赵家寨矿井充水水源的综合判别分析
2014-05-05冯建超连会青陈建东
冯建超,连会青,韩 永,陈建东
(1.新郑煤电股份有限公司赵家寨煤矿,河南新郑 451150;2.华北科技学院安全工程学院,北京东燕郊 101601;3.中国矿业大学(北京)资源与安全工程学院,北京 100083)
0 引言
矿井突水灾害往往造成巨大的经济损失和人员伤亡,严重阻碍着我国煤炭行业的发展。一旦发生突水,及时准确地查明突水水源是解决突水灾害的前提,也是进一步预防突水灾害的重要途径。水化学的方法查明充水水源是一种快速且有效的方法,其中,选择合适的水化学充水判别方法,是快速高效判别充水水源的关键。
水化学法判别矿井充水水源的方法、理论日趋成熟,从以往的简单水质类型对比分析[1]、特征组分判别[2]、同位素分析法等[3],逐渐发展到现在的多元统计学方法(聚类分析[4]、判别分析[5])和非线性分析方法(灰色系统理论[6]、模糊数学[7]、人工神经网络[8]、GIS[9]法等)等多种方法。各种方法有其各自的适用性,本文在分析该矿井水化学特征的基础上,针对赵家寨矿井,选择灰色关联度分析、判别分析以及BP神经网络3种判别方法,对比分析3种方法的有效性,建立充水水源判别模型,为矿井防治水工作提供决策依据。
1 研究区地质和水文地质概况
赵家寨矿井位于新密煤田(图1),该煤田位于华北地层区嵩箕地层小区东部,其从老到新发育有太古界~元古界,古生界寒武系、奥陶系、石炭系、二叠系,中生界三叠系,新生界第三、四系。区域范围内仅西部及其外围的许岗-三岔口一带有二叠系上统平顶山砂岩和三叠系下统金斗山砂岩出露,其余绝大部分为新生界掩盖。太古界~元古界、寒武系、奥陶系、石炭系、二叠系、三叠系等基岩在煤田的西部、南部有出露。
区内岩溶水主要接受大气降水补给,在补给径流区,大气降水通过裸露碳酸盐岩类的岩溶裂隙入渗补给岩溶水;在间接补给区,大气降水主要通过变质岩的风化裂隙和构造裂隙入渗补给形成裂隙水并沿其地下径流转化补给岩溶水。岩溶水径流基本上顺地层层面,从北西、西通过煤系灰岩向南东方向运动(图1)。
赵家寨矿井处于排泄区(图1),主要含水层有第四系孔隙潜水含水层、第三系孔隙潜水含水层、平顶山砂岩(P2sh1)孔隙裂隙含水层、石千峰组下段砂岩含水组、上石盒子组砂岩含水层、下石盒子组砂岩含水层、山西组砂岩裂隙含水层、太原组上段灰岩含水层(C3tL7-8)、太原组下段灰岩含水层(C3tL1-4)、奥陶系马家沟组灰岩岩溶裂隙承压水含水层(O2m)、上寒武系含水层、古老岩系裂隙含水岩组。
图1 区域水文地质图
影响主采山西组二1煤开采的主要含水层有3个,分别为太原组上段灰岩含水层(L7-8)、太原组下段灰岩含水层(L1-4)、奥陶系马家沟组灰岩岩溶裂隙承压水含水层(O2m)。
简称L1-4灰水,该层由1~4层灰岩组成,间夹薄层泥岩,砂质泥岩及薄煤,厚13.9~43.0 m,含水层埋深在贾梁断层以东450~1250 m。其中灰岩厚度7.4 ~34.91 m;平均18.79 m,L1、L2常合为一层,二者一般厚10~13 m。该套灰岩厚层呈块状,隐晶质结构,含黄铁矿结核与燧石结核。
2)太原组上段(C3tL7-8)灰岩岩溶裂隙承压水含水层
简称 L7-8灰水,该层主要由 L7、L8两层厚层状、隐晶结构灰岩组成,该含水层埋藏深度一般250~850 m,含水层厚度0~18 m,一般厚10 m左右,含黄铁矿结核和燧石结核。
3)马家沟组(O2m)灰岩岩溶裂隙承压水含水层
简称奥灰水,厚度25.33~79.95m,平均厚度54.70 m。该层上段为厚层状灰岩,下段泥质成分增高。
这三个含水层与二1煤层的关系见图2。
图2 主要含水层与煤层的关系图
2 主要含水层水化学类型
本研究从出水点、井下和地面钻孔总共采集42个水样,并送华北有色地勘局燕郊中心实验室进行水化学简分析。42个水样中,奥灰岩水样7个,L1-4灰岩水样 6 个,L7-8灰岩水样 25 个,砂岩水样2个,第三系水样1个,第四系地下水样1个,老空水样1个。
〔设计意图:谋篇出发,抓住关键,拟题小结,本节作文课训练重点突出,兼顾整体,在具体实践中让学生明白“好作文不但是改出来的,改作文还有一定的方法”〕
水化学类型是综合反映水质特征的参数,能够清楚地反映不同含水层水质类型的差异。使用AquiferChem绘制了赵家寨矿含水层地下水Piper图(图3)。
图3 赵家寨矿地下水Piper图
1)奥灰岩水水样点在Piper图(图3)中分布比较分散,分别为2个 Ca-Na-Mg-SO4-HCO3、1个Ca-Mg-Na-SO4-HCO3、1个Na-Ca-HCO3-SO4、1个Na-Cl-HCO3-SO4、1个Mg-Na-Ca-HCO3-Cl、1个Ca-Na-Mg-HCO3-SO4,这说明赵家寨矿区奥灰岩水水动力和水化学环境较为复杂。
2)6个L1-4灰岩水水样明显分为两组,分别相对集中到Piper图的左上方和右上方。左上方的水样点与部分奥灰岩水、L7-8灰岩水相近,主要水化学类型为 Ca-Mg-HCO3-SO4,Ca-Mg-Na-HCO3-SO4。右上方水样点与其它含水层地下水水样点没有重合,主要水化学类型为Na-SO4、Na - Ca - SO4。
3)24个L7-8灰岩水水样在Piper图上比较集中,绝大部分水样点(23个)位于菱形左上侧,与部分L1-4灰岩水重合,说明 L7-8灰岩水与部分L1-4灰岩水水化学类型相似,主要水化学类型为:Ca-Mg-HCO3-SO4、Ca-Mg-Na-HCO3-SO4、Ca-Na-Mg-HCO3-SO4。
总体上,赵家寨不同含水层地下水水化学类型有一定差异,有利于后续水源判别。
3 矿井充水水源判别
根据不同方法的适用条件以及该矿井的水化学特征,此次选择灰色关联度分析、判别分析以及BP神经网络3种判别方法来综合对比分析,拟选取一种比较好的方法来分析该矿充水水源。以赵家寨地区的六大离子作为判别因子,从42个水样中随机选择16个待测样本(表1),其余水样作为标准样本。
表1 赵家寨以六大离子作为判别因子的灰色关联判别结果(离子浓度:mg/L)
3.1 灰色关联度分析
灰色系统关联分析法,是灰色系统理论的重要组成部分,基本原理是根据因素之间发展态势的相似程度来衡量因素间的密切程度,相似程度越大,因素间关系就越密切,关联度就越大。其基本过程是通过把研究的对象的数据序列(比较序列和参考序列),在同一评价指标下的差值作为基本依据,分别计算出能反映研究主要对象与其各影响因素之间密切程度的关联系数,通过运算将各项联系数整合为关联度,然后通过比较关联度的大小,来判断各影响因素对研究主要对象的影响程度它描述系统发展过程中因素间相对变化的情况,也就是变化大小、方向及速度等指标的相对性。如果两者在系统发展过程中相对变化基本一致,则认为两者关联度大;反之,两者关联度就小。
以赵家寨的六大离子作为判别因子进行灰色关联判别分析,判别结果见表1。结果分析显示,以赵家寨地区的六大离子作为判别因子时,待测样本共16个,其中判错5个样本其余均正确,正确率为68.8%。
3.2 判别分析计算
判别分析的基本原理是将所研究对象进行分类,并且对这些类别作一些观测,取得一批样本数据,要求从已知的样本数据出发,建立一种判别方法,每当取得一个新的样本时,可以根据这个样本的观测值,判定它属于哪一类。
以赵家寨的六大离子作为判别因子进行判别,赵家寨判别分析检验水样共有16个,判别结果误判10个,预测准确率约为41.2%。
3.3 BP神经网络计算
本次研究将14个水样点(表1)作为判别样本,另外16个水样点作为训练样本,BP网络学习过程借助Matlab编程实现。BP神经网络对表1中的14个水样数据进行BP神经网络模型预测,网络仿真函数为:y=sim(net,pnew)。
判别结果显示,赵家寨神经网络检验水样有3个被误判,预测准确率为81.3%。
4 赵家寨矿水源判别方法对比分析
对赵家寨矿以不同判别因子进行了灰色关联度法、判别分析法、BP神经网络分析法三种判别方法分析,得出表2。其中,以六大离子作为判别因子进行的BP神经网络分析法较其他两种方法的准确率高。因此,BP神经网络法适用于赵家寨充水水源判别。
表2赵家寨判别准确率统计表
5 小结
结合影响赵家寨矿水文地质条件,在分析水文地球化学特征的基础上,从灰色关联度法、判别分析法、BP神经网络三种方法,来综合判断、分析、选择适用于该矿的充水水源判别方法。结果表明,以六大离子作为判别因子时,选择BP神经网络分析法预测的结果比较可靠。
[1] 李俊英,李素清,韩锦涛.汾河上游流域沿程典型水样点水质变化分析[J].中国水土保持科学,2011,(03):59-64.
[2] 张博,洪梅,赵勇胜.GIS支持下吉林省西部地下水特征组分分布特征研究[J]. 世界地质,2001,(02):175-182.
[3] 王丽丽,吴俊森,王琦.水体中硝酸盐氮同位素分析预处理方法研究现状[J].环境科学与管理,2011,(09):54-58.
[4] 唐东明.聚类分析及其应用研究[D].电子科技大学,2010.
[5] 周健,史秀志,王怀勇.矿井突水水源识别的距离判别分析模型[J]. 煤炭学报,2010,(02):278-282.
[6] 高卫东.灰色局势决策方法在矿井突水水源判别中的应用[J]. 矿业安全与环保,2007,(06):47 -49.
[7] 李帅,王震,史继彪,彭斌.模糊数学在煤矿突水水源判别中的应用[J]. 煤矿安全,2012,(07):136-139.
[8] 王连国,宋扬.煤层底板突水组合人工神经网络预测[J].岩土工程学报,2001,(04):502 -505.
[9] 马雷.基于GIS的矿井突水水源综合信息快速判别系统[D].合肥工业大学,2010.