基于水化学和多元统计的煤矿采空积水识别

2020-11-09姜丽丽裴尼松杨百顺

科学技术与工程 2020年27期

尹恒，姜丽丽，裴尼松，杨百顺

(1.四川省安全科学技术研究院，成都 610045； 2.成都理工大学环境与土木工程学院，成都 610059；3.地质灾害防治与地质环境保护国家重点实验室(成都理工大学)，成都 610059； 4.四川卓汇鑫晨建筑工程有限公司，成都 610031)

中国煤矿水害事故总体比例不高，但是发生后造成人员伤亡和经济损失极其严重。煤矿水害补给水源可分为采空积水、地表水、地质水和其他水源等4类[1]，在四川省煤矿采空水的威胁最大，由采空水引起的较大以上水害事故占67.6%[2]。为预防采空积水诱发突水事故，快速识别井下涌水的是否由采空积水补给就显得尤为重要。

结合水文地质条件，通过水化学进行水源识别是一种简单有效的方法，20世纪90年代起国内外学者就开始探索[3]。首先解释矿区地下水化学成分的形成作用和控制因素是水源识别的理论基础[4]，张乐中等[5]利用出水点和背景水样的Piper图对比，判别了突水水源；随后，主成分分析[6]、聚类分析[7]、模糊综合评价[8]、灰色理论[9]、距离判别法[10]、层次分析法[11]、支撑向量机[12]、极限学习[13]、熵权法和模糊可变集理论[14]等诸多数学方法被应用于水源识别中，大大促进了基于水源识别的研究方法能力发展，但是以往研究中存在缺乏广泛性、准确性不高、分析速度慢、参数确定不易、变量权重分级不明、重复信息排除困难等缺陷，特别是在快速高效识别突水水源上具有一定差距。

以四川孔家沟煤矿为例，在分析矿井水动力条件、化学成因和基本特征的基础上，运用Pearson相关性系数和Q型聚类分析等多元统计方法，多源分析结果相互参考相互验证，完成南部采空积水区涌出点的识别研究，以期为相似煤矿采空积水灾害提供一种便捷快速高效的识别技术。

1 研究区概况

孔家沟煤矿位于大竹县新生乡，距大竹县城15 km。属亚热带季风气候区，多年平均气温18 ℃，年均降水量约1 245.7 mm，其中5-9月降水量约占全年降水量的60%以上。由南而北分布肖家沟、老河沟、乱石窖沟、孔家沟等四条东西向溪沟(图1)，四条溪沟水的漏失量高达194.94 m3/h，占矿井总涌水量的41%。

研究区位于铜锣山北段东坡，地形西高东低，相对高差458 m，属单面山列峰脊状中低山地貌。出露地层三叠系中统雷口坡组(T2l)、上统须家河组(T3xj)，侏罗系下统珍珠冲组(J1zh)、中下统自流井组(J1-2z)、中统新庙沟组(J2x)、下沙溪庙组(J2xs)、沙溪庙组(J2s)及第四系(Q)，须家河组是赋煤地层，平均煤厚0.41～0.58 m(图1)。煤岩层倾向101°～116°，倾角31°～57°，一般倾角35°～50°，矿区内北缓南陡，总体属倾斜煤层赋存区(图2)。煤矿采用斜井、平硐综合开拓方式，采用走向长壁采煤法，全部垮落法管理顶板。

南部采空区积水压水线标高+442 m，底界标高+355 m，走向长3 032.92～3 118.75 m，估算积水量为228 991 m3。涌水通道为巷道、溜煤眼、采空冒落带裂隙和存在于脆性砂岩中的带状裂隙、层间裂隙等。井下裂隙水和采空积水等沿巷道汇集于+243、+60 m标高的水仓，而后通过抽水进入+420.7 m放水平硐后自流外泄(图1)。

图1 研究区水文地质简图及采样点分布Fig.1 Hydrogeological map and sampling points location

2 研究方法

2.1 水样采集与分析

2.1.1 采样点布置

为研究矿井主要涌水点是否受南部采空区积水补给，地表水与采空区积水是否存在联系，在孔家沟和肖家沟煤矿的不同深度布置12个涌水采集点，在肖家沟和老河沟风机处布置2个地表溪水采集点，水样采集点分布如图1所示，采样点信息如表1所示。

