无机-有机综合指标在煤层顶板涌水水源判别中的应用

2023-12-29孙钧青尚宏波王甜甜

煤矿安全 2023年12期

孙钧青，王皓，杨建，尚宏波，王甜甜，乔伟

（1.煤炭科学研究总院，北京 100013；2.中煤科工西安研究院（集团）有限公司，陕西西安 710077；3.陕西省煤矿水害防治技术重点实验室，陕西西安 710077）

我国西部地区煤炭资源十分丰富，在国家的能源供保中发挥着重要作用[1]，但由于水文地质条件的复杂性，西部煤炭的开采长期面临着顶板水害事故的发生[2]。而对涌水水源的判别是水害防治工作的基础[3]，因此，煤层顶板涌水水源的准确判别对西部煤炭安全开采具有重要意义[4-5]。

传统用来进行水源判别的指标为水中主要离子、pH 和总溶解固体（TDS）等无机指标。实际上，不同含水层中总有机碳（TOC）、紫外吸光度（UV254）和溶解性有机质（DOM）也存在较大差异的[6]，荧光指纹技术直观地反映了样本的特征与差异[7]；杨建等[8]通过观察荧光指纹图，从理论上证明了有机-无机联合判别的可靠性；杨勇[9]在建立判别模型时使用寻峰法对荧光图谱进行了分析。平行因子法（PARAFAC）作为1 种多路数据分析技术，能够从数学角度解释DOM 的荧光组分[10-11]，杨毅等[12]、张溪彧等[13]，YU[14]等均利用PARAFAC 对水体DOM 的光谱特征和主要来源进行了分析。随着数学理论和计算机的发展，多元统计法[15]和机器学习算法在水源判别中得到了广泛应用，秋兴国等[16]、纪卓辰等[17]使用主成分分析法（PCA）对水化学数据进行了降维处理；董东林等[18]、冯冬梅等[19]分别使用改进的极限学习机（ELM）和支持向量机（SVM）对矿井水源进行了判别；黄敏等[20]、胡友彪等[21]分别使用群体优化算法对随机森林（RF）算法进行了优化；郝谦等[22]将RF 与SVM、ELM 进行了比较，证明了RF 算法更高的预测精度和鲁棒性。

但是地下水成因复杂，对于一些成分相近的水源，无机水化学指标较难做出准确判断。而PARAFAC 可以对水样的荧光组分进行量化，克服人为经验和寻峰法中重复峰的干扰。有机指标的加入增加了判别指标的维度，而RF 算法能够有效处理高维数据和特征之间的复杂关系，拥有较高的准确性和鲁棒性。为此，以榆横矿区某井田为研究区，将TOC、UV254与DOM 作为有机指标融入水源判别中，使用PARAFAC 对水样的荧光组分进行量化，在对数据集进行降维后，利用RF 算法分别构建无机指标判别模型和无机-有机综合指标判别模型，为提升煤层顶板涌水水源判别准确率提供新的思路。

1 研究区水文地质条件

研究区位于陕北黄土高原北端，毛乌素沙漠东南缘，地表绝大部分被第四系松散沉积物所覆盖，以风蚀风积沙漠丘陵地貌为主。研究区水系不发育，区内大部地表无完整水系分布且受大气降水影响较大。研究区地层综合柱状图如图1。

图1 研究区地层综合柱状图Fig.1 Comprehensive histogram of strata in study area

由图1 可知，研究区含煤地层延安组，其主要含（隔）水层自上而下包括：第四系松散孔隙含水层、白垩系孔隙-裂隙含水层、安定组相对隔水层、直罗组和延安组砂岩裂隙含水层。第四系孔隙发育与大气降水的联系密切，富水性强；白垩系与第四系无稳定隔水层，易于接受其补给，富水性较好；直罗组与白垩系之间有相对隔水层安定组，其裂隙不发育，富水性较弱；延安组裂隙不发育且随着埋深增加，渗透性逐渐变差。

2 研究区矿井水水化学特征

2.1 水样采集与测定

本次研究共采集研究区地下水水样73 组，分别用于水质全分析和有机物分析，使用2.5 L 塑料桶采集水样，严格执行装水、密封、贴标等采样步骤，采集后及时进行分析检验。

参考GB/T 14848—2017 地下水质量标准[23]对水样的20 项常规指标进行检测，选取K++Na+、Ca2+、Mg2+、Cl-、SO42-、HCO3-和TDS 共7 项无机指标进行后续分析。

需要测定的有机指标为TOC、UV254和DOM三维荧光数据（EEMs）。使用multi N/C 2100 专家型总有机碳/总氮分析仪进行TOC 的检测；使用Evolution 60 紫外可见光度计检测254 nm 处的紫外吸收值。使用荧光分光光度计（HITACHI F-7000）进行DOM 荧光数据的提取，设置仪器扫描速度为1 200 nm/min；激发波（EX）波长为200～420 nm，间隔为5 nm；发射波（EM）波长为240～600 nm，间隔为2 nm。为去除环境噪声，使用超纯水作为空白校正水的拉曼散射。

2.2 无机水化学特征

测得各项水化学指标原始数据见表1。

表1 73 组水样水化学特征Table 1 Hydrochemical characteristics of 73 groups of water samples

对水样检测结果进行分析可知：随着含水层埋深的增加，K++Na+、SO42-和TDS 浓度不断增加。第四系阳离子以Ca2+为主，其次为Mg2+和Na+；阴离子以HCO3-为主，其次为SO42-和Cl-；经过分析，主要表现为HCO3-Ca 型水，说明大气降水能够很好地对这个含水层进行补给；但是个别水样的Na+含量较高，这表明区域内第四系水的补给和运移条件存在较强的不均一性。白垩系水中Na+浓度有所升高，以HCO3-Ca·Na 和HCO3-Na·Ca 型水为主，这与沉积岩风化水解、交代作用和阳离子交替作用有关；直罗组和延安组阳离子开始以Na+为主，其次为Ca2+；阴离开始以SO42-为主，其次为HCO3-；水质类型为SO4-Na·（Ca）型水，说明直罗组含水层中地下水循环时间较上部含水层增加，逐渐形成深部滞留型地下水。

综上所述，可以根据无机水化学指标对这4个含水层的水样进行初步辨别，但是第四系和白垩系、直罗组和延安组两两之间不易区分，特别是直罗组和延安组的水样，水化学类型相似，且各指标浓度差异不大。因此使用UV254、TOC 和DOM 这3 种有机指标，对水样来源进行进一步区分。

2.3 有机水化学特征

根据表1 的测试结果，绘制的各水样TOC 和UV254浓度如图2。

图2 各水样TOC 和UV254 浓度Fig.2 TOC and UV254 concentration histogram of each water sample

由图2 可知：第四系水样的有机质含量高于直罗组和延安组，主要是由于第四系直接接受地表水补给，容易受到含有机物的沉积物和工农业污染的双重影响；白垩系和直罗组水样中溶解性有机质含量相对较低，表明这2 个含水层水几乎未受到人类生产生活的影响。理论上，随着含水层埋深的增加，DOM 有机质与溶解氧、硫酸根等电子受体发生反应，含量会不断降低[24]；但延安组一些水样中UV245和TOC 的浓度却明显高于直罗组，这主要是受含煤地层的影响；当地下水流经含煤地层时，部分有机物会从煤层溶解到地下水中。

虽然不同类型水样的TOC 和UV254含量存在差异，但总体含量较低，且水中部分有机物在紫外光下无明显吸收峰[13]，因此需要利用荧光指纹技术对水样中的DOM 进行更加深入的分析。根据得到荧光数据绘制出每个水样的三维荧光图谱，部分水样的DOM 荧光图谱如图3，其中横坐标为激发波波长λEX，纵坐标为发射波波长λEM。

图3 部分水样的DOM 荧光图谱Fig.3 DOM fluorescence spectra of some water samples

经过分析与对比，研究区水样的DOM 三维荧光光谱图中出现了文献[25]中所列出的5 类天然有机质。第四系水样中主要出现了2 个荧光峰：Ⅰ区—酪氨酸，Ⅲ区—疏水性有机酸。其中Ⅰ区的荧光峰强度较强。白垩系位于第四系下部，水循环时间更长，与第四系有所差异，主要出现了Ⅱ区—色氨酸和Ⅴ区—海洋性腐植酸的荧光峰。总体来说，白垩系水中溶解性有机质浓度小于第四系，标志性荧光峰位置出现在Ⅴ区。直罗组和延安组的水样中主要出现的是Ⅱ区、Ⅳ区—含色氨酸的类蛋白质和Ⅴ区的荧光峰。但是延安组水样的荧光强度相对较高且个别水样中还出现了Ⅰ区的荧光峰，这表明深部含水层存在其他来源的腐殖质类DOM。

3 判别模型构建

判别模型基本框架如图4。

图4 判别模型基本框架Fig.4 Basic framework of discriminant model

由图4 可知：测定的无机指标组成数据集data1，使用PARAFAC 对EEMs 进行处理后得到主要组分（C1、C2、C3）的荧光强度，与TOC、UV254、无机指标共同组成数据集data2；使用主成分分析法（PCA）对数据进行预处理，该过程分为数据标准化和主成分提取2 步；data1 和data2 经PCA 处理后分别进入RF 模型中进行训练。

3.1 荧光组分提取

虽然可以从荧光图谱通过荧光峰观察出水样DOM 的差异，但在样本量大的情况下操作不便且容易带来人为误差。PARAFAC 提供了数据的定量和定性模型，因此采用PARAFAC 对水样DOM荧光数据的主要组分进行量化和提取，该过程使用Matlab 中的DOMFluor 工具箱进行实现。

为保证结果的可靠性，使用拆半检验对各分量模型进行验证，根据代码运行结果，2 组分模型和3 组分模型均是有效的。为最大限度地反映数据信息，使用误差平方和对不同组分数量下的模型进行对比，绘制出的DOM 组分数目与残差关系图如图5。

图5 组分数目与残差关系图Fig.5 Relationship between DOM fraction and residual error in mine water

由图5 可知：当组分数由2 增加到3 时，激发波（EX）和发射波（EM）的残差已大幅减小，当组分数由3 增加到4 时，残差变化不大，因此考虑选取3 组分模型。

PARAFAC 的计算结果中包含了每个样品各组分的荧光强度，根据导出数据绘制出各组分荧光图谱及对应的荧光载荷图，并且列出了4 类水各组分荧光强度的平均值。各组分荧光强度平均值见表2，DOM 各组分三维荧光图谱及荧光载荷如图6。

表2 各组分荧光强度平均值Table 2 Average fluorescence intensity of each component

图6 DOM 各组分三维荧光图谱及荧光载荷Fig.6 Three-dimensional fluorescence spectrum and fluorescence load of DOM components

PARAFAC 共鉴别出3 种组分：组分1（C1）具有1 个激发峰（250 nm）和1 个发射峰（425 nm），包含了疏水性有机酸和类腐植酸的成分并以后者居多；组分2（C2）具有3 个激发峰（225 nm/280 nm/305 nm）和1 个发射峰（340 nm），包含了类色氨酸和含色氨酸的类蛋白质；组分3（C3）具有2 个激发峰（245 nm/285 nm）和1 个发射峰（310 nm），主要为酪氨酸和含色氨酸的类蛋白质。

通过PARAFAC，用提取出来的3 种组分荧光强度代替原样本中出现的5 种荧光区域，达到数学量化和组分降维的目的，为后续判别提供了数据基础。

3.2 数据集构造与降维

利用主成分分析法（PCA）对数据进行降维分析，该过程在SPSS 软件实现。

分别记K++Na+、Ca2+、Mg2+、Cl-、SO42-、HCO3-、TDS 为X1、X2、X3、X4、X5、X6和X7，组成的数据集记为data1。对data1 进行PCA 分析，得到各指标的总方差解释。无机指标总方差解释见表3。

表3 无机指标总方差解释Table 3 Inorganic index total variance interpretation

由表3 可知：前3 个主成分F1～ F3的方差累计贡献率已达到了96.422%。因此选取主成分个数为3，根据成分得分矩阵得到前3 个主成分的数学表达式如式（1）。

式中：Fi为第i个主成分。

在data1 的基础上，加入UV254、TOC 和荧光组分C1，C2，C3，分别记K++Na+、Ca2+、Mg2+、Cl-、SO42-、HCO3-、TDS、TOC、UV254、C1、C2、C3 为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11和X12，组成的数据集记为data2，利用SPSS得到各指标总方差解释。无机-有机指标总方差解释见表4。

表4 无机-有机指标总方差解释Table 4 Inorganic-organic index total variance interpretation

由表4 可知：前6 个主成分F1～ F6的方差累计贡献率达到了94.811%。因此，这里选取主成分个数为6。同理，根据成分得分矩阵可以得到前6个主成分的表达式，这里不做展示。

3.3 算法实现

记第四系水、白垩系水、直罗组水、延安组水分别为Ⅰ、Ⅱ、Ⅲ、Ⅳ类水，分别使用data1、data2 进行无机判别模型和无机-有机综合指标判别模型的训练。采用K折交叉验证来进行模型评估，因此无需人为划分训练集与测试集，这种方法可以有效避免欠拟合或过拟合状态的发生；在小样本中能得到具有说服力的结果，这里在K值取2～7 时进行寻优。在RF 算法中，对样本集进行有放回地抽样来构建树，这里设置决策树的个数为100，对每颗决策树的深度不做限制。用平均精度、平均查准率、平均召回率和f1 score（f1 调和指数）衡量模型的性能。整个过程在pycharm2021环境中使用python 语言实现。

通过不同指标体系性能对比可知：综合判别模型的平均精度、平均查准率、平均召回率和f1 score 分别达到了93.14%、94.79%、95.08%、93.73%，较无机模型分别提高了9.71%、11.84%、12.25%、11.5%。

通过回代判别结果可知：无机判别模型出现了5 个误判，回代准确率为93.15%，综合判别模型仅出现了1 个误判，回代准确率为98.63%。

利用8 个分别属于Ⅰ、Ⅱ、Ⅲ、Ⅳ类水的待测样本对判别模型的效果进行检验，待测样本水化学特征见表5，待测样本判别结果见表6。

表5 待测样本水化学特征Table 5 Hydrochemical characteristics of samples to be tested

表6 待测样本判别结果Table 6 Discrimination results of water samples to be tested

由表6 可知：在无机指标训练的模型下，8 个样本中出现了2 个误判，分别将样本3（Ⅱ类水）和样本7（Ⅳ类水）误判为Ⅰ类水和Ⅲ类水，总体判别准确率只有75%。而在无机-有机综合指标训练的模型下，对8 个待测样本的类型都进行了正确的判别，这进一步证明了无机-有机综合指标能够显著提高判别准确率，可以为煤层顶板涌水水源判别提供新思路。