CN105653788A - 一种矿区水源识别方法、装置和系统 - Google Patents

Abstract

本发明公开了一种矿区水源识别方法，包括：基于灰色关联度算法和待识别水样中多种离子的含量参数，计算所述待识别水样的关联系数；将计算出的关联系数在数据库中进行匹配，获取与所述关联系数最接近的水源类型；将所述最接近的水源类型确定为所述待识别水样的水源类型，计算所述水源类型的常规水质指标数据；绘制所述待识别水样的水源类型的piper三线图，并显示在显示屏上。本发明还公开了一种矿区水源识别装置和系统。利用本发明能够实现矿区出水水源类型的快速判断。

Description

一种矿区水源识别方法、装置和系统

技术领域

本发明涉及水样识别技术领域，具体涉及一种矿区水源识别方法和系统。

背景技术

近年来随着煤矿开采深度、开采强度、开采速度、开采规模等不断增加，开采受地下水威胁、危害日趋严重。准确而快速地判别突水水源是及时采取针对性防治水措施的前提，是确保煤矿安全生产的关键技术。传统判别煤矿出水水源类型需要邀请专门的煤矿水文地质专家到矿，研究矿区区域水文地质类型和各含水层的水化学特征，同时掌握出水水样的水质特点等信息，才能进行出水水源的判断与识别，存在主观性强、效率低、周期长、消耗人力物力等较为突出的缺点。

发明内容

有鉴于此，本发明提出一种矿区水源识别方法、装置和系统，利用灰色关联度算法计算判断出水水源的类型，实现矿区出水水源类型的快速判断。

本发明提供一种矿区水源识别方法，包括：S101，基于灰色关联度算法和待识别水样中多种离子的含量参数，计算所述待识别水样的关联系数；S102，将计算出的关联系数在数据库中进行匹配，获取与所述关联系数最接近的水源类型；S103，将所述最接近的水源类型确定为所述待识别水样的水源类型，计算所述水源类型的常规水质指标数据；S104，绘制所述待识别水样的水源类型的piper三线图，并显示在显示屏上。

优选地，在S103将所述最接近的水源类型确定为所述待识别水样的水源类型之前，所述方法还包括：将所述最接近的水源类型的关联系数与预设阈值进行比较，如果所述最接近的水源类型的关联系数大于预设阈值，进行下一步，如果所述最接近的水源类型的关联系数小于等于预设阈值，终止识别流程。

优选地，所述数据库用于修改、增加和/或删除作为判别待识别水样出水来源的原始数据、批量导入与批量导出数据以及数据库的更新和自检；其中，数据库的自检用于初次建立数据库及日常对数据库进行大批量补充完善时，辅助人工进行数据库中数据的判别分类及数据剔除。

优选地，数据库的自检过程如下：假设数据库中水样A为待判别水样，先基于其他水样识别出水样A的水源类型，然后与数据库中水样A原设置的水源类型进行比较，得出差异数据。

本发明还提供一种矿区水源识别装置，包括：灰色关联度算法模块，用于基于灰色关联度算法和待识别水样中多种离子的含量参数，计算所述待识别水样的关联系数；匹配处理模块，用于将计算出的关联系数在数据库中进行匹配，获取与所述关联系数最接近的水源类型；水源类型确定模块，用于将所述最接近的水源类型确定为所述待识别水样的水源类型，计算所述水源类型的常规水质指标数据；piper三线图绘制模块，用于绘制所述待识别水样的水源类型的piper三线图，并显示在显示屏上。

本发明还提供一种矿区水源识别系统，包括：存储器、服务器和显示屏，其中存储器和服务器经配置执行以下操作：基于灰色关联度算法和待识别水样中多种离子的含量参数，计算所述待识别水样的关联系数；将计算出的关联系数在数据库中进行匹配，获取与所述关联系数最接近的水源类型；将所述最接近的水源类型确定为所述待识别水样的水源类型，计算所述水源类型的常规水质指标数据；绘制所述待识别水样的水源类型的piper三线图，并显示在显示屏上。

