CN112966783A - 一种矿井水常量离子特征标识及水源判别的方法 - Google Patents
一种矿井水常量离子特征标识及水源判别的方法 Download PDFInfo
- Publication number
- CN112966783A CN112966783A CN202110391052.6A CN202110391052A CN112966783A CN 112966783 A CN112966783 A CN 112966783A CN 202110391052 A CN202110391052 A CN 202110391052A CN 112966783 A CN112966783 A CN 112966783A
- Authority
- CN
- China
- Prior art keywords
- water
- ions
- constant
- mine
- water source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 204
- 238000000034 method Methods 0.000 title claims abstract description 54
- 150000002500 ions Chemical class 0.000 claims abstract description 83
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 238000013178 mathematical model Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 7
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000009897 systematic effect Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 108010014173 Factor X Proteins 0.000 claims description 2
- 238000007621 cluster analysis Methods 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 32
- 239000003245 coal Substances 0.000 description 6
- 238000005259 measurement Methods 0.000 description 3
- 239000010797 grey water Substances 0.000 description 2
- 239000006028 limestone Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011545 laboratory measurement Methods 0.000 description 1
- 239000006101 laboratory sample Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Abstract
本发明公开了一种矿井水常量特征离子标识及水源判别的方法,属于水文地质及水化学技术领域。本发明方法步骤S1:统计整合矿井主要充水含水层的水质资料;步骤S2:利用聚类分析方法,排除各水源含水层异样水样,明确各水源常量离子的分界阈值;步骤3:确定各水源常量离子的标准浓度、不同水源间常量离子的变异系数以及各水源的常量特征离子;步骤S4:建立二级模糊综合评判数学模型,判别矿井水的水源,并定量计算构成比例。
Description
技术领域
本发明涉及水文地质及水化学领域,属于矿井水常量离子特征标识及水源判别技术领域。
背景技术
目前,面对煤矿区水文地质条件复杂、矿井水害频发的问题,有必要采用一种简单有效的方法来确定矿井涌水的来源和构成,以用于指导煤矿防治水工作的进行。地下水由于赋存、演化环境的不同,各含水层水物理、化学特征存在差异性,基于此,利用同位素、水温、地下水水位动态、微量元素含量、常量离子浓度等参数,本领域的技术人员做了深入的研究,提出了多种水源确定、判断、识别的方法。其中如何明确各水源含水层水质特征是影响判断方法准确性的基础,为了快速识别矿井突水水样来源构成,有必要提前建立准确的水源含水层水质特征库。
煤矿区地下水常量离子含量相较于其他参数而言易于监测,具有快速、时效性强的特点,是用于判别水样来源的优质选择,但合适的特征离子以及计算方法的选取是影响水源判别准确度的关键。常规方法直接利用水样常量离子浓度进行数学方法计算,忽略了含水层水质可能存在某种离子浓度相似带来的计算误差以及实验室测样带来的测量误差,从而导致计算精度不高。
发明内容
为了克服上述现有技术的不足之处,本发明提供一种矿井水常量离子特征标识及水源判别的方法,公开了一种建立矿井含水层水样特征离子库的方法以及利用合理特征离子定量计算矿井水来源构成比例的方法,能够提高计算矿井水来源构成比例的精度,本发明也是国家重点研发计划项目“煤矿区场地地下水污染防控材料与技术(2019YFC1805400)”的成果之一。
本发明是通过如下技术方案实现的:一种矿井水常量离子特征标识及水源判别的方法,包括:
