矿井突水水源判别研究现状及发展趋势

崔中良，黄保胜，龙向前

（云南驰宏锌锗股份有限公司，云南 曲靖 655000）

0 引言

矿井突水是矿山开采过程中最具威胁的自然灾害之一，已成为制约矿山安全高效生产的重要因素。当前，我国大多数矿山已进入深部开采阶段，矿井突水防治工作面临着前所未有的挑战。湖南柿竹园钨钼铋多金属矿区水库底部及周边超深越界开采现象严重，已经形成了突水隐患，严重威胁着柿竹园钨矿的安全生产[1-2]。江西茅坪钨钼矿井下水文地质条件复杂，受老窿水、断裂构造、破碎带影响，形成严重的突水隐患[3]。江西某钽铌钨锡矿采空区被破碎带贯通，采矿过程中极易诱发突水[4]。矿井一旦发生突水，不但可能造成重大的经济损失，而且还会严重威胁井下工作人员的生命与健康。而预防和解决矿井突水灾害的关键就是快速判断突水成因、判别突水水源[5-8]，因此建立科学有效的矿井突水水源判别方法具有十分重要的意义。矿井突水水源判别方法主要有地质及水文地质分析法、水温水位法、水化学分析法、数理分析法等。每种方法既有一定的优越性，又有一定的局限性，因此，如何准确地选择合适的矿井突水水源识别方法是需要持续进行研究的课题[9-13]。本文概述了矿井突水水源判别的研究现状，并展望其发展趋势，以期为保障矿井安全生产的防治水工作提供决策依据。

1 文献统计概况

判别矿井突水水源是解决和预防矿井突水灾害的关键，在矿山防治水工作中扮演着十分重要的角色。利用中国知网（CNKI）的检索功能对相关文献进行统计分析。主题选择“突水水源”，选取的时间为2000年1月1日至2018年7月17日，检索出文献后再进行人工筛查，把与突水水源判别无关的、非核心期刊的文献去除，最终得到163篇与突水水源判别紧密相关的文献。2000—2018年，相关文献年发表量呈锯齿状上升，说明人们对突水水源判别研究的关注程度整体呈现上升的趋势，见图1。

图1 历年与主题相关的核心文献数量变化Fig.1 Changes in the number of core documents related to theme over the years

关键词分布统计如图2所示，对文献进行进一步分析，通过图2可以看出高频关键词有突水水源、奥灰水、水源判别、判别模型、水化学特征、突水点、神经网络、顶板砂岩、煤矿突水、灰岩水、模糊综合评判、主成分分析、砂岩裂隙、水源识别等，说明矿井突水水源的判别方法是当前研究的热点。

图2 关键词分布统计Fig.2 Key words distribution statistics

利用中国知网（CNKI）对筛选出的163篇文献进行计量可视化分析，得到关键词共现网络（图3）。关键词共现网络的边缘可看到 GA-BP、Elman、ESN、粒子群算法、遗传算法、SVM、可拓学、LIF技术、人工神经网络、模糊综合评判等关键词，结合关键词分布统计结果（图2），说明人工神经网络与计算机算法的结合是当前应用的热点，同时也暗示未来突水水源判别方法的发展可能主要基于以下两个方面：新理论、新方法的应用或对已有理论、方法的修正和完善；跨学科、多理论的结合。

2 突水水源特点

矿井突水水源主要包括大气降水、地表水、地下水和老窑水。大气降水和地表水的突水路径主要有两种形式[14]：（1）通过构造断裂、开采塌陷裂缝、坑口直接进入井巷；（2）通过表层透水层（带）或潜水含水层，利用下伏基岩裂隙或导水构造渗漏进入井巷。大气降水一般具有矿化度较小（0.02～0.05 g/L）、硬度较低、CO2分压值较大、CaCO3饱和指数为负值、pH值介于5.5～7.0之间的特点。地表水的水化学成分主要受四个因素影响，即地形因素、地质因素、气候因素、植被因素，其中地质因素（岩石、土壤的成分特征）决定着该地区地表水的基本化学成分。地表水一般具有如下两个特点[14-15]：（1）浑浊度可由数十度到数百度，汛期甚至可达上千度；（2）地表水总含盐量一般为0.1～0.2 g/L，一般不超过0.5 g/L。此外，大量的有机物和细菌赋存于地表水和大气降水，这个特征可作为判断地表水或大气降水存在的重要依据。地下水的水化学特征受补给来源、运移条件、赋存空间岩性特点等因素严格控制。各含水层水化学特征控制因素的差异，决定了其水化学特征也存在着差异，因此我们可以利用这些差异来区分地下水的不同来源。老窑水一般为酸性水，突水瞬时水量大、破坏性强，但一般突水后急剧减弱，该特征可作为判定老窑水的重要依据[8-9]。

