奥灰岩溶裂隙水网络横向分布的预测方法技术

本发明专利技术公开了一种奥灰岩溶裂隙水网络横向分布的预测方法，包括：首先确定与奥灰岩溶裂隙水网络分布密切相关的指标，然后采集有地球物理探测的井下奥灰水文钻孔处的指标原始数据，对采集的指标原始数据建立核主成分模型，提取新的主成分，然后进行模糊标准化，以模糊标准化后的主成分数据与地球物理探测奥灰岩溶异常类型组成样本集，建立遗传算法优化SVM的预测模型；利用建立好的模型，对没有地球物理探测的井下奥灰水文钻孔处的奥灰异常区类型进行预测；最后绘制奥灰异常区类型的分布图，判断奥灰岩溶异常区类型分布范围，并分析奥灰岩溶裂隙水网络渗流场方向。本发明专利技术设计原理可靠，预测方法简单，预测精度高，预测环境友好。

【技术实现步骤摘要】

本专利技术涉及一种，尤其是一种针对华北 型煤田。
技术介绍
矿山采场底板突水是煤矿生产中普遍存在的问题，现已成为一个关系到能源工业 发展亟待解决的重大课题，由于采场底板突水问题具有极其复杂的机理，再加上地下水运 动的隐蔽性、不能直接观察，故研宄难度较大。但就地下水的赋存条件来说，有其自身的规 律，可以定性与定量研宄。采场底板突水的直接原因是底板以下存在着地下水网络，没有地 下水网络的存在就不可能发生大的突水事故。我国华北型煤田经过近半个世纪的开采，绝 大多数矿井已经进入深部开采，普遍受到奥灰岩溶水突出的威胁，因此确定地下水网络的 空间分布规律是奥灰突水防治工作的关键问题和首要任务。国内外相关学者对于奥灰岩溶 纵向发育的研宄较多，且取得了一些重要成果，然而对于奥灰岩溶横向分布的研宄却较少。 在现有技术中，主要是通过放水试验、底板突水点位置、岩溶陷落柱分布情况、断层的发育 情况、示踪试验、钻探岩芯等技术手段大致确定地下水网络主脉的位置，但是却并未综合分 析，量化研宄，且各种试验手段花费昂贵、试验点较少，突水点位置及岩溶陷落柱的发育点 也是极其有限的，对于奥灰岩溶裂隙水网络横向分布的预测，现有技术中未见有利用量化 参数建立量化模型的报道。因此有必要寻找一种既能节约资金又能在绝大多数区域采集到 综合反映岩溶裂隙水网络发育因素的方法来预测奥灰岩溶裂隙水网络的横向分布，为煤层 底板大中型突水点位置及突水水量的预测预报提供依据。 岩溶裂隙水网络是在构造裂隙水网络的基础上，受区域地下水矢量渗流场的作 用，不断演化而成的，该网络系统具备岩溶裂隙通道和丰富的地下水。而岩溶裂隙空间分 布主要受构造破坏作用形成的各种构造发育程度的控制。因此，通过对构造裂隙发育程度、 岩溶通道和奥灰富水程度3因素相互影响作用的研宄，可以搞清奥灰岩溶裂隙水网络的空 间分布。若能够采集到易获取且丰富的指标定量评价这3个因素，构建合理可靠的预测模 型，则能确定奥灰岩溶裂隙水网络的分布。构造运动在地下坚硬岩石中，形成大规模的构造 断裂带、褶皱和众多的小裂隙组合，地下水网络的开拓依赖于构造裂隙，这些裂隙的空间组 合形成了最初的裂隙水网络体系，综合断层影响因子、断层分维值、褶皱分维值可以定量评 价构造裂隙发育程度。地温场的异常明显受区域构造和大断层的控制，若地下水循环通道 将近地表及浅处低温地下水引至深部，则水温降低，若因深部地下水沿断层上升，则水温升 高，因此地下水温异常可以作为判断构造裂隙是否为岩溶通道的重要指标。而奥灰富水程 度的划分主要是根据《煤矿防治水规定》，按照钻孔单位涌水量（q)值进行划分，理论上这 种划分标准具有科学性，然而客观上仅仅利用q值划分含水层的富水性可操作性差，主要 因为q值通常是井田勘探阶段获得的，数量极其有限，其次是q值获得投资大耗时长；还有 一些是通过钻孔冲洗液最大漏失量以及钻孔取芯来研宄的，但是并不是每一个钻孔都会取 芯和统计冲洗液最大漏失量；而随着矿井开采范围扩大，井下奥灰水文钻孔资料越来越丰 富，而井下水文钻孔获得的是钻孔涌水量，在一定程度上能够反映含水层的富水性，涌水量 值越大，表明含水层的富水性相对越好，连通性越好。另一方面，地球物理探测在含水层富 水异常和含水构造的探测中取得较好的探测效果，但是并不是每一个井下奥灰水文钻孔处 均有地球物理探测，因此，有必要寻找一种精确的方法，利用有地球物理探测的水文钻孔处 获取的指标值和探测结果来预测其它没有地球物理探测区域的岩溶异常情况，为煤矿底板 突水防治提供有力依据。
技术实现思路
本专利技术的目的是为克服上述现有技术的不足，提供一种奥灰岩溶裂隙水网络横向 分布的预测方法，该方法能满足华北型煤田煤炭工业可持续性发展的需求，选取既能节约 资金又能在绝大多数区域采集到的与奥灰岩溶裂隙水网络分布密切相关的因素，综合利用 地球物理探测奥灰异常区成果，避免判断地下水网络分布的盲目性和主观性，其设计原理 可靠，预测方法简单，预测精度高，预测环境友好。 为实现上述目的，本专利技术采用下述技术方案： 一种，包括以下步骤： (1)确定与奥灰岩溶裂隙水网络分布密切相关的指标，然后采集有地球物理探测 的井下奥灰水文钻孔处的指标原始数据； (2)建立KPCA-Fuzzy-GA-SVM的奥灰岩溶异常区预测预报模型：对采集的指标原 始数据建立核主成分模型（KPCA)，提取新的主成分，然后进行模糊标准化（Fuzzy)，以模糊 标准化后的主成分数据与地球物理探测奥灰岩溶异常区类型组成样本集，建立遗传算法 (GA)优化SVM的预测模型； (3)采集没有地球物理探测的井下奥灰水文钻孔处的指标原始数据，利用建立好 的KPCA-Fuzzy-GA-SVM模型预测奥灰异常区类型； (4)绘制奥灰异常区类型的分布图，判断奥灰岩溶异常区类型分布范围； (5)分析奥灰岩溶裂隙水网络渗流场方向。 所述步骤（1)的与奥灰岩溶裂隙水网络分布密切相关的指标，是指能够反映岩溶 裂隙发育程度、岩溶通道和奥灰富水程度的指标，具体包括断层影响因子、断层分维值、褶 皱分维值、奥灰水温异常变化值和井下奥灰水文钻孔涌水量5个指标。 其中奥灰水温异常变化值计算公式如下： AT= |T-t| , 式中：AT为水温异常变化值，单位°C;T为该点实测水温，单位°C;t为根据地温梯 度计算的正常温度，单位°C;其中t通过以下公式计算： 式中：t'为研宄区恒温带温度，单位°C;H为奥灰顶板标高，单位m;h为恒温带标 高，单位m;At为研宄区地温梯度，单位-C/100m。 所述步骤（2)的建立核主成分模型，包括以下步骤： ①将采集到的1个有地球物理探测的井下奥灰水文钻孔处的5个指标原始数据记 为一个（1X5)维原始数据矩阵A; ②通过非线性映射P将原始数据矩阵A映射到高维特征空间，并计算出核矩阵K， K= (kjm，ku=K(xi,Xj)，（i,j= 1，2,. . .，1)，1是指标个数；其中非映射函数W的核函 数为尚斯径向基函数； ③根据方程1Aa=Ka，求取核矩阵K的特征值AA2彡...彡Ai和对应 的特征向量apa2,...，ai，并通过正交化方法单位正交化特征向量，得到规范化的特征 向量a，1；a'2, . . . ,ar1； ④按照公式选取m个最大特征值ApA2, . ..，A及对应的特征 向量a，"a，2，…，a，m;其中，0〈m〈l; ⑤计算原始数据经KPCA降维后所得的特征向量Y=Ka'，其中a'= [a'i，a' 2，...，a'J，Y即为降维后的样本数据矩阵； 所述步骤⑵的模糊标准化，标准化公式为： 所述步骤（2)的地球物理探测奥灰岩溶异常区类型，包括强异常区、弱异常区和 无异常区，将强异常区样本标签设为1，弱异常区样本标签设为〇,无异常区样本标签设 为-L 所述步骤（4)的奥灰岩溶异常区类型分布范围的判断方法是指，绘制的奥灰异常 区类型分布图，其中强异常区、弱异常区、无异常区分别用1、〇、-1表示，利用克里克中间插 值法，绘制强异常区与弱异常区的分界线I(〇. 5线）、以及弱异常区与无异常区的分界线 II(-0. 5线），则位于> 0. 5线的区域为奥灰岩溶裂隙水网络分布区域，0. 5线~-0. 5线之 间的本文档来自技高网...

【技术保护点】
一种奥灰岩溶裂隙水网络横向分布的预测方法，其特征是，包括以下步骤：(1)确定与奥灰岩溶裂隙水网络分布密切相关的指标，然后采集有地球物理探测的井下奥灰水文钻孔处的指标原始数据；(2)建立KPCA‑Fuzzy‑GA‑SVM的奥灰岩溶异常区预测预报模型：对采集的指标原始数据建立核主成分模型即KPCA，提取新的主成分，然后进行模糊标准化即Fuzzy，以模糊标准化后的主成分数据与地球物理探测奥灰岩溶异常区类型组成样本集，建立遗传算法即GA优化SVM的预测模型；(3)采集没有地球物理探测的井下奥灰水文钻孔处的指标原始数据，利用建立好的KPCA–Fuzzy‑GA‑SVM模型预测奥灰异常区类型；(4)绘制奥灰异常区类型的分布图，判断奥灰岩溶异常区类型分布范围；(5)分析奥灰岩溶裂隙水网络渗流场方向。

【技术特征摘要】

【专利技术属性】
技术研发人员：邱梅，施龙青，韩进，滕超，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37