步骤一、获取矿井主要充水含水层的水质数据,对水样的6大常量离子的浓度值进行统计整合,所述6大常量离子包括K++Na+、Ca2+、Mg2+、Cl-、SO4 2-和HCO3 -;
步骤二、排除各含水层异常水样点,明确各水源常量离子的分界阈值;
对统计的水样数据进行系统聚类分析,将6大常量离子的浓度值作为变量进行聚类;聚类方法采用“系统聚类法”,系统聚类法是先将聚类的样本或变量各自看成一群,然后确定类与类间的相似统计量,并选择最接近的两类或若干个类合并成一个新类,计算新类与其他各类间的相似性统计量,再选择最接近的两群或若干群合并成一个新类,直到所有的样本或变量都合并成一类为止;距离采用平方欧式距离,将距离小于5的水样分为一类,根据聚类结果,排除水样异常点(即水化学特征偏离总体特征的水样点),明确各水源含水层水质特征界限;
步骤三、确定各水源常量离子的标准浓度,根据数据变异系数,数据变异系数是指原始数据标准差与原始数据平均数的比,筛选出各水源含水层差异性明显的常量离子作为特征离子;
根据步骤二所筛选水样,整理归纳各水源水化学常量离子浓度取值范围,取均值作为其常量离子的标准浓度;依据变异系数这一指标剔除各水源变异系数较大的常量离子,选取变异系数小于10%的常量离子作为用于计算的特征离子;
步骤四、建立二级模糊综合评判数学模型,判别矿井水的水源,并定量计算构成比例。
进一步,所述步骤二中,利用SPSS软件对统计的水样数据进行系统聚类分析。
进一步,所述步骤四中,采用偏标加权法确定代表因素的权重,采用专家推理法确定隶属度,对矿井水源进行模糊综合判别。
进一步的,所述步骤四中,建立二级模糊综合评判数学模型为:
首先,建立特征离子的因素集:
U={X,Y,Z,......};
然后,建立评价集
V={水源含水层1、水源含水层2、水源含水层3}
三个含水层分别用I、II、Ⅲ来表示;
再建立权重向量A={a1,a2,......,am};
采用偏标加权法确定权重;
式中:ai为水样第i个评价因素的权重,Sij(Sxj)为水样第i(x)个因素的实测值,Ui1、Ui2、Ui3(Ux1、Ux2、Ux3)分别为第i(x)个评价因子在各含水层的标准值,Ui(Ux)为所有含水层第i(x)个评价因素的平均值,m为评价因素的个数(1≤i,x≤m);
根据偏标加权法确定的待判定水样各评价因素的权重向量为
A={a1,a2,a3,......}。
隶属度的确定采用专家推理法,采用梯形模糊分布的隶属度函数类型,不受离子种类限制,适用于不同环境下的矿井;当特征离子X在I中浓度最小,在II中浓度中等,在Ⅲ中浓度最高时,X的隶属函数模型如下:
式中:r1(x)、r2(x)、r3(x)分别为评价因素X对I、II、Ⅲ含水层的隶属函数;计算的X作为一种影响因素的评判结果为RX=(r1,r2,r3);
同理,分别计算出其余特征离子作为影响因素的评判结果,进而得出模糊评价矩阵R;
利用偏标加权法对矿井水样的评价结果计算为:B=AR;
根据计算结果,得出待判定水样来源。
本发明的有益效果是:本发明方法中,首先利用聚类分析方法明确各水源含水层常量离子标准浓度,然后通过变异系数这一指标选取差异性明显的特征离子作为计算参数,进一步消除了计算误差及测量误差,最后建立二级模糊综合评判数学模型,定量计算了矿井水来源构成比例。
本发明一方面建立了长久可用的矿区含水层水质特征离子库,另一方面提升了矿井水来源构成比例计算的精度,为矿井突水及涌水量构成识别提供了一种新的实用方法。
附图说明
下面根据附图和实施例对本发明进一步说明。
图1是本发明的建立矿井含水层水样特征离子库及定量计算矿井水来源构成比例方法流程图。
图2是本发明实施例提供的利用SPSS软件所制的水样聚类结果示意图。
具体实施方式
下面将结合说明书附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有开展创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
对于本领域技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
一种矿井水常量离子特征标识及水源判别的方法,包括:
步骤一、获取矿井主要充水含水层的水质数据,对水样的6大常量离子的浓度值进行统计整合,所述6大常量离子包括K++Na+、Ca2+、Mg2+、Cl-、SO4 2-和HCO3 -;
步骤二、排除各含水层异常水样点,明确各水源常量离子的分界阈值;
对统计的水样数据进行系统聚类分析,将6大常量离子的浓度值作为变量进行聚类;聚类方法采用“系统聚类法”(这种方法是先将聚类的样本或变量各自看成一群,然后确定类与类间的相似统计量,并选择最接近的两类或若干个类合并成一个新类,计算新类与其他各类间的相似性统计量,再选择最接近的两群或若干群合并成一个新类,直到所有的样本或变量都合并成一类为止),距离采用平方欧式距离,将距离小于5的水样分为一类,根据聚类结果,排除水样异常点(即水化学特征偏离总体特征的水样点),明确各水源含水层水质特征界限;
步骤三、确定各水源常量离子的标准浓度,根据数据变异系数(原始数据标准差与原始数据平均数的比)筛选出各水源含水层差异性明显的常量离子作为特征离子;
根据步骤二所筛选水样,整理归纳各水源水化学常量离子浓度取值范围,取均值作为其常量离子的标准浓度;依据变异系数这一指标剔除各水源变异系数较大的常量离子,选取变异系数小于10%的常量离子作为用于计算的特征离子(此句不清楚是将变异系数小于10%的离子留下还是排除);
