矿井突水水源类型在线判别理论与方法研究

摘要

随着煤矿开采向纵深发展，矿井地质条件日趋复杂，导水裂隙发育及多层采空等因素使得煤矿安全开采面临的水害问题更加严峻。不同类型水体均可能造成矿井突水，但其危害程度及防治方法有异，比如在所有煤矿突水事故中，由采空区积水导致的突水事故发生率及人员伤亡率均达到90%。快速、准确地查明突水水源类型，对于突水灾害的预防与治理意义重大。目前，矿井突水判别理论和方法已逐渐成熟，但目前的水源样本检测方法时间较长，无法对突水水源类型的变化实时预警，难以满足水害防治的及时性需求。论文提出了一种矿井突水水源类型在线监测预警系统模型，作为常规水源判别方法的有效补充，结合淮南矿区新集二矿水文及水质化验资料，选取Ca2+、Na+、HCO3-、Cl-以及pH、电导率、荧光光谱作为水源类型判别因子，为传感器选型提供理论依据；根据水体运移的时空规律，以监测点坐标（经度、纬度和深度）、监测时间和判别因子为参数，兼顾突水水源在线监测预警实时性、可靠性的要求，提出了改进的SFLA-BP算法进行水源类型综合判别。将深度置信网(DBN)和卷积神经网络(CNN)应用于水源类型判识，在保证识别效率的前提下，CNN突水判别模型进一步提高了识别精度。本文的主要贡献和创新点包括： 1、受限于传感器技术发展，目前可选用的在线监测离子传感器有Na+、Ca2+、Cl-和HCO3-，缺少对SO42-和Mg2+的在线监测，研究能够替代的判别因子。以淮南矿区新集二矿为研究对象，依据矿区水文历史台账数据和新采集的水样数据，定量分析该区域内的新生界松散层孔隙水、采空区积水、煤系地层砂岩裂隙水、太原组灰岩岩溶裂隙水和奥灰系灰岩岩溶裂隙水五个含水层组地下水离子特征、来源及形成机理。为弥补缺少SO42-和Mg2+带来的含水层水体特征表达不充分的问题，引入电导率作为在线判别因子。除新生界水外，其余含水层都存在着如下的关系：Ca2+和Mg2+高度相关，SO42-与电导率、Ca2+、Na+、HCO3-、Cl-高度线性相关。区域除新生界水外，Ca2+、Mg2+、Na+、HCO3-、SO42-和Cl-可由电导率、Ca2+、Na+、HCO3-和Cl-替代。老空水多为酸性，扩展pH作为在线判别因子之一。为全面衡量水体特征，增加溶解性有机物(DOM)作为在线判别特征，运用荧光光谱技术检测DOM。选用电导率、Ca2+、Na+、HCO3-、Cl-、pH、荧光光谱作为该区域的在线判别因子。 2、通过研究含水层水体荧光光谱特征变化规律，发现水体样本的荧光光谱曲线总体变化趋势和分类特征明显，荧光光谱特征为水源识别提供了新的途径。进一步对光谱特征与水中化学需氧量(COD)、氧化还原电位(ORP)、溶解性固体(TDS)进行定量分析，发现水体样本的荧光光谱强度与DOM具有正相关性。而后检测浊度、pH和温度对荧光光谱特征的影响，分别得出拟合曲线用于光谱曲线校正。 3、设计了一套基于物联网的矿井突水水源类型在线判别监测系统。监测节点由电导率传感器、pH传感器、Ca2+、Na+、HCO3-、cl-浓度传感器和荧光光谱传感器组成，实现了数据实时传输，可视化显示，水源类型在线判别。 4、从溶解性无机物和DOM的观测角度，分别研究了矿井突水水源识别模型及综合判别模型的构建方法。首先构建了支持向量机(SVM)和BP神经网络的矿井突水水源识别模型，在此基础上，针对BP神经网络的初始权值设置的随机性导致的局部最优解问题，提出了改进的蛙跳寻优算法(SFLA)-BP的矿井突水水源识别算法。经过优化的SFLA-BP判别率较BP、SVM相比，识别率有所提升。采用综合判别模型对新集二矿150801采空区的水源持续监测，在线识别正确率达到了91%。在网络结构方面提出了基于深度置信网(DBN)深度学习的综合判别模型和算法，结果表明对无机物最高识别为59.37%，对光谱的平均识别率为81.07%，综合判别识别率最高可达94.01%。 5、为解决光谱中的随机高频波动干扰，提出了一种改进的递推平均一阶滞后平滑滤波方法。针对主成分分析(PCA)后的光谱主成分累计贡献率不足85%，不足以全面表达光谱特征的问题，对滤波处理后的荧光光谱进行自相关计算，得到二维自相关荧光谱图。结果表明，荧光谱图较好地滤除了干扰噪声，对不同水体表现出明显的差异性。构建了基于深度学习模型框架的卷积神经网络(CNN)突水水源类型判别模型和算法，直接对荧光谱图特征进行识别，避免了PCA降维的不足，平均识别率达到了94.95%，最高识别率达到了98%，为在线矿井突水水源类型判别方法提供了新的思路。

目录

第一个书签之前