本发明实施例通过采用合适的数理统计算法实现水样识别的软件化与智能化，减少水样识别的时间与对专业知识的依赖，缩短水害防治的周期，减少水害治理的成本；通过为数据库开发特有功能逐步完善现有数据库，提高软件的水源判别准确率；利用专业的piper三线图成图模块，根据需要生成特定水样的piper三线图，可准确快速掌握待判别水样的水化学特征。

附图说明

图1是本发明实施例的矿区出水水源识别方法的流程图。

图2是本发明实施例的piper三线图。

图3是本发明实施例的矿区出水水源识别装置的结构框图。

具体实施方式

以下结合附图以及具体实施例，对本发明的技术方案进行详细描述。

本发明实施例的基本思想是利用灰色关联度算法计算判断出水水源的类型，实现矿区出水水源类型的快速判断，并计算水样的常规水质指标，生成水样的piper三线图，实现出水水源的智能化识别过程。

图1示出了本发明实施例的矿区出水水源识别方法的流程图，包括以下步骤：

步骤一，基于灰色关联度算法和待识别水样中多种离子的含量参数，计算待识别水样的关联系数；

步骤二，将计算出的关联系数在数据库中进行匹配，获取与该关联系数最接近的水源类型；

步骤三，将该最接近的水源类型确定为待识别水样的水源类型，计算该水源类型的常规水质指标数据；

步骤四，绘制待识别水样的水源类型的piper三线图，并显示在显示屏上。

在本发明的实施例中，采用灰色关联分析判别法进行水样识别。灰色关联分析判别法是以各因素之间发展趋势的相似或相异程度，即“灰色关联度”作为衡量各因素之间关联程度的一种方法。以下通过示例性的实施例简要介绍灰色关联度分析法的计算过程：

假设待判别向量为：X₀＝(5,5.5,10,11.25,15,20)，其中待判别向量是未知水样的各离子按照特定顺序排列得到的向量；

标准向量为：

X₁＝(3,3.498,5.502,6.6,6.942,9)，

X₂＝(6,6.75,6.45,8.25,9.75,10.5)，

X₃＝(4,4,2.8,3.2,3.6,4.8)；

其中标准向量是数据库中已划分好水质类型的水样组成的向量；

初值化处理后的序列如下：

x_o＝(1,1.1,2,2.25,3,4)，

x₁＝(1,1.166,1.834,2,2.314,3)，

x₂＝(1,1.125,1.075,1.375,1.625,1.75)，

x₃＝(1,1,0.7,0.8,0.9,1.2)；

其中序列初值化处理是把序列中所有数据除以该序列的第一个数据所得到的新的数列。

然后分三步计算关联系数。

第一步，求差序列。各时刻下x_i与x_o的绝对差如表1：

序号	1	2	3	4	5	6
							△1＝|xo(k)-x1(k)|	0	0.066	0.166	0.25	0.686	1
△2＝|xo(k)-x2(k)|	0	0.025	0.925	0.875	1.375	2.25
							△3＝|xo(k)-x3(k)|	0	0.1	1.3	1.45	2.1	2.8

表1

第二步，求两级最小差与最大差，得到：

$\underset{i}{min}\left(\underset{k}{min}\right|x_0\left(k\right)-x_i\left(k\right)\left|\right)=0$

$\underset{i}{\max }\left(\underset{k}{\max }\right|x_0\left(k\right)-x_i\left(k\right)\left|\right)=2.8$

第三步，根据下式计算关联系数ξ_i(k)：

${\mathrm{\ξ}}_i\left(k\right)=\frac{\underset{i}{min}\left({\mathrm{\Δ}}_i\right(min))+0.5\underset{i}{\max }\left({\mathrm{\Δ}}_i\right(max))}{|x_0\left(k\right)-x_i\left(k\right)|+0.5\underset{i}{\max }\left({\mathrm{\Δ}}_i\right(max))}$

