CN110276116B - 一种煤矿突水水源判别方法及系统 - Google Patents

Abstract

本发明涉及一种突水水源判别方法，属于煤矿技术领域，具体是涉及一种煤矿突水水源判别方法。该方法将组合权重与改进的集对分析相结合，建立组合权集对分析模型，利用熵权计算的客观权重与改进层次分析计算的主观线性组合为组合权重，解决识别因子权重计算不准确及计算困难的问题，利用集对模型解决突水水源隶属度难以确定的问题，通过本发明，提高了突水水源识别的准确性。

Description

一种煤矿突水水源判别方法及系统

技术领域

本发明涉及一种突水水源判别方法及系统，属于煤矿技术领域，具体是涉及一种煤矿突水水源判别方法及系统。

背景技术

煤炭资源安全高效开采是关乎我国经济发展的根本，为预防和减少突水事故的发生，开展突水预报工作十分必要。其中快速准确地识别矿井突水水源是矿井突水预报的基础工作之一。

矿井突水水源识别通常使用地下水化学、同位素、水温、水位动态观测等方法,地下水化学因能反应地下水的本质特征，且能够准确、快速、经济地进行水源识别，在矿井突水水源是被中得以广泛的应用。从上世纪90年代起众多学者就开始利用水化学特征进行突水水源判识，利用矿井水质特征及变化规律与目标水源进行对比，成功地进行了突水水源判识，为水化学识别突水水源奠定了深厚的基础。本世纪以来，随着基础理论以及计算机科学的发展，逐步发展出基于数学方法(多元统计学方法、灰色系统法、模糊数学法)的判识模型和结合计算机技术的其他判别法(BP神经网络法、GIS理论法、SVM法、可拓识别法)。这些方法提高了矿井突水水源的准确性，但是仍存在一定的缺陷，例如距离判别法将所有识别因子同等看待，扩大或缩小了不同识别因子对整体的影响；GIS理论结果达到可视化，但其需要依据模糊综合理论，评价因子权重及最终隶属度难以确定，直接影响水源识别的准确性。

集对分析理论是以集对及其联系度为基本概念，研究系统中广泛存在着的确定性和不确定性及其转化规律的一种系统分析思想。集对分析理论涵盖了随机、模糊、灰色等常见不确定性，目前已应用于风险分析、人工智能、信息系统、和水质评价等领域，但是在矿井突水水源识别方面未见报道。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

本发明主要的目的是解决现有技术中所存在的突水水源判别准确度不高的技术问题，提供了一种煤矿突水水源判别方法及系统。该方法及系统将组合权重与改进的集对分析相结合，建立组合权集对分析模型，利用熵权计算的客观权重与改进层次分析计算的主观线性组合为组合权重，解决识别因子权重计算不准确及计算困难的问题，利用集对模型解决突水水源隶属度难以确定的问题，通过本发明，提高了突水水源识别的准确性。

本发明采用以方案解决上述技术问题：

一种煤矿突水水源判别方法，包括以下步骤：

评价指标确定步骤，收集各含水层的水化学数据以及待评价水样的水化学数据，基于所述水化学数据确定突水水源判别模型的评价指标；

判别模型构建步骤，确定各评价指标的组合权重，构建基于组合权重集对分析模型的判别模型；

评价水样预测步骤，将通过判别模型识别验证的样本结果与实际结果进行对比，利用比对结果符合预定条件的判别模型对待评价水样进行预测。

优选的，所述评价指标确定步骤收集的水化学数据为各层含水层水样的水质全分析数据。

优选的，所述评价指标确定步骤采用主成分分析方法确定突水水源判别的主控因素作为模型的评价指标。

优选的，所述判别模型构建步骤中确定的各评价指标的组合权重包括主观权重，所述主观权重计算步骤如下：

比较矩阵建立子步骤，根据评价指标之间的重要程度，建立比较矩阵P，p_ij为比较矩阵第i行第j列的元素，其比较关系为：

传递矩阵构建子步骤，根据构造的比较矩阵及式(2)计算其最优传递矩阵Q，

式中：p_ik,p_jk为比较矩阵P中第i行以及第j行的元素；q_ij为最优传递矩阵的第i行第j列元素；

判断矩阵构建步骤，根据式(3)计算Q的判断矩阵R

r_ij＝exp(q_ij) (3)

最后利用公式(4)，计算各项评价因子的权重值θi：

式中：r_ij为判断矩R中第i行第j列的元素。

优选的，所述判别模型构建步骤中，基于下式之一构建动态权重：

w_i＝αλ_i+(1-α)θ_i (6)

