基于改进的SSA-BP神经网络的矿井突水水源识别模型研究

机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用,但突水水样数据具有随机性且寻优算法易陷入局部最优,提高模型泛化能力和跳出局部最优需进一步研究。针对上述问题,提出了一种改进的麻雀搜索算法(SSA)优化BP神经网络模型,用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象,通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析,初步判断矿井水来源于奥灰含水层和三灰含水层,并确定Na^(+)+K^(+)浓度、Ca^(2+)浓度、Mg^(2+)浓度、HCO_(3)^(-)浓度、SO_(4)^(2-)浓度、Cl^(-)浓度、矿化度、总硬度、pH值作为突水水源识别指标;建立基于改进SSA-BP神经网络的矿井突水水源识别模型:首先进行SSA参数设置,引入Sine混沌映射使麻雀种群均匀分布,然后通过计算适应度值进行麻雀种群的更新,引入随机游走策略扰动当前最优个体,如果满足终止条件,则获得最优BP神经网络权重和阈值,最后基于构建的BP神经网络,输出识别结果。研究结果表明:①改进的SSA-BP模型在训练集上的识别准确率达95.6%,在测试集上的识别准确率达100%。②改进的SSA-BP神经网络模型与BP神经网络模型、SSA-BP神经网络模型对比结果:BP神经网络模型误判率为5/18,SSA-BP神经网络模型的误判率为2/18,改进的SSA-BP神经网络模型误判率为0,迭代10次后趋于稳定,且与设定的目标误差相差最小,初始适应度值最优,识别结果可信度高。③将阳城煤矿5组矿井水水样数据作为输入层数据输入到训练好的模型中,矿井水水样的主要来源为奥灰含水层、三灰含水层和山西组含水层,模型识别结果与水化学特征分析的结论相互印证,实现了精准区分。

基于熵权-模糊可变集理论的煤矿井突水水源识别

在阐述熵权法和模糊可变集理论的基础上,针对平顶山煤田首山一矿和十三矿4个充水水源中所提取的23个水样,构建了识别矿井突水水源的数学模型,并利用该模型对8个水样进行了来源识别。结果表明:各类充水水源中Ka^++Na^+,Ca^(2+),Mg^(2+),Cl^-,SO_4^(2-)和HCO_3^-等6项化学指标值在区间特定值附近出现的概率比较高,可用模糊可变集理论识别突水水源;熵权法计算的Ka^++Na^+和Ca^(2+)权重值分别为0.270 8和0.371 3,远高于其他指标的权重值,且其权重值之和占64.21%,说明两项指标在矿井突水水源识别中起主要作用;8组水样识别时,除水样8识别结果不符合实际外,其余均与实际类型相符,其准确率为87.5%;对于平顶山煤田来说,识别模型中的优化准则参数a选取2时,熵权-模糊可变集模型识别突水水源的准确性更高;应依据丰富的时空水质检测数据来建立模型并及时应用新的资料予以修正,以保证所建识别模型符合实际并与时俱进。

基于ELM的矿井突水水源识别方法

针对矿井突水事故的预测问题,提出一种基于极限学习机(Extreme Learning Machine,ELM)的矿井突水水源识别新方法。该方法是一种单隐含层前馈神经网络学习算法,在训练过程中无需调整初始连接权值和阈值,只需要设置隐含层神经元个数即可获得最优解。以梧桐庄煤矿水质为例,通过MATLAB仿真证实,该方法不仅克服了常规BP神经网络受初始权值和阈值影响的缺陷,而且识别精度更高;在突水预测方面有很好的应用前景。