步骤四、建立二级模糊综合评判数学模型,判别矿井水的水源,并定量计算构成比例。
如图1所示,下面将结合实施例以更加清晰、明确表述本发明的技术方案。
步骤一、统计整合矿井主要含水层水样水质资料。
某矿矿井主要充水水源为第四系底砾层水(底含水)、煤层顶底板砂岩含水层水(砂岩水)、煤层底板太原组L4灰岩水(四灰水)。根据矿井历年含水层水质监测资料,对水样数据的6大特征离子(K++Na+、Ca2+、Mg2+、Cl-、SO4 2-、HCO3 -)浓度进行统计整合。本次选取18个水样作为基础值,其中底含水样8个,砂岩水样4个,四灰水样6个。
步骤二、利用聚类分析方法,排除各水源含水层异样水样,明确各水源含水层水质特征的明显分界。
利用SPSS软件对统计的水样数据进行系统聚类分析,将6大特征离子浓度值作为变量进行聚类。聚类方法采用“沃德联接方法”,距离采用平方欧式距离,将距离小于5的水样分为一类。根据聚类结果,排除水样异常点,明确各水源含水层水质特征界限。
如图2所示,18组水样被分为了A(1、2、3、4、5、6)、B(7、8、9、10、11、12、13、14)、C(15、16、17、18)三类。A组水样为四灰水,B组为底含水,C组为砂岩水。18组水样聚类结果与含水层分类结果一致,无特殊需要排除水样,说明三种主要含水层水质特征界限具有明显分别,具备用于进一步判别水源构成的条件。将A、B、C三组的离子特征浓度范围进行统合分析。
步骤三、建立各水源含水层水样水质离子标准浓度,根据数据变异系数筛选出各水源含水层差异性明显的特征离子用于计算。
根据步骤二所筛选水样,整理归纳各水源水质特征离子浓度取值范围,取均值作为其水质特征标准值。依据变异系数这一指标剔除各水源含水层变异系数小于10%的常量离子作为用于计算的特征离子。
表1根据本发明实施例建立的水源含水层标准值及待判定水样常量离子浓度表
根据表1所示结果,三类水源含水层水样特征总体差异性较为明显,但部分常量离子浓度仍然较为接近。除此以外,各含水层水样在进行测定的时候可能存在实验室测量误差,为了进一步提升计算精度,消除测量及计算方法误差,本次依据变异系数这一指标剔除各水源含水层差异性小于10%的常量离子作为用于计算的特征离子。最终选取K++Na+、Ca2 +、Mg2+、HCO3 -四组指标进行下一步计算。
步骤四、建立二级模糊综合评判数学模型,定量计算矿井混合水样来源及构成比例。
首先,建立因素集
然后,建立评价集
V={第四系底含、顶底板砂岩水、L4灰岩水}
三个含水层分别用I、II、Ⅲ来表示;
再建立权重向量A={a1,a2,......,am}。
采用偏标加权法确定权重。
式中:ai为水样第i个评价因素的权重,Sij(Sxj)为水样第i(x)个因素的实测值,Ui1、Ui2、Ui3(Ux1、Ux2、Ux3)分别为第i(x)个评价因子在各含水层的标准值,Ui(Ux)为所有含水层第i(x)个评价因素的平均值,m为评价因素的个数(m=4,1≤i,x≤m)。
表2根据偏标加权法确定的待判定水样各评价因素的权重表
隶属度的确定采用专家推理法,采用梯形模糊分布的隶属度函数类型,不受离子种类限制,适用于不同环境下的矿井。以K++Na+为例进行隶属函数的分析计算。
同理,分别计算出Ca2+、Mg2+、HCO3 -作为影响因素的评判结果,进而得出模糊评价矩阵R。
利用偏标加权法对矿井水样的评价结果计算为:B=AR=(0.342,0.64,0.018)。
根据计算结果,可以得出本次矿井水的待判定水样来源为34.2%的底含水,64%的砂岩水以及1.8%的四灰水,经查验与矿井生产实际涌水情况相符。
以上所述仅为本发明的示例性实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种矿井水常量特征离子标识及水源判别的方法,其特征在于:
步骤一、获取矿井主要充水含水层的水质数据,对水样的6大常量离子的浓度值进行统计整合,所述6大常量离子包括K++Na+、Ca2+、Mg2+、Cl-、SO4 2-和HCO3 -;
步骤二、排除各含水层异常水样点,明确各水源常量离子的分界阈值;
对统计的水样数据进行系统聚类分析,将所述6大常量离子的浓度值作为变量进行聚类;聚类方法采用“系统聚类法”,距离采用平方欧式距离,将距离小于5的水样分为一类,根据聚类结果,排除水样异常点,异常点即水化学特征偏离总体特征的水样点,明确各水源含水层水质特征界限;
步骤三、确定各水源常量离子的标准浓度,根据数据变异系数,数据变异系数即原始数据标准差与原始数据平均数的比,筛选出各水源含水层差异性明显的常量离子作为特征离子;
根据步骤二所筛选水样,整理归纳各水源水化学常量离子浓度取值范围,取均值作为其常量离子的标准浓度;依据变异系数这一指标剔除各水源变异系数较大的常量离子,选取变异系数小于10%的常量离子作为用于计算的特征离子;
步骤四、建立二级模糊综合评判数学模型,判别矿井水的水源,并定量计算构成比例。
2.根据权利要求1所述的矿井水常量离子特征标识及水源判别的方法,其特征在于:所述步骤二中,利用SPSS软件对统计的水样数据进行系统聚类分析。
3.根据权利要求1所述的矿井水常量离子特征标识及水源判别的方法,其特征在于:所述步骤四中,采用偏标加权法确定代表因素的权重,采用专家推理法确定隶属度,对矿井水源进行模糊综合判别。
4.根据权利要求1或3所述的矿井水常量离子特征标识及水源判别的方法,其特征在于:所述步骤四中,建立二级模糊综合评判数学模型为:
首先,建立特征离子的因素集:
U={X,Y,Z,......};
然后,建立评价集