表1 孔家沟煤矿矿井涌水采集点信息Table 1 Information of groundwater collection points

图2 矿区典型水文地质剖面图Fig.2 The typical hydrogeological profile

2.1.2 样品采集与分析

2.1.3 可靠性分析

采用式(1)计算阴阳离子平衡相对误差。

表2 水质检测结果Table 2 Water quality detected results

(1)

式(1)中：Z为离子电荷数；E为相对误差，%；mc和ma分别为阳离子及阴离子的物质的量浓度，mmol/L。

采用式(2)计算总硬度检测误差：

(2)

式(2)中：D为误差，%；(Ca2++Mg2+)为毫克当量数总和，总硬度单位为mg/L。

水质检测结果的可靠性分析如表3所示，阴阳离子平衡检验相对误差最大为0.20%，最小为0.03%；总硬度检验误差最大为0.67%，最小为0.39%，分布范围窄，波动小。水质检测分析结果可靠，可用于后续数据分析。

表3 可靠性分析结果Table 3 Reliability analysis results

2.2 相关性分析

相关性分析是研究变量间依存度的一种统计学方法，通过对相关系数的计算探讨变量间的相关程度，进而从复杂的现象中揭示规律[15]。采用Pearson相关系数的计算公式为

(3)

相关系数为-1～1，当两个变量间相关性最大时即完全相关，相关系数为1或-1，正负号表示相关方向；若两者间完全无关，则系数为0。常用解释相关系数强弱的方式如表4所示[16]。

表4 相关系数的解释指南Table 4 Guide to interpretation of correlation coefficients

2.3 聚类分析

聚类分析是一种重要的无监督学习方法[17]，该方法基于数据自身信息的合理把数据分成若干类，使类别内的差异尽量小，类别间差异尽量大。近年来在水源识别、水文分区、水化学起源等领域应用广泛[7，18-20]。传统聚类方法分为层次(hierarchical)和重新定位法(relocation)等两类，聚类方法有组间连接、组内连接、最近邻元素、最远邻元素、质心、中位数和瓦尔德(Ward)法等。采用层次聚类的组间连接法，因为大量实践证明该方法较为稳健且结果表现最优[21]。差异描述方法可分为距离和相似性等[22]，最常用的有欧氏距离(Euclidean)、平方欧氏距离、马氏(Mahalanobis)距离和皮尔逊(Pearson)相关性等。利用变量聚类，变量间距离习惯上采用Pearson相关性，计算式如(3)所示。

3 结果与讨论

3.1 矿井水化学成因简析

孔家沟煤矿矿井涌水成因类型为溶滤-渗入水，这类成因类型地下水为大气起源，其成分由水与岩石作用形成；煤矿开采过程中的采空导水裂隙、硐室巷道系统和抽排水系统加速地下水循环速率，此2项条件下地下水类型多为Ca+Mg-HCO3型；Ca和Mg主要来源于方解石和白云石的溶解[式(4)、式(5)]。

(4)

(5)

区域内开采的K9、K11属于特低-低硫煤层，矿井开采后黄铁矿等硫化物遇含氧地下水后，发生氧化还原反应[式(3)]后形成易溶的SO42-，最后形成Ca+Mg-SO4+HCO3类型矿井涌水。

(6)

在矿井深部，地下水水循环动力减弱，阳离子交换作用强度增加，地下水中的Ca2+、Mg2+与含水介质中Na+交换[式(7)和式(8)]，最终形成Na-SO4+HCO3型地下水。

(7)

(8)

3.2 水化学基本特征

由表2可知，研究区水样基本理化指标如下：pH为6.70～7.90，平均为7.36，总体呈中性-弱碱性；TDS区间为55.84～1 718.09 mg/L，属于淡水-咸水；总硬度(以CaCO3计)为40.04～1 131.02 mg/L，属软水-特硬水。