3 矿井突水水源判别方法

图3 关键词共现网络图Fig.3 Key words concurrence network diagram

矿井突水水源判别方法主要有地质及水文地质分析法、水温水位法、水化学分析法、数理分析法等（图4）。地质及水文地质分析法是判别水源的最基础的方法。水温水位法操作简单，主要针对单层水，目前应用较多的是“QLT”法（即水质水位水温法）。水化学分析法包括常规水化学分析法、微量元素分析法、同位素分析法。数理分析法近年来发展迅速，主要包括多元统计法、灰色系统法、模糊数学法等。

3.1 地质及水文地质分析法

判别矿井突水水源，要充分考虑矿区的构造条件、水文地质条件。地质及水文地质分析法是判别突水水源的基础方法，往往与其他方法联合使用。应用地质及水文地质分析法要求掌握以下信息[16]：（1）矿区或采区内已存在或可能存在的断层位置及特征；（2）断裂构造的组合特征、裂隙或岩溶发育程度、含水层特征；（3）矿体与各含水层水力联系紧密程度；（4）以往开展的工程（钻探、坑探）情况，及对现在水文地质特征可能产生的影响；（5）地表水与矿坑水之间的联系紧密程度。

图4 矿井突水水源判别方法分类Fig.4 Determination methods of water inrush water source in mine

3.2 水温水位法

水温水位法操作简单，主要针对单层水。不同含水层的水温受地温梯度的影响会有一定的差距，因此通过对比突水点的水温与具有突水隐患含水层的水温，可以初步预测矿井突水水源。相互联系的含水层的水位会随其中一个含水层水位的变化而变化，这种含水层之间的水位动态联系可为判断突水来源提供可靠依据[15]。将矿区各含水层、矿井各出水点及汇水点水质特征和季节性变化规律与开采过程中出现的出水点的水质特征进行对比，亦可有效地判别水源。水质、水温及水位的演变通常是相互联系的[17]。判别突水水源的“QLT”法即为水质、水位和水温的特征进行综合判别突水水源的方法。袁文华等[18]基于地温特征建立了地温方程，并运用该方程计算了突水含水层水温，结果显示计算结果与实际出水点水温一致，说明水温水位判别法对突水水源判别具有指示作用。孙福元等[19]基于水质特征对广东格顶煤矿矿井突水水源进行了判别，后经连通试验证明，与突水水源分析结果完全正确。刘文明等[20]运用“QLT”法判别潘谢矿区矿井突水水源，并取得了较好的效果，判别有效率达94%。Wu Qiang等[21]通过研究北阳庄矿运输巷道特大突水的具体情况，一方面通过分析充水含水层（包括第四系多孔含水层和寒武—奥陶系岩溶含水层）中地下水的动态响应规律来确定水源，另一方面建立了埋藏深度和地温的线性方程来计算水温，并对比含水层水温与突水点实测水温进而识别突水水源，结果显示这两种方法均能有效判别矿井突水水源。

3.3 水化学分析法

水化学分析法是基于不同水体自身组分的特征，从微观上认识和判别不同水源间的差异和联系的一种方法。矿区不同含水层的水化学特征存在差异。矿井突水水源判别方法主要有常规水化学法、同位素法、微量元素法、稀土元素法等。常规水化学法主要是对水中 Ca2+、K+、Na+、SO42-、HCO3-、Mg2+、Cl-、CO32-等主要离子含量和碱度、电导率、硬度、酸度、pH值、矿化度等水质综合指标进行分析，确定含水层水质类型与突水水质类型，最后类比确定矿井突水水源。常规水化学法适用于判断含水层水质特征差异较大的单一水源。微量元素法、同位素法是分别基于水中微量元素、同位素特征进行突水水源判别的方法。微量元素法的判别结果可信度较高，运用的前提是特征组分易检、稳定。同位素一般不与其他组分发生反应，用于示踪十分可靠，具有准确度高、速度快的优点，但其测试成本高。稀土元素因具有独特的地球化学性质而被广泛用于各种不同地质过程的研究[22-25]。随着近几十年来测试技术的快速发展，稀土元素在地下水水文地球化学研究领域中的应用愈来愈多，并取得了一系列的成果，如水-岩相互作用、地下水径流示踪等[26-29]。因此应用矿井突水稀土元素的地球化学特征来判别突水来源，具有可靠的理论依据[30]。张雁[31]采用水化学分析法对矿井不同含水层的水质进行舒卡列夫分类，并将其与王楼煤矿11305工作面的突水水样进行对比，认为突水水源为侏罗系砂岩裂隙水。后经验证，分析结果完全正确。桂和荣等[32]对皖北矿区深层地下水水样进行了微量元素测试，并建立了微量元素主成分分析模型和突水水源主成分的判别表达式。潘国营等[33]运用氢、氧同位素和氚同位素判别了突水来源，为矿区制定矿井水防治策略提供了重要的科学依据。陈陆望等[34]建立了皖北矿区岩溶水环境同位素判别模式，对判别矿井突水水源具有重要借鉴意义。陈松等[35]以皖北任楼煤矿太原组灰岩含水层为例，研究灰岩含水层中稀土元素在地下水与围岩间的分异特征，结果表明灰岩水中Y元素的峰值效应也可作为灰岩水源识别的依据。谢文苹等[36]采用因子分析法对皖北矿区地下水中稀土元素的地球化学特征进行研究，并基于稀土元素建立了判别突水水源的Bayes模型，且判别率高达93%，判别结果与因子分析结果吻合。Qu Shen等[37]基于含水层水质类型和同位素特征对废弃矿井井水来源进行了判别。