基于客观组合权-改进集对分析模型的矿井突水水源识别

矿井水害事故的发生对煤矿的安全开采带来很大的影响,快速准确地识别突水事件中所涉及的水源,是预防和解决矿井水害的关键手段之一。基于客观组合权和集对分析理论,针对矿井突水水源识别问题,以东滩矿4个含水层中的40个水样为识别样本,选取Na^(+)+K^(+)、Ca^(2+)、Mg^(2+)、Cl^(-)、SO_(4)^(2-)和HCO_(3)^(-)共6项水化学指标作为识别因子,构建了矿井突水的水源识别模型,并利用该模型对10个检验样本进行水源识别。结果表明:客观组合权既避免了主观赋权法的主观随意性的缺点,又弥补了单一客观赋权法带来的片面性较强的不足,能合理地对识别指标进行权重赋值。Ca^(2+)和Mg^(2+)的权重明显高于其他离子,分别为0.28和0.25,二者的权重之和占比达53%,说明这2个指标在突水水源识别中起主要作用。利用客观组合权-改进集对分析模型对10个检验样本进行识别,准确率达到90%,说明该模型在矿井水源识别中具有一定的参考价值。模型出现误判的原因可能是误判水样取样钻孔位于断层附近,断层切割侏罗系红层水含水层与二叠系砂岩水含水层,是具有一定导水能力的天然通道,导致水样与砂岩水含水层存在一定的水力联系并发生了混合。建议在后续工作中应收集和监测各种含水层的水样数据,及时应用新的水样数据对模型进行修正,为提高模型的识别准确率奠定基础。

动态权-集对分析模型在矿井突水水源识别中的应用

矿井突水是煤矿生产的主要威胁之一,准确判定矿井突水水源是突水灾害防控的重要环节。为进行矿井突水水源识别,基于动态权和集对分析理论,针对葫芦素井田5种不同含水层中所提取的53组水样,选取K++Na+,Ca2+,Mg2+,Cl-,SO2-4及HCO-3六项水化学指标作为识别因子,确立了其水源识别区间,构建了矿井突水水源识别的数学模型。然后利用10组已知矿井水样验证水源识别模型,最后使用该模型对2015-04-26葫芦素井田21102工作面突水进行水源识别。结果表明:动态权重综合考虑主客观权重,既削弱了人为因素的影响,又考虑了识别指标的实际情况,权重赋值合理。利用动态权计算的6项识别因子中,SO2-4,Cl-,K++Na+的权重值分别为0.38,0.25及0.20,远大于其他3项指标且其权重之和占总权重的83%,在突水水源识别中起决定性作用。利用10组已知矿井水样验证动态权-集对分析水源识别模型,9组识别结果与实际情况完全吻合,仅有1组第四系水样识别结果与实际不符,为建模时第四系样本数据少,待测水样超出识别区间所致。使用已建模型识别葫芦素井田21102工作面突水水源,判别结果与实际完全一致,因21102工作面突水几乎均来自直罗组与白垩系,而直罗组与白垩系建模样本量大,所建识别区间合适。大量的水质数据及准确的识别区间是动态权-集对分析模型进行准确突水水源识别的基础与保障。

基于组合权-改进灰色关联度理论的矿井突水水源识别

基于组合权和改进灰色关联理论,针对潘谢矿区4个含水层中提取的35个学习样本,建立了矿井突水水源识别模型,并利用该模型对7个检验样本进行了水源识别。结果表明:相同含水层的学习样本和检验样本中Na^(+)+K^(+),Ca ^(2+),Mg ^(2+),Cl^(-),SO_(4)^(2-)和HCO_(3)^(-)等6项化学指标值的含量变化趋势更为接近,符合灰色关联理论。组合权重综合考虑了主客观权重,避免人为因素的干扰,同时考虑了识别指标的实际情况。组合权方法计算的6项识别因子中,Ca ^(2+),Mg ^(2+),HCO_(3)^(-)的权重分别为0.231,0.383,0.203,且3者的权重值相加占总值的81.7%,说明3项指标在矿井突水水源识别中起主要作用。采用建立的组合权-改进灰色关联度模型对7个检验水样进行识别,除1个水样外,其余均与实际结果一致,识别准确率达到86%,表明该模型在矿井水源识别中具有一定的适用性。

基于IWOA-HKELM的矿井突水水源识别

为提高矿井突水水源识别的精度,提出一种改进鲸鱼优化算法(IWOA)-混合核极限学习机(HKELM)的水源识别模型。首先将高斯核函数和多项式核函数相结合,构造学习能力和泛化性能较好的HKELM;然后针对鲸鱼优化算法(WOA)易陷入局部最优的问题,提出IWOA算法,引入帐篷映射、改进非线性因子以及设置反向精英学习阈值等3种策略来降低算法过早收敛的概率,并得到更优结果;最后将新庄孜矿的突水水源资料作为仿真数据,降维处理后输入到IWOA-HKELM模型中结果预测。研究表明:通过IWOA优化HKELM参数,可提高HKELM的整体预测性能;IWOA-HKELM的预测结果与实际情况完全一致,与其他模型相比,该模型的平均分类准确率明显提高,平均均方误差和分类准确率标准差明显降低。