图3 孔家沟煤矿采集水样Piper图Fig.3 Piper diagram of coalmine groundwater

样品在Piper图的菱形区域有A、B、C和D等4个主要聚集区(图3)，A区内包含SY02、SY10、SY12和SY13，结合图1中采空积水区域、采样点位置和地下水流向等信息，可以初步推断这4个水样与采空积水的联系较大；B区包括SY11和SY14，这2个点位于孔家沟主井口附近，推测具有一定水力联系；C区包括SY01和SY03，为地表溪水；D区包括SY04、SY05和SY06，为矿井深部地下水，出露点埋深在500 m及以上。

3.3 水样间相关性研究

由于水样间距小、含水层类型基本相同、水源类型相近，计算所得相关系数中大于0.7的占比达90.11%，大于0.9的占比亦达42.86%(表5)；因此，若继续采用表4提供的方式进行相关性解释就显得较为粗糙，由此判断采空积水涌出点亦显得可信度不高。首先将相关系数的判别值设置为0.995，大幅度将相关水样降低至5对；其次根据某一水样与其他水样间相关系数的大小关系，进一步区分补给源和细分类型；最后结合Piper图分区结果(图3)，共同进行水样分类与采空积水涌出点的识别。

SY01与SY03的相关系数是0.994，与其他矿井水之差大于0.1；相关关系与Piper图(图3)中C区结果一致，可见地表水识别准确。SY04和SY06的相关性系数为0.988；SY04与SY05的相关系数大小仅次于SY06；SY05和SY06的系数均为0.986，为最大值；可见SY04、SY05和SY06间具有较强的相关性，与Piper图(图3)中D区结果一致，可见深部矿井水分类准确。据以上2类水源类型的识别结果，说明设计的相关性系数辨识方法，对地表水和深部矿井水具有较高适宜性。

表5 相关系数分布Table 5 Correlation coefficient distribution

SY07、SY08、SY09和SY12与其他水样间相关系数未到判别值，系数大小亦无明显指向，同时Piper图(图3)中SY07、SY08和SY09等3个水样聚集性较差，可见水样间关联性较小；SY12在Piper图中与SY02、SY10和SY13的位置较近，其来源待定。

SY02、SY10、SY11、SY13和SY14间关系较为复杂。首先，SY02、SY10和SY13，SY11和SY14间相关性系数均超过判别值；其次，SY10与SY11、SY14间相关性系数均未超过判别值；最后，SY02、SY13与SY11、SY14间的相关系数未超过判别值。结合Piper图(图3)中A、B区关系，推测S02、SY10和SY13受南部积水区涌出影响；SY11和SY14受裂隙水补给；SY13同时受南部和裂隙水补给，以南部积水区为主；同时SY13又补给SY11，综上5者间具有较强关联性，需要利用其他方法进一步划分类型和补给源。

3.4 Q型聚类分析

在图4中相对距离约15处，将水样划分为Group1和Group2两大类，Group1为SY01和SY03共2个地表水样，Group2包含其他12个矿井水样，说明地表水(Group1)与矿井水(Group2)的水化学指标具有较大差别，最容易且最先被识别。在相对距离约10处，可将矿井水进一步划分为Group3和Group4两大类，Group4为SY04、SY05和SY06共3个深部地下水样，Group5包含9个水样主要接受采空积水和裂隙水补给，水岩作用程度低于Group4所处深部低流动性区域，主要水化学作用亦有差别。

Group3内水样在相对距离5处可以分Group5和Group6两大类，SY11和SY14所属Group6据地表较近且在主井口附近，因此采空裂隙导致补给通道更加发育，水化学形成作用受地表补给影响较大。Group5内水样总体相似度较大，根据相对距离可提取出Group7，该组水样SY08和SY09均采自采空密闭石门处，属于受煤层采空区影响地下水；剩下5个水样差别极小，综合采样位置、地下水流向、Piper图、相关性和聚类分析等资料，最终推测Group8的SY02、SY10和SY13水样在补给来源上具有极大同源性，即主要受南部积水区涌出的影响；SY02采样点低于南部积水区标高，是在积水压力和重力作用下出露；南部积水在北部涌出后，一路沿+430 m主巷道继续向北运移，最终在SY13处积聚，另一路沿斜井向东和深部运行，最终在SY10处出露。