發(fā)布時(shí)間：2019-01-01 13:54

【摘要】：水害是影響煤礦安全生產(chǎn)的主要威脅之一,突水后快速并準(zhǔn)確地判斷突水水源是礦井防治水工作的主要內(nèi)容。本文以華北型煤田—鶴壁礦區(qū)為研究對象,對利用水質(zhì)化驗(yàn)數(shù)據(jù)、建立數(shù)學(xué)模型、快速準(zhǔn)確地判斷突水水源類別問題進(jìn)行了研究。開展了突水水源水質(zhì)普查工作,采集了各充水含水層地下水及老空水標(biāo)準(zhǔn)水樣,并收集了已有水質(zhì)化驗(yàn)數(shù)據(jù),歸納總結(jié)了各充水水源的水化學(xué)特征。其次,采用主成分分析法,從經(jīng)過反復(fù)篩選的多項(xiàng)水質(zhì)化驗(yàn)指標(biāo)中,確定了能夠準(zhǔn)確反映各充水水源水質(zhì)特征的“TDS”、“Na-Cl”、“Mg-HCO3-”主成分,作為識別突水水源的主要指標(biāo)。在此基礎(chǔ)上,建立了基于水質(zhì)識別突水水源的灰色關(guān)聯(lián)度模型、模糊數(shù)學(xué)模型、BP神經(jīng)網(wǎng)絡(luò)模型、Bayes判別模型和Fisher判別模型,并對已有的水質(zhì)化驗(yàn)數(shù)據(jù)進(jìn)行了驗(yàn)證性識別。識別結(jié)果顯示:Fisher判別模型和BP神經(jīng)網(wǎng)絡(luò)的正確識別率最高,均為84.6%,灰色關(guān)聯(lián)度模型和Bayes判別模型次之,模糊數(shù)學(xué)模型正確識別率較低。經(jīng)過比較,Fisher判別模型不僅正確識別率高且操作簡單,易于學(xué)習(xí),從而選用Fisher判別模型作為鶴壁礦區(qū)基于水質(zhì)識別突水水源的主選方法,其它模型作為輔助方法,這一結(jié)論已被我們承擔(dān)的《鶴壁礦區(qū)基于水質(zhì)自動識別礦井突水水源軟件的研發(fā)》科研項(xiàng)目所采用。
[Abstract]:Water hazard is one of the main threats to the safety of coal mine production. It is the main content of mine water prevention and control work to judge the water inrush source quickly and accurately after water inrush. In this paper, taking the Huabei coalfield-Hebi mining area as the research object, a mathematical model is established by using the water quality test data to judge the water inrush water source category quickly and accurately. The general survey of water quality of water inrush source was carried out, the groundwater samples of each water-filled aquifer and the standard water samples of old empty water were collected, and the available water quality test data were collected, and the characteristics of water chemistry of each water-filled source were summarized. Secondly, the principal components "TDS", "Na-Cl" and "Mg-HCO3-", which can accurately reflect the water quality characteristics of each water-filled source, are determined by principal component analysis (PCA). As the main indicator to identify the source of water inrush. On this basis, the grey relational degree model, fuzzy mathematical model, BP neural network model, Bayes discriminant model and Fisher discriminant model are established based on water quality identification of water inrush water source. The recognition results show that the correct recognition rate of Fisher discriminant model and BP neural network is the highest, which is 84.6, followed by grey correlation model and Bayes discriminant model, and the correct recognition rate of fuzzy mathematical model is lower. Through comparison, the Fisher discriminant model is not only correct recognition rate, simple operation, easy to learn, so Fisher discriminant model is selected as the main selection method based on water quality identification of water inrush water source in Hebi mining area, and other models as auxiliary method. This conclusion has been adopted in the scientific research project of "automatic identification of mine water inrush source software based on water quality in Hebi mining area".
【學(xué)位授予單位】：河南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：P641.461;TD745

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉可勝;;謝橋礦東風(fēng)井突水水源分析[J];科技信息(學(xué)術(shù)研究);2007年35期

2 陳陸望;桂和榮;殷曉曦;錢家忠;潘樂荀;;臨渙礦區(qū)突水水源標(biāo)型微量元素及其判別模型[J];水文地質(zhì)工程地質(zhì);2010年03期