基于溶解性有机质荧光光谱特征的突水水源识别

为了区分各含水层间水化学特征差异,对地下水中溶解性有机质的三维荧光光谱特征进行了研究,结果表明:地表水和第四系水中各类有机质荧光峰均出现,且荧光强度高;砂岩水中未出现酪氨酸荧光峰,疏水性有机酸和海洋性腐植酸的荧光峰强度分别为99.75 QSU和56.50 QSU,小于上覆水体的值;奥灰水中总有机碳TOC和紫外吸收值UV254明显低于其他含水层,且没有酪氨酸、疏水性有机酸和海洋性腐植酸的荧光峰,色氨酸荧光峰强度则高于其他含水层,其值为175.23 QSU。通过三维荧光光谱特征能够显著区分奥灰水和上部含水层的水化学特征,准确地识别突水水源。

突水水源的独立性权–模糊可变理论识别模型

在煤矿开采过程中,矿井水害事故频繁发生。为快速准确地找出矿井突水水源,降低矿井突水给煤矿生产带来的危害,以赵各庄矿为例,运用独立性权系数与模糊可变理论相结合的方法,选取了Na^+,Ca^2+,Mg^2+,Cl^–,SO4^2–和HCO3^– 6种水化学指标,对赵各庄矿的20组水样数据进行分析计算。结果表明:独立性权系数–模糊可变理论模型排除了水样中各指标间冗余信息的影响,克服了水样各变量间权重难以确定以及变量对水质影响不均匀的问题,可在一定程度上保证突水水源识别模型的准确度;Cl^–权重值远大于其他各项化学指标的权重值,即Cl^–对突水水源的识别结果影响较大;采用本文所建模型判别赵各庄矿的8组测试水样,判别准确率达87.5%,表明该模型在矿井突水水源识别中具有重要参考价值。

矿井突水水源Logistic识别及混合模型

针对矿井地下水混合度较高的突水水源识别问题,运用多元统计分析原理和混合计算原理,建立焦作矿突水水源识别模型和混合模型.以实际数据作为训练样本,分别对它们进行分析与检验.研究结果表明:Logistic分析能有效建立混合度较低的突水水源识别模型,回估误判率较低;混合模型利用主成分分析分析结果建立四面体,损失较少的信息,可有效地确定地下水的混合比例,且利用示踪元素得到的预测值与实测值的总体误差相对较低.

基于不同含水层水混合效应水化学特征的突水水源识别

王洼煤矿因采空区地表下陷并形成积水凹地,塌陷区积水有可能沿塌陷裂隙渗入井下,对矿井安全生产构成威胁。通过对地表水和煤系顶板砂岩水混合效应的水化学研究,利用对比分析方法找出变化明显的特征离子,将其作为水质监测的重点对象(K++Na+、TDS和矿化度),为建立地表水是否溃入矿井的预警系统提供了科学依据。

贝叶斯判别和Fisher判别在矿井突水水源判别中的应用比较

矿井突水水源的有效识别对于预防矿井突水事故起到至关重要的作用,为了解决传统水源判别方法存在准确率较低、所需数据量大的问题,依据山东盛泉煤矿突水水源的水质资料,选取Na^(+)+K^(+)、Ca^(2+)、Mg^(2+)、Cl^(-)、SO^(2-)_(4)和HCO^(-)_(3)这6种水化学成分指标作为矿井突水水源判别的依据,分别构建Fisher线性判别模型和朴素贝叶斯分类模型,并将2种模型的结果进行比较。结果表明,2种方法对于矿井突水水源的识别均有一定的实用性,但利用MATLAB实现的贝叶斯判别函数更为简单,且运行速度较快,误判率较低,因而可作为多分类矿井突水水源判别的有效手段。