其中，0.5是分辨系数，将相关数据代入上式，得到：

${\mathrm{\ξ}}_i\left(k\right)=\frac{0+0.5\×2.8}{|x_0\left(k\right)-x_i\left(k\right)|+0.5\×2.8}=\frac{1.4}{{\mathrm{\Δ}}_i\left(k\right)+1.4}$

其中，i＝1时有表2：

序号	1	2	3	4	5	6
							△i(k)	0	0.066	0.166	0.25	0.686	1
	△1(1)	△1(2)	△1(3)	△1(4)	△1(5)	△1(6)

表2

因此可得到关联系数为：

${\mathrm{\ξ}}_1\left(2\right)=\frac{1.4}{{\mathrm{\Δ}}_1\left(2\right)+1.4}=\frac{1.4}{0.066+1.4}=0.955$

${\mathrm{\ξ}}_1\left(3\right)=\frac{1.4}{{\mathrm{\Δ}}_1\left(3\right)+1.4}=\frac{1.4}{0.166+1.4}=0.894$

${\mathrm{\ξ}}_1\left(4\right)=\frac{1.4}{{\mathrm{\Δ}}_1\left(4\right)+1.4}=\frac{1.4}{0.25+1.4}=0.848$

${\mathrm{\ξ}}_1\left(5\right)=\frac{1.4}{{\mathrm{\Δ}}_1\left(5\right)+1.4}=\frac{1.4}{0.686+1.4}=0.679$

${\mathrm{\ξ}}_1\left(6\right)=\frac{1.4}{{\mathrm{\Δ}}_1\left(6\right)+1.4}=\frac{1.4}{1+1.4}=0.583$

做关联系数ξ₁(k)在各个时刻的值的集合，得到：

ξ₁＝(ξ₁(1),ξ₁(2),ξ₁(3),ξ₁(4),ξ₁(5),ξ₁(6))＝(1,0.955,0.894,0.848,0.679,0.583)

同理有

ξ₂＝(ξ₂(1),ξ₂(2),ξ₂(3),ξ₂(4),ξ₂(5),ξ₂(6))＝(1,0.982,0.602,0.615,0.797,0.383)

ξ₃＝(ξ₃(1),ξ₃(2),ξ₃(3),ξ₃(4),ξ₃(5),ξ₃(6))＝(1,0.933,0.52,0,49,0.4,0.34)

关联系数中的数据很多，信息过于分散，不便于比较，为此有必要将各时刻关联系数集中为一个值。此处求平均值得出最终判别的关联度，表达式如下：

$r_i=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}{\mathrm{\ξ}}_i\left(k\right)$

得到r₁＝0.8265>r₂＝0.7298>r₃＝0.6138，因此可得X₀与X₁的指标最接近。这里，X₀与X₁、X₂、X₃的关联度分别为r₁、r₂、r₃，其中r值大小反映其关联程度的大小，r值越大关系越近，r值越小关系越远。

可见通过上述计算过程，在数据库中必定能够找到一个与当前未知水样最相似的水源类型。

进一步地，为了最大程度保证识别结果的可靠性，还可设置一个限制量阈值，如果待判别水样与库数据的最大关联度大于该限制量阈值，则认为识别结果可靠；否则，认为结果不可靠，对待判别水样暂不识别。

在本发明的实施例中，绘制piper三线图时首先根据不同离子在水中的含量(N)，计算其毫克当量浓度(M)，然后计算离子的毫克当量浓度百分数(Q)，从而绘制piper三线图。以下是某煤矿矿区的待判别水样数据：