V={水源含水层1、水源含水层2、水源含水层3}
三个含水层分别用I、II、Ⅲ来表示;
再建立权重向量A={a1,a2,......,am};
采用偏标加权法确定权重;
式中:ai为水样第i个评价因素的权重,Sij(Sxj)为水样第i(x)个因素的实测值,Ui1、Ui2、Ui3(Ux1、Ux2、Ux3)分别为第i(x)个评价因子在各含水层的标准值,Ui(Ux)为所有含水层第i(x)个评价因素的平均值,m为评价因素的个数(1≤i,x≤m);
根据偏标加权法确定的待判定水样各评价因素的权重向量为
A={a1,a2,a3,......}。
隶属度的确定采用专家推理法,采用梯形模糊分布的隶属度函数类型,不受离子种类限制,适用于不同环境下的矿井;当特征离子X在I中浓度最小,在II中浓度中等,在Ⅲ中浓度最高时,X的隶属函数模型如下:
式中:r1(x)、r2(x)、r3(x)分别为评价因素X对I、II、Ⅲ含水层的隶属函数;计算的X作为一种影响因素的评判结果为RX=(r1,r2,r3);
同理,分别计算出其余特征离子作为影响因素的评判结果,进而得出模糊评价矩阵R;
利用偏标加权法对矿井水样的评价结果计算为:B=AR;
根据计算结果,得出待判定水样来源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391052.6A CN112966783A (zh) | 2021-04-12 | 2021-04-12 | 一种矿井水常量离子特征标识及水源判别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391052.6A CN112966783A (zh) | 2021-04-12 | 2021-04-12 | 一种矿井水常量离子特征标识及水源判别的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112966783A true CN112966783A (zh) | 2021-06-15 |
Family
ID=76280228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110391052.6A Pending CN112966783A (zh) | 2021-04-12 | 2021-04-12 | 一种矿井水常量离子特征标识及水源判别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966783A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5580441A (en) * | 1993-12-16 | 1996-12-03 | Kabushiki Kaisha Toshiba | Method of measuring ion concentration and apparatus therefor |
CN103592420A (zh) * | 2013-11-15 | 2014-02-19 | 武汉长盛煤安科技有限公司 | 矿井突水水源综合快速判识设备及方法 |
US20160145994A1 (en) * | 2014-11-20 | 2016-05-26 | Petrochina Company Limited | Evaluation Method and Evaluation Device for Water Breakthrough Risk of Production Wells in Aquifer Drive Gas Reservoirs |
CN106803010A (zh) * | 2016-08-10 | 2017-06-06 | 中国石油大学(华东) | 用于低渗透储层定量评价的模糊灰色综合评判方法和装置 |
CN111410300A (zh) * | 2019-01-07 | 2020-07-14 | 清华大学 | 一种应用氢自养反硝化颗粒污泥去除地下水中硝酸盐的方法 |
-
2021
- 2021-04-12 CN CN202110391052.6A patent/CN112966783A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5580441A (en) * | 1993-12-16 | 1996-12-03 | Kabushiki Kaisha Toshiba | Method of measuring ion concentration and apparatus therefor |
CN103592420A (zh) * | 2013-11-15 | 2014-02-19 | 武汉长盛煤安科技有限公司 | 矿井突水水源综合快速判识设备及方法 |
US20160145994A1 (en) * | 2014-11-20 | 2016-05-26 | Petrochina Company Limited | Evaluation Method and Evaluation Device for Water Breakthrough Risk of Production Wells in Aquifer Drive Gas Reservoirs |
CN106803010A (zh) * | 2016-08-10 | 2017-06-06 | 中国石油大学(华东) | 用于低渗透储层定量评价的模糊灰色综合评判方法和装置 |
