潘集一矿突水水源判别模型建立研究

摘 要：为准确判别矿井涌水水源，针对潘集一矿各主要含水层的水化学特征数据样本，利用主成分分析法消除变量中的重复信息，利用Bayes判别方法进行判别分析，结果表明：Bayes判别方法判别涌水水源的正确率为84.91%，为有效开展矿井防治水工作提供了参考。

关键词：突水水源判别；主成分分析；Bayes判别

1 引言

经过数十年开采，浅部煤炭资源已接近枯竭，特别是开采历史较长的东部矿区，开采深度大部分已超过600m，进入深部开采阶段。潘集一矿属于深埋型煤田，上部为巨厚的新生界松散层，下部为石炭系灰岩地层，水文地质条件复杂。矿井水害作为威胁煤矿安全生产的五大灾害之一，给矿井安全生产带来了巨大的威胁，利用水化学信息建立突水水源判别模型，快速判别突水水源，为制定科学、合理的防治水措施具有重要意义。

2 应用实例

2.1 研究区概况

潘集一矿位于淮南煤田潘谢矿区东北部，井田内主要含水层为新生界孔隙含水组、煤系砂岩裂隙含水层及灰岩岩溶含水组[1～2]。新生界松散层含水层是浅部煤层开采的主要补给水源，煤系砂岩含水组一般以静储量为主，易疏放，是矿井涌水的直接水源。同时，随着开采深度延伸，煤矿生产受到灰岩水的影响也日益严重。

2.2井田主要充水水源

潘集一矿含水层（组）自下而上分别为：奥陶系灰岩含水层（组），太原组岩溶含水层（组），二叠系砂岩含水层（组），新生界含水层（组）[3]。目前潘集一矿主采煤层为13-1煤和11-2煤，尚不受底部太灰水威胁，因此本文主要研究新生界中含水、13-1煤砂岩水和11-2煤砂岩水以及采空区水判别模型。

2.3 模型设计及判别结果

此次研究共收集利用潘一煤矿水化学数据53个，其中新生界中含水3个，13-1煤顶板砂岩水39个，11-2煤顶板砂岩水9个，采空区水样2个。

2.3.1 主成分分析

首先计算各水质离子相关系数，计算结果表明Ca2+和Mg2+相关系数较高，为0.78，K++Na+、HCO3-和TDS相关系数较高，分别为0.99和0.97。相关系数较高表明潘一煤矿水样碱土金属之间相关性比较明显，TDS受K++Na+、HCO3-影响十分明显，水质信息中存在重叠信息，有必要进行主成分分析，消除重叠信息的影响。

根据主成分得分系数矩阵，提取出来的新的因子Y1，Y2，Y3与经过标准化处理的原始变量之间的关系表达式见下式：

根据上式可以计算出各个水样的主成分得分，可用于Bayes建模研究。

2.3.2 Bayes判别模型建立

根据主成分分析可以得到样本的三个主成分数据：Y1、Y2和Y3。将Y1，Y2和Y3作为Bayes判别分析模型[4]的3个判别指标，Bayes模型计算在SPSS统计软件上进行操作。

经过在SPSS上进行Bayes模型的判别分析，可得到Bayes判别模型的系数矩阵，见表1：

表1 潘一煤矿Bayes判别函数系数矩阵

由Bayes判别模型的系数矩阵，可得出Bayes判别模型的函数表达式，如下所示：

由Bayes的判别函数，将经过PCA处理过的样本数据回代上述判别模型进行计算，可计算出Z1'、Z2'、Z3'和Z4'的数据，分别对应水源类型为新生界中含水、13-1煤顶岩水、11-2煤砂岩水和采空区水。选取其中最大值，即为待判水样的水源类型，判别效果见表2：

表2 潘一煤矿Bayes 判别结果

潘一煤矿Bayes判别主要的误判发生在煤系砂岩水组内，共有六个煤系砂岩水判别错误，总体正确率84.91%，判别结果较为理想。

3 结论

（1）对原始变量数据应用PCA方法处理，能够很好的消除变量间的信息重叠，从而极大地提高突水水源的识别精度。

（2）Bayes判别模型判别正确率为84.91%，判别结果理想。

（3）Bayes判别模型对煤系砂岩水误判率稍高，可考虑采用其他方法进行进一步研究。

参考文献

[1] 李明山.用最大效果测度值法判别矿井突水水源的尝试[J].煤矿开采，1997（03）：29-30.

[2] 李再兴，张凤鸣，庞良，等.有关矿井突水水源判别方法的探讨[J].地下水，2009（05）：16-20.

[3] 黄祖军，李化敏，王文.综采长壁工作面探放顶板复合水水源判别[J].煤炭科学技术，2013（S2）：356-358.

[4] 李明山，程學丰，胡友彪，等.用地下水水质特征模型判别姚桥矿井突水水源[J].矿业安全与环保，2001（S1）：174-176.

作者简介：金洲洋（1990.9），男，安徽省合肥人，硕士，研究方向：矿井水文地质。