各离子的毫克当量浓度(M)：

M_Ca＝(N_Ca/40.08)*2；

M_Mg＝(N_Mg/24.31)*2；

M_Na+K＝N_Na+K/22.9899；

M_SO4＝(N_SO4/96.02)*2；

M_CL＝N_CL/35.45；

M_HCO3＝N_HCO3/61.01；

M_CO3＝(N_CO3/60)*2；

各离子的毫克当量浓度百分数(Q)：

Q_Ca＝M_Ca/(M_Ca+M_Mg+M_Na+K)；

Q_Mg＝M_Mg/(M_Ca+M_Mg+M_Na+K)；

Q_Na+K＝M_Na+K/(M_Ca+M_Mg+M_Na+K)；

Q_SO4＝M_SO4/(M_SO4+M_CL+M_HCO3+M_CO3)；

Q_CL＝M_SO4/(M_SO4+M_CL+M_HCO3+M_CO3)；

Q_HCO3+CO3＝M_SO4/(M_SO4+M_CL+M_HCO3+M_CO3)。

可利用已知的绘图软件在X-Y直角坐标系中绘制如图2所示的piper三线图，其中包括两个等角三角形和一个锐角为60°的菱形，三个图形边长都为100个单位，间距为10个单位。左下角三角形的左下角点位于X-Y直角坐标系的(0,0)位置，右下角三角形的右下角点位于X-Y直角坐标系的(210,0)位置。则本实施例中水样数据在piper三线图中左下角三角形中的坐标为：

X_左＝Q_Na+K*100+Q_Mg*50；

Y_左＝Q_Mg*100*0.866；

在piper三线图中右下角三角形中的坐标为：

X_右＝110+M_CL*100+M_SO4*50；

Y_右＝M_SO4*100*0.866；

在piper三线图中上方菱形中的坐标为：

X_上＝0.5*(210+Q_Na+K*100-Q_HCO3+CO3*100)；

Y_上＝0.866*(210-Q_Na+K*100-Q_HCO3+CO3*100)。

根据上述三组坐标即可绘制出该水样在piper三线图中的位置，水样标识的大小与水样的矿化度成正比例关系。可将结果显示在显示屏上，供操作人员查看。

与图1实施例相对应地，本发明还提供一种矿区出水水源识别装置，图3为该装置的结构框图，其包括：

灰色关联度算法模块，用于基于灰色关联度算法和待识别水样中多种离子的含量参数，计算待识别水样的关联系数；

匹配处理模块，用于将计算出的关联系数在数据库中进行匹配，获取与该关联系数最接近的水源类型；

水源类型确定模块，用于将该最接近的水源类型确定为待识别水样的水源类型，计算该水源类型的常规水质指标数据；

piper三线图绘制模块，用于绘制待识别水样的水源类型的piper三线图，并显示在显示屏上。

在本发明的实施例中，数据库用于修改、增加和/或删除作为判别未知水样出水来源的原始数据，批量导入与导出数据，以及数据库的更新与自检。其中，数据库具有数据自检功能，该功能用于初次建立数据库及日常对数据库进行大批量补充完善时，辅助人工进行数据库中数据的判别分类及数据剔除。

数据库的自检方法如下：假设数据库中某一水样A为待判别水样，用其他水样来判别计算该水样A的水源类型(计算步骤同前)，然后与数据库中该水样A原设置的水源类型进行比较，得出存在的差异数据。同理可对数据库中各水样进行自检，最终可汇总出一张分析表，列出数据库中水样的总个数与存在差异的数据及个数。

本发明还提供一种矿区出水水源识别系统，包括存储器、服务器和显示屏，其中存储器和服务器经配置执行以下操作：

基于灰色关联度算法和待识别水样中多种离子的含量参数，计算待识别水样的关联系数；

将计算出的关联系数在数据库中进行匹配，获取与该关联系数最接近的水源类型；

将该最接近的水源类型确定为待识别水样的水源类型，计算该水源类型的常规水质指标数据；

绘制待识别水样的水源类型的piper三线图，并显示在显示屏上。

本发明实施例的矿区出水水源识别系统软件有以下特点：

1、水源识别操作简易，只需输入待判别水样的各大离子含量即可快速识别，并计算出待判别水样的常规水质指标。

2、功能强大的数据库，通过操作数据库可以存储新水样数据，建立新水源类型，更新数据库内容，数据库自检判断，数据的批量导入与导出，数据库数据的新增与删除。

3、专业的piper三线图成图模块，根据需要生成特定水样的piper三线图，进一步掌握待判别水样的水化学特征。

以上，结合具体实施例对本发明的技术方案进行了详细介绍，所描述的具体实施例用于帮助理解本发明的思想。本领域技术人员在本发明具体实施例的基础上做出的推导和变型也属于本发明保护范围之内。