式中w_i为组合权重，λ_i为熵权法计算的客观权重，θ_i为改进层次分析计算的主观权重，n为评价指标数量，a为第i个评价指标的分配系数。

一种煤矿突水水源判别系统，包括以下模块：

评价指标确定模块，收集各含水层的水化学数据以及待评价水样的水化学数据，基于所述水化学数据确定突水水源判别模型的评价指标；

判别模型构建模块，确定各评价指标的组合权重，构建基于组合权重集对分析模型的判别模型；

评价水样预测模块，将通过判别模型识别验证的样本结果与实际结果进行对比，利用比对结果符合预定条件的判别模型对待评价水样进行预测。

优选的，所述评价指标确定模块收集的水化学数据为各层含水层水样的水质全分析数据。

优选的，所述评价指标确定模块采用主成分分析方法确定突水水源判别的主控因素作为模型的评价指标。

优选的，所述判别模型构建模块中确定的各评价指标的组合权重包括主观权重，所述主观权重计算如下：

比较矩阵建立子步骤，根据评价指标之间的重要程度，建立比较矩阵P，p_ij为比较矩阵第i行第j列的元素，其比较关系为：

传递矩阵构建子步骤，根据构造的比较矩阵及式(2)计算其最优传递矩阵Q，

式中：p_ik,p_jk为比较矩阵P中第i行以及第j行的元素；q_ij为最优传递矩阵的第i行第j列元素；

判断矩阵构建步骤，根据式(3)计算Q的判断矩阵R

r_ij＝exp(q_ij) (3)

最后利用公式(4)，计算各项评价因子的权重值θ_i：

式中：r_ij为判断矩R中第i行第j列的元素。

优选的，所述判别模型构建模块中，基于下式之一构建动态权重：

w_i＝αλ_i+(1-α)θ_i (6)

式中w_i为组合权重，λ_i为熵权法计算的客观权重，θ_i为改进层次分析计算的主观权重，n为评价指标数量，a为第i个评价指标的分配系数。

本发明的有益效果是：本发明的目的在于提供一种煤矿突水水源判别方法及系统，该方法及系统利用地下水中不同含水层的水化学特征，精准快速判别突水水源，为突水水源判别提供新的方法，可为煤矿突水发生过程中抢险工作确定准确的突水水源，争取宝贵的抢险救灾时间。

附图说明

并入本文并形成说明书的一部分的附图例示了本发明的实施例，并且附图与说明书一起进一步用于解释本发明的原理以及使得所属领域技术人员能够制作和使用本公开。

图1例示了本发明工作流程图；

图2例示了本发明不同评价结果时a,b₁₊,b_1-,c₁₊和c_1-的解释；

图3例示了本发明判别指标的箱型图；

将参照附图描述本发明的实施例。

具体实施方式

实施例

下面结合附图和具体实施方式对本发明进行详细说明。

第一部分：

本发明是基于组合权重集对分析模型的突水水源判别方法，该方法包括：

步骤A，收集各含水层的水化学数据以及待评价水样的水化学数据；

步骤B，确定突水水源判别模型的评价指标；

步骤C，确定各评价指标的组合权重；

步骤D，构建基于组合权重集对分析模型的判别模型；

步骤E，通过判别模型识别验证样本的结果与实际结果进行对比；

步骤F，根据满意的判别模型对待评价水样进行预测。

其中步骤A中各含水层的水化学数据应收集较大样本的数据，且水化学数据为各层含水层水样的水质全分析数据。

步骤B中采用人为分析以及主成分分析等方法确定突水水源判别的主控因素作为模型的评价指标。主成分分析方法为较为常见，此处不再赘述。

步骤C中的组合权重计算如下：

1)根据熵权理论计算评价指标的客观权重，熵权的权重计算方法为较为常见，此处不再赘述。

2)根据改进层次分析法计算评价指标的主观权重，计算步骤如下：

首先根据评价指标之间的重要程度，建立比较矩阵P，p_ij为比较矩阵第i行第j列的元素，其比较关系为：

其次根据构造的判断矩阵及式(2)计算其最优传递矩阵Q，

式中：p_ik,p_jk为比较矩阵P中第i行以及第j行的元素。

然后根据式(3)计算Q的判断矩阵R

r_ij＝exp(q_ij) (3)

最后利用公式(4)，计算各项评价因子的权重值θ_i：

式中：r_ij为判断矩R中第i行第j列的元素。

3)组合权重的计算

组合权重既考虑评价指标本身反应出来的客观信息，又考虑主观因素对于评价的影响，所以组合权重为主观权重与客观权重的线性组合，其确定方法有乘法以及加权法，计算公式分别为式(5)和(6)：

w_i＝αλ_i+(1-α)θ_i (6)

式中w_i为组合权重，λ_i为熵权法计算的客观权重。θ_i为改进层次分析计算的主观权重。

步骤D中的基于改进的集对分析方法水源判别模型，

1)改进的集对分析方法进行介绍，如下：

集对分析是处理不确定性问题的系统分析方法，其核心思想是将事物中客观存在的确定不确定性，以辩证分析(同、异、反)表示，即以某种联系度来描述事物的不确定性。假设这种联系度用μ表示，A、B两集合构成集对D，即D＝(A，B)，若集对D中有N个特性，其中S个特征共属于A，B集合，P个特征分别属于两者，其余F个特征不属于两者。具体联系度μ可通过数学表达式表述，即其表达式为：

式中：a＝S/N为同一度，b＝F/N为差异度，c＝P/N为对立度，并且N＝S+F+P，同时a，b，c∈[0，1]，a，c相对确定，b相对不确定，a+b+c＝1；i为差异度系数，且i∈[-1，1]，j为对立度系数，且j＝-1。

单纯的从同、异、反三个反面刻画不确定性显得过于粗糙，因此可将联系联系度进一步细化。可见式(7)改写为：

μ＝a+(b₁₊+b_1-)i+(b₂₊+b_2-)i+…+(b_n++b_n-)i+(c₁₊+c_1-)j+(c₂₊+c_2-)j+…+(c_n++c_n-)j＝a+b₁₊i⁺+b_1-i^-+b₂₊i⁺+b_2-i^-+…+b_n+i⁺+b_n-i^-+c₁₊j⁺+c_1-j^-+c₂₊j⁺+c₂₊j^-+…+c_n+j⁺+C_n-j^- (8)

当n＝1时得到五元联系度公式：

μ＝a+(b₁₊+b_1-)i+(c₁₊+c_1-)j＝a+b₁₊i⁺+b_1-i^-+c₁₊j⁺+c_1-j^- (9)

式中：a+b₁₊+b_1-+c₁₊+c_1-＝1，i，j代表差异度和对立度，其中i⁺，j⁺表示的i，j正方向，i^-，j^-表示的i，j反方向；i^-∈[-1，0]，i⁺∈[0，1]，i⁺+i^-∈[-1，1]；j⁺＝{0，1}，j^-＝-1；对于突水水源识别，假设b₁₊、b_1-为与所属水源类型相邻的邻左区和邻右区系数，c₁₊、c_1-为与所属水源类型次相邻的次邻左区和次邻右区系数(见图2)。如图2所示，属区、邻区和次邻区在整个区间各占1/3，当识别处于所属水源类型中，则a＝1，其他为0；当在邻左区时，则越靠近属区，a越大，b₁₊越小，反之；当在邻右区时，则越靠近属区，a越大，b_1-越小，反之；当在次邻左区时，则越靠近属区，则a、b₁₊越大，c₁₊越小；当在次邻右区时，越靠近属区，则a、b_1-越大，c_1-越小。

采用改进的集对分析方法构建水源判别模型，其中，本实施例的集对势公式为：

式中：SPT为集对势，当SPT＞1时为集对同势(SPT⁺)，解释为待评样本与本区在辩证关系中存在相同趋势，且SPT⁺越大则相同趋势越强，当a＞c＞b时为“强同势”，a＞b＞c时为“弱同势”，b＞a＞c时为“微同势”，b＝0时为“准同势”；当SPT＜i时为集对反势(SPT^-)，当SPT＝1时集对均势(SPT⁰)。

其中：

a从矩阵Z中获得，b，c基于下式：

其中，若b+c＝0，原则上lim SPT＝+∞，但为容易比较则取b＝min(b_j1+，b_j1-…)或C＝min(c_j1+，c_j1-…)且，b_j1+，b_j1-…和c_j1+，c_j1-…不等于0，其中j为不同水源类型。

式(2)中的c₁₊、c_1-、b₁₊、b_1-均由联系度矩阵Z中获得，其公式为：

Z＝U·W (3)

式中，联系度矩阵U，组合权重矩阵W，n是等级数(参考地下水标准分为5个等级)。

其中W＝[w₁，w₂…w_m]，m为评价的指标数；联系度矩阵中的元素为联系度μ，联系度μ的确定时，将各类水源各指标按分为5个区域，其中，属区、邻区和次邻区在整个区间各占1/3，

设X∈[Y₂,Y₃)，X为待测数据，Y₂，Y₃为所属区水源类型的下限和上限，当识别水源处于所属区中，则a＝1，其他为0，所以其联系度μ＝1。当

即处于次邻左、邻左、邻右与次邻右时的μ为：

式中，Y₁，Y₂，Y₃，Y₄由各离子的上下四分位决定的；例如镁离子，59个水样的镁离子浓度的下四分位数(Q₁)和上四分位数(Q₃)设定为所属突水水源的限值Y₂和Y₃。将Q₁-0.5(Q₃-Q₁)和Q₃+0.5(Q₃-Q₁)设定为所属突水水源邻区的限值Y₁和Y₄

式中i⁺,i^-,j⁺,j^-无具体意义，仅仅表示一个方向。

步骤E中对构建的组合权重集对分析模型进行验证。如果准确度达到85％以上，则认为模型可靠，模型令人满意，可用于预测突水水源。

实施例

内蒙古自治区东胜煤田呼吉尔特矿区某矿井主采延安组3^-1煤，水文地质条件较复杂，迄今为止发生多次突水事故，运用常用预测方法，效果不明显，需要采用新方法对其突水水源进行精准判别。具体过程如下：

步骤A，收集各含水层的水化学数据以及待评价水样的水化学数据。

收集该井田第四系、白垩系、直罗组1段、直罗组2段和2-6煤间含水层的水化学全分析样品59件。

步骤B，确定突水水源判别模型的评价指标。

根据步骤A收集的59件水化学全分析数据进行主成分分析，发现K⁺+Na⁺，Ca²⁺，Mg²⁺，Cl^-，SO₂ ^4-和HCO₃ ^-指标占据信息的85％以上，因此选用K⁺+Na⁺，Ca²⁺，Mg²⁺，Cl^-，SO₂ ^4-和HCO₃ ^-，6项指标作为矿井突水水源判别因子。其数据见表1。

表1井田各含水层水化学数据一览表

步骤C，确定各评价指标的组合权重。

由熵权及改进层次分析法计算公式确定识别指标的组合权重值，组合权重计算采用公式(5)进行计算。其中比较矩阵为p_ij，其权重值见表2，

表2评价指标组合权重

步骤D，构建基于组合权重集对分析模型的判别模型。

根据收集的各含水层的水化学全分析数据，选取其中49组数据作为模型构建数据，根据这49组数据绘制箱型图对各含水层进行分析，箱型图见图3。

由箱形图对各类水源类型的分析，将图中的下四分位数(Q₁)和上四分位数(Q₃)设定为所属突水水源的限值Y₂和Y₃。将Q₁-0.5(Q₃-Q₁)和Q₃+0.5(Q₃-Q₁)设定为所属突水水源邻区的限值Y₁和Y₄。

其中：每行代表不同的识别指标K⁺+Na⁺，Ca²⁺，Mg²⁺，Cl^-，SO₄ ^2-和HCO₃ ^2-，每列代表五种突水水源类型第四系、白垩系、直罗组1段、直罗组2段和延安组煤系含水层。

将剩余10组水样作为模型验证识别水样，如表3所示。以水样55为例，详细介绍水源类型的识别。

X₅₅＝[311.72,0.35,0.62,61.62,430.21,40.09]^T与集对区间进行对比，如将K⁺+Na⁺＝311.72带入第四系突水水源类型中，与K⁺+Na⁺区间值对比，其值大于邻后区限值43.80，即X₅₅₁∈[43.80,∞)，因此利用公式(10)中次邻右式计算属于第四系的联系度为μ₅₅₁＝0.06+0.03i^-+0.90j^-，同理可算的各指标各水源类型的联系度μ₅₅为：

根据公式(11)将联系度μ₁和组合权重相乘得到综合联系度矩阵Z₁为：

再利用公式(12)各类水源类型的集对势，SPT₁＝0.78，SPT₂＝0.95，SPT₃＝1.74，SPT₄＝20.53和SPT₅＝2.15，将集对势归一化处理后，并用百分数表示，则依此为：2.97％，3.62％，6.67％，78.52％和8.23％。由此可以判断出属于直罗组2段含水层的占比为78.52％，可将水源判定为直罗组2段。