3 劉劍民;王繼仁;何治良;;煤礦礦井突水水源的多元矩陣模型分析[J];科技導(dǎo)報(bào);2014年09期

4 孫林華;桂和榮;陳松;;Minitab軟件在皖北礦區(qū)突水水源識別上的應(yīng)用[J];煤炭科學(xué)技術(shù);2010年02期

5 周笑綠,鄭世書,楊國勇;南桐煤礦二井井下突水水源綜合分析[J];中國礦業(yè)大學(xué)學(xué)報(bào);1997年02期

6 聶榮花;晏偉;薩賢春;;Bayes逐步判別法在邢臺煤礦突水水源判別中的應(yīng)用[J];中國西部科技;2012年06期

7 桂和榮,陳陸望;皖北礦區(qū)主要突水水源水文地質(zhì)特征研究[J];煤炭學(xué)報(bào);2004年03期

8 陳朝陽，王經(jīng)明，董書寧，姜峰，王清龍，，高建中;焦作礦區(qū)突水水源判別模型[J];煤田地質(zhì)與勘探;1996年04期

9 錢家忠;潘婧;趙衛(wèi)東;陳陸望;;基于SVM的潘三礦B8組與C13組煤開采中突水水源判別模型[J];系統(tǒng)工程理論與實(shí)踐;2011年12期

10 張永泰,姜在炳;礦井突水水源類型判別模型及其系統(tǒng)實(shí)現(xiàn)[J];煤田地質(zhì)與勘探;2003年03期

相關(guān)會議論文 前4條

1 丁麗云;劉平;金呂鋒;桂和榮;胡友彪;;新集五礦井筒突水水源分析[A];紀(jì)念礦井地質(zhì)專業(yè)委員會成立二十周年暨礦井地質(zhì)發(fā)展戰(zhàn)略學(xué)術(shù)研討會專輯[C];2002年

2 李小雪;;水質(zhì)分析在煤礦突水水源判別中的應(yīng)用[A];煤礦水害防治技術(shù)研究——陜西省煤炭學(xué)會學(xué)術(shù)年會論文集（2013）[C];2013年

3 趙振中;;13071采煤工作面突水水源分析與治理技術(shù)[A];中國煤炭資源現(xiàn)狀與勘探開發(fā)利用技術(shù)進(jìn)展及環(huán)境保護(hù)——中國地質(zhì)學(xué)會、中國煤炭學(xué)會煤炭田地質(zhì)專業(yè)委員會2004年學(xué)術(shù)交流會論文集[C];2004年

4 汪子勇;孟凡良;;擋水墻的設(shè)計(jì)與施工[A];全國礦山建設(shè)學(xué)術(shù)會議論文選集（下冊）[C];2004年

相關(guān)重要報(bào)紙文章 前1條

1 苑瑋　譚效林;為國家挽回價(jià)值12—14億元原煤資源[N];中煤地質(zhì)報(bào);2010年

相關(guān)碩士學(xué)位論文 前10條

1 金洲洋;新集一礦突水水源綜合判別模型研究[D];安徽理工大學(xué);2016年

2 張開遠(yuǎn);基于激光誘導(dǎo)熒光的煤礦突水水源識別系統(tǒng)的研制[D];安徽理工大學(xué);2016年

3 王仲陽;鶴壁礦區(qū)利用水化學(xué)成分識別突水水源建模研究[D];河南理工大學(xué);2014年

4 徐冬冬;鴨口井田地下水化學(xué)特征及突水水源判別研究[D];西安科技大學(xué);2012年

5 周春寅;基于地下水三維水化學(xué)場的突水水源判別模型研究[D];合肥工業(yè)大學(xué);2013年

6 李德強(qiáng);葛泉礦東井突水水源快速判別技術(shù)研究與應(yīng)用[D];河北工程大學(xué);2010年

7 崔佳星;邢臺礦地下水化學(xué)特征及突水水源判別模型研究[D];河北工程大學(xué);2012年

8 關(guān)秋紅;新莊孜井田地下水化學(xué)特征及突水水源快速判別模型[D];合肥工業(yè)大學(xué);2009年

9 楊梅;基于GIS的淮南老礦區(qū)地下水環(huán)境特征及突水水源判別模型[D];合肥工業(yè)大學(xué);2008年

10 張秀云;基于GIS的丁集煤礦地下水水化學(xué)特征分析及突水水源快速判別[D];合肥工業(yè)大學(xué);2014年

本文編號：2397663