CN113934975B - 基于指数型白化函数和灰色理论的矿井突水水源识别方法 - Google Patents

Abstract

本发明提供了一种基于指数型白化函数和灰色理论的矿井突水水源识别方法，包括如下步骤：首先确定灰色理论与水源判别的联系，然后采用指数型白化函数理论对原始数据建立隶属度函数，计算出各离子指标对应含水层类型的隶属度后，再求出每个实测水样指标对于含水层类型的权重值，最后对隶属度进行加权得到对应含水层类型的综合隶属度，按最大隶属原则找出最大值所在的类别，即为该实测水样的类别，从而快速、准确的识别出矿井突水水源。本发明解决了传统灰色局势决策法的线性白化函数存在未能覆盖所有实测值、可能丢失有用信息以及使评价结果出现误差的问题，具有较好的工程应用价值，满足了矿井多含水层突水水源识别的需要。

Description

基于指数型白化函数和灰色理论的矿井突水水源识别方法

技术领域

本发明涉及矿井突水水源识别技术领域，具体涉及一种基于指数型白化函数和灰色理论的矿井突水水源识别方法。

背景技术

目前我国各类新能源不断崛起，煤炭资源仍在中国能源结构体系中占主导地位。随着煤炭采掘规模的扩大，煤矿巷道突水事故频发，形成多种水害事故类型，严重制约煤炭生产效益和威胁矿工生命安全。这些水害多来源于不同类型的含水层，因此有效对水害类型进行准确、快速的识别是预防煤矿突水事故发生的重要途径，也对煤矿高效生产和保护职工安全具有重大意义。

因此，如何提供一种准确、快速和便捷的突水水源识别方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供一种基于指数型白化函数和灰色理论的矿井突水水源识别方法，可快速、准确和便捷的识别出矿井突水水源。

为了实现上述目的，本发明采用如下技术方案：

一种基于指数型白化函数和灰色理论的矿井突水水源识别方法，包括如下步骤：

S1、确定灰色理论与水源判别的联系，基于实测水样利用Huber-M值估计法对离子指标浓度值进行对应含水层类型分级；

S2、利用指数型白化函数对实测水样常规离子测试数据建立各离子指标对应含水层类型的隶属度函数；将实测水样常规离子测试数据回代到函数模型中，得出隶属度值，基于各离子指标隶属度函数值，对每个实测水样各离子指标对应含水层的权重值采用百分比权重法进行计算；

S3、基于各离子指标隶属度函数值和对应含水层的权重值确定综合隶属度矩阵，根据综合隶属度的大小识别不同实测水样的水源类型。

优选的，所述S1具体包括：

S11设有n个事件a₁,a₂,…,a_n，每个事件都有对应m个决策b₁,b₂,…,b_n，SI_ij表示第i事件用第j个对策b_j处理的局势，构成n×m个局势，局势矩阵可表示为：

决策时运用的准则或者标准即灰色局势决策的目标记为：T＝{t₁,t₂,…,t_p}；在基于灰色局势决策识别突水水源中，不同实测水样作为事件i，不同离子指标类型作为决策j，以不同含水层类型作为目标T；

S12采集若干组实测水样训练样本，采用分析-描述统计-探索-HuberM值估计算法对训练样本若干个离子指标浓度值进行对应含水层分级。

优选的，所述S2具体包括：

S21建立指数型白化函数：

当T＝1时，采用降半曲边梯形隶属函数为：

当2≤T＜p时，采用曲边梯形隶属函数为：

当T＝p时，采用升用降半曲边梯形隶属函数为：

公式(2)-(4)中，f_jT为T目标，即含水层类型中的第j个离子指标的白化隶属度函数；p为目标数，即含水层数目，指数系数b_jT表示某一含水层T的第j个离子指标值的上限，特别的b_j0表示第j个离子指标值的下限，其值为0；β_j为第j离子指标的参考标准，并将其取为第j个离子指标各含水层类型标准的平均值，即