步骤E，通过判别模型识别验证样本的结果与实际结果进行对比；

按照上述方法与步骤，将所有待测水样分别代入到动态集对模型中，其归一后的集对势及识别结果见表3所示。

显然，应用组合权-集对分析模型识别的10组识别验证水样，模型验证结果与实际水源类型完全相符，水源判识准确率高达100％。可用于突水水源判别。

表3组合权集对分析模型验证结果

步骤F，根据满意的判别模型对待评价水样进行预测。

根据验证后的组合权集对分析模型对该井田其他突水水源进行判别，最终发现模型的判别准确率较高，可作为突水水源判别的新方法使用。

本实施例中，尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。

注意到，说明书中对“一个实施例”、“实施例”、“示例实施例”、“一些实施例”等的引用指示所描述的实施例可以包括特定特征、结构或特性，但是每个实施例可以不必包括所述特定特征、结构或特性。而且，这样的短语不必指代同一实施例。此外，当结合实施例描述特定特征、结构或特性时，无论是否明确描述，结合其他实施例来实现这样的特征、结构或特性将在所属领域的技术人员的知识范围内。

提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。

Claims (6)

1.一种煤矿突水水源判别方法，其特征在于，包括以下步骤：

评价指标确定步骤，收集各含水层的水化学数据以及待评价水样的水化学数据，基于所述水化学数据确定突水水源判别模型的评价指标；

判别模型构建步骤，确定各评价指标的组合权重，构建基于组合权重集对分析模型的判别模型；

评价水样预测步骤，将通过判别模型识别验证的样本结果与实际结果进行对比，利用比对结果符合预定条件的判别模型对待评价水样进行预测；

其中，所述判别模型构建步骤中确定的各评价指标的组合权重包括主观权重，所述主观权重计算步骤如下：

比较矩阵建立子步骤，根据评价指标之间的重要程度，建立比较矩阵P，

为比较矩阵第i行第j列的元素，其比较关系为：

(1)

传递矩阵构建子步骤，根据构造的比较矩阵及式（2）计算其最优传递矩阵Q，

(2)

式中：

为比较矩阵P中第i行以及第j行的元素；

为最优传递矩阵的第i行第j列元素；

判断矩阵构建步骤，根据式（3）计算Q的判断矩阵R

(3)

最后利用公式（4），计算各项评价因子的权重值

：

(4)

式中：r _ij 为判断矩R中第i行第j列的元素；

其中，所述判别模型构建步骤中，基于下式之一构建动态权重：

（5）

（6）

式中

为组合权重，

为熵权法计算的客观权重，

为改进层次分析计算的主观权重，n为评价指标数量，a为第i个评价指标的分配系数。

2.根据权利要求1所述的一种煤矿突水水源判别方法，其特征在于，所述评价指标确定步骤收集的水化学数据为各层含水层水样的水质全分析数据。

3.根据权利要求1所述的一种煤矿突水水源判别方法，其特征在于，所述评价指标确定步骤采用主成分分析方法确定突水水源判别的主控因素作为模型的评价指标。

4.一种煤矿突水水源判别系统，其特征在于，包括以下模块：

评价指标确定模块，收集各含水层的水化学数据以及待评价水样的水化学数据，基于所述水化学数据确定突水水源判别模型的评价指标；

判别模型构建模块，确定各评价指标的组合权重，构建基于组合权重集对分析模型的判别模型；

评价水样预测模块，将通过判别模型识别验证的样本结果与实际结果进行对比，利用比对结果符合预定条件的判别模型对待评价水样进行预测；

其中，所述判别模型构建模块中确定的各评价指标的组合权重包括主观权重，所述主观权重计算如下：

比较矩阵建立子步骤，根据评价指标之间的重要程度，建立比较矩阵P，

为比较矩阵第i行第j列的元素，其比较关系为：

(1)

传递矩阵构建子步骤，根据构造的比较矩阵及式（2）计算其最优传递矩阵Q，

(2)

式中：

为比较矩阵P中第i行以及第j行的元素；

为最优传递矩阵的第i行第j列元素；

判断矩阵构建步骤，根据式（3）计算Q的判断矩阵R

(3)

最后利用公式（4），计算各项评价因子的权重值

：

(4)

式中：r _ij 为判断矩R中第i行第j列的元素；

其中，所述判别模型构建模块中，基于下式之一构建动态权重：

（5）

（6）

式中

为组合权重，

为熵权法计算的客观权重，

为改进层次分析计算的主观权重，n为评价指标数量，a为第i个评价指标的分配系数。

5.根据权利要求4所述的一种煤矿突水水源判别系统，其特征在于，所述评价指标确定模块收集的水化学数据为各层含水层水样的水质全分析数据。

6.根据权利要求4所述的一种煤矿突水水源判别系统，其特征在于，所述评价指标确定模块采用主成分分析方法确定突水水源判别的主控因素作为模型的评价指标。

Images