3.4 数理分析法

3.4.1 多元统计法

多元统计法主要包括判别法（距离判别法、Bayes判别法、Fisher判别法）和聚类分析法。判别分析法主要用于判断对象的归属类，是在若干类已知对象中确定新对象归属类的一种有效统计分析方法[38]。周健等[39]将建立的距离判别分析模型用于矿井突水水源识别，模型检验结果及实例计算证明，利用六大基本离子建立的距离判别分析模型具有较强的判别能力。张春雷等[40]把Bayes多类线性判别法应用到淮南顾桥矿地下水判别实例中，并取得了较好效果。陈红江等[41]把矿井突水水源识别的Fisher判别模型应用于华北某矿井并予以验证，结果表明该模型利用回代估计法所得到的误判率小，并具有较强的判别能力。聚类分析方法是先定量地确定样本之间的亲密程度，然后按亲疏差异程度归入不同的分类群体之中。李世峰等[42]结合矿井的实际突水及水质分析资料对各小范围内的最新水点进行聚类分析，并将该矿突水水源分为3类，有效提高了矿山防治水的针对性和可靠性。

3.4.2 灰色系统法

灰色系统法是基于灰色系统数学理论对矿井突水水源进行判别的方法。灰色系统法能较好地处理多个水源判别问题。灰色系统法主要包括局势综合判别法、灰色关联度法、最大效果测度法。灰色关联度方法是根据诸因素间动态过程的相似性或相异程度来衡量因素间发展态势的一种量化方法，即将突水点的水质及主要离子成分的含量视为一条线上的点，量化其与识别对象之间的贴近度，并计算出研究对象与待识别对象各影响因素之间的贴近程度的关联度，然后通过比较各关联度的大小来判断待识别对象与研究对象的影响程度[43]。这种方法具有计算简单、容易理解的特点，但是它在确定各含水层标准时需要大量的数据，且所得的标准往往缺乏广泛性和有效性[44]。郝彬彬等[45]以华北地区某矿为例，利用灰色关联度法对矿井突水水源进行分析与计算，结果显示，大青灰岩水与矿井突水水样的关联度最高，判定突水水源是大青灰岩含水层，后经验证发现，突水水样为大青灰岩水的判断是可靠的。灰色局势综合判别法属于多点决策法的范畴，它引入效果测度，使问题简化，可以解决多个事件的问题。高卫东[46]将灰色局势决策方法应用于矿井突水水源判别，结果显示该方法判别结果是可靠的，灰色局势决策方法可用于解决矿井突水水源的判别问题。最大效果测度法是在灰色局势综合决策的基础上用化学指标去判别某个突水水源的方法[38]，在多个水源同时充水的情况下无效。洪雷等[47]利用最大效果测度值法对燕子山矿突水水源进行了研究，有效判定出突水水源为煤层顶板砂岩裂隙水，为矿井防治水工作提供了一个新的思路。

3.4.3 模糊数学法

模糊数学法先进行单项指标的评价，然后分别对各单项指标给予适当的权重，最后应用模糊矩阵复合运算的方法得出综合评价的结果。运用模糊数学法建立的水源判别模型中，权重的确定不能简单地用超标加权法。模糊数学法主要包括模糊综合判别法、模糊相似比法、最大贴近度法。李明山等[48]成功地运用最大贴近度法准确判别了姚桥矿井突水水源。余克林等[49]根据矿井含水层的水化学特征，建立了二级模糊综合评判数学模型，并准确地判别出了矿井突水水源。魏永强等[50]采用模糊综合评判方法对矿井突水水源进行了判别，结果表明该方法评判效果极佳。

