CN115393123B - 矿区矿井水水质评估方法、装置、电子设备及存储介质 - Google Patents
矿区矿井水水质评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115393123B CN115393123B CN202211020282.2A CN202211020282A CN115393123B CN 115393123 B CN115393123 B CN 115393123B CN 202211020282 A CN202211020282 A CN 202211020282A CN 115393123 B CN115393123 B CN 115393123B
- Authority
- CN
- China
- Prior art keywords
- characteristic factor
- concentration
- mine water
- database
- characteristic
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 211
- 238000005065 mining Methods 0.000 title claims abstract description 44
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 14
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 239000003245 coal Substances 0.000 claims abstract description 79
- 239000011435 rock Substances 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012360 testing method Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000002156 mixing Methods 0.000 claims abstract description 15
- 239000000203 mixture Substances 0.000 claims abstract description 15
- 238000013441 quality evaluation Methods 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 11
- 239000000463 material Substances 0.000 claims abstract description 9
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 claims abstract description 8
- 238000002386 leaching Methods 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 17
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 17
- 229910052731 fluorine Inorganic materials 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 11
- 238000011049 filling Methods 0.000 claims description 8
- 238000002791 soaking Methods 0.000 claims description 8
- 238000005553 drilling Methods 0.000 claims description 7
- 238000001035 drying Methods 0.000 claims description 7
- 239000007788 liquid Substances 0.000 claims description 7
- 239000002245 particle Substances 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000003673 groundwater Substances 0.000 claims description 5
- 229910052770 Uranium Inorganic materials 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 238000004090 dissolution Methods 0.000 claims description 3
- 239000010419 fine particle Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 6
- 150000002500 ions Chemical class 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- -1 fluoride ions Chemical class 0.000 description 4
- 229910001385 heavy metal Inorganic materials 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- JLVVSXFLKOJNIY-UHFFFAOYSA-N Magnesium ion Chemical compound [Mg+2] JLVVSXFLKOJNIY-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 229910001424 calcium ion Inorganic materials 0.000 description 3
- 208000028659 discharge Diseases 0.000 description 3
- 229910001425 magnesium ion Inorganic materials 0.000 description 3
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 2
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 description 2
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 230000033558 biomineral tissue development Effects 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011737 fluorine Substances 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 229910052748 manganese Inorganic materials 0.000 description 2
- 239000011572 manganese Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910001414 potassium ion Inorganic materials 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 229910001415 sodium ion Inorganic materials 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- AAOVKJBEBIDNHE-UHFFFAOYSA-N diazepam Chemical group N=1CC(=O)N(C)C2=CC=C(Cl)C=C2C=1C1=CC=CC=C1 AAOVKJBEBIDNHE-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000001223 reverse osmosis Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1813—Specific cations in water, e.g. heavy metals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/182—Specific anions in water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Economics (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Dispersion Chemistry (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种矿区矿井水水质评估方法、装置、电子设备及存储介质,其方法包括:S1、确定开采煤层所处的地层结构、成分构成;S2、以物质元素构成构建特征因子数据库,对开采煤层从上至下依次分层测量水质参数由此得到初始特征因子数据集;S3、测量确定矿井水的来源及比例δj;S4、确定影响矿井水的修正系数;S5、得出矿井水水质数据。本发明根据研究区地层结构、成分构成构建初始特征因子数据集,通过水‑水混合试验、水‑岩平衡试验分别得到影响矿井水修正系数的低、高值,通过运算得到矿井水水质数据,建立了一整套能够实现矿井水追源关系研究与持续水质评估,有利于后续的采矿作业指导和外排措施合理规划。
Description
技术领域
本发明涉及煤炭开采及矿井水质领域,尤其涉及一种矿区矿井水水质评估方法、装置、电子设备及存储介质。
背景技术
煤矿开采多是以井工开采方式进行,为保障矿井安全生产避免发生水害等灾情,大量的矿井水需外排处理,这样矿井水的水质情况就显得比较严重。由于煤炭开采需导通含水层,导致地下含水水由水平方向径流转化为以垂直方向渗流为主,在与多层地下水与煤层上覆岩等接触后会对水质产生明显的影响。目前,矿区开采前详勘、环评等步骤均是通过地下水文孔监测,获取地下含水层,尤其是待开采煤层上方需导通的地下水层水质参数,并以此作为后续矿井水处理工艺选取与设计依据。然而,水质参数(例如:水体的TDS、总硬度、钙、镁、氟离子等,可能会影响矿井水处理站的效果甚至影响部分工艺设备,如残存钙、镁离子结垢对反渗透膜的影响,又比如:F离子(即氟离子)浓度过高而无法达到地表三类水标准)怎样测量与评测,及如何准确反应开采后的真实数据是本领域需要解决的技术难题;现有技术无法确定矿井水的开采煤层来源和物质来源分布,也就无法对矿井水进行持续水平评估或治理分析等,无法从来源上追根溯源分析与评估矿井水,更无法有效采取合理的外排处理措施。
发明内容
本发明的目的在于解决背景技术提出的技术问题,提供一种矿区矿井水水质评估方法、装置、电子设备及存储介质,根据研究区地层结构、成分构成构建初始特征因子数据集,通过水-水混合试验、水-岩平衡试验,分别得到影响矿井水修正系数的低、高值,然后通过运算得到包含有来源及各特征因子浓度的矿井水水质数据,通过矿井水水质数据能够得出矿井水各特征因子的浓度范围,同时也能得到矿井水来源某一层的特征因子浓度范围分布,建立了一整套能够实现矿井水追源关系研究与持续水质评估,有利于后续的采矿作业指导和外排措施合理规划。
本发明的目的通过下述技术方案实现:
第一方面,本发明提供一种矿区矿井水水质评估方法,其方法包括:
S1、确定开采煤层所处的地层结构、成分构成;地层结构包括围岩、顶板煤岩、含水层及三者的厚度,成分构成包括水质参数,水质参数包括物质元素构成;
S2、以物质元素构成构建特征因子数据库,特征因子数据库包括m个特征因子,对开采煤层从上至下依次分层测量水质参数由此得到初始特征因子数据集,开采煤层包括n层,初始特征因子数据集的表达式如下:
Uj={Uj1,Uj2,Uji...Ujm},其中j表示开采煤层的层编号,1≤j≤n,Uji表示开采煤层j层、特征因子i的浓度测量值;
S3、测量确定矿井水的来源及比例δj,矿井水的来源为开采煤层所对应的层,δj表示开采煤层j层的占比;
S4、确定影响矿井水的修正系数;
S41、收集步骤S3矿井水来源中含水层的地下水水样,按照如下方法开展水-水混合试验:
按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置混合液,在T1时间内每隔T10时间对两种方式混合液进行特征因子浓度测试,得到两种方式下的特征因子数据库A,分别计为Mc和Fc;筛选两种方式下的特征因子数据库A中各个特征因子的最大值构成最大值数据库B,最大值数据库B的表达式如下:
MFmax={P1,P2,Pi...Pm},MFmax表示最大值数据库B,Pi表示特征因子i的最大值;
将最大值数据库B与初始特征因子数据集进行如下比值运算得到第一特征因子浓度比值αj:
αj={MFmax/Uj}={εj1,εj2,εji.......εjm.},εji表示开采煤层j层、特征因子i的浓度比值;
对第一特征因子浓度比值αj中各个特征因子浓度比值求平均值得到第一低值数据库αj均;对第一特征因子浓度比值αj中各个特征因子浓度比值进行筛选,当浓度比值均小于1时,则该特征因子浓度比值取值为1,否则取其中最大值,得到第一高值数据库αj高;
S42、收集包含围岩、顶板煤岩在内的岩样分别进行烘干处理,以实际相对位置及深度装填于淋洗柱,按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置淋洗浸泡液,两种方式的固液体积比均为2:1,采用两种淋洗浸泡液在T2时间内每隔T20时间分别对淋洗柱进行淋洗溶出平衡模拟作业,分别得到两种方式下的特征因子平衡浓度数据库Sb和Lb;
S43、将Sb与步骤S41中的Mc对应求比得到第二特征因子浓度比值βM,将Lb与步骤S41中的Fc对应求比得到第二特征因子浓度比值βL,
对第二特征因子浓度比值βM、第二特征因子浓度比值βL中各个特征因子浓度比值对应求平均值得到第二低值数据库β均;对第二特征因子浓度比值βM、βL中各个特征因子浓度比值进行筛选,当浓度比值均小于1时,则该特征因子浓度比值取值为1,否则取其中最大值,得到第二高值数据库β高;
第一低值数据库αj均、第一高值数据库αj高、第二低值数据库β均、第二高值数据库β高作为影响矿井水的修正系数;
S5、按照如下方法得到矿井水水质数据:
按照如下公式得出矿井水水质数据的浓度范围最小值与最大值:
Pmin={[∑(δj*Uj)]*αj均*β均};其中,Pmin表示矿井水各特征因子的浓度范围最小值;
Pmax={[∑(δj*Uj)]*αj高*β高};其中,Pmax表示矿井水各特征因子的浓度范围最大值。
本发明优选的技术方案如下:步骤S3中矿井水的来源及比例δj基于煤层结构、隔/含水层空间分布、顶板导水裂隙带发育情况,结合水文地球化学分析和同位素指标获取。
本发明优选的技术方案如下:步骤S41中按照矿井水的来源及比例配置混合液进行特征因子浓度测试得到特征因子数据库Mc表达式如下:
Mc={Jc-1,Jc-2,Jc-3…Jc-m},Mc表示第c次测试下所有特征因子浓度分布;
步骤S41中按照矿井水的来源等比例配置混合液进行特征因子浓度测试得到特征因子数据库Fc表达式如下:
Fc={Kc-1,Kc-2,Kc-3…Kc-m},Fc表示第c次测试下所有特征因子浓度分布。
本发明优选的技术方案如下:步骤S41中第一低值数据库αj均计算公式如下:
αj均={(ε11+ε21+εj1…εn1)/n,……(ε1i+ε2i+εji…εni)/n,……};
步骤S41中第一高值数据库αj高表达式如下:
αj高={εmax-1εmax-2,εmax-i…,εmax-m};
当浓度比值中包含至少一个不小于1时,则取其中最大值作为εmax,当浓度比值均小于1时,则该特征因子浓度比值的εmax取值为1。
本发明矿区矿井水水质评估方法优选的技术方案如下:步骤S42中岩样在烘干之前根据深度及其岩性类别粉碎处理至50目以上的细颗粒,淋洗柱中每层岩样颗粒厚度根据实际岩芯钻孔厚度、比例确定,淋洗柱中模拟总高度与实际高度比例为1:1000;
特征因子平衡浓度数据库Sb表达式如下:
Sb={Xb-1,Xb-2,Xb-3…Xb-m},Sb表示第b次测试下所有特征因子浓度分布;
特征因子平衡浓度数据库Lb表达式如下:
Lb={Yb-1,Yb-2,Yb-3…Yb-m},Lb表示第b次测试下所有特征因子浓度分布。
本发明矿区矿井水水质评估方法优选的技术方案如下:步骤S43中第二特征因子浓度比值βM计算公式如下:
βM={Sb/Mc}={θ1;θ2,θi,…θm};θi表示特征因子i为浓度比值;
步骤S42中第二特征因子浓度比值βL计算公式如下:
βL={Lb/Fc}={θ1’;θ2’,θi’,…θm’};θi’表示特征因子i为浓度比值;
第二低值数据库β均计算公式如下:
β均={(θ1+θ1’)/2,(θ2+θ2’)/2,(θi+θi’)/2,…(θm+θm’)/2};
第二低值数据库β高表达式如下:
β高={θmax-1,θmax-2,…,θmax-m};
当浓度比值中包含至少一个不小于1时,则取其中最大值作为θmax,当浓度比值均小于1时,则该特征因子浓度比值的θmax取值为1。
第二方面,本发明提供一种矿区矿井水水质评估装置,该装置包括:
获取模块,用于获取开采煤层所处的地层结构、成分构成,并获取矿井水的来源及比例δj;获取根据矿井水的来源及比例、矿井水的来源等比例两种方式分别配置混合液进行特征因子浓度测试所得到的特征因子数据库A,获取按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置淋洗浸泡液进行淋洗溶出平衡模拟作业所得到的特征因子平衡浓度数据库Sb和Lb;
处理模块,用于以物质元素构成构建特征因子数据库,对开采煤层从上至下依次分层测量水质参数由此得到初始特征因子数据集Uj,并根据特征因子数据库A运算得到第一低值数据库αj均和第一高值数据库αj高,根据特征因子平衡浓度数据库Sb和Lb运算得到第二低值数据库β均和第二高值数据库β高;
评估模块,运算出浓度范围最小值与最大值,进而得出矿井水水质数据的浓度范围。
第三方面,本发明提供一种电子设备,该电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行矿区矿井水水质评估方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现矿区矿井水水质评估方法的步骤。
本发明较现有技术相比,具有以下优点及有益效果:
本发明根据研究区地层结构、成分构成构建初始特征因子数据集,通过水-水混合试验、水-岩平衡试验,分别得到包含各特征因子的第一低值数据库αj均、第一高值数据库αj高、第二低值数据库β均、第二高值数据库β高并以此作为影响矿井水修正系数的低、高值,然后通过运算得到包含有来源及各特征因子浓度的矿井水水质数据,通过矿井水水质数据能够得出矿井水各特征因子的浓度范围,同时也能得到矿井水来源某一层的特征因子浓度范围分布,建立了一整套能够实现矿井水追源关系研究与持续水质评估,有利于后续的采矿作业指导和外排措施合理规划。
附图说明
图1为实施例提供的一种矿区矿井水水质评估方法流程示意图;
图2为实施例提供的一种确定影响矿井水修正系数的流程示意图;
图3为实施例提供一种矿区矿井水水质评估装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
为便于对本发明实施例的理解,下面将结合附图以具体实施例做进一步的解释说明,实施例并不构成对本发明实施例的限定。
如图1~图2所示,一种矿区矿井水水质评估方法,本实施例设定研究区并对研究区煤层顶板覆岩特性及水文地球化学特征,建立矿区煤层开采扰动下矿井水主要来源的含水层水质变化规律,识别特征因子并对矿井水建立长期水质评估与监控,其方法包括:
S1、确定开采煤层所处的地层结构、成分构成;地层结构包括围岩、顶板煤岩、含水层及三者的厚度,成分构成包括水质参数,水质参数包括物质元素构成。可以收集整理研究区域地质勘探资料,通过详勘、取样与检测分析等手段确定研究矿区地质构造,分析待开采煤层的围岩、顶板煤岩及上部含水层所处岩样厚度、富水性、元素组成与晶型结构等特征参数,并得到地层结构、成分构成。
S2、以物质元素构成构建特征因子数据库,特征因子数据库包括m个特征因子,举例说明:特征因子数据库包括水中常量因子和特征污染因子,水中常量因子包括碳酸根离子、硫酸根离子、碳酸氢根离子、氯根离子、钠离子、钙离子、钾离子、镁离子,特征污染因子包括重金属离子、TDS(总溶解固体)、总硬度等,重金属离子包括F(氟)、Mn(锰)、Fe(铁)、Al(铝)等重金属离子。对开采煤层从上至下依次分层测量水质参数由此得到初始特征因子数据集,开采煤层包括n层,收集并测试研究区各系含水层水质参数,特别地,重点对照《地表水质量环境标准》(GB3838-2002)相关参数进行分析,以明确各含水层的水质参数(水质特性),识别特征污染因子(以地表水Ⅲ类水体排放限值为标准值),获取不同含水层(自地表第四系为起点,由地表向下以此编号)的水质参数(水化学类型及特征),初始特征因子数据集的表达式如下:
Uj={Uj1,Uj2,Uji...Ujm},其中j表示开采煤层的层编号,1≤j≤n,Uji表示开采煤层j层、特征因子i的浓度测量值;一个开采煤层Uj对应测量出所有特征因子的浓度测量值并构建开采煤层Uj的一个数据集。
S3、测量确定矿井水的来源及比例δj,矿井水的来源为开采煤层所对应的层,δj表示开采煤层j层的占比,∑δj=100%,j=1,2…n。矿井水的来源及比例δj可通过基于煤层结构、隔/含水层空间分布、顶板导水裂隙带发育情况,结合水文地球化学分析和同位素指标获取。
本实施例以内蒙古鄂尔多斯某新开采矿区为例,该区域井田具典型高原堆积型地貌特征,地表几乎全部被第四系风积砂所覆盖,植被稀疏,为半沙漠地区。根据初期地质勘探报告可知该区域地层由老至新发育有:三叠系上统延长组(T3y),侏罗系中统延安组(J1-2y),侏罗系中统直罗组(J2z)、安定组(J2a),白垩系下统志丹群(K1zh)、新近系上新统(N2)和第四系(Q4);其中首开煤层为2煤组,包括2-1煤和2-1上煤层,位于延安组上部,2-1和2-1上煤层顶板自地表依次有第四系松散层含水岩组(H1)、白垩系下统志丹群(K1zh)、孔隙裂隙水含水层(H2)、侏罗系中下统延安组(J1-2y)碎屑岩类含水层(H3)和三叠系上统延长组(T3y)碎屑岩类含水层(H4)。经详勘、取样与检测分析,白垩系下统志丹群(K1zh)在区域内有连续稳定的隔水层,所以与下部含水层无水力联系,由此可以确定碎屑岩类含水层(H3)和碎屑岩类含水层(H4)含水层是矿井水主要来源层,岩性主要为浅灰色、灰白色各粒级砂岩、灰色、深灰色砂质泥岩、泥岩及煤层。本实施例以H3、H4为主要来源从上至下依次分层测量水质参数由此得到初始特征因子数据集,对其产生的矿井水涌水进行预测评估。比如:若H3对应开采煤层第3层(即U3),其初始特征因子数据集U3={…矿化度,…,Ca2+,Mg2+,SO42-,F-,Cl-,COD…};若H4对应开采煤层第4层(即U4),其初始特征因子数据集U4={…矿化度,…,Ca2+,Mg2+,SO42-,F-,Cl-,COD…}。比如本实施例矿井水的来源为碎屑岩类含水层和碎屑岩类含水层两个含水层来简单示例,该含水层为矿床的直接充水含水层和主要充水含水层,来源比例约为3:7,即δ3=34±4.8%;δ4=66±6.2%;δ3+δ4=100%。
S4、如图2所示,确定影响矿井水的修正系数;
S41、收集步骤S3矿井水来源中含水层的地下水水样,按照如下方法开展水-水混合试验:
按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置混合液,在T1时间内每隔T10时间对两种方式混合液进行特征因子浓度测试(在本实施例中,T1取值为120h,T10取值为3~12h,两种方式混合液测试总次数为10~40次),得到两种方式下的特征因子数据库A,分别计为Mc和Fc。在本实施例中,按照矿井水的来源及比例配置混合液进行特征因子浓度测试得到特征因子数据库Mc表达式如下:
Mc={Jc-1,Jc-2,Jc-3,Jc-i,…Jc-m},Mc表示第c次测试下所有特征因子浓度分布,Jc-i表示第c次测试下特征因子i的浓度。
在本实施例中,按照矿井水的来源等比例配置混合液进行特征因子浓度测试得到特征因子数据库Fc表达式如下:
Fc={Kc-1,Kc-2,Kc-3,Kc-i,…Kc-m},Fc表示第c次测试下所有特征因子浓度分布,Kc-i表示第c次测试下特征因子i的浓度。
筛选两种方式下的特征因子数据库A中各个特征因子的最大值构成最大值数据库B(本实施例可以先分别筛选特征因子数据库Mc、特征因子数据库Fc的最大值,然后对应合并最大值数据库B),最大值数据库B的表达式如下:
MFmax={P1,P2,Pi...Pm},MFmax表示最大值数据库B,Pi表示特征因子i的最大值。Pi为特征因子数据库Mc中Jc-i筛选出的最大值、特征因子数据库Fc中Jk-i筛选出的最大值相比较后筛选出的最大值。
将最大值数据库B与初始特征因子数据集进行如下比值运算得到第一特征因子浓度比值αj:
αj={MFmax/Uj}={εj1,εj2,εji.......εjm.},εji表示开采煤层j层、特征因子i的浓度比值,εji.=Uji/Pi。
例如:本实施例以碎屑岩类含水层为编号第3层,由此计算得到α3={1.16,0.85,1.02,1.27,1.24,0.65,1.29……},……由此得到所对应的最大值数据库B;以碎屑岩类含水层为编号第4层,由此计算得到α4={0.90,1.13,0.98,0.81,0.95,1.25,1.25,0.92……},……由此得到所对应的最大值数据库B。
对第一特征因子浓度比值αj中各个特征因子浓度比值求平均值得到第一低值数据库αj均。第一低值数据库αj均计算公式如下:
αj均={(ε11+ε21+εj1…εn1)/n,……(ε1i+ε2i+εji…εni)/n,……}。
对第一特征因子浓度比值αj中各个特征因子浓度比值进行筛选,当浓度比值均小于1时,则该特征因子浓度比值取值为1,否则取其中最大值,得到第一高值数据库αj高。第一高值数据库αj高表达式如下:
αj高={εmax-1εmax-2,εmax-i…,εmax-m};当浓度比值中包含至少一个不小于1时,则取其中最大值作为εmax,当浓度比值均小于1时,则该特征因子浓度比值的εmax取值为1。故此,水-水混合试验影响下特征因子的系数范围处于(αj均~αj高)的范围内。
S42、收集包含围岩、顶板煤岩在内的岩样分别进行烘干处理,以实际相对位置及深度装填于淋洗柱,在一些实施例中,岩样在烘干之前根据深度及其岩性类别(如砂岩、砾岩、泥岩等)粉碎处理至50目以上的细颗粒,淋洗柱中每层岩样颗粒厚度根据实际岩芯钻孔厚度、比例确定,淋洗柱中模拟总高度与实际高度比例为1:1000(优选地,每层颗粒厚度以实际岩芯钻孔厚度比例的近似值来确定,岩样层按照岩芯钻孔的实际相对位置及深度模拟装填作业)。按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置淋洗浸泡液,两种方式的固液体积比均为2:1,采用两种淋洗浸泡液在T2时间内每隔T20时间分别对淋洗柱进行淋洗溶出平衡模拟作业(在本实施例中,T2取值为30天,T20取值为1~48h,两种方式淋洗溶出平衡测试总次数为10~300),平衡模拟作业也称水-煤/岩淋洗溶出实验,分别得到两种方式下的特征因子平衡浓度数据库Sb(每隔T20时间取一次样进行测量记录)和Lb(每隔T20时间取一次样进行测量记录);
按照矿井水的来源及比例矿井水的来源等比例所得到的特征因子平衡浓度数据库Sb表达式如下:
Sb={Xb-1,Xb-2,Xb-3…Xb-m},Sb表示第b次测试下所有特征因子浓度分布;
按照矿井水的来源等比例方式所得到的特征因子平衡浓度数据库Lb表达式如下:
Lb={Yb-1,Yb-2,Yb-3…Yb-m},Lb表示第b次测试下所有特征因子浓度分布;
S43、将Sb与步骤S41中的Mc对应求比得到第二特征因子浓度比值βM,第二特征因子浓度比值βM计算公式如下:
βM={Sb/Mc}={θ1;θ2,θi,…θm};θi表示特征因子i为浓度比值。
将Lb与步骤S41中的Fc对应求比得到第二特征因子浓度比值βL;第二特征因子浓度比值βL计算公式如下:
βL={Lb/Fc}={θ1’;θ2’,θi’,…θm’};θi’表示特征因子i为浓度比值。
对第二特征因子浓度比值βM、第二特征因子浓度比值βL中各个特征因子浓度比值对应求平均值得到第二低值数据库β均;第二低值数据库β均计算公式如下:β均={(θ1+θ1’)/2,(θ2+θ2’)/2,(θi+θi’)/2,…(θm+θm’)/2}。
对第二特征因子浓度比值βM、βL中各个特征因子浓度比值进行筛选,当浓度比值均小于1时,则该特征因子浓度比值取值为1,否则取其中最大值,得到第二高值数据库β高;第二低值数据库β高表达式如下:
β高={θmax-1,θmax-2,…,θmax-m};当浓度比值中包含至少一个不小于1时,则取其中最大值作为θmax,当浓度比值均小于1时,则该特征因子浓度比值的θmax取值为1。
例如:以含水层U3和U4及其所处深度对应的岩芯至开采煤层的岩样为研究对象,包括延安组和延长组在内共计15组×6块/组=90块岩芯样品,将每组岩芯粉碎预处理至50目以上,烘干,按照其实际位置以1:1000的缩放比例均匀装填于淋洗柱反应器内,淋洗柱反应器为有机玻璃制备而成。进一步地,分别34%的U3成和66%的U4层的混合地下水以及50%H3层和50%H4层的混合地下水(混合120h后)的两种按照固液体积比2:1进行淋洗浸泡模拟实验,每3-38小时于淋洗柱底部去一次水样,累计30天共计180组水样。按照矿井水的来源及比例矿井水的来源等比例所得到的特征因子平衡浓度数据库Sb和特征因子平衡浓度数据库Lb。由此计算出,βM={Sb/Mn}={θ1;θ2,θi,…θm}={1.08,1.8,1.18,0.73,1.94,1.42,0.41…};βL={Lb/Fn}={θ1’;θ2’,θi’,…θm’}={1.1,1.4,1.46,0.89,1.67,1.38,0.55…}。由此计算出第二低值数据库β均={1.09,1.6,1.32,0.81,1.8,1.4,0.48…},β高={1.1,1.8,1.46,1.0,1.94,1.42,1.0…}。
第一低值数据库αj均、第一高值数据库αj高、第二低值数据库β均、第二高值数据库β高作为影响矿井水的修正系数。
S5、按照如下方法得到矿井水水质数据:
按照如下公式得出矿井水水质数据的浓度范围最小值与最大值:
Pmin={[∑(δj*Uj)]*αj均*β均};其中,Pmin表示矿井水各特征因子的浓度范围最小值;
Pmax={[∑(δj*Uj)]*αj高*β高};其中,Pmax表示矿井水各特征因子的浓度范围最大值。故此,矿井水水质数据的浓度范围为(Pmin~Pmax),同时还可以得到矿井水来源于各个层的最小值Pjmin与最大值Pjmax,Pjmin={(δj*Uj)*αj均*β均},Pjmax={[(δj*Uj)]*αj高*β高},其中j表示开采煤层j层,1≤j≤n,Pjmin表示矿井水来源于开采煤层j层下的各特征因子浓度最小值分布,Pjmax表示矿井水来源于开采煤层j层下的各特征因子浓度最大值分布,由此也可以得到矿井水来源于开采煤层j层的各特征因子浓度范围。
本实施例经过实验验证,矿区开采后实际矿井水涌水水质指标各特征因子与上述评估范围相符,本发明方法能够实现预测和评估矿井水来源及各特征因子浓度数据。
例如:根据举例计算得到Pmin={4334,36.3,22.7,1308,2.1,305.0,5.8…},Pmax={4351,41.3,25.1,1614,2.2,324.3,12.0…},故此矿井水各个特征因子的浓度范围就能得到。
如图3所示,一种矿区矿井水水质评估装置,包括:
获取模块,用于获取开采煤层所处的地层结构、成分构成,地层结构包括围岩、顶板煤岩、含水层及三者的厚度,成分构成包括水质参数,水质参数包括物质元素构成,并获取矿井水的来源及比例δj,矿井水的来源为开采煤层所对应的层,δj表示开采煤层j层的占比;获取根据矿井水的来源及比例、矿井水的来源等比例两种方式分别配置混合液进行特征因子浓度测试所得到的特征因子数据库A,得到两种方式下的特征因子数据库A,分别计为Mc和Fc。获取按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置淋洗浸泡液进行淋洗溶出平衡模拟作业所得到的特征因子平衡浓度数据库Sb和Lb。
处理模块,用于以物质元素构成构建特征因子数据库,特征因子数据库包括水中常量因子和特征污染因子,水中常量因子包括碳酸根离子、硫酸根离子、碳酸氢根离子、氯根离子、钠离子、钙离子、钾离子、镁离子,特征污染因子包括重金属离子、TDS(总溶解固体)、总硬度等,重金属离子包括F(氟)、Mn(锰)、Fe(铁)、Al(铝)等重金属离子。对开采煤层从上至下依次分层测量水质参数由此得到初始特征因子数据集Uj,初始特征因子数据集的表达式如下:
Uj={Uj1,Uj2,Uji...Ujm},其中j表示开采煤层的层编号,1≤j≤n,Uji表示开采煤层j层、特征因子i的浓度测量值。并根据特征因子数据库A运算得到第一低值数据库αj均和第一高值数据库αj高,第一低值数据库αj均与第一高值数据库αj高的运算方法如下:收集矿井水来源中含水层的地下水水样,按照如下方法开展水-水混合试验:按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置混合液,在T1时间内每隔T10时间对两种方式混合液进行特征因子浓度测试,得到两种方式下的特征因子数据库A,分别计为Mc和Fc;筛选两种方式下的特征因子数据库A中各个特征因子的最大值构成最大值数据库B,最大值数据库B的表达式如下:MFmax={P1,P2,Pi...Pm},MFmax表示最大值数据库B,Pi表示特征因子i的最大值;将最大值数据库B与初始特征因子数据集进行如下比值运算得到第一特征因子浓度比值αj:αj={MFmax/Uj}={εj1,εj2,εji.......εjm.},εji表示开采煤层j层、特征因子i的浓度比值;对第一特征因子浓度比值αj中各个特征因子浓度比值求平均值得到第一低值数据库αj均;对第一特征因子浓度比值αj中各个特征因子浓度比值进行筛选,当浓度比值均小于1时,则该特征因子浓度比值取值为1,否则取其中最大值,得到第一高值数据库αj高。
根据特征因子平衡浓度数据库Sb和Lb运算得到第二低值数据库β均和第二高值数据库β高;第二低值数据库β均和第二高值数据库β高的运算方法如下:收集包含围岩、顶板煤岩在内的岩样分别进行烘干处理,以实际相对位置及深度装填于淋洗柱,按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置淋洗浸泡液,两种方式的固液体积比均为2:1,采用两种淋洗浸泡液在T2时间内每隔T20时间分别对淋洗柱进行淋洗溶出平衡模拟作业,分别得到两种方式下的特征因子平衡浓度数据库Sb和Lb。将Sb与Mc对应求比得到第二特征因子浓度比值βM,将Lb与步骤S41中的Fc对应求比得到第二特征因子浓度比值βL,对第二特征因子浓度比值βM、第二特征因子浓度比值βL中各个特征因子浓度比值对应求平均值得到第二低值数据库β均;对第二特征因子浓度比值βM、βL中各个特征因子浓度比值进行筛选,当浓度比值均小于1时,则该特征因子浓度比值取值为1,否则取其中最大值,得到第二高值数据库β高。
评估模块,运算出浓度范围最小值与最大值,进而得出矿井水水质数据的浓度范围。矿井水水质数据的浓度范围最小值与最大值的运算公式如下:Pjmin={[∑(δj*Uj)]*αj均*β均};其中,Pjmin表示开采煤层j层的浓度范围最小值;
Pjmax={[∑(δj*Uj)]*αj高*β高};其中,Pjmax表示开采煤层j层的浓度范围最大值。矿井水水质数据的浓度范围为(Pjmin~Pjmax),其中j表示开采煤层j层,1≤j≤n。
一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行本发明矿区矿井水水质评估方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本发明矿区矿井水水质评估方法的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的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申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种矿区矿井水水质评估方法,其特征在于:其方法包括:
S1、确定开采煤层所处的地层结构、成分构成;地层结构包括围岩、顶板煤岩、含水层及三者的厚度,成分构成包括水质参数,水质参数包括物质元素构成;
S2、以物质元素构成构建特征因子数据库,特征因子数据库包括m个特征因子,对开采煤层从上至下依次分层测量水质参数由此得到初始特征因子数据集,开采煤层包括n层,初始特征因子数据集的表达式如下:
Uj={Uj1,Uj2,Uji...Ujm},其中j表示开采煤层的层编号,1≤j≤n,Uji表示开采煤层j层、特征因子i的浓度测量值;
S3、测量确定矿井水的来源及比例δj,矿井水的来源为开采煤层所对应的层,δj表示开采煤层j层的占比;
S4、确定影响矿井水的修正系数;
S41、收集步骤S3矿井水来源中含水层的地下水水样,按照如下方法开展水-水混合试验:
按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置混合液,在T1时间内每隔T10时间对两种方式混合液进行特征因子浓度测试,得到两种方式下的特征因子数据库A,分别计为Mc和Fc;筛选两种方式下的特征因子数据库A中各个特征因子的最大值构成最大值数据库B,最大值数据库B的表达式如下:
MFmax={P1,P2,Pi...Pm},MFmax表示最大值数据库B,Pi表示特征因子i的最大值;
将最大值数据库B与初始特征因子数据集进行如下比值运算得到第一特征因子浓度比值αj:
αj={MFmax/Uj}={εj1,εj2,εji.....εjm},εji表示开采煤层j层、特征因子i的浓度比值;
对第一特征因子浓度比值αj中各个特征因子浓度比值求平均值得到第一低值数据库αj均;对第一特征因子浓度比值αj中各个特征因子浓度比值进行筛选,当浓度比值均小于1时,则该特征因子浓度比值取值为1,否则取其中最大值,得到第一高值数据库αj高;
S42、收集包含围岩、顶板煤岩在内的岩样分别进行烘干处理,以实际相对位置及深度装填于淋洗柱,按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置淋洗浸泡液,两种方式的固液体积比均为2:1,采用两种淋洗浸泡液在T2时间内每隔T20时间分别对淋洗柱进行淋洗溶出平衡模拟作业,分别得到两种方式下的特征因子平衡浓度数据库Sb和Lb;
S43、将Sb与步骤S41中的Mc对应求比得到第二特征因子浓度比值βM,将Lb与步骤S41中的Fc对应求比得到第二特征因子浓度比值βL,
对第二特征因子浓度比值βM、第二特征因子浓度比值βL中各个特征因子浓度比值对应求平均值得到第二低值数据库β均;对第二特征因子浓度比值βM、βL中各个特征因子浓度比值进行筛选,当浓度比值均小于1时,则该特征因子浓度比值取值为1,否则取其中最大值,得到第二高值数据库β高;
第一低值数据库αj均、第一高值数据库αj高、第二低值数据库β均、第二高值数据库β高作为影响矿井水的修正系数;
S5、按照如下方法得到矿井水水质数据:
按照如下公式得出矿井水水质数据的浓度范围最小值与最大值:
Pmin={[∑(δj*Uj)]*αj均*β均};其中,Pmin表示矿井水各特征因子的浓度范围最小值;
Pmax={[∑(δj*Uj)]*αj高*β高};其中,Pmax表示矿井水各特征因子的浓度范围最大值。
2.按照权利要求1所述的矿区矿井水水质评估方法,其特征在于:步骤S3中矿井水的来源及比例δj基于煤层结构、隔/含水层空间分布、顶板导水裂隙带发育情况,结合水文地球化学分析和同位素指标获取。
3.按照权利要求1所述的矿区矿井水水质评估方法,其特征在于:步骤S41中按照矿井水的来源及比例配置混合液进行特征因子浓度测试得到特征因子数据库Mc表达式如下:
Mc={Jc-1,Jc-2,Jc-3…Jc-m},Mc表示第c次测试下所有特征因子浓度分布;
步骤S41中按照矿井水的来源等比例配置混合液进行特征因子浓度测试得到特征因子数据库Fc表达式如下:
Fc={Kc-1,Kc-2,Kc-3…Kc-m},Fc表示第c次测试下所有特征因子浓度分布。
4.按照权利要求1所述的矿区矿井水水质评估方法,其特征在于:步骤S41中第一低值数据库αj均计算公式如下:
αj均={(ε11+ε21+εj1…εn1)/n,……(ε1i+ε2i+εji…εni)/n,……};
步骤S41中第一高值数据库αj高表达式如下:
αj高={εmax-1εmax-2,εmax-i…,εmax-m};
当浓度比值中包含至少一个不小于1时,则取其中最大值作为εmax,当浓度比值均小于1时,则该特征因子浓度比值的εmax取值为1。
5.按照权利要求1所述的矿区矿井水水质评估方法,其特征在于:步骤S42中岩样在烘干之前根据深度及其岩性类别粉碎处理至50目以上的细颗粒,淋洗柱中每层岩样颗粒厚度根据实际岩芯钻孔厚度、比例确定,淋洗柱中模拟总高度与实际高度比例为1:1000。
6.按照权利要求1所述的矿区矿井水水质评估方法,其特征在于:步骤S42中特征因子平衡浓度数据库Sb表达式如下:
Sb={Xb-1,Xb-2,Xb-3…Xb-m},Sb表示第b次测试下所有特征因子浓度分布;
特征因子平衡浓度数据库Lb表达式如下:
Lb={Yb-1,Yb-2,Yb-3…Yb-m},Lb表示第b次测试下所有特征因子浓度分布。
7.按照权利要求1或6所述的矿区矿井水水质评估方法,其特征在于:步骤S43中第二特征因子浓度比值βM计算公式如下:
βM={Sb/Mc}={θ1;θ2,θi,…θm};θi表示特征因子i为浓度比值;
步骤S42中第二特征因子浓度比值βL计算公式如下:
βL={Lb/Fc}={θ1’;θ2’,θi’,…θm’};θi’表示特征因子i为浓度比值;
第二低值数据库β均计算公式如下:
β均={(θ1+θ1’)/2,(θ2+θ2’)/2,(θi+θi’)/2,…(θm+θm’)/2};
第二低值数据库β高表达式如下:
β高={θmax-1,θmax-2,…,θmax-m};
当浓度比值中包含至少一个不小于1时,则取其中最大值作为θmax,当浓度比值均小于1时,则该特征因子浓度比值的θmax取值为1。
8.一种矿区矿井水水质评估装置,其特征在于:包括:
获取模块,用于获取开采煤层所处的地层结构、成分构成,并获取矿井水的来源及比例δj;获取根据矿井水的来源及比例、矿井水的来源等比例两种方式分别配置混合液进行特征因子浓度测试所得到的特征因子数据库A,获取按照矿井水的来源及比例、矿井水的来源等比例两种方式分别配置淋洗浸泡液进行淋洗溶出平衡模拟作业所得到的特征因子平衡浓度数据库Sb和Lb;
处理模块,用于以物质元素构成构建特征因子数据库,对开采煤层从上至下依次分层测量水质参数由此得到初始特征因子数据集Uj,并根据特征因子数据库A运算得到第一低值数据库αj均和第一高值数据库αj高,根据特征因子平衡浓度数据库Sb和Lb运算得到第二低值数据库β均和第二高值数据库β高;
评估模块,运算出浓度范围最小值与最大值,进而得出矿井水水质数据的浓度范围。
9.一种电子设备,其特征在于:包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020282.2A CN115393123B (zh) | 2022-08-24 | 2022-08-24 | 矿区矿井水水质评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020282.2A CN115393123B (zh) | 2022-08-24 | 2022-08-24 | 矿区矿井水水质评估方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115393123A CN115393123A (zh) | 2022-11-25 |
CN115393123B true CN115393123B (zh) | 2023-03-10 |
Family
ID=84121827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211020282.2A Active CN115393123B (zh) | 2022-08-24 | 2022-08-24 | 矿区矿井水水质评估方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115393123B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116754735B (zh) * | 2023-06-20 | 2024-01-09 | 北京低碳清洁能源研究院 | 一种煤矿矿井水的水质成分及浓度含量预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113917558A (zh) * | 2021-08-23 | 2022-01-11 | 云南滇东雨汪能源有限公司 | 矿井水源快速判别方法、水文监测系统、设备、存储介质 |
CN114046178A (zh) * | 2021-09-01 | 2022-02-15 | 云南滇东雨汪能源有限公司 | 一种用于煤矿井下防治水预警系统、方法及应用 |
CN114266438A (zh) * | 2021-11-15 | 2022-04-01 | 中煤科工集团西安研究院有限公司 | 一种矿井水资源灌溉适宜性评价方法 |
CN114324797A (zh) * | 2021-12-28 | 2022-04-12 | 国家能源投资集团有限责任公司 | 一种煤矿地下水库的矿井水水质安全评价方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719027B (zh) * | 2016-02-03 | 2017-02-01 | 山东科技大学 | 开采煤层顶底板碎屑岩类含水层富水性定量预测方法 |
CN111695303B (zh) * | 2020-06-17 | 2023-08-18 | 中煤能源研究院有限责任公司 | 一种煤层顶板砂岩含水层充水强度评价方法 |
CN112508330B (zh) * | 2020-10-29 | 2024-04-23 | 中煤科工集团西安研究院有限公司 | 西部矿区开采扰动下矿井水来源判别方法 |
-
2022
- 2022-08-24 CN CN202211020282.2A patent/CN115393123B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113917558A (zh) * | 2021-08-23 | 2022-01-11 | 云南滇东雨汪能源有限公司 | 矿井水源快速判别方法、水文监测系统、设备、存储介质 |
CN114046178A (zh) * | 2021-09-01 | 2022-02-15 | 云南滇东雨汪能源有限公司 | 一种用于煤矿井下防治水预警系统、方法及应用 |
CN114266438A (zh) * | 2021-11-15 | 2022-04-01 | 中煤科工集团西安研究院有限公司 | 一种矿井水资源灌溉适宜性评价方法 |
CN114324797A (zh) * | 2021-12-28 | 2022-04-12 | 国家能源投资集团有限责任公司 | 一种煤矿地下水库的矿井水水质安全评价方法 |
Non-Patent Citations (1)
Title |
---|
准东煤田五彩湾矿区一号矿井水文地质条件分析;陈凯等;《中国矿业》;20180315(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115393123A (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Masch et al. | Grain size distribution and its effect on the permeability of unconsolidated sands | |
CN104636588B (zh) | 计算烃源岩中有机碳含量的方法及装置 | |
CN104564041B (zh) | 基于开发渗透率下限的低渗透碎屑岩储层有效性评价方法 | |
Xiao et al. | A fracture identification method for low-permeability sandstone based on R/S analysis and the finite difference method: A case study from the Chang 6 reservoir in Huaqing oilfield, Ordos Basin | |
Li* et al. | Characterizing the middle Bakken: Laboratory measurement and rock typing of the Middle Bakken formation | |
Yu et al. | Porosity estimation in kerogen-bearing shale gas reservoirs | |
CN106803021A (zh) | 一种常规与非常规储层的油气资源量的评价方法 | |
US11499957B1 (en) | Evaluation method for residual hydrocarbon of post- to over-mature marine source rocks | |
CN115393123B (zh) | 矿区矿井水水质评估方法、装置、电子设备及存储介质 | |
Awolayo et al. | A cohesive approach at estimating water saturation in a low-resistivity pay carbonate reservoir and its validation | |
CN111797546B (zh) | 一种页岩油气储层矿物组分模型最优化反演方法 | |
Liu et al. | Tight sandstone reservoir sensitivity and damage mechanism analysis: a case study from Ordos Basin, China and implications for reservoir damage prevention | |
CN114427457B (zh) | 潮坪相碳酸盐岩储层测井五性关系确定、及测井评价方法 | |
CN113607621B (zh) | 一种煤系复合储层封闭孔隙及连通性的表征方法 | |
Loucks et al. | Matrix reservoir quality of the Upper Cretaceous Austin Chalk Group and evaluation of reservoir-quality analysis methods; northern onshore Gulf of Mexico, USA | |
CN112151124B (zh) | 基于碳同位素分馏的页岩原位含气参数确定方法及系统 | |
Zhang et al. | Probing water partitioning in unsaturated weathered rock using nuclear magnetic resonance | |
CN116641702A (zh) | 一种页岩气藏甜点区识别方法 | |
CN116930023A (zh) | 致密砂岩相控分类孔隙度测井精细解释方法和装置 | |
Liu et al. | Evaluating the CBM reservoirs using NMR logging data | |
Loan et al. | Rapid quantification of mineralogy, organic matter, and thermal maturity of cuttings with diffuse reflectance infrared Fourier transform spectroscopy (DRIFTS): A Permian Basin case study | |
CN101226180B (zh) | 蚀变碳酸盐标准物质 | |
Alward et al. | Integrated Workflow for Petrophysical Evaluation in Heterogeneous Carbonate Reservoirs | |
Li et al. | An improved method for improving the calculation accuracy of marine low-resistance shale reservoir parameters | |
Chen et al. | The influence of climatic conditions on the permeability and hydraulic properties of the L 5–S 5 layers in the Loess Plateau, North Qinling Mountains. |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |