水源识别

摘要： 为准确地判别矿井水源的类型以减少矿井水害的发生,提出一种改进贝叶斯判别的矿井水源识别模型。通过对砂岩裂隙水、老空水、奥灰水和太灰水4类水源进行水质化验,分析选取K^(+)+Na^(+),Ca^(2+),Mg^(2+),SO_(4)^(2-),Cl^(-),HCO_(3)^(-)6种水质离子作为判别指标;首先使用SPSS Statistics 24软件分析各水质离子之间的相关性,其次对各主成分进行方差贡献率分析,选取前5种水质离子作为主要水质离子,然后根据变异系数法计算主要水质离子权重,最终结合贝叶斯判别法建立水源判别模型,并将模型的预测结果与基础贝叶斯模型的结果进行对比。结果表明:利用改进贝叶斯判别的矿井水源识别模型对14个待测样本进行测试,判别准确率为85.71%,相较于基础贝叶斯模型的准确率提高了21.42%,应用该判别模型的准确率得到了大幅提升;将该模型回代到26个样本中,判别结果与实际情况基本吻合。通过2种模型的对比分析,采用改进贝叶斯模型进行矿井水源识别准确率高且具有研究价值,为矿井水源识别提供新的思路。

摘要： 采集了潞安矿区中部煤矿5类80份已知水源水样,利用PIPER三线图对不同来源水样水文地球化学特征进行了分析;利用聚类分析方法(Ward法)对三线图上存在重叠的砂岩水、太灰水与奥灰水进行分类,显示奥灰水与太灰水明显聚类,局部存在两者混合,砂岩水则与上述两者难以区分;最后利用Bayes模型建立了不同水源判别函数(自我检验准确率达91.5%),对采集的19个矿井涌水水样进行了识别,识别出顶板砂岩水样12个,地表水、孔隙水样4个,太灰水样3个;对于后验概率不高的水样(低于80%)存在水源混合的可能性。

摘要： 矿井水害对煤矿安全生产存在巨大威胁,所以快速识别矿井突水水源,对煤矿水灾预警及灾后救援工作开展都有重大意义。激光诱导荧光(LIF)技术具有快速、高效、灵敏度高等特点,克服了传统水化学方法识别时间长的缺点。循环神经网络(RNN)在解决长序列训练过程中产生的梯度消失、梯度爆炸等问题上存在明显不足,而特殊变体RNN即长短期记忆(LSTM)神经网络很好地弥补了RNN的短板及缺陷。提出了将LIF技术与LSTM算法相结合,应用在矿井突水水源快速识别中。实验样本采自淮南矿区,以砂岩水和老空水为原始样本,并将砂岩水和老空水按照不同比例混合配置成5种混合水样,共7种待测水样进行实验。首先采用最大最小值归一化(MinMaxScaler)、平滑滤波(SG)以及标准正态变量变换(SNV)三种预处理方法对原始光谱数据进行预处理,减少原始光谱数据存在的噪声和干扰信息。之后为防止数据量过大,维度过高,将包括原始光谱数据在内的四组数据再进行LDA降维至3维。最后分别搭建LSTM识别模型,从测试集预测准确率、训练集准确率变化趋势以及训练集损失函数变化趋势三个方面进行比较,选择最优模型。其中SG+LDA+LSTM和Original+LDA+LSTM在测试集预测准确率上都能达到100%,MinMaxScaler+LDA+LSTM测试集预测准确率在98.57%,SNV+LDA+LSTM准确率最低,只有87.14%;在训练集准确率变化趋势表现上,SG+LDA+LSTM能够保持良好的学习,很快达到100%,Original+LDA+LSTM和MinMaxScaler+LDA+LSTM也能达到100%的准确率,但在前几次训练过程中会有准确率下降的情况出现,SNV+LDA+LSTM训练集准确率在训练次数内并未达到100%;SG+LDA+LSTM损失函数变化趋势也具有很好的收敛性和稳定性,Original+LDA+LSTM,MinMaxScaler+LDA+LSTM以及SNV+LDA+LSTM在损失函数变化趋势上表现并不出色。结果表明,4组模型中,SG+LDA+LSTM模型是最适合应用于矿井突水识别,该方法补充了矿井突水水源识别工作的内容,为矿井突水识别提供了新的思路。

