the main sources of fluoride for the control of fluoride pollution in mine water. In order to further prove that natural fluorine-containing minerals are the main source of fluorine in mine water, it is necessary to deeply understand the leaching process of natural fluorine-containing minerals in mine water.Take the Shendong mining Area as an example, the water quality change law of mine water at different depths was analyzed, the fluoride content change of rock mining areas at different depths was studied, and the fluoride leaching regularity of natural fluorine-containing minerals in mine water was discussed. The results show that the fluoride concentration in the mine water exceeds the standard value of class III fluoride on the surface, and the proportion of fluorine-containing minerals in natural minerals increases,when the coal mining depth is more than 120 m. Through analyzing the anion and cation components of the mine water, it is believed that the fluoride in the mine water mainly comes from the leaching of fluorine-containing minerals in deep coal mining. Further study on the leaching law of fluorine-containing minerals under different water rock interaction conditions shows that the leaching of fluoride in fluorine-containing minerals can be accelerated by increasing the strength of water rock interaction; When the rock water ratio was increased (more than 1∶50), the fluoride leaching concentration of some fluorine-containing minerals was greater than 1.0 mg/L; Especially under acidic or alkaline conditions, the insoluble fluorides in fluorine-containing minerals were dissolved due to ion exchange and leaching equilibrium mechanism.To sum up, the high fluoride (more than 1.0 mg/L) in mine water was caused by fluoride leaching, because fluoride in natural fluorine-containing minerals is dissolved out under certain water rock interaction conditions. It is an important guidance to accurately control the fluoride leaching of natural minerals under complex geological conditions.
-
0. 引 言
煤层气是一种优质的非常规能源，对煤层气的合理开发有利于提高经济效益、避免瓦斯事故、减少温室气体排放，具有能源、安全、环保等多重价值[1]。根据自然资源部的数据，截至2023年末，我国煤层气勘查新增探明地质储量3 179.3亿m3，全国煤层气剩余技术可采储量5 348.4亿m3，同比增长40.4%，具有广阔的开发潜力。尤其是在我国战略性调整能源结构、促进绿水青山建设的大背景下，其重要性愈加凸显。
自20世纪70年代以来，美国开始对煤层气进行开发，到90年代已经形成一定规模，是目前世界上开发利用煤层气最成功的国家。随着全球能源格局的变化，世界上很多国家也开始了煤层气的开发工作。我国自20世纪80年代末开始对煤层气进行勘探和开发，在经历探索期和突破期后，现已进入快速发展阶段[2-4]。为进一步加快煤层气开发利用的步伐，近些年来，在国家多次出台的政策以及天然气开发、管道建设、非常规天然气技术进步等多方面的共同推动下，我国煤层气产业取得了长足的进步[5]。
近些年来，人工智能技术飞速发展，逐渐被应用到各行各业中。在能源行业，粗放式的发展模式已经不能适应新时代的发展要求，智能化在近年来已经逐渐成为能源工业高质量发展的核心技术支撑，代表着先进生产力的发展方向[6-7]。
煤层气的开发存在着发展模式粗放、工作环境艰苦、工人劳动强度大、危险性较高等问题[8-9]，但是智能化技术在煤层气的抽采方面的应用仍相对较少，主要原因在于煤层气赋存机理复杂、开采难度大，相关数据积累不足、数据质量较低[10]，技术难度也相对较大。笔者分析总结了煤层气智能化开发现有主要技术体系，探讨了目前阶段存在的技术挑战，概括其主要发展方向，并提出了相关建议与展望。
