卞 凯， 周孟然， 胡 锋， 来文豪， 闫鹏程， 宋红萍， 戴荣英， 胡天羽

安徽理工大学电气与信息工程学院， 安徽 淮南 232001

引 言

涌水灾害已成为煤矿五大灾害中影响矿井安全作业的第二大灾害[1]。 矿井涌水不仅需要现场早期预警， 还需要准确判断涌水水源的类型[2]， 这有利于及时掌握涌水水害信息并采取必要的治理手段， 降低灾害所带来的伤亡事故率与重大经济损失。 煤矿井下涌水水源识别和研究的方法主要有离子浓度法、 同位素分析法、 微量元素法等[3]， 这些方法虽然取得了一定的识别效果， 但存在分析时间长、 判别准确性不高、 操作过程复杂等特点[4]， 难以根据其动态变化迅速提供可靠的信息， 限制了矿井涌水的实时在线分析， 达不到预警效果。

为了解决现有涌水水源识别方法的不足， 激光诱导荧光(laser-induced fluorescence, LIF)被用于矿井水害研究领域， 并结合机器学习和深度学习方法实现了矿井涌水水源类型的快速且准确识别， 取得了良好的鉴别效果； 如何晨阳[5]等采取主成分分析法将小波变换去噪的突水水样荧光光谱数据进行降维处理， 利用K最近邻算法进行水样的识别， 达到了极高的分类准确率。 Hu[6]等利用激光诱导荧光技术结合深度学习方法， 提出了一维卷积神经网络方法用于自动识别九种矿井突水水样， 在不进行复杂的预处理情况下实现了突水水样的快速、 精准识别。 然而目前这些利用激光诱导荧光对矿井涌水进行识别的机器学习和深……