高级检索

基于PCA-RA的滨海矿井水源识别技术研究

陈绍杰, 刘久潭, 汪锋, 周景奎, 唐鹏飞, 高宗军

在线预览 下载 (11.5MB)
陈绍杰, 刘久潭, 汪锋, 周景奎, 唐鹏飞, 高宗军. 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. DOI: 10.13199/j.cnki.cst.2021.02.025
引用本文: 陈绍杰, 刘久潭, 汪锋, 周景奎, 唐鹏飞, 高宗军. 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. DOI: 10.13199/j.cnki.cst.2021.02.025
shu
CHEN Shaojie, LIU Jiutan, WANG Feng, ZHOU Jingkui, TANG Pengfei, GAO Zongjun. Technological yesearch on water source identiftcation of coastal coalmines based on PCA-RA[J]. COAL SCIENCE AND TECHNOLOGY, 2021, 49(2): 217-225. DOI: 10.13199/j.cnki.cst.2021.02.025
Citation: CHEN Shaojie, LIU Jiutan, WANG Feng, ZHOU Jingkui, TANG Pengfei, GAO Zongjun. Technological yesearch on water source identiftcation of coastal coalmines based on PCA-RA[J]. COAL SCIENCE AND TECHNOLOGY, 2021, 49(2): 217-225. DOI: 10.13199/j.cnki.cst.2021.02.025
shu

基于PCA-RA的滨海矿井水源识别技术研究

  • 山东科技大学 能源与矿业工程学院;山东能源龙口矿业集团 梁家煤矿;山东科技大学 地球科学与工程学院

Technological yesearch on water source identiftcation of coastal coalmines based on PCA-RA

  • School of Construction Management, Jiangsu Vocational Institute of Architectural Technology; State Key Laboratory for Geomechanics & Deep Underground Engineering，China University of Mining & Technology

摘要

    摘要
  • 摘要: 煤炭开采过程中矿井水害的发生，严重威胁着煤矿的安全生产，确定水源数量和类型对于矿井水害的防治具有重要意义。为了明确滨海煤矿矿井水补给来源的数量和类型，以龙口梁家煤矿为例，对矿区内不同水体（矿井水、第四系水和地表塌陷区积水）分别进行取样，并基于水化学和主成分分析-残差分析（PCA-RA）进行矿井水源识别。结果表明：梁家煤矿区内第四系水、地表塌陷区积水和矿井水中的主要化学组分含量差别较大，且受到了海水入侵作用的影响。就均值而言，矿井水中的阳阴离子质量浓度分别存在着ρ（Na +）>ρ（Ca 2+）>ρ（Mg 2+）>ρ（K +）和ρ（HCO -3）>ρ（Cl -）>ρ（SO 2-4）>ρ（Cl -）的关系。不同水体中，Cl -和Na +均为优势阴、阳离子，水化学类型以Na-Cl型为主，并且3种水体之间存在着一定的水力联系。选取的水化学数据适合进行PCA，但仅根据特征值大于1或是累计方差贡献率大于85%来确定主成分的数量，并不能很好地表征原始数据的全部信息。基于水化学和PCA-RA方法，确定了梁家煤矿矿井水共有5个补给来源，即海水、富HCO3基岩水、塌陷区积水、混合水和第四系水。PCA-RA法能有效地处理和表征原始水质数据信息，可更加合理地确定矿井水的补给来源类型和数量。研究结果可为滨海煤矿区的水害防治提供科学依据。
    Abstract: The occurrence of mine water hazards during coal mining has seriously threatened the safety of coal mines.Determining the quantity and type of water sources is of great significance to the prevention of water hazards.In order to determine the quantity and type of mine water supply sources in coastal coal mine, taking Liangjia Coal Mine in Longkou as an example, different water bodies (mine water, quaternary water and accumulated water in the subsidence area) in the mining area were sampled respectively, and mine water sources were identified based on hydrochemistry and principal component analysis residual analysis (PCA-RA).The results show that the contents of main chemical components in Quaternary water, accumulated water in the subsidence area and mine water in Liangjia Coal Mine area are quite different, and are affected by seawater intrusion.In terms of mean value, the mass concentrations of cations and anions in mine water have the relationships of Na+>Ca2+>Mg2+>K+and HCO-3>Cl->SO2-4>Cl-, respectively.In different water bodies, Cl-and Na+are dominant anions and cations, and the hydrochemical type is mainly Na-Cl type, and there is a certain hydraulic connection among the three water bodies.The selected water chemistry data is suitable for PCA, but the number of principal components is only determined based on the criterion that the characteristic value is greater than 1 or the cumulative variance contribution rate is greater than 85%, which cannot well represent all the information of the original data.Based on the method of water chemistry and PCA-RA, it is determined that there are five recharge sources for mine water in Liangjia Coal Mine, namely seawater, HCO3-rich bedrock water, accumulated water in the subsidence area, mixed water and Quaternary water.The PCA-RA method can effectively process and characterize the information of the original water quality data, and it can be more reasonable to determine the type and quantity of the recharge source of mine water.The research results can provide a certain scientific reference and basis for the prevention of water hazards in the coastal coal mine area.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(24)