1. 煤层气智能化开发技术现状
1.1 主要技术
人工智能技术在煤层气抽采中的应用目前仍处在起步阶段，应用前景十分广阔，主要应用集中在储层勘探、产能预测、抽采优化等3个方面[11]，有关学者在工程实践中进行了长期研究，截至近期，代表性案例应用现状见表1。上述3方面的主要应用相辅相成，共同构成人工智能辅助抽采系统，并基于此延伸出AI技术在煤层气抽采领域应用的新技术新方法。
领域 地区 实现效果 主要算法 不足 储层勘探 沁水盆地 识别裂缝几何形状 分层双向长短期神经网络 用于训练模型的数据量不足 澳大利亚Surat盆地 煤岩识别准确率在90%以上 支持向量机
随机森林
梯度提升需要大量的高质量数据进行模型训练 澳大利亚Walloon区块 准确预测储层渗透率 多层感知机
卷积神经网络
循环神经网络对数据数量和质量要求高 —— BP神经网络 准确预测应力变化下的储层渗透率改变 缺乏现场应用监测 产能预测 郑村区块 95%以上的产气量产能预测预测差小于5% 随机森林 对数据数量和质量要求高 寺河、潘庄 准确预测短期产能变化 BP神经网络 预测长期产能变化准确性不佳 新疆某矿区 相对于BP神经网络准确性更高 深度信念网络 模型参数需要手动调整，预测精度有待提高 川东地区 随样本数据量增加，模型准确度提高 正则化长短期记忆神经网络 需要大量的高质量数据进行模型训练 鄂尔多斯盆地、沁水盆地 预测煤层气井的单日产气量 随机森林 抽采控制 沁水盆地 对煤层气井抽采层位水源进行智能判别 支持向量机 依然在理论研究阶段 五阳井区 液位控制精度高，抽采过程均衡、稳定 神经元人工智能控制 —— 樊庄区块 自主优化决策，根据生产变化自动调整生产策略 强化学习 仍处于起步阶段 潘一东煤矿 自动判别抽采系统运行状态，预判危险的发生，实现自动控制 —— 采用PID控制，智能化程相对度低 1.1.1 煤层气储层智能勘探与评价技术
煤层气储层的智能勘探与评价技术主要应用于煤层的勘测、钻井及增透阶段，基于钻井、完井、增透等过程中的各项生产数据和人工智能算法，实现储层特征反演技术[11-13]。
煤层气储层特征智能反演技术首先通过收集储层的埋深、煤岩密度、含水率等基础数据，应用BP神经网络等人工智能算法对数据进行反演，得出储层特征，从而建立储层孔隙度、渗透率、含气量、裂缝识别等数据模型，进而提供一种更加高效的储层认知手段。其应用起步较早，在1997年潘和平等[14]就提出了应用BP神经网络预测煤质参数和含气量的研究方法，开始将人工智能技术应用在煤层气抽采之中。陈涛等[15]综合运用平均影响值（MIV）方法和粒子群算法（PSO），优化LSSVM（Least Squares Support Vector Machine）网络建模过程，构建MIV-PSO-LSSVM煤层气含量预测模型，如图1所示，进一步提高预测模型的建模性能，实现了煤层含气量高精度预测。YANG等[16]提出了基于模式识别的水力裂缝形态识别技术，通过提取水力压裂作业曲线特征，自动分类裂隙形态，进而精确控制增透过程。CHEN等[17]在液氮致裂储层增透试验中引入U-net网络模型，处理煤样裂隙CT扫描图像，实现了对液氮致裂过程中煤样三维裂隙的自动识别分割，定量表征裂隙体积、空间分布、连通性等特征及其演化规律。
煤层气储层智能勘探与评价技术是对煤层储层进行特征数据收集与处理的过程，该技术通过对储气煤层群地质参数的测定与推演，从而针对储层进行三维地质建模，建设透明化钻井，为配套传统抽采技术和智能抽采技术提供优质的数据支撑，最终达到提高抽采效率，节约成本，保证安全生产的目的。
1.1.2 煤层气井产能智能预测技术
煤层气井产能预测是煤层气抽采中的重要环节，根据埋深、孔隙度、含气量等储层特征，预测气井长期和短期产能，为煤层气井建设施工、制定生产计划提供了依据。传统的产能预测方法主要是通过经验模型、平衡吸附模型、非平衡吸附模型等数学模型对产能进行理论估算[18-21]。
煤层气产能智能预测是一种将人工智能运用到煤层气抽采中的技术，是较为热门的研究方向，众多学者对此进行了研究，吕玉民等[22]建立了煤层气井动态产能拟合和预测的时间序列BP神经网络模型，在短期产能预测方面取得了较好的效果，但对于长期产能预测效果不佳。徐慧[23]利用改进的粒子群优化算法进一步优化支持向量回归机，相对于BP神经网络具有更高的预测精度。XU等[24]首次将长短期记忆（LSTM）网络和迁移学习（TL）方法运用到煤层气井日产量预测中，最终提出了T-LSTM模型，运用较小的样本量实现了良好的预测效果。高翔[25]研究了基于支持向量机的煤层气井井底流压预测方法，用于合理控制抽采强度，平稳降低井底流压，从而提高单井产能。目前领先的成熟神经网络产能预测模型是GUO等[26]提出的基于深度学习的煤层气产能预测模型，将卷积自编码器和空间金字塔池化结合，多尺度高效提取数据源特征，并综合近邻传播算法（Affinity Propagation）与长短期记忆网络（LSTM）对样本特征进行聚类分析（图2），对煤层气产能的长期预测更加准确。
总体而言，煤层气的解吸—扩散—渗流是一个复杂、不确定的动态过程，相比于建立精确数学模型，人工智能算法对于此类多指标的不确定性问题适应性更好，更加贴合实际生产需要。该技术依托于储层勘探过程中的海量数据，并为后续抽采工作的开展提供依据，起到了联系储层特征数据与生产实际的纽带作用。人工智能技术在提高煤层气井产能预测准确性、适用性方面具有较好前景。
1.1.3 智能抽采控制技术
煤层气的智能抽采控制系统主要由硬件部分（抽采设备、传感器、变频器、现场监控设备等）和软件部分组成[11, 27]。该系统直接控制现场设备，综合现场各重要指标，实施调整抽采参数，保证持续高效产气，并对设备运行状态进行实时监测，智能快速识别异常工况，保证安全高效生产。进而实现气井日产量精确控制，避免了产能不足或浪费，推进抽采无人值守，进一步提高经济效益。
我国的智能抽采起步较早，华北油田在2008年左右就提出了智能抽采的概念[28-30]。但由于煤层气抽采机理复杂，缺少相关理论支撑等原因，进展相对缓慢。目前大部分已投入实际应用的“智能化”抽采设备实质上是信息化、自动化的设备，依靠人工智能技术支撑的相对较少。迟文龙[31]开发设计了基于模糊支持向量机（FSVM）的煤层气井故障诊断系统，相对于BP神经网络模型和支持向量机（SVM）模型在性能方面有较大提升，实现了对煤层气单井采气过程的智能故障诊断。黄鹤等[32]研制的煤层气智能抽采监控装备，对煤层气抽采中气体成分浓度、气压、温度、流量、设备工作参数等数据进行实时监测，能够判别抽采系统运行的状态，对事故进行预判，实现系统的自动控制。
煤层气智能抽采优化技术有较为广阔的应用前景，但由于对煤层气抽采机理认知不足、缺乏基础技术支撑等原因，目前研究重点还在智能抽采设备开发与自动控制等方面，而在煤层气抽采优化的机理分析、算法优化、参数调整等方面进展相对缓慢。
1.2 辅助技术
1.2.1 智能钻井技术
长期以来，我国的钻探设备以传统机械为主，智能化程度低、劳动强度大，作业过程仅凭借现场工作人员经验，不够规范严谨，制约了“四化建设”，是智慧矿山建设的瓶颈之一[33-34]。截至目前，我国井下远距离控制钻机、地面远距离控制钻进设备、遥控自动钻井装备等技术的开发已经取得阶段性进展，但是仍没有完全改变需要人工操作、凭经验判断的现状，要实现完全智能化钻井还需要克服许多技术难题。
智能钻井技术与煤层气智能勘探技术密切相关，目前同样处于初级阶段，面临着智能钻孔布置、钻进过程智能感知与异常识别、煤岩体智能识别、智能参数调整等诸多亟待解决的技术问题，上述问题的解决对推进煤层气抽采全过程智能化技术有着决定性作用。
1.2.2 抽采井站智能视频监控技术
煤层气具有易燃易爆的特性，所以在煤层气抽采作业过程中的安全巡检十分重要，而煤层气抽采井站往往分散在野外，如果采用传统人力巡检的方式对井站进行安全监控，一方面劳动强度大，人力成本高，另一方面无法做到实时监控，存在安全漏洞。为解决以上问题，于天瞑[5]开发了智能视频监控系统用于煤层气抽采井站的安全监控。针对井站具体情况，设计了基于目标识别算法、背景减除法的安全智能监控算法，并且运用卷积神经网络对算法进行优化，增强了其适用性，在煤层气抽采井站的安全监测、危险状况分类识别、危险自动报警中具有较强的适用性。
1.2.3 设备智能协同与智能化生产系统
在传统工矿企业的煤层气井田信息化建设过程中，往往因缺乏系统性早期规划，造成信息系统建设呈现“头痛医头、脚痛医脚”的被动局面，具体表现为：每遇一个新问题就建设一个新系统来解决。这就导致了生产系统庞大且臃肿，而各子系统之间相对孤立，数据重复度高的同时也缺乏标签化数据，难以为智能化技术的应用提供数据支持，并不能适应新时代智能化井田建设的要求。
为解决上述问题，田锦州[35]提出了煤与煤层气协调开发生产系统智能化设计方法，通过构建“抽、建、掘、采”各系统间接续关系的量化分析模型及数据库，实现各系统之间全面动态接续，实现了数据记录、报表同步生成与动态分析、安全监测、自动报警等功能，助力了矿井智能化建设。
2. 面临的主要技术挑战
目前，人工智能技术在煤层气抽采中的应用仍然处于初级阶段，成功应用实例较少，产生的直接经济价值也比较有限，实现煤层气抽采的全过程智能化仍任重道远。面临的主要技术挑战有：
1）地质条件复杂多变。我国煤层普遍具有低压、低渗、低饱和的“三低”特征，抽采难度大，不同地区产能差异很大，甚至同一地区的煤层性质也存在较大差异，并且，煤层气储层大量分布于深部，以上种种原因为煤层气的开发及智能化技术研究增加了阻碍。对于煤层气赋存特点的认识仍然存在较大空白，特别是对深部煤层气、低煤阶煤层气的赋存状态认识不够全面，并且对不同技术的增产机理认识还不够充分，尚未形成系统化的开发理论[36]，不足以支撑相关AI模型的开发。
目前，智能抽采技术在少数矿井中实现了一定程度的应用，但基本都是基于当地特定数据训练形成的AI模型，用以解决特定生产问题，难以推广到其他井田实际生产之中。且针对某些问题，人工智能技术相对传统技术并无明显优势，在该技术取得革命性突破之前，难以在煤层气抽采中得到广泛应用。
2）优质数据积累不足。煤层气抽采的过程本身会产生海量的数据，可以为人工智能技术的应用提供数据基础。但同时其中的数据多种多样，结构复杂，且缺少标签化的处理，用于后续开发前往往需要对其进行繁重的预处理，为人工智能应用增加了障碍[10]。保证有足够且优质的真实数据用于模型训练是将人工智能技术应用在煤层气抽采中的一个重要前提，也是目前阶段亟待解决的问题。
3）信息支撑平台建设存在不足。目前国内大多数煤层气田已经实现了机械化、信息化，正处于向智能化方向发展的关键阶段。但是在信息化建设过程中，由于存在缺少统一规范、信息系统建设过程中“头痛医头，脚痛医脚”等问题，导致现行信息系统往往比较臃肿，多个系统之间信息重合度高、互通性差，数据标准不统一，数据迁移难度大，阻碍了进一步的智能化建设。
4）实践案例少，参考价值不足。目前为止，智能矿井建设仍然处于起步阶段。总体来说，美国、澳大利亚等国家的智能抽采技术发展走在世界前列，尤其澳大利亚是目前煤层气产业最发达的国家，在2016年已成为世界最大煤层气生产国[37]。目前在这些国家已有一些成熟的智能抽采技术实际应用，但是这些国家的煤层赋存条件相对比较优良，对于我国复杂的储层条件，还需进一步优化才能适应生产需要。
3. 技术发展趋势与展望
在能源行业智能化建设的大背景下，煤层气的抽采也必然向着“少人化”“无人化”的方向不断发展。智能化设备被越来越多地应用到煤层气抽采之中，一些艰苦岗位将率先被机器取代，高素质、高技能水平人才的需求量将会有一定程度的上升，钻孔轨迹精准控制技术、智能压裂与排采技术等新型技术应用范围将进一步扩大[38-39]。在近期，煤层气智能化开发新技术发展趋势主要体现在以下方面。
3.1 信息支撑平台建设
当前阶段，智能化依然是信息化的进一步延伸，智能模型的训练往往要依赖大数据支撑，智能化抽采的开发也要依赖于大量的优质数据[40-43]。要建设科学可行的智能抽采系统，首先就需要业内共同努力，针对典型煤层气井田建立1套科学、全面的信息支撑平台，为煤层气智能抽采提供可靠数据基础[44]。具体主要包括：地质特征精细刻画与建模、工程适用性评价体系、地质工程数据库、配套开发模式参考等。
从目标方面来说，智能化抽采的核心是地质参数和工程参数的动态优化与实时匹配，其目标是最大程度发挥储层改造的增产和稳产潜力，实现单井高产；多井联动，最大程度协调各气井之间的抽采参数，降低成本投入，实现收益最大化。其主要内容是地质‒气藏‒方案研究一体化，钻井和完井设计‒施工工艺一体化，质量‒安全‒环保‒评价全过程管理一体化[11,45]。最终实现多个系统之间、系统内部各子系统之间的实时协调控制。
