[發(fā)明專利]一種奧灰水突水預(yù)警方法、系統(tǒng)和裝置

在審

• 申請?zhí)枺?/td>: 202110339047.0
• 申請日: 2021-03-30
• 公開（公告）號: CN112945209A
• 公開（公告）日: 2021-06-11
• 發(fā)明（設(shè)計）人: 畢波;孟建兵;曹承平;王傳兵;周言安;陳本良;葉春輝;楊洋;童校長;楊理強;郝元偉;周小雨
• 申請（專利權(quán)）人: 淮南礦業(yè)（集團(tuán)）有限責(zé)任公司;平安煤炭開采工程技術(shù)研究院有限責(zé)任公司
• 主分類號: G01C13/00
• 分類號: G01C13/00;G06K9/62
• 代理公司: 合肥市浩智運專利代理事務(wù)所(普通合伙) 34124
• 代理人: 張祥

1.一種奧灰水突水預(yù)警方法，其特征在于：包括

步驟A：對各含水層分別采集多個水樣，獲取各含水層的數(shù)據(jù)和含水層標(biāo)簽；

步驟B：將步驟A的數(shù)據(jù)輸入隨機森林算法，以十折交叉驗證法進(jìn)行訓(xùn)練，根據(jù)每次測試集的測試結(jié)果輸出真實值與預(yù)測值的混淆矩陣，以及各參數(shù)對分類結(jié)果的貢獻(xiàn)率；

步驟C：通過混淆矩陣計算各含水層所有水樣被錯分為奧灰水的百分比，作為該含水層與奧灰水的相似度，基于經(jīng)驗確定相似度的突水風(fēng)險閾值；

步驟D：如果存在相似度達(dá)到突水風(fēng)險閾值的含水層，則該含水層存在突水風(fēng)險；

步驟E：以貢獻(xiàn)率最高的前n個參數(shù)作為敏感指標(biāo)，以步驟A中的所有水樣的敏感指標(biāo)數(shù)據(jù)和含水層標(biāo)簽作為訓(xùn)練集，輸入隨機森林算法得到識別模型；

步驟F：采集待識別含水層所有水樣的敏感指標(biāo)數(shù)據(jù)，將該含水層的數(shù)據(jù)輸入識別模型，根據(jù)被識別為奧灰水的水樣數(shù)確定該含水層與奧灰水的相似度，如果相似度超過突水風(fēng)險閾值，則認(rèn)為該含水層存在突水風(fēng)險。

2.根據(jù)權(quán)利要求1所述的一種奧灰水突水預(yù)警方法，其特征在于：步驟A中采集的各含水層的數(shù)據(jù)至少包括TDS、Na+K、Ca、Mg、SO42-、Cl-、HCO3-、CO32-、水源信息。

3.根據(jù)權(quán)利要求2所述的一種奧灰水突水預(yù)警方法，其特征在于：步驟A中采集的各含水層數(shù)據(jù)還包括：溫度、流量、壓力其中一種。

4.根據(jù)權(quán)利要求1所述的一種奧灰水突水預(yù)警方法，其特征在于：步驟A中通過在巷道或地面施工水文觀測孔和井下前探孔獲取各含水層的多個水樣。

5.根據(jù)權(quán)利要求1所述的一種奧灰水突水預(yù)警方法，其特征在于：還包括在存在突水風(fēng)險時發(fā)出報警的步驟，發(fā)出報警的方法包括聲音、光線變化、信息推送中的至少一種。

6.根據(jù)權(quán)利要求1所述的一種奧灰水突水預(yù)警方法，其特征在于：還包括根據(jù)步驟C中各含水層與奧灰水的相似度確定該含水層為奧灰水的水樣閾值，且水樣閾值小于突水風(fēng)險閾值，當(dāng)步驟C和步驟E檢測的任意含水層的相似度大于水樣閾值小于突水風(fēng)險閾值時，對突水風(fēng)險進(jìn)行治理，治理的方法為確定導(dǎo)水通道，從巷道底板向?qū)ǖ来蚩鬃{進(jìn)行封堵。

7.根據(jù)權(quán)利要求1所述的一種奧灰水突水預(yù)警方法，其特征在于：所述水樣閾值為20％，突水風(fēng)險閾值為30％。

8.一種奧灰水突水預(yù)警系統(tǒng)，其特征在于：包括在巷道或地面施工的至少一個地面水文觀測孔和至少一個井下前探孔，至少一個地面水文觀測孔延伸到深部奧陶系灰?guī)r，所述井下前探孔通信連接有在線檢測裝置，所述在線檢測裝置通信連接有數(shù)據(jù)處理單元，所述數(shù)據(jù)處理單元能夠人工輸入數(shù)據(jù)；所述數(shù)據(jù)處理單元能夠基于地面水文觀測孔和井下前探孔的數(shù)據(jù)執(zhí)行權(quán)利要求1-7任一項所述的預(yù)警方法。

9.根據(jù)權(quán)利要求7所述的一種突水預(yù)警系統(tǒng)，其特征在于：所述數(shù)據(jù)處理單元為電腦主機；所述在線檢測裝置至少能夠在線實時獲取水樣的敏感指標(biāo)數(shù)據(jù)。

10.一種奧灰水突水預(yù)警裝置，其特征在于：包括

水樣獲取模塊：對各含水層分別采集多個水樣，獲取各含水層的數(shù)據(jù)和含水層標(biāo)簽；

水樣分析模塊：將步驟A的數(shù)據(jù)輸入隨機森林算法，以十折交叉驗證法進(jìn)行訓(xùn)練，根據(jù)每次測試集的測試結(jié)果輸出真實值與預(yù)測值的混淆矩陣，以及各參數(shù)對分類結(jié)果的貢獻(xiàn)率；

相似度計算模塊：通過混淆矩陣計算各含水層所有水樣被錯分為奧灰水的百分比，作為該含水層與奧灰水的相似度，基于經(jīng)驗確定相似度的突水風(fēng)險閾值；

前期風(fēng)險識別模塊：如果存在相似度達(dá)到突水風(fēng)險閾值的含水層，則該含水層存在突水風(fēng)險；

模型訓(xùn)練模塊：以貢獻(xiàn)率最高的前n個參數(shù)作為敏感指標(biāo)，以步驟A中的所有水樣的敏感指標(biāo)數(shù)據(jù)和含水層標(biāo)簽作為訓(xùn)練集，輸入隨機森林算法得到識別模型；

過程風(fēng)險識別模塊：采集待識別含水層所有水樣的敏感指標(biāo)數(shù)據(jù)，將該含水層的數(shù)據(jù)輸入識別模型，根據(jù)被識別為奧灰水的水樣數(shù)確定該含水層與奧灰水的相似度，如果相似度超過突水風(fēng)險閾值，則認(rèn)為該含水層存在突水風(fēng)險。