论文部分内容阅读
在国民经济的发展中,煤炭占据重要地位。现今中国95%左右的煤炭产量来自井下开采,且随着时间的流逝,浅部煤炭开采殆尽,许多矿井逐步向纵深发展,随之而来的就是恶劣的水文地质环境,而且我国地域辽阔,地质构造多样,因此出现煤矿突水的机率和危险性也逐年增大。现阶段对煤矿的突水预防多使用以下几种技术相结合：1、地质勘探技术,获取水文地质构造情况,以提前规避危险水源；2、水源识别技术,获取含水层或涌水水源类型,以确定地下水分布或进行煤矿涌水危险度评价；3、水参数实时监测技术,获取水压、涌水量、电导率等实时水参数,以实现涌水的实时监测预警。三种技术中,地质勘探技术后期进行的水文地质构造分析需要水源识别技术支持,鉴于突水发生的突然性,水参数实时监测技术对于突水预警意义不大。因此如何快速的进行煤矿水源识别,无论是对于煤矿的水文地质研究还是预防突水灾害都具有重大意义。而且当前这些技术在实际的煤矿生产中也存在以下不足之处：1、对水文地质和构造等勘察资料的详细程度依赖性高；2、对规模相对较小的含导水构造难以查明；3、水源识别以水化学方法为主,耗时较长(需1-2小时),且准确率相对较低；4、多采用机机类传感器或电阻类传感器,需防爆处理,抗干扰性能差。针对此种状况,提出一种新型快速的煤矿水源识别方法,采用激光诱导荧光技术(LIF),以煤矿不同含水层水源做为研究对象,通过获取煤矿不同含水层水源的荧光光谱信息,建立突水水源的光谱数据库,并以此为依据,构建突水水源的快速识别模型。整套系统在数据库完备的情况下,仅需数秒即可完成水源的快速识别,为进一步的开发基于激光诱导荧光技术的煤矿突水水源快速识别模型奠定理论和技术基础,从而实现煤矿的安全生产以及为突水灾后救援提供快速判别依据。本文的主要研究成果和结论如下：(1)根据光学原理和煤矿特征,构建了适用于煤矿特征的激光诱导荧光水源快速识别系统,设计了相应的本安电源,开发了煤矿水源快速识别软件。(2)以淮南新集一矿的奥灰水,老窑水,冲积层水,砂岩水和灰岩水做为实验对象,建立了水源快速识别的SMCA模型和PLS-DA模型。在SMCA模型中,原始光谱经Gaussian-Filter预处理,在主成分数为2,显著性程度α=5%的情况下,对建模集样品进行识别,5种水样模型对水样样本的识别正确率皆达到了100%,对验证集中样本进行识别时,5种水样模型对水样样本的识别正确率也皆达到了100%。在PLS-DA模型中,根据PLS原理建立5种水样的PLS-DA模型,各模型建模集的识别正确率皆达到了100%,相关系数r依次达到了0.976,0.996,0.982,0.971,0.993,RMSECV依次达到了0.087,0.040,0.073,0.079,0.047；对验证集的识别正确率也皆达到了100%, RMSEP依次达到了0.116,0.054,0.089,0.123,0.061,表明LIF技术结合PLS-DA模型可以用于淮南新集—矿水源的快速识别。(3)以大同燕子山煤矿的老窑水,冲积层和砂岩水做为实验对象,验证所建立SMCA模型和PLS-DA模型的可行性。在SMCA模型中,原始光谱经Moving-Average预处理,在主成分数为2,显著性程度α=5%的情况下,对建模集样品进行识别,3种水样模型对水样样本的识别正确率皆达到了100%,对验证集中样本进行识别时,3种水样模型对水样样本的识别正确率也皆达到了100%,验证了LIF技术结合SMCA模型可以用于煤矿水源的快速识别。在PLS-DA模型中,根据PLS原理建立3种水样的PLS-DA模型,各模型建模集的识别正确率皆达到了100%,相关系数r依次达到了0.997,0.991,0.987,RMSECV依次达到了0.037,0.065,0.069；对验证集的识别正确率也皆达到了100%,RMSEP依次达到了0.062,0.093,0.151,验证了LIF技术结合PLS-DA模型可以用于煤矿水源的快速识别。(4)以建立的水源快速识别模型为基础,结合矿井突水实例,建立一种突水预警模型。以大同燕子山煤矿水样为实验对象进行了模型验证,依据建立的SMCA模型和PLS-DA模型进行冲积层水＆砂岩水和老窑水＆砂岩水,以及一种正常水样砂岩水进行水源快速识别。在SMCA模型中,原始光谱经Moving-Average预处理,在主成分数为2,显著性程度α=5%的情况下,对建模集样品进行识别,3种水样模型对水样样本的识别正确率皆达到了100%,对验证集中样本进行识别时,3种水样模型对水样样本的识别正确率也皆达到了100%,证明了LIF技术结合SMCA是型用于井下在线式水源快速识别预警模型的可行性。在PLS-DA模型中,根据PLS原理建立3种水样的PLS-DA模型,各模型建模集的识别正确率皆达到了100%,相关系数r依次达到了0.992,0.989,0.985,RMSECV依次达到了0.041,0.073,0.087；对验证集的识别正确率也皆达到了100%,RMSEP依次达到了0.075,0.108,0.197,证明了LIF技术结合PLS-DA模型用于突水预警的可行性。(5)对比建立的SMCA模型和PLS-DA模型对煤矿水源的识别结果,发现两者皆可以进行较佳的水源识别,但是相对而言PLS-DA模型可体现出更高的判别能力,且无须进行光谱预处理,步骤相对简化。综合运用本研究的技术结论,构建煤矿水源类型的快速识别模型,以淮南新集一矿与大同燕子山矿的相关水样进行分类建模验证。通过LIF系统获取水样荧光光谱,经过光谱预处理对水样荧光光谱进行数据分析,将处理后的光谱信息带入分类识别模型,确定水源类型,进而即可进行涌水危险程度评价。模型的搭建对于煤矿水害的预防意义重大,以本模型为基础开发的设备已做为突水监测预警子系统应用于数个煤矿,经济、社会效益显著。