摘要： 为提高矿井涌水水源的准确率,提出一种基于HCA-Bayes的矿井涌水水源识别模型。以钱家营矿为例,在分析矿井3类直接充水含水层水化学特征的基础上,选取6个水质离子作为识别指标。随后利用层次聚类(HCA)对含水层进行亚类划分。最后在亚类的基础上建立HCA-Bayes的矿井涌水水源识别模型,并将识别结果与单一Bayes模型进行对比。结果表明:利用HCA-Bayes的矿井涌水水源识别模型对3个测试样本进行验证,识别准确率为100%,相较于单一Bayes模型的准确率提高了33.3%;预测精度相对较高;将该模型进行回代预测,识别结果与实际类型基本一致,与单一Bayes模型相比回代误判率显著降低。

摘要： 为了研究新疆东沟煤矿1602首采工作面的淋水水源及B6煤顶板的充水水源,对B6煤顶板水、B4煤顶板水、井下淋水、雨水、东沟河水、烧变岩潜水以及老空水等水样进行了采集、测试。同时搜集了前期水文地质钻探孔所取水样的水化学特征数据进行研究,充分分析了各充水水源的水文地球化学特征。在此基础上采用Piper三线图、聚类分析和灰色关联度三种方法对充水水源进行了分析,推测充水水源主要来源于导水裂隙带以及地层扰动导致的西山窑组煤系砂岩水、疑似导水断层导通矿区老空水以及上部第四系孔隙水。

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(Ca2+)>ρ(Mg2+)>ρ(K+)和ρ(HCO-3)>ρ(Cl-)>ρ(SO24-)>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.

摘要： 为了实现矿井突水水源的快速准确识别,提出了主成分分析(principal component analysis,PCA)、遗传算法(genetic algorithm,GA)和极限学习机(extreme learning machine,ELM)相结合的突水水源判别模型。模型以ELM分类为基础,利用PCA将含水层6种水化学离子指标归纳为3种主成分,通过GA优化ELM,结合良庄煤矿51101工作面实测数据资料建立判别模型,并与传统ELM模型和BP神经网络预测模型进行对比,再实际应用到李楼煤矿1303工作面的突水水源识别。结果表明:PCA、GA和ELM相结合的突水水源判别模型能够有效消除水化学离子指标间的相互影响,优化分类模型的权值和阈值,使矿井突水水源判别更为准确。

摘要： 深层地热水是矿井地质灾害的警示因素,探究其水文地球化学特征及来源,对矿井水害和热害防治具有现实意义.本文以淮北煤田青东煤矿深层地热水为研究对象,采集同水平(-585 m)的13个地热水样和11个非地热水样,对比分析两类水体离子特征差异,探讨地热水水化学成分形成作用及控制因素,同时收集矿井各突水含水层水样共31个,基于Fisher突水识别模型对地热水水源展开识别,结合地下水循环及构造条件,分析地热水成因.结果表明,地热水的TDS、Ca2+、Cl-指标高于非地热水,水化学类型以SO4·Cl-Ca·Mg为主,呈弱碱性;两类水水化学差异是不同地下水化学成分的综合反映,地热水的水化学成分主要受水岩作用和离子交替作用共同控制,其中水岩作用以硅酸盐溶解、含煤地层黄铁矿氧化、蒸发盐溶解最为显著,地热水的水岩作用和离子交替作用程度相比非地热水强;地热水由深部奥灰水补给,经断裂导水通道至太原组石灰岩含水层混合而成,且奥陶系石灰岩含水层水混合比例高.研究结果对矿井防治水工作提供了指导.

摘要： 针对矿井突水水源判别准确率较低的问题,基于多元统计分析构建矿井突水水源判别模型,选取K++Na+、Ca2+、Mg2+、SO2-4、Cl-、 及HCO-3水化学指标作为矿井突水水源判别依据,采用东欢坨矿5煤顶板含水层及12-2煤底板含水层的水质分析资料作为训练样本和测试样本,其中,训练样本35个,测试样本10个.判别结果表明:突水水源判别正确率达86.7％,判别结果显著,可信度高.利用该判别方法对和东欢坨矿相近的钱家营矿5煤顶板含水层进行突水水源判别,判别结果与实际情况一致,判别准确率高,结果可靠,为矿井突水水源判别提供了科学理论依据.

摘要： 准确识别露天开采矿区漏水来源对矿山的安全开采具有重要意义.基于鞍山大孤山矿区地下水和矿区漏水水样的氢氧同位素测试结果,研究了矿区地下水的氢氧同位素特征,分析了矿区不同含水层之间的补给关系和水力联系,最后结合矿区地质条件确定了矿区不同位置漏水成因.结果表明:地下水来源于大气降雨,含水层之间水力联系紧密;巷道入口漏水来自地表池塘水,巷道其余漏水和矿坑西侧边坡漏水来自矿区西侧地下水的侧向补给;矿坑南侧边坡2处漏水相互补给,漏水水源来自于矿坑南侧地下水.研究结果对矿区水害治理提供了指导意义.

