论文部分内容阅读
煤矿突水水源的正确、快速识别是矿井水害有效防治的前提条件。本文以淮南老矿区谢一煤矿为研究对象,收集矿井多年观测得到的水质资料,研究了井田内不同含水层的水化学类型、特征离子以及矿井突水水源快速判别的动态回归Elman神经网络模型,并将Elman模型分别与BP模型以及模糊综合评判模型、灰色关联度模型、贝叶斯模型进行比较,得出主要结论如下:(1)煤系含水层水质以HCO3-(K+Na)型为主,太灰Ⅰ组和Ⅲ组含水层水质以HCO3-Ca·Mg型为主,奥灰含水层水质同样以HCO3-Ca·Mg型为主,老塘的水样点很少,主要是HCO3·SO4-(K+Na)。对含水层水质总体特征分析,通过各含水层离子浓度对比图,煤系水中Ca+、Mg+含量相对比较低,太灰相对于奥灰,水样中Ca2+、Mg2+、K++Na+、HCO3-含量偏高,老塘水的HCO3-和SO42-浓度相对最高。通过箱图来分析各含水层离子的分布,研究发现老塘水最好区分于其他三个含水层,当水样点的[TDS]>1500mg/L且[SO42-]和[K++Na+]和[HCO3-]>300mg/L的时候可以判定该水样点的水来自于老塘水,能够达到95%以上的正确率。如果水样点的[Ca2+]<50mg/L且[Mg2+]<20mg/L能够判断煤系水样点,达到60%以上。(2)通过使用传统的矿井突水水源判别模型对水样点进行判别研究,得到贝叶斯模型的判别效果相对较好,而模糊超标评判的效果相对较差。模糊超标加权明显比模糊偏标加权的效果差,原因是超标加权法侧重于正偏,即对于大于平均值较多的数值分配的权重大;而对于小于平均值较多的数值分配的权重小,用在水源判别上不合适。总体上煤系的点没有判别错误。太灰水样与奥灰水样在水质上很接近,而且太灰与奥灰有较强的水力联系,很可能某些水样点是因为混有其他层位的水,因而难以区分。(3)分别利用Elman网络与BP网络,针对地下水化学特征分别建立突水判别模型,实例结果表明,神经网络模型判别效果高于传统模型,Elman网络模型判别11个水样,判错一个,比BP网络模型具有更高的判别精度,更快的运算速度,更好的反应地下水系统特性,为矿井水害防治提供了一种辅助决策手段。