4 其他方法

其他方法主要有人工神经网络法、地理信息系统法（GIS理论法）、支持向量机法（SVM法）、可拓识别法。目前，人工神经网络法在矿井突水水源判别中已经得到了广泛应用。人工神经网法判别的结果较其他方法具有客观性，但对训练样本的选择具有一定的难度。常见的人工神经网络模型有BP神经网络、SOM神经网络、ESN神经网络、Elman神经网络等。刘猛[51]以BP神经网络理论为基础，建立水源判别模型，并随机选取矿井采掘过程中收集到的水样进行水源判别预测，结果显示水源判别结果与实际情况完全相符。吴岩等[52]把水质中的7种离子的含量作为判断因素，并结合改进的SOM神经网络模型对矿井突水水源进行了判别，结果显示该方法的误判率为零，能够准确地判别矿井突水水源。李垣志等[5 3]提出了基于ESN神经网络的水源判别模型，并将其应用于不同矿山，效果良好。徐星等[8]结合水文地质条件将神经网络应用于突水水源判别，准确判断了突水水源。GIS是随着地理科学、计算机技术、遥感技术和信息科学的迅速发展而发展起来的，不但具有强大的数据处理功能，而且可实现对分析结果的可视化表达。杨梅[54]将Bayes突水水源判别模型植入GIS中，建立基于GIS的突水水源判别系统，从而实现了突水水源的快速判别。SVM法是一种建立在统计学理论基础上的机器学习方法，具有较好的适应能力和较高的分准率。钱家忠等[55]利用支持向量机法建立水源判别模型，并用于判别潘三煤矿B8、C13组煤系突水水源，结果表明用SVM法判别更加快速有效。可拓识别法是一种改进的物元可拓法。冯琳等[56]利用改进的可拓识别方法对新的突水水样进行了分析，得到了较好的突水水源判别效果。

5 存在的问题及发展趋势

5.1 存在的问题

现阶段矿井突水水源判别方法面临的主要问题有：各种矿井突水水源判别方法均有很多成功的应用案例，但这些方法都有各自的适用范围和局限性，不足以应对错综复杂、变化多端的突水环境；目前我国大多数矿山已进入深部开采阶段，矿井井水的混合程度明显加强，因此矿井突水的物理性质（温度、颜色、气味等）和化学成分（SO42-、Mg2+、HCO3-等）将产生“混合效应”，这将导致多解问题，如何正确判别突水（混合水）水源及各水源混合比例仍是当前需要不断进行研究的课题；基于水质数据的水源判别方法绝大多数都基于7种离子，即SO42-、Mg2+、HCO3-、Na+、K+、Ca2+、Cl-，忽略了不同时空范围内识别矿井突水水源特征离子的差异性。

5.2 发展趋势

目前，用于判别矿井突水水源的方法涉及了化学、计算机科学、数学、GIS和可拓学等领域，已经从简单的水温水位法跨越出来，迈向精细化、广泛化、可视化的发展方向。精细化指判别精度会越来越高，广泛化指适用范围会越来越广，可视化指判别结果的直观性越来越好。精细化、广泛化、可视化的实现可能主要通过以下方式：（1）跨学科、多理论的结合。王欣等[57]将遗传算法和BP神经网络相结合，在同样的训练样本和待测样本下，识别效果比BP神经网络、距离判别法、Bayes判别法识别精度更高。郑琳等[58]基于模糊聚类分析方法，建立矿井突水水源模糊综合评判模型并植入GIS中，不仅实现了对矿井突水水源快速判别，而且实现了将评判结果直观地显示给用户。Liu Qin等[59]提出了一种综合水化学分析、水源检测和水路勘查的综合识别模型，即采用Schukalev分类法判别突水水源，且在水化学分析阶段采用层次聚类分析对水样进行分类，最后结合水通道勘察和水源检测验证结论。此综合判别模型被应用于布兰沟煤矿突水事故，结果表明综合判别模型具有互补优势，提高了突水预测效率。马雷等[60]建立了基于GIS和水质水温的矿井突水水源判别模型，并应用于潘一煤矿86-1号突水判别，结果显示该法在含水层间地温差较大的情况下应用效果较好。胡伟伟等[61]根据抚顺老虎台矿区同位素、水化学特征及混合计算得出了突水中各部分来源水的混合比例。（2）新理论、新方法的应用或对已有理论方法的修正和完善。汪嘉杨等[62]建立基于粒子群径向基函数神经网络的矿井突水水源判别模型，并与传统最小二乘法的RBF神经网络相比，发现其精度更高，优化结果更为合理。王仲阳等[63]发现利用主成分分析法（PCA法）与Bayes法综合模型识别矿井突水水源时能有效消除样本变量指标间的相互影响，进而提高突水水源识别的准确率。Yang Yong等[64]提出了一种利用激光诱导荧光技术和卷积神经网络实现矿井突水水源在线判别的新型突水水源判别模型，理论分析和试验结果表明，该方法识别率达到98%，为解决矿井在线判别突水水源类型提供了新思路，是一种非常有效的矿井突水水源类型判别方法。随着矿井突水水源判别方法的精细化、广泛化、可视化，矿山防治水的决策依据将越来越可靠。