摘要： 在矿井突水灾害防治中,快速、准确识别突水水源类型对制定合理有效的防治水措施起到至关重要的作用.本文首先对近年来在矿井突水水源识别中常用方法和出现的新识别方法进行分类,然后分析主要识别方法工作原理,以及研究者采用相应的识别方法所做的工作和成果.分析总结已有方法的特点,探讨突水水源识别的发展趋势.

摘要： 采集了皖北某矿深层地下水样品进行常规化学特征测试,并结合图件分析、多元统计方法,分析了水化学特征及水化学演化过程,并利用聚类分析、判别分析方法对矿井水源识别进行了探讨,结果表明:太灰和奥灰水中SO42-含量较高,四含水和砂岩水中HCO3-含量较高,阳离子中K++Na+含量从奥灰水、太灰水、四含水、砂岩水按顺序依次升高,而Ca2+和Mg2+则相反;围岩类型是影响地下水化学特征最主要因素,长石类矿物、方解石和白云石风化分别提供了地下水中较高的K++Na+、Ca2+和Mg2+,酸化作用主要为硫酸和碳酸;25个水样明显分为4个组,对应4个含水层,Fisher判别结果正确率达到96％.基于水化学特征的多元统计方法在水源识别中具有一定的意义.

摘要： 本发明提供一种水源地违法活动识别预警方法、服务器及存储介质，通过使用水源地空间信息库数据，获取待监测水源地的空间坐标信息，结合卫星遥感影像，确定待监测水源地禁建空间区域对应的待测遥感影像；使用图像识别技术，获取待测遥感影像色系值，结合植被图像色系标准库，识别禁建空间区域的色系异常区域；植被图像色系标准库通过预先收集植被在不同时期的航拍图像，识别植被图像色系RGB值，并存储于数据库，以构建生成；对色系异常区域进行预警。有利于提高水源地禁建空间区域违建活动的识别效率和准确性，具有较高的推广使用价值。

摘要： 本发明公开了一种污染水源快速识别方法、系统、电子设备及存储介质，涉及污水识别技术领域，技术方案为：包括实时获取河流上方的水面图像并进行去噪处理；对进行去噪处理后的水面图像进行灰度处理，当识别到水面图像的平均灰度值大于第一阈值时，启动无人机沿河流上游方向连续采集多张河流图像；对多张河流图像进行去噪和灰度处理生成沿河流上游方向的平均灰度变化曲线；依据平均灰度变化曲线设定相应的若干个溯源区段；对溯源区段连续拍摄多张河流图像，对灰度值较大的区域进行图像边缘识别并进行图像拼接生成污染边缘曲线图；依据污染边缘曲线图计算污水来源及污水排放指标。本发明能够对河流水污染的精准实时监测，并且能实现污水快速溯源。

摘要： 本发明公开了一种饮用水源抗生素抗性相对风险快速识别方法，涉及抗生素抗性识别技术领域，包括以下步骤，选取相关环境因素和土地使用类型因素作为初始特征变量，采用Goh等提出的AMR相对风险评估框架计算出的AMR相对风险得分为目标变量，并以AMR相对风险分数的中位数为阈值，将问题转换为一个二分类问题；结合相关性分析和弹性网络建模执行特征工程，对输入特征变量进行有效筛选；将训练集数据输入随机森林分类器进行学习训练，结合实际样本数据及遗传算法对随机森林算法的超参数进行自适应校准，以找到最优超参数组合，从而形成最佳的风险识别机器学习模型。本发明能够快速且准确地识别饮用水源地抗生素抗性的相对风险，从而大大节约了时间成本。

摘要： 本发明公开了一种污染水源快速识别方法、系统、电子设备及存储介质，涉及污水识别技术领域，技术方案为：包括实时获取河流上方的水面图像并进行去噪处理；对进行去噪处理后的水面图像进行灰度处理，当识别到水面图像的平均灰度值大于第一阈值时，启动无人机沿河流上游方向连续采集多张河流图像；对多张河流图像进行去噪和灰度处理生成沿河流上游方向的平均灰度变化曲线；依据平均灰度变化曲线设定相应的若干个溯源区段；对溯源区段连续拍摄多张河流图像，对灰度值较大的区域进行图像边缘识别并进行图像拼接生成污染边缘曲线图；依据污染边缘曲线图计算污水来源及污水排放指标。本发明能够对河流水污染的精准实时监测，并且能实现污水快速溯源。

摘要： 本发明公开了一种复杂多含水层矿井突水水源识别方法，包括以下步骤：S1：根据已知含水层水样的水化学数据，建立矿井的水源数据库；S2：经过数据检验以及异常值的处理后的数据作为建模样本；S3：确定识别指标及其阈值并采用回代检验判断初步识别模型中的识别指标的有效性；S4：依据有效的识别指标以及Fisher识别法，建立“综合‑逐步识别法”模型；S5：测定待判水样识别指标，并通过“综合‑逐步识别法”模型依次判定，识别水源类型。本发明的优点是综合采用特征离子对比法、离子比例系数法和Fisher识别法等，对不同含水层水源识别采用不同方法，先简单后复杂，逐步判定水文地质条件较复杂、充水含水层较多的矿井水源类型。

摘要： 本发明公开了基于大数据与深度学习的矿井突水水源识别系统，包括地面工作站、采集装置、计算机检测模块；基于大数据与深度学习的矿井突水水源识别方法，包括以下步骤：S1，根据已知的地区水源的化学成分特征进行分类，建立样品库；S2，在矿井发生突水时，通过液泵将突水抽出至容器内储存；S3,通过电极检测器阵列模块进行突水内各化学组分的检测分析，确定各化学组分的含量；S4，将各化学组分输入至数据处理模块进行处理。本发明通过基于深度学习下的深度前馈网络模型自主获取水样的内部多层特征，反复训练、预测误差以及调节模型参数，准确率随水样信息增多而提高，实现了在大数据的情况下，突水水源识别依然准确。

摘要： 本发明公开了一种矿用水源识别的方法及识别设备，其中所述方法包括：根据已知水源的化学特征，建立水源样品库；确定识别指标，判断未知水源类型。相应地，本发明还公开了一种水源识别设备。本发明实现了对矿井含水层地下水的化学成分的简单、快速地测量，能实时、实地的准确判断未知类型的突水水源，进而预防煤矿水害的发生，避免突水事故带来的经济损失和人员伤亡，保障了煤矿的安全生产。

摘要： 本发明提供基于EEMD‑Isomap算法矿井突水水源识别方法，属于煤矿安全领域。包括以下步骤：获得矿井水的拉曼光谱信息；对拉曼光谱信号进行降噪处理；将拉曼光谱信号划分为训练集和预测集；利用对训练集和预测集降维处理；将训练集作为核K最近邻算法的输入，建立突水水源识别模型；将预测集输入到突水水源识别模型，得到预测结果；对比预测结果和模型中的实际结果获得识别准确率；将识别准确率和辨识时间作为突水水源种类的评价指标识别矿井突水类型。本发明提出的方法可以智能化识别突水水源类型，对于提前有效地进行水的预防和控制，从而预防和减少水害的发生，有着极大的参考价值。

摘要： 本发明属于矿井水源识别技术领域，公开了一种矿井水源快速识别仪及其控制方法，矿井水源快速识别仪的控制方法包括：通过水样获取模块获取待识别煤矿不同煤层的水样数据；通过数据库构建模块根据煤矿井下所有的水样数据进行数据库的构建；通过水源识别模块将采集的待识别煤矿不同煤层的水样数据与数据库中存储的水样数据进行对比，进而实现矿井水源的快速识别；所述矿井水源快速识别仪包括：水样获取模块、数据库构建模块及水源识别模块。本发明提供的矿井水源快速识别仪及其控制方法，能够通过煤矿井下不同水层特定的离子浓度进行矿井水源的快速识别，识别精度高，结果准确，智能化程度高，可直接给出水样的水源类型，无需水质专家鉴定。

摘要： 本发明公开了一种矿井突水水源的识别方法，其特征在于，为快速、准确地识别矿井突水水源，根据矿井不同含水层水化学成分的差异性，将Na++K+、Ca2+、Mg2+、Cl‑、SO42‑、HCO3‑及总硬度作为判别指标。利用主成分分析法对数据进行降维，并通过混沌麻雀搜索算法对随机森林算法中树深(dp)和树数目(es)两个参数进行寻优，建立了基于PCA(主成分分析)‑CSSA(混沌麻雀搜索)‑RF(随机森林)的矿井突水水源识别模型。本发明利用主成分分析法对数据进行降维可以减少原始数据中的冗余，同时利用混沌麻雀搜索算法优化的随机森林模型可提高全局搜索能力和预测能力，本发明可提高突水水源识别的效率和准确率。