S22、回代实测水样常规离子测试数据到白化函数中计算出不同目标下的白化隶属度值为

S23计算每个实测水样的离子指标对应各含水层类型中的权重值，

其中i＝1,2,…,n，j＝1,2,…,m，T＝1,2,…,p。

优选的，所述S3具体包括：

S31基于S22和S23确定综合隶属度矩阵r_iT，

S32、依据最大隶属度原则找出各水样隶属度最大值所在的水源类别，为该突水水源，即

经由上述的技术方案可知，与现有技术相比，本发明的有益效果包括：

首先确定灰色理论与水源判别的联系，然后采用指数型白化函数理论对原始数据建立隶属度函数，计算出各离子指标对应含水层类型的隶属度后，再求出每个训练样本指标对于含水层类型的权重值，最后对隶属度进行加权得到对应含水层类型的综合隶属度，按最大隶属原则找出最大值所在的类别，即为该训练样本的类别，从而快速、准确的识别出矿井突水水源。因此本发明提供的模型解决了传统灰色局势决策法的线性白化函数存在未能覆盖所有实测值、可能丢失有用信息以及使评价结果出现误差的问题，具有较好的工程应用价值，满足了矿井多含水层突水水源识别的需要。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图；

图1为本发明实施例提供的一种基于指数型白化函数和灰色理论的矿井突水水源识别方法的流程图；

图2为本发明实施例提供的指数型白化函数图；

图3为本发明实施例提供的不同离子指标的指数型白化函数图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出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。

参见附图1，本实施例公开的一种用于基于指数型白化函数和灰色理论的矿井突水水源识别方法的了流程图。本发明构建一种集灰色理论和指数型白化函数于一体的数据融合模型，即基于指数型白化函数理论和灰色局势决策方法的水源判别模型，首先将灰色理论融合到突水水源判别中，将水源判别这种定性问题定量化处理，再使用指数型白化函数计算白化隶属函数值，其改善了未能覆盖所有实测值、可能丢失有用信息以及使评价结果出现误差等问题，并对白化隶属函数值进行加权处理，降低了数据间相关关系和数据波动性对结果的影响，最终计算得到综合隶属度矩阵。为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例对本发明进一步解释说明。

本实施例选取离子指标X₁(Na⁺)、X₂(Ca²⁺)、X₃(Mg²⁺)、X₄(Cl^-)和X₅(SO₄ ^2-)作为影响淮北煤田宿县-临涣矿区含水层突水水源的主控因素。基于矿区含水层突水资料，主要包括第四系松散含水层(Q)，二叠系煤系含水层(P)和太原组灰岩含水层(C)，以下均用Q、P和C代替。选择52组水样，如表1所示，对研究区7煤顶板砂岩含水层突水量进行预测分析。

表1水样离子浓度表(单位：mg/L)

请参阅图1，本发明提供一种基于指数型白化函数和灰色理论的矿井突水水源识别方法，包括如下步骤：

S11设有i个事件a₁,a₂,…,a_n，每个事件都有对应j个决策b₁,b₂,…,b_m，SI_ij表示第i事件用第j个对策b_j处理的局势，构成n×m个局势，局势矩阵可表示为：

决策时运用的准则或者标准即灰色局势决策的目标可记为：T＝{t₁,t₂,…,t_p}；在基于灰色局势决策识别突水水源中，不同实测水样作为事件i＝52，不同离子指标类型作为决策j＝6，以不同含水层类型作为目标p＝3。

S12采集52组实测训练样本，采用SPSS26.0软件的分析-描述统计-探索-HuberM值估计功能对6个离子变量进行对应含水层分级，分级结果如表2所示。

表2 Huber-M值估计法分级结果表(单位：mg/L)

含水层	k++Na+	Ca2+	Mg2+	Cl-	SO4 2-	HCO3 -
							Q	276.28	100.19	67.15	192.84	472.15	450.07
P	349.63	8.90	7.09	163.11	78.34	512.62
							C	317.86	167.57	70.68	294.36	782.78	427.16

S21建立指数型白化隶属函数，如图3所示不同离子指标的指数型白化隶属函数：

S21建立指数型白化隶属函数：

当T＝1时，采用降半曲边梯形白化隶属函数为：

当2≤T＜p时，采用曲边梯形白化隶属函数为：

当T＝p时，采用升用降半曲边梯形白化隶属函数为：

公式(2)-(4)中，f_jT为T目标，即含水层类型中的第j个离子指标的白化隶属函数；p为目标数，即含水层数目，指数系数b_jT表示某一含水层T的第j个离子指标值的上限，特别的b_j0表示第j个离子指标值的下限，其值为0；β_j为第j离子指标的参考标准，并将其取为第j个离子指标各含水层类型标准的平均值，即

由图3a和公式(2)-(5)可知，指标X₁的三个白化隶属度函数为：

由图3b和公式(2)-(5)可知，指标X₂的三个白化隶属度函数为：

由图3c和公式(2)-(5)可知，指标X₃的三个白化隶属度函数为：

由图3d和公式(2)-(5)可知，指标X₄的三个白化隶属度函数为：

由图3e和公式(2)-(5)可知，指标X₅的三个白化隶属度函数为：

由图3f和公式(2)-(5)可知，指标X₆的三个白化隶属度函数为：

S22回代实测水样数据到白化函数中计算出不同目标下的白化隶属度值为如表3所示：

表3不同含水层下的指标白化隶属度值表

S23由式(7)计算每个水样的离子指标对应各含水层类型中的权重值，

其中i＝1,2,…,n，j＝1,2,…,m，T＝1,2,…,p。

表4不同含水层下的指标白化隶属度权重值表

S31先基于S22和S23确定综合隶属度矩阵r_iT，

S32再依据最大隶属度原则找出各水样隶属度最大值所在的水源类别，为该突水水源，即

依据步骤S31和S32得到综合判别结果，如表5所示。

表5综合判别结果表

综上所述，本发明针对煤矿突水水源与其离子指标之间的复杂性和非线性关系，提供了一种基于指数型白化函数和灰色理论的矿井突水水源识别方法，首先确定灰色理论与水源判别的联系，然后采用指数型白化函数理论对实测水样常规离子测试数据建立隶属度函数，解决了传统灰色局势决策法的线性白化函数存在未能覆盖所有实测值、可能丢失有用信息以及使评价结果出现误差的问题，计算出各离子指标对应含水层类型的隶属度后，再求出每个实测水样离子指标对于含水层类型的权重值，最后对隶属度进行加权得到对应含水层类型的综合隶属度，按最大隶属原则找出最大值所在的类别，即为该实测水样的类别，从而快速、准确的识别出矿井突水水源。最后通过实例仿真，结果表明：本发明的回代判别效果较好，松散水判别正确率为93.33％，煤系水判别正确率为93.33％，灰岩水判别正确率为83.33％，综合准确率为90.38％，判别准确率高，足以验证该方法的可靠性。

以上对本发明所提供的基于指数型白化函数和灰色理论的矿井突水水源识别方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种基于指数型白化函数和灰色理论的矿井突水水源识别方法，其特征在于，包括如下步骤：

S1、确定灰色理论与水源判别的联系，基于实测水样利用Huber-M值估计法对离子指标浓度值进行对应含水层类型分级；具体包括：

S11设有n个事件a₁,a₂,…,a_n，每个事件都有对应m个决策b₁,b₂,…,b_n，SI_ij表示第i事件用第j个对策b_j处理的局势，构成n×m个局势，局势矩阵可表示为：

决策时运用的准则或者标准即灰色局势决策的目标记为：T＝{t₁,t₂,…,t_p}；在基于灰色局势决策识别突水水源中，不同实测水样作为事件i，不同离子指标类型作为决策j，以不同含水层类型作为目标T；

S12采集若干组实测水样训练样本，采用分析-描述统计-探索-HuberM值估计算法对训练样本若干个离子指标浓度值进行对应含水层分级；

S2、利用指数型白化函数对实测水样常规离子测试数据建立各离子指标对应含水层类型的隶属度函数；将实测水样常规离子测试数据回代到函数模型中，得出隶属度值，基于各离子指标隶属度函数值，对每个实测水样各离子指标对应含水层的权重值采用百分比权重法进行计算；具体包括：

S21建立指数型白化函数：

当T＝1时，采用降半曲边梯形隶属函数为：

当2≤T＜p时，采用曲边梯形隶属函数为：

当T＝p时，采用升用降半曲边梯形隶属函数为：

公式(2)-(4)中，f_jT为T目标，即含水层类型中的第j个离子指标的白化隶属度函数；p为目标数，即含水层数目，指数系数b_jT表示某一含水层T的第j个离子指标值的上限，特别的b_j0表示第j个离子指标值的下限，其值为0；β_j为第j离子指标的参考标准，并将其取为第j个离子指标各含水层类型标准的平均值，即

S22回代实测水样常规离子测试数据到白化函数中计算出不同目标下的白化隶属度值为

S23计算每个实测水样的离子指标对应各含水层类型中的权重值，

其中i＝1,2,…,n，j＝1,2,…,m，T＝1,2,…,p；

S3、基于各离子指标隶属度函数值和对应含水层的权重值确定综合隶属度矩阵，根据综合隶属度的大小识别不同实测水样的水源类型；具体包括：

S31基于S22和S23确定综合隶属度矩阵r_iT，

S32、依据最大隶属度原则找出各水样隶属度最大值所在的水源类别，为该突水水源，即