Claims (9)

1.一种矿区水源识别方法，其特征在于，包括：

S101，基于灰色关联度算法和待识别水样中多种离子的含量参数，计算所述待识别水样的关联系数；

S102，将计算出的关联系数在数据库中进行匹配，获取与所述关联系数最接近的水源类型；

S103，将所述最接近的水源类型确定为所述待识别水样的水源类型，计算所述水源类型的常规水质指标数据；

S104，绘制所述待识别水样的水源类型的piper三线图，并显示在显示屏上。

2.如权利要求1所述的矿区水源识别方法，其特征在于，在S103将所述最接近的水源类型确定为所述待识别水样的水源类型之前，所述方法还包括：将所述最接近的水源类型的关联系数与预设阈值进行比较，如果所述最接近的水源类型的关联系数大于预设阈值，进行下一步，如果所述最接近的水源类型的关联系数小于等于预设阈值，终止识别流程。

3.如权利要求1或2所述的矿区水源识别方法，其特征在于，其中，所述数据库用于修改、增加和/或删除作为判别待识别水样出水来源的原始数据、批量导入与批量导出数据以及数据库的更新和自检；其中，数据库的自检用于初次建立数据库及日常对数据库进行大批量补充完善时，辅助人工进行数据库中数据的判别分类及数据剔除。

4.如权利要求3所述的矿区水源识别方法，其特征在于，其中，数据库的自检包括：假设数据库中水样A为待判别水样，先基于其他水样识别出水样A的水源类型，然后与数据库中水样A原设置的水源类型进行比较，得出差异数据。

5.一种矿区水源识别装置，其特征在于，包括：

灰色关联度算法模块，用于基于灰色关联度算法和待识别水样中多种离子的含量参数，计算所述待识别水样的关联系数；

匹配处理模块，用于将计算出的关联系数在数据库中进行匹配，获取与所述关联系数最接近的水源类型；

水源类型确定模块，用于将所述最接近的水源类型确定为所述待识别水样的水源类型，计算所述水源类型的常规水质指标数据；

piper三线图绘制模块，用于绘制所述待识别水样的水源类型的piper三线图，并显示在显示屏上。

6.如权利要求5所述的矿区水源识别装置，其特征在于，所述装置还包括：比较处理模块，用于将所述最接近的水源类型的关联系数与预设阈值进行比较，如果所述最接近的水源类型的关联系数大于预设阈值，进行下一步，如果所述最接近的水源类型的关联系数小于等于预设阈值，终止识别流程。

7.如权利要求5或6所述的矿区水源识别装置，其特征在于，其中，所述数据库用于修改、增加和/或删除作为判别待识别水样出水来源的原始数据、批量导入与批量导出数据以及数据库的更新和自检；其中，数据库的自检用于初次建立数据库及日常对数据库进行大批量补充完善时，辅助人工进行数据库中数据的判别分类及数据剔除。

8.如权利要求7所述的矿区水源识别装置，其特征在于，其中，数据库具有自检模块，用于假设数据库中水样A为待判别水样，先基于其他水样识别出水样A的水源类型，然后与数据库中水样A原设置的水源类型进行比较，得出差异数据。

9.一种矿区水源识别系统，其特征在于，包括：存储器、服务器和显示屏，其中存储器和服务器经配置执行以下操作：

基于灰色关联度算法和待识别水样中多种离子的含量参数，计算所述待识别水样的关联系数；

将计算出的关联系数在数据库中进行匹配，获取与所述关联系数最接近的水源类型；

将所述最接近的水源类型确定为所述待识别水样的水源类型，计算所述水源类型的常规水质指标数据；

绘制所述待识别水样的水源类型的piper三线图，并显示在显示屏上。