  • 期刊类型引用(20)

    1. 向鑫. 基于优化灰色关联度理论的矿井突水水源识别模型及应用. 水利规划与设计. 2025(08) 百度学术
    2. 李迎雪，郑禄林，杨爱莲，曾艳，石鑫，冉浪. 基于QPSO-BP神经网络的矿井突水水源判识模型研究. 贵州大学学报(自然科学版). 2025(01): 114-124 . 百度学术
    3. 鹿友磊，谭奕明. 多方法耦合的充水水源识别技术在王家岭矿的应用研究. 煤炭与化工. 2025(03): 52-56+84 . 百度学术
    4. 温卓越，杜兆文，李帅乾. 基于不同浓度氯盐作用下充填膏体时效性特征研究. 煤炭科学技术. 2025(05): 114-126 . 本站查看
    5. 罗卫东，杨乘，胡金春，袁荣方，赵喜宇. 煤岩瓦斯动力灾害风险智能判识与融合预测. 能源与环保. 2024(05): 71-77 . 百度学术
    6. 肖观红，鲁海峰. 基于PCA-GA-RF的矿井突水水源快速识别模型. 煤矿安全. 2024(06): 184-191 . 百度学术
    7. 潘军. 基于Piper-层次聚类-灰色关联度的突水水源识别. 煤炭科学技术. 2024(S1): 221-227 . 本站查看
    8. 石守桥，吴复柱，边凯，王铁记，靳子栋，段江飞. 基于水化学及氢氧同位素的采空区积水水源识别：以巴彦高勒煤矿为例. 科学技术与工程. 2024(24): 10220-10226 . 百度学术
    9. 杜兆文，温卓越，李帅乾，王飞宇. 氯盐作用下膏体充填体力学特性及劣化机制研究. 岩石力学与工程学报. 2024(12): 2924-2939 . 百度学术
    10. 郑洁铭，李媛，方惠明，魏中林，刘荣灿. 基于水化学-微生物特征的矿井涌水水源识别. 煤炭工程. 2024(S1): 138-144 . 百度学术
    11. 华星月，邵良杉. 基于KPCA-GWO-SVM的矿井突水水源识别. 煤矿安全. 2023(02): 195-200 . 百度学术
    12. 王凯，李康楠，杜锋，张翔，王衍海，周家旭. 基于CNN的煤岩瓦斯复合动力灾害预测. 矿业科学学报. 2023(05): 613-622 . 百度学术
    13. 黄敏，毛岸，路世昌，王彦彬，邵良杉. 矿井突水水源识别的主成分分析-混沌麻雀搜索-RF模型. 安全与环境学报. 2023(08): 2607-2614 . 百度学术
    14. 孙延辉，胡文博，马红林，王历民，杜华，李世涛. 基于Piper-PCA-Fisher的矿井突出水源判别模型构建及应用. 化工矿物与加工. 2023(09): 52-58+80 . 百度学术
    15. 赵世毫，高林，陈原望，蒋明，向天麟，申业兴，许帅. 基于水化学特征分析的近地表井壁涌水来源识别技术. 矿业研究与开发. 2023(11): 150-156 . 百度学术
    16. 赵乐乐，王亮，侯起阳，万战胜，郭庆彪. 基于PCA-RA和云模型的采空区建设场地稳定性评价. 金属矿山. 2022(03): 197-204 . 百度学术
    17. 张胜军，丁亚恒，姜春露，李明，郑刘根. 基于水化学和氯同位素的煤矿矿井水来源识别与解析. 煤炭工程. 2022(06): 123-127 . 百度学术
    18. 刘明淳，蒋加森，姜海涛，陈智斌，谢仁青. 基于PCA-EWM-TOPSIS耦合算法的地下开采矿山岩体质量分级. 黄金. 2022(06): 27-31 . 百度学术
    19. 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. 中国煤炭地质. 2022(07): 50-55 . 百度学术
    20. 顾爱民，刘德民. 基于HCA-Bayes的矿井涌水水源识别. 华北科技学院学报. 2022(05): 20-27 . 百度学术

    其他类型引用(4)

    • 资源附件(0)
在线预览 下载 (11.5MB)
计量
  • 文章访问数:  307
  • HTML全文浏览量:  7
  • PDF下载量:  586
  • 被引次数: 24
出版历程
  • 网络出版日期:  2023-04-02
  • 发布日期:  2021-02-24

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(24)
    资源附件(0)
    GAO Zongjun

    • School of Construction Management, Jiangsu Vocational Institute of Architectural Technology; State Key Laboratory for Geomechanics & Deep Underground Engineering，China University of Mining & Technology

    1. On this Site
    2. On Google Scholar
    3. On PubMed

    /

    返回文章
    返回

    版权所有 © 《煤炭科学技术》编辑部 京ICP备05086979号

    地址：北京市朝阳区和平街13区煤炭大厦811室

    电话：010-87986431（广告咨询）邮编：100013

    邮箱: mtkxjs@vip.163.com

    RSS 邮件订阅

    本系统由 北京仁和汇智信息技术有限公司 开发  百度统计