3.2 智能抽采平台建设
从具体工程尺度来说，煤层气的智能化抽采需要协调抽采设备、传感器、控制设备、通信设备等多种对象，集成岩性识别、产能预测、参数优化、异常识别、设备管理等技术，最终实现多功能一体化智能抽采平台建设[46-48]。
在智能抽采平台建设上，黄中伟等[7]在压裂参数智能优化、缝网参数智能反演、产能智能预测和智能抽采控制等方面提出了新的研究思路。在压裂参数智能优化方面，提出了以“产能最大、成本最低”为多目标的水力压裂参数设计方法，综合储层地质特征数据、施工设计数据、生产数据、各种耗材费用等相关因素，运用机器学习、多目标优化算法等手段，建立地质–工程一体化数据库和产能智能预测模型；在产能预测方面，采用门控神经网络和多层感知机叠加的人工智能网络模型，综合运用多种算法实现神经网络的自动优化，建立了“物理约束‒数据驱动”的煤层气产能预测模型，应用在临汾矿区和大宁井田之中，体现出了较好的准确性、可靠性；在抽采参数智能优化方面，建立了基于强化学习的煤层气井抽采参数智能决策系统，随生产数据的积累，系统不断进行自我优化，提升性能。
从长期来看，将会形成智能化的抽采系统，其架构如图3所示。
3.3 复杂条件智能抽采系统建设
从长远来看，我国的煤层气开发逐渐走向深部，这也是我国相对与其他国家的煤层气开发的主要区别之一。
目前，深部煤层气的开采还面临着一些问题，例如：对储层的勘探不足，对深部煤层气赋存机理认知不到位，未能建立全面的深部煤层气储层评价体系[49]；所处围岩环境与一般气田存在较大差异，相关的技术设备配套还不够成熟[50]；开采成本相对较高，其经济效益易受气价波动影响等[51-52]。
针对其中的某些问题，通过智能化技术可以较好地解决。例如：开发利用储层智能勘探技术，智能识别岩体性质，提高勘探效率，降低勘探成本，快速构建一体化地质模型，作为后续开发工作的信息支撑；通过智能自动化钻井、抽采参数动态调整、基于机器视觉的智能巡检等技术，提高自动化水平，替代传统人力劳动，减少人员需求，降低生产成本，进而提高经济效益。同时，我国的深部资源开发走在世界前列，在深部煤层气抽采的智能化技术中，有利于发挥特长，提高技术水平，巩固我国的技术优势，维护我国中长期利益。
“三气”合采也是重要的发展方向，通过煤化作用生成的气体成分中，除了一小部分赋存在煤层之中，其余大量以页岩气、致密砂岩气等形式赋存于其他岩层中，目前我国已经对煤层气、页岩气、致密砂岩气进行了大量的科学研究与现场试验，并在部分地区形成了商业性气田。但是由于“三气”赋存状态与抽采机理的差异，其技术通用性、兼容性不佳，开采难度大，所以对其共采的研究还相对较少[53-56]。
在“三气”合采方面，智能化技术的开发前景主要表现在：通过智能勘探技术对地层进行精细化建模，辅助井田的规划设计，科学布置不同类型抽采钻井；对大型井田各类型矿井进行实时联动控制，并根据产能预测结果，精细化调整各气井抽采参数至最优，实现高效抽采。
4. 结 论
1）人工智能技术在近几年迅猛发展，但在煤层气抽采方面的应用仍然处于起步阶段，真正带来明显经济效益的应用仍然不多。美、澳等国现有一些小范围的应用，可以参考其设计思路，根据我国工程实际进行适当调整优化，开发适合的智能抽采设备及系统。
目前人工智能技术在煤层气抽采中的应用主要有储层勘探、产能预测、抽采控制3方面的应用，并与智能钻井、智能视频监控等辅助技术共同组成了现有的智能抽采系统。
2）现阶段，地质条件与抽采机理复杂、生产数据积累不充足、基础信息支撑平台建设规范不到位、典型参考案例较少是煤层气智能化开发面临的几大阻碍。
3）煤层气的智能抽采作为智慧矿山建设的一部分，总目标与智慧矿山一致，最终要实现无人化。近期传统的煤层气抽采技术逐渐向低成本、高效率、深部、信息化、自动钻采的方向快速发展。
目前我国对煤层气抽采智能化的主要技术需求有：① 建设信息支撑平台，基于智能勘探等技术，针对代表性煤层气井田建设三维精细地质模型和煤层气智能抽采数据库，为进一步智能化提供信息支撑；② 开发智能抽采平台，将人工智能技术运用到煤层气抽采过程中的压裂参数智能优化、缝网参数智能反演、产能智能预测和智能抽采控制等过程之中，在实践中创新，创新服务于实践；③ 研究针对深部煤层气开采、“三气”合采等特殊条件下的专用技术，搭建针对我国资源特征的技术体系。
4）在国家政策的大力推动与人工智能技术迅速发展的背景下，许多大型煤矿已经完成了初步的智能化建设，而在煤层气抽采方面，机械化、信息化已经实现，智能化建设基础良好，是智能化抽采技术进步的难得机遇期，在此基础上开发针对性的智能化抽采技术，将有效推动我国在该领域的关键技术突破，对构建新型能源安全格局具有重要意义。
-
![]()
图 1 神东地区不同取样深度矿井水中的离子浓度。
Figure 1. Ion concentration in mine water at different sampling depths in Shendong area
![]()
图 2 矿井水中 Na+与 Cl−浓度关系
Figure 2. Relationship between molar concentrations of Na+ and Cl− in mine waters
![]()
图 3 不同矿区天然矿物的氟化物含量以及F−理想浸出浓度
Figure 3. Fluorine content of natural minerals and the ideal precipitation concentration of F− in waters
![]()
图 4 岩石样品在恒温震荡条件的离子浸出浓度
Figure 4. The ion precipitation concentration of rock samples under the condition of constant temperature oscillation
![]()
图 5 哈拉沟岩石样品在超声条件下浸出的离子质量浓度及pH变化
Figure 5. Ion concentration and pH change of rock samples under ultrasonic conditions( Halagou)
![]()
图 6 布尔台岩石样品在超声条件下浸出的离子浓度
Figure 6. Ion concentration change of rock samples under ultrasonic conditions (Bourtai)
![]()
图 7 不同岩水比条件下天然矿物在水中浸出的离子浓度（超声60 min）
Figure 7. Ion concentration of natural minerals in water under different water rock ratio (ultrasonic 60 min)
![]()
图 8 不同pH条件下天然矿物在水中浸出的F−浓度
Figure 8. F− concentration of natural minerals in water precipitation under different pH
![]()
图 9 天然矿物中F− 浸出规律示意
Figure 9. Diagram of F− leaching law in natural mineral under different conditions
表 1 神东矿区矿井水采样信息
Table 1 Rock mining area samples in Shendong Mining Area
序号 地点 埋深/m 采集位置 1 寸草塔一 40 2−2煤中央水仓 2 石圪台 70 1−2煤顶板渗水 3 哈拉沟 80 水仓 4 柳塔矿 120 1−2煤采空区净化出水 5 柳塔矿 130 2−2煤采空区进水水仓水 6 柳塔矿 140 2−2煤顶板渗水 7 寸草塔一 160 水仓 8 寸草塔一 171 2−2煤矿矿井水、采空区进水 9 布尔台 256 4−2煤矿矿井水、采空区进水 10 布尔台 340 4−2煤矿矿井水、采空区出水 11 布尔台 360 2−2煤中央水仓 
下载: 导出CSV
表 2 神东矿区矿井水成分
Table 2 Rock mining area samples in Shendong Mining Area
序号 pH 埋深/m 各成分质量浓度/(mg·L−1) 氟化物 氯化物 硫酸盐 硝酸盐 碳酸氢根 钠 镁 钾 钙 1 7.00 40 0.81 113.34 296.25 22.54 325.80 112.00 20.07 2.5 15.49 2 6.20 70 0.95 43.45 272.74 1.74 412.50 117.12 9.32 3.76 14.84 3 8.30 83 0.46 7.18 970.00 0.02 210 666 110 14 7.86 4 7.02 120 1.60 30.06 166.42 0.66 538.20 116.11 0.44 0.33 0.93 5 6.25 120 2.48 89.10 187.81 0.23 496.70 168.34 1.14 1.74 3.37 6 7.09 140 4.40 73.49 150.66 1.86 527.20 173.99 0.72 1.89 1.02 7 7.12 160 13.98 317.29 3.65 <0.15 497.90 208.97 0.48 0.91 1.09 8 7.10 171 9.24 319.49 77.40 1.63 690.70 240.53 1.92 5.34 2.58 9 7.12 256 7.82 277.14 79.17 2.33 881.10 258.68 1.25 2.99 0.78 10 7.05 340 6.80 292.10 59.50 2.51 983.60 265.25 1.32 2.91 0.83 11 7.10 360 6.31 281.78 30.24 0.21 1 444.90 301.30 1.20 2.49 1.08 注：pH限值为6~9，氟化物、氯化物、硫酸盐、硝酸盐的限值分别为1.000、250.00、250.00、10.00 mg/L。
下载: 导出CSV
表 3 矿区天然矿物的氟含量
Table 3 Fluorine content of natural minerals in mining area
矿区 编号 深度/
m氟元素
质量分数F−理想浸出浓度/
(mg·L−1)编号 深度/
m氟元素
质量分数F−理想浸出浓度/
(mg·L−1)编号 深度/
m氟元素
质量分数F−理想浸出浓度/
(mg·L−1)哈拉沟 H1 0.5 0.0433 4.33 H10 220 0.1045 10.45 H19 316 — — H2 18 — — H11 236 — — H20 316 H3 64 — — H12 238 0.0628 6.28 H21 340 — — H4 85 — — H13 243 — — H22 390 0.1055 10.55 H5 120 — — H14 250 0.0901 9.01 H23 430 0.0367 3.67 H6 142 — — H15 253 0.0591 5.91 H24 443 0.0814 8.14 H7 157 0.1115 11.15 H16 290 0.0372 3.72 H25 466 — — H8 160 0.1004 10.04 H17 295 0.0680 6.8 — — — — H9 207 0.0428 4.28 H18 310 0.1208 12.08 — — — — 布尔台 B1 0.5 — — B14 455 0.0545 5.45 B27 569 — — B2 9.5 0.1423 14.23 B15 475 0.0614 5.64 B28 580 — — B3 46 — — B16 483 — — B29 585 — — B4 56 — — B17 493 — — B30 592 0.0450 4.5 B5 129 — — B18 503 0.0510 5.1 B31 598 0.0415 4.15 B6 240 — — B19 506 0.0559 5.59 B32 610 0.0776 7.76 B7 290 — — B20 510 — — B33 616 0.1208 12.08 B8 320 — — B21 516 — — B34 621 0.0678 6.78 B9 350 0.0829 8.29 B22 527 — — B35 631 0.0540 5.4 B10 380 — — B23 538 — — B36 633 — — B11 397 0.0614 6.14 B24 540 0.0825 8.25 B37 647 — — B12 410 0.0614 6.14 B25 546 0.0666 6.66 B38 652 — — B13 436 — — B26 556 — — — — — —
下载: 导出CSV
-
[1] MOHAMED Amine Kerdoun,SABAH Mekhlouf,et al. Fluoride concentrations in drinking water and health risk assessment in the south of Algeria[J]. Regulatory Toxicology and Pharmacology,2022,128:105086. doi: 10.1016/j.yrtph.2021.105086
[2] ONIPE T,EDOKPAYI J N,et al.A review on the potential sources and health implications of fluoride in groundwater of Sub-Saharan Africa[J]. Journal of Environmental Science and Health, Part A,2022,55(9):1078−1093.
[3] Rajesh Nagarathnam. Techniques galore: how to select the best one to detoxify contaminants?[J] . ACS EST Water, 2021, 1: 11−12.
[4] 刘 航,彭 稳,陆继长,等. 吸附法处理含氟水体的研究进展[J]. 水处理技术,2017,43(9):13−18. LIU Hang,PENG Wen,LU Jichang,et al. Research progress of fluoride containing wastewater treatment by adsorption method[J]. Technology of Water Treatment,2017,43(9):13−18.
[5] HAN Jianlin,KISS Loránd,et al. Chemical aspects of human and environmental overload with fluorine[J]. Chem. Rev.,2021,121:4678−4742.
[6] ZHANG Zheng,LI Guoqing,SU Xianbo,et al. Geochemical controls on the enrichment of fluoride in the mine water of the Shendong mining area, China[J]. Chemosphere,2021,284:131388. doi: 10.1016/j.chemosphere.2021.131388
[7] 郝春明,张 伟,何瑞敏,等. 神东矿区高氟矿井水分布特征及形成机制[J]. 煤炭学报,2021,46(6):1966−1977. HAO Chunming,ZHANG Wei,HE Ruimin,et al.Formation mechanisms for elevated fluoride in the mine water in Shendong coal-mining district[J]. Journal of China Coal Society,2021,46(6):1966−1977.
[8] 王东升. 煤矿矿井水处理技术应用现状及前景分析[J]. 煤质技术,2021,36(3):30−34. WANG Dongsheng. Application status and prospect analysis of coal mine water treatment technology[J]. Coal Quality Technology,2021,36(3):30−34.
[9] 顾大钊,李井峰,曹志国,等. 我国煤矿矿井水保护利用发展战略与工程科技[J]. 煤炭学报,2021,46(10):3079−3089. GU Dazhao,LI Jingfeng,CAO Zhiguo,et al. Technology and engineering development strategy of water protection and utilization of coal mine in China[J]. Journal of China Coal Society,2021,46(10):3079−3089.
[10] 杨桂磊,徐旭峰,徐志远,等. 含氟矿井水除浊除氟处理试验研究[J]. 能源环境保护,2022,36(1):66−71. YANG Guilei,XU Xufeng,XU Zhiyuan,et al. Experimental study on turbidity and fluoride removal from mine water containing fluorine[J]. Energy Environmental Protection,2022,36(1):66−71.
[11] 顾大钊,李 庭,李井峰,等. 我国煤矿矿井水处理技术现状与展望[J]. 煤炭科学技术,2021,49(1):11−18. Gu Dazhao,Li Ting,LI Jingfeng,et al. Current status and prospects of coal mine water treatment technology in China[J]. Coal Science and Technology,2021,49(1):11−18.
[12] 顾大钊,张 勇,曹志国. 我国煤炭开采水资源保护利用技术研究进展[J]. 煤炭科学技术,2016,44(1):1−7. GU Dazhao,ZHANG Yong,CAO Zhiguo. Technical progress of water resource protection andutilization by coal mining in China[J]. Coal Science and Technology,2016,44(1):1−7.
[13] NEHA JAGTAP,MAHESH KUMAR YENKIE,et al. Fluoride in drinking water and defluoridation of water[J]. Chemical. Reviews,2012,112:2454−2466.
[14] 白国良,梁 冰. 偏碱性矿井水演化过程中的水岩作用[J]. 地球科学与环境学报,2008,30(2):192−196. BAI Guoliang,LIANG Bing. Water rock interaction during evolution alkalescent coal mine water[J]. Journal of Earth Science and Environment,2008,30(2):192−196.
[15] 孙亚军,徐智敏,李 鑫,等. 我国煤矿区矿井水污染问题及防控技术体系构建[J]. 煤田地质与勘探,2021,49(5):1−16. SUN Yajun,XU Zhimin,LI Xin,et al. Mine water drainage pollution in China’s coal mining areas and the construction of prevention and control technical system[J]. Coal Geology & Exploration,2021,49(5):1−16.
[16] 苏双青,赵 焰,徐志清,等. 我国煤矿矿井水氟污染现状及除氟技术研究[J]. 能源与环保,2020,42(11):5−10. SU Shuangqing,ZHAO Yan,XU Zhiqing et al. Status quo of fluoride pollution of coal mine water in China and research on fluoride removal technology[J]. China Energy and Environmental Protection,2020,42(11):5−10.
[17] 谯贵川,杜 松,方惠明,等. 煤矿矿井水中氟化物处理发展研究及展望[J]. 中国煤炭地质,2021,33(11):56−61. QIAO Guichuan,DU Song,FANG Huiming,et al. Research and prospect of fluoride treatment in coal mine water[J]. China Coal Geology,2021,33(11):56−61.
[18] RANGO T,BIANCHINI G,BECCALUVA L,et al. Hydrogeochemical study in the main ethiopian rift: new insights to the source and enrichment mechanism of fluoride[J]. Environmental Geology,2009,58(1):109−118. doi: 10.1007/s00254-008-1498-3
[19] LI Danni,GAO Xubo,WANG Yanxin,et al. Diverse mechanisms drive fluoride enrichment in groundwater in two neighboring sites in northern China[J]. Environmental Pollution,2018,237:430−441. doi: 10.1016/j.envpol.2018.02.072
[20] SIMONA REGENSPURG,LIOBA VIRCHOW,FRANZISKA D H Wilke,et al. Origin and migration of fluoride in the area of the Aluto Volcanic Complex (Main Ethiopian Rift)[J]. Applied Geochemistry,2022:105403.
[21] 张玉卓,徐智敏,张 莉,等. 山东新巨龙煤矿区场地高TDS地下水水化学特征及成因机制[J]. 煤田地质与勘探,2021,49(5):52−62. ZHANG Yuzhuo,XU Zhimin,ZHANG Li,et al. Hydrochemical characteristics and genetic mechanism of high TDS groundwater in Xinjulong Coal Mine[J]. Coal Geology & Exploration,2021,49(5):52−62.
[22] 李随民,栾文楼,韩腾飞,等. 冀中南平原区土壤氟元素来源分析[J]. 中国地质,2012,39(3):794−803. LI Suimin,LUAN Wenlou,HAN Tengfei,et al. A source analysis of soil fluorine in central south plain of hebei plain[J]. Geology of China,2012,39(3):794−803.
[23] 张 伟,郝春明,刘 敏. 内蒙古布尔台煤矿高氟矿井水特征及成因分析[J]. 华北科技学院学报,2021,18(3):10−18. ZHANG Wei,HAO Chunming,LIU Min. Characteristics and cause analysis of high fluorine mine water in boertai coal mine, Inner Mongolia[J]. Journal of North China Institute of Science And Technology,2021,18(3):10−18.
[24] 郭洋楠,杨俊哲,张 政,等. 神东矿区矿井水的氢氧同位素特征及高氟矿井水形成的水-岩作用机制[J]. 煤炭学报,2021,46(S2):948−959. GUO Yangnan,YANG Junzhe,ZHANG Zheng,et al. Hydrogen and oxygen isotope characteristics of mine water in Shendong mining area and water rock interaction mechanism of the formation of high-fluorine mine water[J]. Journal of China Coal Society,2021,46(S2):948−959.
[25] 朱其顺,许光泉. 中国地下水氟污染的现状及研究进展[J]. 环境科学与管理,2009,34(1):42−44. ZHU Qishun,XU Guangquan. The current situation and research progress of ground water fluorine pollution in China[J]. Environmental Science and Management,2009,34(1):42−44.
[26] RAFIQUE T,NASEEM S,USMANI T H,et al. Geochemical factors controlling the occurrence of high fluoride groundwater in the Nagar Parkar area, Sindh, Pakistan[J]. Journal of Hazardous Materials,2009,171:424−430. doi: 10.1016/j.jhazmat.2009.06.018
[27] 杨思敏,李井峰,白 璐. 神东矿区典型矿井水中氟的分布特征及形成机制[J]. 煤炭科学技术,2022:1−11. doi: 10.13199/j.cnki.cst.2022-0427 YANG Simin,LI Jingfeng,BAI Lu. Spatial and temporal distribution characteristics and formation mechanism of fluoride in mine water of Typical Shendong mining area[J]. Coal Science and Technology,2022:1−11. doi: 10.13199/j.cnki.cst.2022-0427
[28] 解国强,张 伟,郝春明. 神东矿区地下饮用含水层中氟化物的分布特征、来源和富集机制[J]. 科学技术与工程,2022,22(19):8554−8561. XIE Guoqiang,ZHANG Wei,HAO Chunming. Distribution characteristics source and formation mechanisms of fluoride in the drinking ground-water in Shendong mining area[J]. Science Technology and Engineering,2022,22(19):8554−8561.
[29] 单 耀. 含煤地层水岩作用与矿井水环境效应[D]. 徐州: 中国矿业大学, 2009. SHAN Yao Water diagenesis of coal bearing strata and environmental effect of mine water [D]. Xuzhou: China University of Mining and Technology, 2009.
[30] 顾大钊,张建民,王振荣,等. 神东矿区地下水变化观测与分析研究[J]. 煤田地质与勘探,2013,41(4):35−39. GU Dazhao,ZHANG Jianmin,WANG Zhenrong,et al. Observation and analysis of groundwater change in Shendong mining area[J]. Coal Geology and Exploration,2013,41(4):35−39.
[31] 张 凯,高 举,蒋斌斌,等. 煤矿地下水库水-岩相互作用机理实验研究[J]. 煤炭学报,2019,44(12):3760−3772. ZHANG Kai,GAO Ju,JIANG Binbin,et al. Experimental study on the mechanism of water-rock interaction in the coal mine underground reservoir[J]. Journal of China coal Society,2019,44(12):3760−3772.
[32] 李凯崇,邓述波,徐东耀. 地下水除氟技术的研究进展[J]. 资源环境与发展,2010(1):35−38. LI Kaichong,DENG Shubo,XU Dongyao. Research progress for removing fluorine from groundwater[J]. Resources Environment and Development,2010(1):35−38.
[33] 李 沛,刘泳佚,张茹星. 不同pH值条件下高岚河流域磷矿废石中磷素的浸出试验研究[J]. 安全与环境工程,2021,28(5):210−219,229. LI Pei,LIU Yongyi,ZHANG Ruxing. Experimental study on leaching of phosphorus from phosphate rock waste in gaolanhe River Basin under different pH values[J]. Safety and Environmental Engineering,2021,28(5):210−219,229.
[34] 李 睿,李 航. 土壤颗粒表面电场作用下固-液界面Mg2+-K+与Ca2+-K+交换动力学的比较研究[J]. 物理化学学报,2010,26(3):552−560. LI Rui,LI Hang. Compararison study between Mg2+-K+与Ca2+-K+ exchange kinetics of under electric fields at the solid-liquid interface of soil[J]. Acta Phys. -Chim. Sin,2010,26(3):552−560.
[35] 孙亚军,张 莉,徐智敏,等. 煤矿区矿井水水质形成与演化的多场作用机制及研究进展[J]. 煤炭学报,2022,47(1):423−437. SUN Yajun,ZHANG Li,XU Zhimin,et al. Multi-field action mechanism and research progress ofcoal mine water quality formation and evolution[J]. Journal of China Coal Society,2022,47(1):423−437.
[36] 李 果,吕情绪,许 峰. 神东矿区地表水和地下水水化学特征及其影响因素研究[J]. 煤炭工程,2022,54(4):145−150. LI Guo,LYU Qingxu,XU Feng. hydrochemical characteristics and influencing factors of surface water and groundwater in Shendong mining area[J]. Coal Engineering,2022,54(4):145−150.
[37] 李桂臣,李菁华,孙元田,等. 泥岩多尺度模型与水岩作用特性研究进展[J]. 煤炭学报,2022,47(3):1138−1154. LI Guichen,LI Jinghua,SUN Yuantian,et al. Advance of multi-scale study on both analytic models and water-rock interaction characteristics of mudstone[J]. Journal of China Coal Society,2022,47(3):1138−1154.
[38] CHICAS S D, OMINE K,PRABHAKARAN M,et al. High fluoride in groundwater and associated non-carcinogenic risks at Tiruvannamalai region in Tamil Nadu[J]. Ecotoxicology and Environmental Safety,2022,233:113335. doi: 10.1016/j.ecoenv.2022.113335
[39] 赵志宏. 岩石裂隙水-岩作用机制与力学行为研究[J]. 岩石力学与工程学报,2021,40(S2):3063−3073. ZHAO Zhihong. Study on water-rock interaction mechanisms and mechanical behaviors of single rock fractures[J]. Chinese Journal of Rock Mechanics and Engineering,2021,40(S2):3063−3073.
[40] 谢正苗,吴卫红,徐建民. 环境中氟化物的迁移和转化及其生态效应[J]. 环境科学进展,1999,2(7):41−54. XIE Zhengmiao,WU Weihong,XU Jianmin. Translocation and transformation of fluorides in the environment and their biological effects[J]. Advances in Environmental Science,1999,2(7):41−54.
[41] HUANG Liwen,SUN Ziyong,ZHOU Aiguo,et al. Source and enrichment mechanism of fluoride in groundwater of the Hotan Oasis within the Tarim Basin, Northwestern China[J]. Environmental Pollution,2022,300:118962. doi: 10.1016/j.envpol.2022.118962
[42] HU Bin,SONG Xiaoguang ,LU Yan,et al. Fluoride enrichment mechanisms and related health risks of groundwater in the transition zone of geomorphic units, northern China[J]. Environmental Research,2022,212:113588.
计量
- 文章访问数: 77
- HTML全文浏览量: 4
- PDF下载量: 26
