文献类型：期刊文章

作　　者：曾一凡[1,3] 梅傲霜[1,3] 武强[1,3] 华照来[2] 赵頔[1,3] 杜鑫[1,3] 王路[2] 吕扬[2] 潘旭[1]

ZENG Yifan;MEI Aoshuang;WU Qiang;HUA Zhaolai;ZHAO Di;DU Xin;WANG Lu;LÜYang;PAN Xu(National Engineering Research Center of Coal Mine Water Hazard Controlling,China University of Mining and Technology-Beijing,Beijing 100083,Chi-na;Shaanxi Shanmei Caojiatan Mining Co.,Ltd.,Yulin 719000,China;China University of Mining and Technology-Beijing(Nanjing)New Energy and Environmental Protection Technology Research Institute,Nanjing 210005,China)

机构地区：[1]中国矿业大学(北京)国家煤矿水害防治工程技术研究中心,北京100083 [2]陕西陕煤曹家滩矿业有限公司,陕西榆林719000 [3]北矿大(南京)新能源环保技术研究院,江苏南京210005

出　　处：《煤炭学报》

基　　金：国家自然科学基金资助项目(42072284,42027801,41877186)。

年　　份：2022

卷　　号：47

期　　号：12

起止页码：4482-4494

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、DOAJ、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了弥补现有方法判识结果缺少实际水循环的支撑与验证,以及对实际采矿过程中涌(突)水现象与矿井立体水文地质模型等结合不足的问题,提出一种基于水化学场机器学习分析与水动力场反向示踪模拟耦合的矿井涌(突)水水源综合判识技术。该技术首先利用水文地球化学的原理揭示矿井涌(突)水及其可能来源含水层(水体)的水化学特征,利用特征的相似性对涌(突)水来源进行定性分析;随后利用机器学习算法对涌(突)水来源进行定量判识;最后建立渗流场数值模型,实现涌(突)水来源的再验证与涌水路径的可视化输出。以曹家滩煤矿为工程实例,运用该方法对122108和122109两个工作面的涌水来源进行判识,研究结果表明:随着深度的增加,研究区地下水中阴离子始终以HCO_(3)^(-)为主导,而阳离子则呈现由Ca^(2+)为主导过渡到Na^(+)+K^(+)为主导的趋势;支持向量机(SVM)需要额外利用遗传算法(GA)等方法对惩罚系数c和核函数参数g进行优选,而随机森林(RF)无需复杂的参数设置和优化便能得到较为满意的性能,且具有更高的准确性;矿井涌(突)水渗流场可视化模型反向示踪显示122109工作面在红土隔水层“天窗”附近,存在第四系含水层地下水通过导水裂隙带涌入工作面的情况。该技术判识出122108工作面涌水来源于直罗组和延安组含水层地下水,122109工作面涌水来源于第四系含水层地下水,判识结果与工程实际情况相吻合。

关 键 词：水源判识  水化学特征 机器学习算法  粒子反向示踪  顶板水害

分 类 号：TD745]