高级检索

基于Piper-层次聚类−灰色关联度的突水水源识别

潘军

潘 军. 基于Piper-层次聚类−灰色关联度的突水水源识别[J]. 煤炭科学技术,2024,52(S1):221−227. DOI: 10.12438/cst.2023-0918
引用本文: 潘 军. 基于Piper-层次聚类−灰色关联度的突水水源识别[J]. 煤炭科学技术,2024,52(S1):221−227. DOI: 10.12438/cst.2023-0918
PAN Jun. Study on mine water inrush source discrimination method based on Piper- hierarchical clustering - gray rational analysis[J]. Coal Science and Technology,2024,52(S1):221−227. DOI: 10.12438/cst.2023-0918
Citation: PAN Jun. Study on mine water inrush source discrimination method based on Piper- hierarchical clustering - gray rational analysis[J]. Coal Science and Technology,2024,52(S1):221−227. DOI: 10.12438/cst.2023-0918

基于Piper-层次聚类−灰色关联度的突水水源识别

基金项目: 

华能集团总部科技资助项目(HNKJ20-H49)

详细信息
    作者简介:

    潘军: (1978—),男,采矿工程师,硕士。E-mail:panj2454@163.com

  • 中图分类号: TD745

Study on mine water inrush source discrimination method based on Piper- hierarchical clustering - gray rational analysis

Funds: 

Huaneng Group Headquarters Technology Project (HNKJ20-H49)

  • 摘要:

    快速准确地识别煤矿突水的来源对于煤矿安全开采十分重要,是煤矿防治水的基础工作。基于Piper三线图−层次聚类−灰色关联度的综合方法对甘肃省某煤矿的突水水源进行了识别。工作面井下排水、断层裂隙水和顶板砂岩裂隙水的水化学类型均为SO4-K·Na型水,地表水水化学类型为SO4·HCO3-Ca型水。在Piper三线图中,井下排水与其他类型水在图中的距离较远,初步判断井下排水是来自多种水源的混合水。通过层次聚类分析得到煤层开采产生的井下排水与顶板砂岩裂隙水以及断层裂隙水的水质特征相对距离较近,特征类似。最后,采用灰色关联度判别模型进行判断,结果表明煤层顶板裂隙水以及断层裂隙水与井下排水的关联度较好。综合上述3种方法可知,工作面开采产生的井下排水主要来源于顶板砂岩水和断层裂隙水,与地表水的关系较小。推测可能是在开采过程中地层扰动导致的顶板水补给以及导水裂隙带导通孔隙水补给。因此,顶板含水层和导水裂隙带的研究与探查是该煤矿今后防治水工作的重点。

    Abstract:

    Identifying the water inrush source accurately is a fundamental work and crucial for safe mining in coal mines. This study focuses on a coal mine in Gansu Province based on a comprehensive method of Piper trilinear diagram, hierarchical clustering and gray rational analysis. The water chemical types of underground drainage, fault fissure water and roof sandstone fissure water in the working face are all SO4-K·Na type and the water chemical types of ground is SO4·HCO3-Ca type. In the Piper trilinear diagram, the underground drainage water sample is far from other water sample points, indicating the underground drainage water may be mixed from multiple sources. Hierarchical clustering analysis shows that the underground drainage water is relatively close to the water chemistry of roof sandstone fissure water and fault fissure water. Finally, the gray rational analysis indicates that underground drainage water is better correlative with roof fissure water and fault fissure water. According to the aforementioned comprehensive method, the underground drainage water is mainly derived from roof sandstone water and fault fissure water, yet has little relations with surface water. It is speculated that it may be the roof water supply caused by strata disturbance during the mining process, as well as the pore water supply through the water conducting fracture zone. Therefore, the research and exploration of the roof aquifer and water conducting fracture zone will be of great importance in the future work of water prevention and control in the coal mine.

  • 突水水源识别是煤矿防治水的基础,可以作为涌水量计算的依据,并为煤炭开发实施的堵水、疏水等保障措施提供参考[1-2]。一般认为,煤矿各含水层由于地质条件的不同,均有自己独特的水化学特征,这些特征即可作为水源识别的依据。另外,多种水文地球化学作用(溶滤作用、混合作用和阳离子交替吸附作用)在各含水体之间发生[3]。这些作用使得联系紧密的水体水化学特征相近,关系较为疏远的或者来源较多的水体水化学特征也会表现出一定程度的差异。可以通过各水体之间化学特征的相似关联程度对煤矿突水的水源进行识别[4]

    目前突水水源识别的方法主要有主成分分析法、贝叶斯判别法、fisher分析法、聚类分析法、灰色关联度法、神经网络法等[5-10]。由于每种方法有自身的特点,采用单一方法进行识别的准确度不高,因此,在前人研究成果的基础上,综合运用了Piper三线图、聚类分析和灰色关联度的3种互相补充的方法,以期能够全面地进行水源分析。选取甘肃省某煤矿为研究对象,该矿区位于鄂尔多斯盆地西南缘,是鄂尔多斯能源基地的重要组成部分。该煤矿矿井涌水量较大,干扰了正常的正产工作。因此,准确地识别突水水源,以便后续有针对性地开展防治水相关工作,是该煤矿急需解决的问题。首先通过Piper三线图揭示矿区不同含水体的水化学特征,然后通过聚类分析和灰色关联度法定量确定水样之间的亲密程度和关联程度,按亲疏差异程度进行水源分析,为防治水工作提供依据。

    本区的含矿层位为三叠系延安组,目前主要开采4煤。矿区内部有一条常年性河流穿过,矿区附近发育一条区域性河流。

    综合水文柱状简图如图1所示。

    图  1  综合水文柱状简图
    Figure  1.  Comprehensive hydrological column diagram

    1)第四系全新统(Q4)孔隙潜水含水层。岩性为全新统(Q4)残坡积(Q4)砂土、冲洪积(Q4al-pl)砂砾石、风积(Q4eol)砂等,在区内广泛分布,冲洪积(Q4al-pl)物主要分布在沟谷河床及阶地上,风积(Q4eol)砂和残坡积物主要分布在山梁坡地及沟谷两侧,多为透水不含水层。含水层的富水性中等,透水性能较强。因大气降水量较少,补给条件较差,补给量一般不大,但雨季补给量会明显增大。潜水含水层与大气降水及地表水体的水力联系非常密切,与下伏承压水含水层水力联系较小。

    2)白垩系下统志丹群(K1zh)~侏罗系中统安定组(J2a)、直罗组(J2z)孔隙、裂隙承压水含水层。岩性上部为志丹群(K1zh)各种粒级的砂岩、砂砾岩及砾岩,夹粉砂质泥岩,在矿内地表零星出露,下部岩性为侏罗系中统安定组(J2a)、直罗组(J2z)浅黄色、青灰色中粗粒砂岩、含砾粗粒砂岩,紫红色、杂色粉砂岩及泥岩与砂质泥岩。志丹群(K1zh)与侏罗系中统安定组(J2a)、直罗组(J2z)含水层总厚度125.30~190.46 m,平均约为165 m,厚度巨大且稳定。

    3)侏罗系中下统延安组(J1-2y)上段隔水层。岩性主要由泥岩、砂质泥岩及粉砂岩组成,据钻孔资料统计,隔水层厚度11.90~47.54 m,平均约为25 m。隔水性能一般。

    4)侏罗系中下统延安组孔隙、裂隙含水层。岩性主要为灰白色中粗粒砂岩、深灰色砂质泥岩,次为细粒砂岩、粉砂岩等,含煤层,全区赋存,分布广泛。单位涌水量为0.008 67~0.210 L/(s·m),渗透系数(K)为0.012 2~0.255 0 m/d,其富水性为弱−中等,透水性弱。

    煤层回采扰动形成的导水裂隙带是顶板水进入矿井的主要通道之一,在该矿中尤为明显。煤层开采后产生的导水裂隙带会使上覆含水层的水导入矿井生产系统,因此导水裂隙带的高度直接影响到矿井水量的大小。

    根据《煤矿防治水手册》的经验公式和实测资料,经计算矿区内导水裂隙带发育高度为62~180 m,平均138.5 m。从导水裂裂带计算值及上覆基岩厚度间距可知,开采后,导水裂缝带直接到达到了延安组、直罗组,浅部的安定组底部及零星部位的志丹群。

    在开采的工作面范围内,发现了7条断层,掘进过程中揭露,因此,未来开采中,断层也可能是矿井主要充水通道之一。

    矿井水样品来自开采工作面排水,其主要成分含量见表1,由表1可以看出:该水样pH为8.47,矿化度为1 565.6 mg/L,主要阴离子为SO4 2−,含量为522.6 mg/L;其次为${\mathrm{{HCO}}^-}_{ 3} $,含量为439.3 mg/L。顶板淋水的主要阳离子为K++Na+,含量为537.2 mg/L;其次为Ca2+和Mg2+,含量分别为8.0和9.7 mg/L。

    表  1  矿区水样主要成分含量
    Table  1.  Major ion concentrations of water samples in study area
    编号 类型 取样年份 质量浓度/(mg·L−1 pH
    K++Na+ Ca2+ Mg2+ Cl SO4 2− HCO3 CO3 2− TDS
    1 井下排水 2015年 542.5 8 9.7 223.2 522.6 439.3 24 1565.6 8.47
    2 断层裂隙水 2018年 536.9 168.3 91.4 277.9 937.5 738.3 2381.2 7.21
    3 ZK203钻孔 2008年 733.5 292.6 150.7 383.6 1604.2 768.9 3549 7.25
    4 水1钻孔 2021年 1076.38 120.54 14.62 503.04 1660.39 323.1 3712 7.64
    5 水3钻孔 2021年 718.91 198.9 76.01 334.78 1417.96 521.72 3060 7.41
    6 区域性河流 2015年 21.8 54.1 9 10.6 78.8 122 241.7 7.8
    7 河流1 2015年 25.7 80.2 14.6 10.6 153.7 183.1 393.8 7.94
    8 河流2 2021年 12.97 94.35 19.54 12.27 176.99 165.12 410 7.87
    下载: 导出CSV 
    | 显示表格

    断层裂隙水样品是2018年采集的煤矿断层裂隙水,主要成分含量见表1。断层裂隙水pH为7.21,矿化度为2 381.2 mg/L,主要阴离子为SO4 2−,含量为937.5 mg/L;其次为HCO3 ,含量为738.3 mg/L。断层裂隙水的主要阳离子为K++Na+,含量为536.9 mg/L;其次为Ca2+,含量为168.3 mg/L。

    煤层顶板砂岩裂隙水样品共3个,分别是以往采集自煤矿ZK203钻孔、水1钻孔、水3钻孔的煤层顶板水,主要成分含量见表1

    煤层顶板裂隙水pH在7.25~7.64,矿化度范围是3 060~3 712 mg/L,其主要阴离子为SO4 2−,含量为1 417.96~1 660.39 mg/L;其次为HCO3 ,含量为323.1~768.9 mg/L。主要阳离子为K++Na+,含量为718.91~1 076.38 mg/L;其次为Ca2+和Mg2+,含量分别为120.54~292.60 mg/L和14.62~150.7 mg/L。

    地表水共有3个样品,包括2015年采集的区域性河流和矿区内河流共两个水样以及2021年采集的矿区内河流一个水样(表1)。

    矿区河水水样pH为7.87~7.94,矿化度为393.8~410 mg/L,水样的主要阴离子为HCO3 ,含量为165.12~183.1 mg/L,其次为SO42−,含量为153.7~176.99 mg/L;水样的主要阳离子为Ca2+,含量为80.2~94.35 mg/L,其次为K++Na+,含量为12.97~25.7 mg/L。

    矿区周边区域性河水水样pH为7.8左右,矿化度为241.7 mg/L,主要阴离子为HCO3 ,含量为122 mg/L,其次为SO4 2−,含量为78.8 mg/L;主要阳离子为Ca2+,含量为54.1 mg/L。

    在水文地球化学研究中,经常利用Piper三线图划分地下水的化学类型,分析不同含水层之间的水力联系和初步推断地下水的化学成因[11-14]。在Piper三线图中,2个三角形分别指示阳离子和阴离子的百分含量,平行四边形表示阴阳离子的综合相对百分含量。将各水样点投在Piper三线图中(图2),可知各水样点的水化学类型,并可以通过该图判断各含水体之间的关系。

    图  2  研究区水质Piper三线图
    Figure  2.  Piper trilinear diagram of water samples

    水化学特征相似的水样,在Piper三线图中的距离会比较近。由图2中的可以得到,4煤开采产生的井下排水位于平行四边形右侧,K++Na+和SO42−浓度高,水化学类型为SO4-K·Na型水。断层裂隙水和4煤顶板砂岩水在平行四边形的中部,K++Na+和SO4 2−的浓度较高,水化学类型为SO4-K·Na型水。地表河水在平行四边形的左上方,阳离子Ca2+、Mg2+和阴离子HCO3 、SO4 2−浓度都较高,水化学类型为SO4·HCO3-Ca型水。虽然井下排水与断层裂隙水和顶板砂岩水的水化学类型相同,但是由于井下排水水样点与断层裂隙水和顶板砂岩水水样点的距离较大,说明水化学特征有差异,所以推测4煤开采产生的排水是多种水源的混合的结果。

    聚类分析是一种对数据进行分类的非监督学习方法。首先通过水样的分析测试确定要进行聚类分析的原始数据,然后对数据进行标准化处理,消除数据中各指标在数量级上的差异,其次采用标准化变换后的数据计算每个样品的距离,将距离最近的合并为同一类,最后得到水源样本的分类结果[15-16]

    根据表1,选取所有的数据和测试指标(HCO3和CO3 2−合并为一个指标)得到一个原始数据矩阵xij。每一行为一个样品,每一列代表一个水化学测试指标。对原始数据进行均值−标准差标准化处理[4],结果记为zij,即:

    $$ {{\textit{z}}_{ij}} = \frac{{\left( {{x_{ij}} - {{\bar x}_j}} \right)}}{{{s_j}}} $$ (1)

    其中,$ \bar{x}_j = \dfrac{1}{n}\displaystyle\sum\limits_{i = 1}^n {{x_{ij}}} $,$ {S_j} = \sqrt {\dfrac{1}{{n - 1}}\displaystyle\sum\limits_{i = 1}^n {{{\left( {{x_{ij}} - {{\bar x}_j}} \right)}^2}} } $,其中n为样品个数。

    各样本间的距离和相似度是聚类的核心,有多种不同的计算方法。文中选择平方欧式距离来计算,用dij表示,由dij确定相似关系矩阵(表2)。

    表  2  矿区各取样点水化学特征欧式距离
    Table  2.  Euclidian distances between water chemical compositions
    类型 样品 平方欧式距离
    1 2 3 4 5 6 7 8
    井下排水 1 0 0.025 0.046 0.053 0.046 0.174 0.170 0.189
    断层裂隙水 2 0.025 0 0.012 0.057 0.024 0.090 0.076 0.081
    ZK203钻孔 3 0.046 0.012 0 0.027 0.004 0.135 0.106 0.093
    水1钻孔 4 0.053 0.057 0.027 0 0.012 0.269 0.234 0.215
    水3钻孔 5 0.046 0.024 0.004 0.012 0 0.178 0.145 0.129
    区域性河流 6 0.174 0.090 0.135 0.269 0.178 0 0.007 0.025
    河流1 7 0.170 0.076 0.106 0.234 0.145 0.007 0 0.008
    河流2 8 0.189 0.081 0.093 0.215 0.129 0.025 0.008 0
    下载: 导出CSV 
    | 显示表格
    $$ {d_{ij}} = \sum\limits_{k = 1}^n {{{\left( {{{\textit{z}}_{ik}} - {{\textit{z}}_{jk}}} \right)}^2}} $$ (2)

    找出距离最小的2类,合并成一个新类,重新计算新类与其他各类间的距离,再将距离最小的2类合并,重复以上过程至所有样本聚为一类为止。类间距离有很多不同的计算方法,文中采用了离差平方和法(ward)来计算类间距离[8],即找出使得所有聚类方案中离差平方和增量最小的聚类方式。

    通过SPSS软件可作出聚类谱系图(图3),展示了所有水源样本点从单独自成一类到全部归为一类的过程。由图3可知,工作面井下排水与顶板砂岩裂隙水以及断层裂隙水优先聚为同一类,因此推测4煤开采产生的工作面排水的来源是顶板砂岩裂隙水和断层裂隙水等多种水源的混合水。

    图  3  矿区各取样点水化学特征聚类分析
    Figure  3.  Hierarchical cluster analysis of water chemistry

    灰色关联度方法是一种多因素统计方法,可以判断所关注的某个对象(突水点的水质)受到其他某几个对象(其他含水体水质)影响的强弱 [6,17]。因此,可以通过灰色关联度法判别哪个含水层贡献大,哪个含水层贡献小,以此推断突水来源[18]

    以要进行判别的水体水化学特征为参考序列,即x0;以其他水源建立因素序列,即xii=1,2,…,m),则有

    $$ {x_0} = [{x_0}(1),{x_0}(2), \cdots ,{x_0}(m)] $$ (3)
    $$ {x_i} = [{x_i}(1),{x_i}(2), \cdots ,{x_i}(m)],i = 1,2, \cdots ,m $$ (4)

    与聚类方法类似,首先要进行标准化处理来消除数据的数量级和量纲,采用均值归一化的方法:

    $$ {x_0}(k) = \frac{{{x_0}(k)}}{\bar{x}_0} \text{,} \bar{x}_0 = \frac{{\displaystyle\sum\limits_{i = 1}^n {{x_0}} (k)}}{n} $$ (5)
    $$ {x_i}(k) = \frac{{{x_i}(k)}}{\bar{x}_j} \text{,} \bar{x}_j = \frac{{\displaystyle\sum\limits_{i = 1}^n {{x_i}} (k)}}{n} $$ (6)

    序列间的关联程度可用序列间绝对差值大小来衡量,绝对差值越小,关联度越大。关联系数定义为:

    $$ {u_i}(k) = \frac{{{\varDelta _{\min }} + \rho {\Delta _{\max }}}}{{{\Delta _i}(k) + \rho {\Delta _{\max }}}} $$ (7)

    其中$ {\Delta _i}(k) = \left| {{x_0}(k) - {x_i}(k)} \right| $,称为x0xik指标上的绝对差;

    $ {\varDelta _{\min }} = \min \left[ {\min \left| {{x_0}(k) - {x_i}(k)} \right|} \right] $,称为k指标上的最小绝对差;

    $ {\varDelta _{\min }} = \max \left[ {\max \left| {{x_0}(k) - {x_i}(k)} \right|} \right] $,称为k指标上的最大绝对差;ρ为分辨系数,0<ρ<1,一般为0.5。将关联系数求均值即可获取关联度,计算公式如下:

    $$ {\gamma _i} = \frac{1}{m}\sum\limits_{k = 1}^m {{u_i}} (k) $$ (8)

    从上述计算方法可知:$ 0 \leqslant u_{i}(k) \leqslant 1 $,$ u^{4}(k) $值越大,关联度越好。同样,$ 0 \leqslant \gamma _{i} \leqslant 1 $,$ \gamma _{i}$越接近于1,则表示参考序列x0与因素序列xi的关联性越好。γi≥0.8时为关联性很好,0.6≤γi≤0.8时,表示关联性良好,γi<0.5时,表明基本不相关[19]

    井下排水参考序列,地表水、断层裂隙水和煤层顶板砂岩裂隙水位因素序列,选用的指标为各离子浓度(表3)。计算过程和结果见表4

    表  3  参考序列及因素序列
    Table  3.  Table of reference and factor series
    水质指标 序号 工作面排水x0(k) 断层裂隙水x1(k) 煤系顶板水x2(k) 区域性河水x3(k) 矿区河水x4(k)
    Cl 1 6.29 7.83 11.47 0.30 0.32
    SO42− 2 10.89 19.53 32.52 1.64 3.44
    HCO3+CO3 2− 3 7.60 12.10 8.82 2.00 2.85
    K++Na+ 4 23.59 23.34 36.65 0.95 0.84
    Ca2+ 5 0.40 8.42 10.20 2.71 4.36
    Mg2+ 6 0.81 7.62 6.70 0.75 1.42
    下载: 导出CSV 
    | 显示表格
    表  4  关联度计算结果
    Table  4.  Table of correlation results
    参数 取值
    均值化结果x0(k) = [0.761,1.317,0.688,2.855,0.048,0.097]
    x1(k) = [0.595,1.486,0.921,1.776,0.640,0.579]
    x2(k) = [0.646,1.834,0.497,2.067,0.575,0.378]
    x3(k) = [0.214,1.180,1.438,0.681,1.945,0.539]
    x4(k) = [0.145,1.560,1.292,0.380,1.976,0.644]
    绝对差计算1k) = [0.165,0.168,0.233,1.078,0.592,0.481]
    2k) = [0.114,0.516,0.190,0.787,0.527,0.280]
    3k) = [0.546,0.137,0.750,2.173,1.896,0.441]
    4k) = [0.615,0.242,0.604,2.474,1.927,0.546]
    max = max(1.079,0.788,2.174,2.475)=2.475
    min = min (0.165,0.114,0.137,0.242)=0.114
    关联系数序列u1k) = [0.963,0.961,0.919,0.583,0.738,0.786]
    u2k) = [1.000,0.770,0.946,0.667,0.765,0.890]
    u3k) = [0.757,0.983,0.679,0.396,0.431,0.804]
    u4k) = [0.729,0.913,0.733,0.364,0.426,0.757]
    关联度γ1=0.825,γ2=0.840,γ3=0.676,γ4=0.654
    下载: 导出CSV 
    | 显示表格

    表4可知,井下排水与断层裂隙水的关联度为0.825,与煤层顶板砂岩裂隙水关联度为0.840,与区域性河水的关联度为0.676,与矿区河水关联度为0.654。总的来说,井下排水与断层裂隙水和煤层顶板砂岩裂隙水关联度均大于0.8,有强关联性,井下排水与地表河流的关联性一般。因此,进一步推测4煤开采产生的工作面井下排水主要是来自煤系砂岩裂隙水以及断层裂隙水,同时不能排除矿区地表水的可能。

    通过上述3种判别方法,对突水水源进行综合分析:首先由Piper三线图可知,井下排水与其他含水体的水质类型有一定差别,认为井下排水不可能是单一来源。接着通过层次聚类分析发现井下排水与顶板砂岩裂隙水以及断层裂隙水的优先聚为同一类。最后通过灰色关联度判别模型做了进一步的分析,得到井下排水与煤层顶板砂岩裂隙水以及断层裂隙水的关联度较好。综上3种方法可知,工作面开采产生的井下排水的水源为煤层顶板砂岩水和断层裂隙水[20],与地表水的关系较小。

    该矿井的突水水源为顶板水和断层裂隙水,推测在开采过程中,地层扰动导致了顶板水补给,导水裂隙带可能导通了上部孔隙水。因此,顶板含水层和导水裂隙带的研究与探查是该煤矿今后的防治水工作的重点。留设合理的防隔水煤柱、加强超前探、采取顶板超前疏干等防治水措施必须严格执行。地表水虽然与突水的关系不大,但基本的观测记录和防治措施仍需进行。

    1)Piper三线图识别了各水样的水化学类型,井下排水、断层裂隙水和顶板砂岩裂隙水的水化学类型均为SO4-K·Na型水,河水的水化学类型为SO4·HCO3-Ca型水。井下排水并非单一来源,而是来自多种水源的混合水。

    2)聚类分析表明煤矿开采产生的井下排水与顶板砂岩裂隙水以及断层裂隙水的水质特征相对距离较近。灰色关联度判别模型认为煤层顶板裂隙水以及断层裂隙水与井下排水的关联度较好。

    3)工作面开采产生的井下排水主要来源于顶板砂岩水和断层裂隙水的补给,与地表水的关系不大。

  • 图  1   综合水文柱状简图

    Figure  1.   Comprehensive hydrological column diagram

    图  2   研究区水质Piper三线图

    Figure  2.   Piper trilinear diagram of water samples

    图  3   矿区各取样点水化学特征聚类分析

    Figure  3.   Hierarchical cluster analysis of water chemistry

    表  1   矿区水样主要成分含量

    Table  1   Major ion concentrations of water samples in study area

    编号 类型 取样年份 质量浓度/(mg·L−1 pH
    K++Na+ Ca2+ Mg2+ Cl SO4 2− HCO3 CO3 2− TDS
    1 井下排水 2015年 542.5 8 9.7 223.2 522.6 439.3 24 1565.6 8.47
    2 断层裂隙水 2018年 536.9 168.3 91.4 277.9 937.5 738.3 2381.2 7.21
    3 ZK203钻孔 2008年 733.5 292.6 150.7 383.6 1604.2 768.9 3549 7.25
    4 水1钻孔 2021年 1076.38 120.54 14.62 503.04 1660.39 323.1 3712 7.64
    5 水3钻孔 2021年 718.91 198.9 76.01 334.78 1417.96 521.72 3060 7.41
    6 区域性河流 2015年 21.8 54.1 9 10.6 78.8 122 241.7 7.8
    7 河流1 2015年 25.7 80.2 14.6 10.6 153.7 183.1 393.8 7.94
    8 河流2 2021年 12.97 94.35 19.54 12.27 176.99 165.12 410 7.87
    下载: 导出CSV

    表  2   矿区各取样点水化学特征欧式距离

    Table  2   Euclidian distances between water chemical compositions

    类型 样品 平方欧式距离
    1 2 3 4 5 6 7 8
    井下排水 1 0 0.025 0.046 0.053 0.046 0.174 0.170 0.189
    断层裂隙水 2 0.025 0 0.012 0.057 0.024 0.090 0.076 0.081
    ZK203钻孔 3 0.046 0.012 0 0.027 0.004 0.135 0.106 0.093
    水1钻孔 4 0.053 0.057 0.027 0 0.012 0.269 0.234 0.215
    水3钻孔 5 0.046 0.024 0.004 0.012 0 0.178 0.145 0.129
    区域性河流 6 0.174 0.090 0.135 0.269 0.178 0 0.007 0.025
    河流1 7 0.170 0.076 0.106 0.234 0.145 0.007 0 0.008
    河流2 8 0.189 0.081 0.093 0.215 0.129 0.025 0.008 0
    下载: 导出CSV

    表  3   参考序列及因素序列

    Table  3   Table of reference and factor series

    水质指标 序号 工作面排水x0(k) 断层裂隙水x1(k) 煤系顶板水x2(k) 区域性河水x3(k) 矿区河水x4(k)
    Cl 1 6.29 7.83 11.47 0.30 0.32
    SO42− 2 10.89 19.53 32.52 1.64 3.44
    HCO3+CO3 2− 3 7.60 12.10 8.82 2.00 2.85
    K++Na+ 4 23.59 23.34 36.65 0.95 0.84
    Ca2+ 5 0.40 8.42 10.20 2.71 4.36
    Mg2+ 6 0.81 7.62 6.70 0.75 1.42
    下载: 导出CSV

    表  4   关联度计算结果

    Table  4   Table of correlation results

    参数 取值
    均值化结果x0(k) = [0.761,1.317,0.688,2.855,0.048,0.097]
    x1(k) = [0.595,1.486,0.921,1.776,0.640,0.579]
    x2(k) = [0.646,1.834,0.497,2.067,0.575,0.378]
    x3(k) = [0.214,1.180,1.438,0.681,1.945,0.539]
    x4(k) = [0.145,1.560,1.292,0.380,1.976,0.644]
    绝对差计算1k) = [0.165,0.168,0.233,1.078,0.592,0.481]
    2k) = [0.114,0.516,0.190,0.787,0.527,0.280]
    3k) = [0.546,0.137,0.750,2.173,1.896,0.441]
    4k) = [0.615,0.242,0.604,2.474,1.927,0.546]
    max = max(1.079,0.788,2.174,2.475)=2.475
    min = min (0.165,0.114,0.137,0.242)=0.114
    关联系数序列u1k) = [0.963,0.961,0.919,0.583,0.738,0.786]
    u2k) = [1.000,0.770,0.946,0.667,0.765,0.890]
    u3k) = [0.757,0.983,0.679,0.396,0.431,0.804]
    u4k) = [0.729,0.913,0.733,0.364,0.426,0.757]
    关联度γ1=0.825,γ2=0.840,γ3=0.676,γ4=0.654
    下载: 导出CSV
  • [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.

    WU Qiang,CUI Fangpeng,ZHAO Suqi,et al. Type classification and main characteristics of mine water disasters[J]. Journal of China Coal Society,2013,38(4):561−565.

    [2] 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.

    [3] 范立民,马万超,常波峰,等. 榆神府矿区地下水水化学特征及形成机理[J]. 煤炭科学技术,2023,51(1):384−395.

    FAN Limin,MA Wanchao,CHANG Bofeng,et al. Hydrochemical characteristics and formation mechanism of groundwater in Yushenfu Mining Area[J]. Coal Science and Technology,2023,51(1):384−395.

    [4] 董东林,张健,林刚,等. 矿井涌(突)水源混合水识别模型研究[J]. 煤炭工程,2020,52(12):124−127.

    DONG Donglin,ZHANG Jian,LIN Gang,Identification model of the source of water-inrush[J]. Coal Engineering,2020,52(12):124−127.

    [5] 赵伟,刘启蒙,柴辉婵,等. 基于Fisher判别法和质心距理论的突水水源识别[J]. 科学技术与工程,2020,20(9):3552−3556. doi: 10.3969/j.issn.1671-1815.2020.09.026

    ZHAO Wei,LIU Qimeng,CHAI Huichan,et al. Identification of water inrush source based on fisher discriminant method and centroid distance theroy[J]. Science Technology and Engineering,2020,20(9):3552−3556. doi: 10.3969/j.issn.1671-1815.2020.09.026

    [6] 朱赛君,姜春露,毕波,等. 基于组合权-改进灰色关联度理论的矿井突水水源识别[J]. 煤炭科学技术,2022,50(4):165−172.

    ZHU Saijun,JIANG Chunlu ,BI Bo ,et al. Identification of combination weight-theory of improved grey relational degree[J]. Coal Science and Technology,2022,50(4):165−172.

    [7] 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(1):111−115.

    SUN Wenjie,YANG Heng,LI Xiang,et al. Research on rapid recognition method of mine water inrush source based on PCA and ELM model[J]. Coal Engineering 2020,52(1):111−115.

    [8] 耿建军. 基于系统聚类分析的煤矿突水水源识别技术——以潞安矿区王庄煤矿为例[J]. 中国煤炭地质,2019,31(8):54−59. doi: 10.3969/j.issn.1674-1803.2019.08.12

    GENG Jianjun. Coalmine water bursting source identification technology based on hierarchical cluster analysis—a case study of Wangzhuang Coalmine,Lu’an Mining Area[J]. Coal Geology of China,2019,31(8):54−59. doi: 10.3969/j.issn.1674-1803.2019.08.12

    [9] 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.

    JU Qiding,HU Youbiao,ZHANG Shuying,et al. Mine water inrush source identification method based on principalcomponent analysis and Bayesian discriminant[J]. Coal Engineering,2018,50(12):90−94.

    [10] 陈绍杰,刘久潭,汪锋,等. 基于PCA-RA的滨海矿井水源识别技术研究[J]. 煤炭科学技术 2021,49(2):217−225.

    CHEN Shaojie,LIU Jiutan,WANG Feng,et al. Technological research on water source identiftcation of coastal coalmines based on PCA-RA[J]. Coal Science and Technology,2021,49 (2) :217−225.

    [11] 刘旭东,张瑞,万宝. 基于Piper-PCA-MLP神经网络的矿井涌水水源识别方法研究[J]. 中国煤炭地质,2022,34(7):50−55. doi: 10.3969/j.issn.1674-1803.2022.07.10

    LIU Xudong,ZHANG Rui,WAN Bao,et al. Study on mine water inrush source discrimination method based on Piper-PCA-MLP neural network[J]. Coal Geology of China,2022,34(7):50−55. doi: 10.3969/j.issn.1674-1803.2022.07.10

    [12] 王雅茹,施龙青,邱梅. 基于Piper三线图的矿井水化学特征分析[J]. 山东煤炭科技,2019(4):145−147,150. doi: 10.3969/j.issn.1005-2801.2019.04.057

    WANG Yaru,SHI Longqing,QIU Mei. Analysis of chemical characteristics of mine water based on piper trilinear diagram[J]. Shandong Coal Science and Technology,2019(4):145−147,150. doi: 10.3969/j.issn.1005-2801.2019.04.057

    [13] 王甜甜,张雁,赵伟,等. 伊敏矿区地下水水化学特征及其形成作用分析[J]. 环境化学,2021,40(5):1480−1488.

    WANG Tiantian,ZHANG Yan,ZHAO Wei,et al. Hydrogeochemical characteristics and formation process of groundwater in Yimin miningarea[J]. Environmental Chemistry,2021,40 (5):1480−1489.

    [14] 苏俏俏,黄平华,丁风帆,等. 基于Piper-PCA-Fisher模型的矿井突水水源识别[J]. 能源与环保,2021,43(10):122−127.

    SU Qiaoqiao,HUANG Pinghua,DING Fengfan,et al. Identification of mine water inrush source based on Piper-PCA-Fisher model[J]. China Energy and Environmental Protection,2021,43(10):122−127.

    [15] 姚洁,童敏明,刘涛,等. 基于聚类分析方法的矿井水源识别[J]. 煤矿安全,2013,44(2):29−35.

    YAO Jie,TONG Minming,LIU Tao,et al. Mine water source identification based on cluster analysis method[J]. Safety in Coal Mines,2013,44(2):29−35.

    [16] 曲兴玥,邱梅,施龙青. 基于因子-聚类分析的矿井水源识别[J]. 煤炭技术,2018,37(12):137−139.

    QU Xingyue,QIU Mei,SHI Longqing. Recognition method of mine water sources based on factor analysis and cluster analysis[J]. Coal Technology,2018,37(12):137−139.

    [17] 蒋孝峰,杨中元. 基于熵权-灰色关联度理论的矿井突水水源判别模型研究[J]. 地下水,2020,42(5):26−29.

    JIANG Xiaofeng,YANG Zhongyuan. Research on discrimination model of water inrush source in mines based on entropy weight method of grey correlation theory[J]. Groundwater,2020,42(5):26−29.

    [18] 施龙青,史雅迪,邱梅,等. 基于Piper图、灰色关联度和三维高密度电法的断层水源判别[J]. 中国科技论文,2022,17(1):1−8.

    SHI Longqing ,SHI Yadi ,QIU Mei,et al. Identification of fault water source based on Piper diagram,grey correlation degree and 3D high density electric method[J]. China Science Paper,2022,17(1):1−8.

    [19] 刘江明,张伟龙,陈殿赋. 基于灰色关联度分析方法的矿井突水水源快速识别研究[J]. 地下水,2013,35(3):26−27.

    LIU Jiangming,ZHANG Weilong,CHEN Dianfu. Research on quick -judgment on source of mine's underground water based on gray correlation analysis[J]. Groundwater,2013,35(3):26−27.

    [20] 史秋艾. 新疆东沟煤矿充水水源识别及水文地球化学特征研究[J]. 中国煤炭地质,2022,34(11):41−45.

    SHI Qiuai. Research on hydrogeochemical characteristics and water filling source identification of Donggou Coalmine,Xinjiang[J]. Coal Geology of China,2022,34(11):41−45.

  • 期刊类型引用(1)

    1. 王彦彬, 闫晓杉. 样本不平衡条件下煤矿突水水源识别——以谢桥煤矿为例. 安全与环境学报. 2025(07) 百度学术

    其他类型引用(0)

图(3)  /  表(4)
计量
  • 文章访问数:  39
  • HTML全文浏览量:  6
  • PDF下载量:  23
  • 被引次数: 1
出版历程
  • 收稿日期:  2023-06-24
  • 网络出版日期:  2024-07-03
  • 刊出日期:  2024-05-31

目录

/

返回文章
返回