CN111410300A (zh) * | 2019-01-07 | 2020-07-14 | 清华大学 | 一种应用氢自养反硝化颗粒污泥去除地下水中硝酸盐的方法 |
Non-Patent Citations (7)
Title |
---|
NI FUQUAN 等: "Notice of Retraction: Set Pair Analysis for Rural Drinking Water Quality", 《 2010 4TH INTERNATIONAL CONFERENCE ON BIOINFORMATICS AND BIOMEDICAL ENGINEERING》, pages 1 - 6 * |
吴开兴 等: "基于模糊综合评判算法的矿井水质检测系统", 《煤矿安全》, vol. 44, no. 4, pages 126 * |
姚毅: "基于多元统计和AquaChem的天山南麓小流域水体化学计量特征", 《陕西水利》, no. 02, 20 March 2018 (2018-03-20), pages 96 - 98 * |
张小文 等: "地下水主要组分水化学异常识别方法对比:以柳江盆地为例", 《环境科学》, vol. 38, no. 08, 31 August 2017 (2017-08-31), pages 3225 - 3234 * |
李武俊 等: "基于偏标加权法模糊综合评判的矿井涌水水源分析", 《中国煤炭地质》, vol. 24, no. 4, pages 35 - 36 * |
杨勇: "矿井突水水源类型在线判别理论与方法研究", 《中国博士学位论文全文数据库工程科技Ⅰ辑》, pages 19 * |
殷晓曦 等: "系统聚类逐步判别法对皖北矿区突水水源的分析", 《煤田地质与勘探》, vol. 34, no. 2, pages 60 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650797B (zh) | 一种基于集成elm的配电网窃电嫌疑用户智能识别方法 | |
CN109993459B (zh) | 一种复杂多含水层矿井突水水源识别方法 | |
CN104820873A (zh) | 一种基于金属定量构效关系的淡水急性基准预测方法 | |
CN108665119B (zh) | 一种供水管网异常工况预警方法 | |
CN111160776A (zh) | 利用分块主成分分析的污水处理过程异常工况检测方法 | |
CN107677614A (zh) | 一种水中重金属污染风险在线预警系统及方法 | |
CN112785450A (zh) | 一种土壤环境质量分区方法及系统 | |
CN113516228B (zh) | 一种基于深度神经网络的网络异常检测方法 | |
CN103278616B (zh) | 一种土壤腐蚀性快速评价的多因子方法 | |
Farmaki et al. | A comparative chemometric study for water quality expertise of the Athenian water reservoirs | |
CN110619418A (zh) | 一种基于混合模型组合算法的多特征水质预测方法 | |
CN110674858A (zh) | 一种基于时空关联与大数据挖掘的交通拥堵检测方法 | |
Astin | Developing biological indicators from diverse data: The Potomac Basin-wide Index of Benthic Integrity (B-IBI) | |
CN110781225B (zh) | 一种环境介质污染物浓度水平的诊断方法 | |
Reta et al. | The influence of large scale phosphate mining on the water quality of the Huangbaihe River basin in China: dominant pollutants and spatial distributions | |
CN113533672B (zh) | 一种水质在线监测方法及装置 | |
CN114580940A (zh) | 基于灰色关联度分析法的注浆效果模糊综合评价方法 | |
CN108931815A (zh) | 一种岩性的分级识别方法 | |
Zhu et al. | Fuzzy c-means clustering identification method of urban road traffic state | |
CN117170221A (zh) | 一种污水处理的人工智能控制系统 | |
CN112966783A (zh) | 一种矿井水常量离子特征标识及水源判别的方法 | |
CN116823047A (zh) | 基于蒙特卡洛-可变模糊集的湖泊富营养化评价方法 | |
CN112257336B (zh) | 一种基于特征选择与支持向量机模型的矿井突水水源判别方法 | |
CN112257763A (zh) | 一种基于特征选择与AdaBoost模型的矿井突水水源判别方法 | |
CN116205361B (zh) | 一种基于匹配度的工业用水效率分级预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |