CN116754735B - 一种煤矿矿井水的水质成分及浓度含量预测方法 - Google Patents
一种煤矿矿井水的水质成分及浓度含量预测方法 Download PDFInfo
- Publication number
- CN116754735B CN116754735B CN202310730011.4A CN202310730011A CN116754735B CN 116754735 B CN116754735 B CN 116754735B CN 202310730011 A CN202310730011 A CN 202310730011A CN 116754735 B CN116754735 B CN 116754735B
- Authority
- CN
- China
- Prior art keywords
- water
- ion
- concentration
- hole
- mine
- 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 134
- 239000003245 coal Substances 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 40
- 150000002500 ions Chemical class 0.000 claims abstract description 73
- 238000005065 mining Methods 0.000 claims abstract description 48
- 238000005086 pumping Methods 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000005553 drilling Methods 0.000 claims abstract description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 18
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims description 13
- 239000011734 sodium Substances 0.000 claims description 13
- 229910052708 sodium Inorganic materials 0.000 claims description 13
- 208000010392 Bone Fractures Diseases 0.000 claims description 11
- 206010017076 Fracture Diseases 0.000 claims description 11
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 11
- 239000011591 potassium Substances 0.000 claims description 11
- 229910052700 potassium Inorganic materials 0.000 claims description 11
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 9
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 9
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 claims description 9
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 9
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 9
- 229910052788 barium Inorganic materials 0.000 claims description 9
- DSAJWYNOEDNPEQ-UHFFFAOYSA-N barium atom Chemical compound [Ba] DSAJWYNOEDNPEQ-UHFFFAOYSA-N 0.000 claims description 9
- 229910052791 calcium Inorganic materials 0.000 claims description 9
- 239000011575 calcium Substances 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 9
- 239000011737 fluorine Substances 0.000 claims description 9
- 229910052731 fluorine Inorganic materials 0.000 claims description 9
- 229910052742 iron Inorganic materials 0.000 claims description 9
- 229910052749 magnesium Inorganic materials 0.000 claims description 9
- 239000011777 magnesium Substances 0.000 claims description 9
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 claims description 9
- 229910052710 silicon Inorganic materials 0.000 claims description 9
- 239000010703 silicon Substances 0.000 claims description 9
- 229910052712 strontium Inorganic materials 0.000 claims description 9
- CIOAGBVUUVVLOB-UHFFFAOYSA-N strontium atom Chemical compound [Sr] CIOAGBVUUVVLOB-UHFFFAOYSA-N 0.000 claims description 9
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 8
- 229910052782 aluminium Inorganic materials 0.000 claims description 8
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- -1 sulfate radical Chemical class 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 229910001415 sodium ion Chemical group 0.000 description 10
- FKNQFGJONOIPTF-UHFFFAOYSA-N Sodium cation Chemical group [Na+] FKNQFGJONOIPTF-UHFFFAOYSA-N 0.000 description 7
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 5
- 229910001414 potassium ion Inorganic materials 0.000 description 5
- NPYPAHLBTDXSSS-UHFFFAOYSA-N Potassium ion Chemical group [K+] NPYPAHLBTDXSSS-UHFFFAOYSA-N 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Geochemistry & Mineralogy (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Geology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
本发明公开了一种煤矿矿井水的水质成分及浓度含量预测方法，其方法包括：S1、确定矿区预测区域，在矿区预测区域内钻孔，获取孔Ai导通的含水层数量及各含水层中间位置距地面的距离为haj；S2、对孔Ai中的含水层进行抽水试验确定单位涌水量，所有含水层aj分别取水样进行成分分析，测定水样包含的离子及离子含量；S3、计算得到孔Ai导通裂隙汇合后矿井水中离子m的浓度含量，矿区预测区域内所有孔中离子m的平均浓度含量；S4、计算得到矿区预测区域内离子m的浓度范围。本发明进行抽水试验确定单位涌水量，进而计算得到裂隙汇合后某个孔矿井水各个离子的浓度含量，然后得到预测区域内矿井水的水质成分及浓度范围，便于进行环境影响评测。
Description
技术领域
本发明涉及煤矿矿井水水质预测领域，尤其涉及一种煤矿矿井水的水质成分及浓度含量预测方法。
背景技术
煤矿矿井水是煤炭开采过程中从上覆含水层经导水裂隙带汇入井下巷道的地下水。在国家环保政策的严格要求下，西部矿区矿井水均要求安全排放；为了更好地设计矿井水处理工艺，首先需要确定矿井水水质。对于已开矿井水，矿井水的水质可以通过直接采样分析获得；但是对于一些新建矿机或者新规划开采盘区，矿井水的水质不能通过采样分析获得。矿井水的水质形成及演化过程非常复杂，受水动力场、水化学场、微生物场和温度场等多场控制，具有高度非均质性和时空变异性。矿井水水质的形成一方面取决于矿区水文地质结构，影响着矿井水量的大小及其水化学背景；另一方面取决于水化学等多场作用过程，影响矿井水的特征组分及其演化趋势。总体来说，矿井水的水质有煤层上部岩层含水层水质决定，但岩层上部含水层通常不止一层，为多个独立的含水层。如何通过多个独立的含水层水质来预测判定煤矿矿井水水质一直是一个问题，目前尚未有有效的方式。
发明内容
本发明的目的在于克服背景技术所指出的技术问题，提供一种煤矿矿井水的水质成分及浓度含量预测方法，依据孔A；导通含水层情况进行编号和获取距离值haj，进行抽水试验确定单位涌水量，然后计算得到裂隙汇合后某个孔矿井水各个离子的浓度含量，进而计算矿区预测区域内所有孔各个离子的平均浓度含量，由此计算得到各个离子的浓度范围，进而得到预测区域内矿井水的水质成分及浓度范围，便于进行环境影响判断及有效治理。
本发明的目的通过下述技术方案实现：
一种煤矿矿井水的水质成分及浓度含量预测方法，其方法包括：
S1、确定矿区预测区域，在矿区预测区域内钻孔，每个孔从地面直达煤层顶板，将孔编号为Ai，i表示第i个孔；获取矿区的裂隙发育高度导通孔Ai的含水层数量，从煤层顶板向上依次编号为a1、a2、…、aj，aj表示煤层顶板向上的第j层含水层的编号，获取各含水层中间位置距地面的距离为haj，haj表示编号为aj的含水层至地面的距离值；
S2、对孔Ai中的含水层进行抽水试验确定单位涌水量，含水层aj的单位涌水量记为qj；在抽水试验过程中，所有含水层aj分别取水样进行成分分析，测定水样包含的离子及离子含量，记录为cm1、cm2、…、cmj，cmj表示离子为m在含水层aj中的浓度含量；
S3、按照如下方法计算得到孔Ai导通裂隙汇合后矿井水中离子m的浓度含量C孔Ai：
按照如下方法计算得到矿区预测区域内所有孔中离子m的平均浓度含量C区域，m：
C区域，m＝(C孔A1+C孔A2+...+C孔Ai+...+C孔AN)/N，
其中N为矿区预测区域内孔的总数；
S4、按照如下公式计算得到矿区预测区域内离子m的浓度范围：
离子m的浓度范围为(C区域，m-Sm，C区域，m+Sm)。
优选地，在步骤S1中，基于煤矿开采区范围进行划分成纵向交错状的网格，网格长宽均在500～2000米之间，网格为矿区预测区域。
本发明优选的第一种技术方案是：步骤S2中离子m为钾、钠、钙、镁、铁、锰、铝、钡、锶、硫酸根、氯离子、碳酸氢根、硅、氟的一种或多种。
本发明优选的第二种技术方案是：步骤S2中离子m表示钾、钠、钙、镁、铁、锰、铝、钡、锶、硫酸根、氯离子、碳酸氢根、硅、氟，按照步骤S2～步骤S4分别得到其中一个离子的浓度范围，重复步骤S2～步骤S4计算所有离子对应的浓度范围，由此得到煤矿矿井水的离子成分及各个离子的浓度范围。
优选地，步骤S3中孔Ai导通裂隙汇合后矿井水中离子m的浓度含量C孔Ai替换采用如下公式：
优选地，在步骤S1中，钻孔过程中，记录孔穿过地层的含水类型、深度，含水类型包括隔水层和含水层两种类型。
优选地，步骤S2中离子及离子含量为通过3～5次水样成分分析的平均结果。
本发明较现有技术相比，具有以下优点及有益效果：
(1)本发明依据孔Ai导通含水层情况进行编号和获取距离值haj，进行抽水试验确定单位涌水量，然后计算得到裂隙汇合后某个孔矿井水各个离子的浓度含量，进而计算矿区预测区域内所有孔各个离子的平均浓度含量，由此计算得到各个离子的浓度范围，进而得到预测区域内矿井水的水质成分及浓度范围，便于进行环境影响判断及有效治理。
(2)本发明可以广泛用于已有矿区的待开采区域的矿井水水质成分及浓度含量预测，也可以广泛用于拟建矿区开采区域的矿井水水质成分及浓度含量预测，便于进行拟建矿区开采环境的矿井水评测，做到科学预测在前，便于进行开采区域地下水、矿井水的科学评估及环境影响研究。
附图说明
图1为本发明的方法流程示意图；
图2为实施例中举例矿区预测区域钻孔后及裂隙发育高度导通孔的示意图。
其中，附图中的附图标记所对应的名称为：
B10-孔Ai，B20-孔Ai中导通的孔数量。
具体实施方式
下面结合实施例对本发明作进一步地详细说明：
实施例
如图1～图2所示，一种煤矿矿井水的水质成分及浓度含量预测方法，其方法包括：
S1、确定矿区预测区域，在矿区预测区域内钻孔，每个孔从地面直达煤层顶板，将孔编号为Ai，i表示第i个孔，如图2所示，B10表示所钻的孔Ai。在本实施例中，钻孔过程中，记录孔穿过地层的含水类型、深度，含水类型包括隔水层和含水层两种类型(如图2所示，地层从煤层顶板往上，依次间隔具有隔水层、含水层，在不发生裂隙情况下，隔水层能够阻隔地层水的上下流动)。获取矿区的裂隙发育高度导通孔Ai的含水层数量，在本实施例中，裂隙发育高度(是指煤矿采矿下，煤层开采后上覆岩层发生裂隙发育下的高度)可以根据煤层采厚、硬岩岩性进行计算，计算公式如下：
Hf＝4.24M+39.8b+12.8，Hf表示裂隙发育高度，M为煤层采厚，b表示硬岩岩性比例系数(本实施例硬岩岩性比例系数取值为0.51)。从煤层顶板向上依次编号为a1、a2、…、aj，aj表示煤层顶板向上的第j层含水层的编号，j为煤层顶板向上、裂隙发育高度导通孔Ai的含水层的依次编号，获取各含水层中间位置距地面的距离为haj，haj表示编号为aj的含水层至地面的距离值，如图2所示，B20表示裂隙发育高度导通孔Ai的情况，其中包括的含水层有多个，图2含水层aj中间位置距地面的距离为haj。在一些实施例中，一般煤矿进行开采会确定一个煤矿开采区，基于煤矿开采区范围进行划分成纵向交错状的网格，网格长宽均在500～2000米之间，网格为矿区预测区域。
S2、对孔Ai中的含水层进行抽水试验确定单位涌水量，含水层aj的单位涌水量记为qj。在抽水试验过程中，所有含水层aj分别取水样进行成分分析(在一些实施例中，离子及离子含量为通过3～5次水样成分分析的平均结果。)，测定水样包含的离子及离子含量，记录为cm1、cm2、…、cmj，cmj表示离子为m在含水层aj中的浓度含量。
在一些实施例中，步骤S2中离子m为钾、钠、钙、镁、铁、锰、铝、钡、锶、硫酸根、氯离子、碳酸氢根、硅、氟的一种或多种。离子m代表钾、钠、钙、镁、铁、锰、铝、钡、锶、硫酸根、氯离子、碳酸氢根、硅、氟，若离子m取钾、钠、钙、镁、铁、锰、铝、钡、锶、硫酸根、氯离子、碳酸氢根、硅、氟的一种，比如离子m为钾离子，则按照本发明方法步骤S1～S4就能计算出钾离子所对应的浓度范围。若离子m为钾、钠两种离子，则按照本发明方法步骤S1～S4就能分别计算出钾离子所对应的浓度范围及钠离子所对应的浓度范围。
在一些实施例中，步骤S2中离子m表示钾、钠、钙、镁、铁、锰、铝、钡、锶、硫酸根、氯离子、碳酸氢根、硅、氟，按照步骤S2～步骤S4分别得到其中一个离子的浓度范围(以离子m为钾离子，则按照本发明方法步骤S1～S4就能计算出钾离子所对应的浓度范围)，重复步骤S2～步骤S4计算所有离子对应的浓度范围，由此得到煤矿矿井水的离子成分及各个离子的浓度范围(按照步骤S2～步骤S4分别计算钾、钠、钙、镁、铁、锰、铝、钡、锶、硫酸根、氯离子、碳酸氢根、硅、氟所对应的浓度范围，即可得到煤矿矿井水的离子成分及各个离子的浓度范围)。
S3、按照如下方法计算得到孔Ai导通裂隙汇合后矿井水中离子m的浓度含量C孔Ai：
以离子m表示单一的钠离子为例，孔Ai中所有含水层aj测定水样中钠离子的c钠1、c钠2、…、c钠i，c钠j，则孔Ai导通裂隙汇合后矿井水中钠离子的浓度含量依次类推，可以计算离子m对应为其他单一离子的浓度含量。
按照如下方法计算得到矿区预测区域内所有孔中离子m的平均浓度含量C区域，m：
C区域，m＝(C孔A1+C孔A2+...+C孔Ai+...+C孔AN)/N，
其中N为矿区预测区域内孔的总数。
以离子m表示单一的钠离子为例，矿区预测区域内所有孔中钠离子的平均浓度含量依次类推，可以计算离子m对应为其他单一离子的平均浓度含量。
在一些实施例中，步骤S3中孔Ai导通裂隙汇合后矿井水中离子m的浓度含量C孔Ai可替换采用如下公式来计算得到：
S4、按照如下公式计算得到矿区预测区域内离子m的浓度范围：
离子m的浓度范围为(C区域，m-Sm，C区域，m+Sm)。以离子m表示单一的钠离子为例，矿区预测区域内钠离子的浓度范围计算方法如下：
则钠离子的浓度范围为依次类推，可以计算离子m对应为其他单一离子的浓度范围。由此就可以得到煤矿矿井水的离子成分及各个离子的浓度范围。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种煤矿矿井水的水质成分及浓度含量预测方法，其特征在于：其方法包括：
S1、确定矿区预测区域，在矿区预测区域内钻孔，每个孔从地面直达煤层顶板，将孔编号为Ai，i表示第i个孔；获取矿区的裂隙发育高度导通孔Ai的含水层数量，从煤层顶板向上依次编号为a1、a2、…、aj，aj表示煤层顶板向上的第j层含水层的编号，获取各含水层中间位置距地面的距离为haj，haj表示编号为aj的含水层至地面的距离值；
S2、对孔Ai中的含水层进行抽水试验确定单位涌水量，含水层aj的单位涌水量记为qj；在抽水试验过程中，所有含水层aj分别取水样进行成分分析，测定水样包含的离子及离子含量，记录为cm1、cm2、…、cmj，cmj表示离子为m在含水层aj中的浓度含量；
S3、按照如下方法计算得到孔Ai导通裂隙汇合后矿井水中离子m的浓度含量C孔Ai：
按照如下方法计算得到矿区预测区域内所有孔中离子m的平均浓度含量C区域，m：
C区域，m＝(C孔A1+C孔A2+...+C孔Ai+...+C孔AN)/N，
其中N为矿区预测区域内孔的总数；
S4、按照如下公式计算得到矿区预测区域内离子m的浓度范围：
离子m的浓度范围为(C区域，m-Sm，C区域，m+Sm)。
2.按照权利要求1所述的一种煤矿矿井水的水质成分及浓度含量预测方法，其特征在于：在步骤S1中，基于煤矿开采区范围进行划分成纵向交错状的网格，网格长宽均在500～2000米之间，网格为矿区预测区域。
3.按照权利要求1所述的一种煤矿矿井水的水质成分及浓度含量预测方法，其特征在于：步骤S2中离子m为钾、钠、钙、镁、铁、锰、钔、钡、锶、硫酸根、氯离子、碳酸氢根、硅、氟的一种或多种。
4.按照权利要求1所述的一种煤矿矿井水的水质成分及浓度含量预测方法，其特征在于：步骤S2中离子m表示钾、钠、钙、镁、铁、锰、铝、钡、锶、硫酸根、氯离子、碳酸氢根、硅、氟，按照步骤S2～步骤S4分别得到其中一个离子的浓度范围，重复步骤S2～步骤S4计算所有离子对应的浓度范围，由此得到煤矿矿井水的离子成分及各个离子的浓度范围。
5.按照权利要求1所述的一种煤矿矿井水的水质成分及浓度含量预测方法，其特征在于：孔Ai导通裂隙汇合后矿井水中离子m的浓度含量C孔Ai替换采用如下公式：
6.按照权利要求1所述的一种煤矿矿井水的水质成分及浓度含量预测方法，其特征在于：在步骤S1中，钻孔过程中，记录孔穿过地层的含水类型、深度，含水类型包括隔水层和含水层两种类型。
7.按照权利要求1所述的一种煤矿矿井水的水质成分及浓度含量预测方法，其特征在于：步骤S2中离子及离子含量为通过3～5次水样成分分析的平均结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310730011.4A CN116754735B (zh) | 2023-06-20 | 2023-06-20 | 一种煤矿矿井水的水质成分及浓度含量预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310730011.4A CN116754735B (zh) | 2023-06-20 | 2023-06-20 | 一种煤矿矿井水的水质成分及浓度含量预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116754735A CN116754735A (zh) | 2023-09-15 |
| CN116754735B true CN116754735B (zh) | 2024-01-09 |
Family
ID=87958534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310730011.4A Active CN116754735B (zh) | 2023-06-20 | 2023-06-20 | 一种煤矿矿井水的水质成分及浓度含量预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116754735B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112508330A (zh) * | 2020-10-29 | 2021-03-16 | 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 |
| CN115393123A (zh) * | 2022-08-24 | 2022-11-25 | 北京低碳清洁能源研究院 | 矿区矿井水水质评估方法、装置、电子设备及存储介质 |
| CN115615980A (zh) * | 2022-10-19 | 2023-01-17 | 中煤科工西安研究院(集团)有限公司 | 一种矿井水典型离子浓度的预测方法、装置及计算机设备 |
| CN115712990A (zh) * | 2022-10-28 | 2023-02-24 | 中煤科工西安研究院(集团)有限公司 | 一种氟离子浓度的预测方法、除氟方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005030803A (ja) * | 2003-07-08 | 2005-02-03 | Oyo Corp | 泥水中のイオン濃度分析による塩淡境界判別方法 |
-
2023
- 2023-06-20 CN CN202310730011.4A patent/CN116754735B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112508330A (zh) * | 2020-10-29 | 2021-03-16 | 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 |
| CN115393123A (zh) * | 2022-08-24 | 2022-11-25 | 北京低碳清洁能源研究院 | 矿区矿井水水质评估方法、装置、电子设备及存储介质 |
| CN115615980A (zh) * | 2022-10-19 | 2023-01-17 | 中煤科工西安研究院(集团)有限公司 | 一种矿井水典型离子浓度的预测方法、装置及计算机设备 |
| CN115712990A (zh) * | 2022-10-28 | 2023-02-24 | 中煤科工西安研究院(集团)有限公司 | 一种氟离子浓度的预测方法、除氟方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116754735A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3414566B1 (en) | Thermal maturity determination of rock formations using mud gas isotope logging | |
| WO2019233114A1 (zh) | 一种采区覆岩离层水水害危险性评价法 | |
| Blankennagel et al. | Geohydrology of the eastern part of Pahute Mesa, Nevada test site, Nye County, Nevada | |
| CN102272414B (zh) | 优化具有流动障碍物的储层中的井产量的方法 | |
| CN101354362B (zh) | 石油钻井中x射线荧光泥质含量的分析方法 | |
| CN104863577B (zh) | 利用地震纵波传播时间预测地层孔隙压力的方法 | |
| CN108663724B (zh) | 一种基于水资源转移路径的煤矿地下水库位置选择方法 | |
| CN111191849B (zh) | 一种西部矿区深埋工作面涌水量预测方法 | |
| CN108915667A (zh) | 基于渗透系数随分层开采动态变化的矿井涌水量预测方法 | |
| CN112508330B (zh) | 西部矿区开采扰动下矿井水来源判别方法 | |
| Palchik | Analysis of main factors influencing the apertures of mining-induced horizontal fractures at longwall coal mining | |
| EP3585979B1 (en) | Systems and methods for monitoring casing cement integrity | |
| CN116451013B (zh) | 一种深部地层岩石原位可钻性级值预测方法 | |
| CN116754735B (zh) | 一种煤矿矿井水的水质成分及浓度含量预测方法 | |
| CN112948924A (zh) | 基于覆岩结构的近松散层开采导水裂隙带高度确定方法 | |
| RU2728000C1 (ru) | Способ проводки горизонтального ствола скважины в целевом интервале осадочных пород на основании элементного анализа шлама | |
| FANG et al. | Intelligent recognition of tunnel stratum based on advanced drilling tests | |
| CN112394416A (zh) | 非均质断裂控制储层预测方法及装置 | |
| Yu-wei et al. | Intelligent recognition of tunnel stratum based on advanced drilling tests | |
| CN110821484A (zh) | 一种陆相基质型页岩油地质储量的计算方法和存储介质 | |
| Underschultz et al. | Estimating formation water salinity from wireline pressure data: Case study in the Vulcan sub-basin | |
| US20240053319A1 (en) | Automated source rock net thickness prediction system and method | |
| CN114624784B (zh) | 灰岩储层的状态确定方法、装置及可读存储介质 | |
| CN113030430B (zh) | 煤矿采动稳定区储层内的游离煤层气浓度测算方法 | |
| Lawrence | An interpretation of dug well performance using a digital model |
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 |