煤炭资源安全高效开采是关乎我国经济和发展的大事，然而，我国煤矿水文地质条件复杂，煤层开采时矿井水害频发[1]。据统计从2000年至2014年，4 500人死于矿井突水事故，造成了巨大的人员伤亡与经济损失[2-3]。矿井一旦发生突水，快速准确地判断突水水源，是治理水害的关键[4]。

矿井突水水源识别通常使用地下水化学、同位素、水温、地下水位动态观测等方法,地下水化学因能反应地下水的本质特征，且能准确、快速、经济地进行水源识别，在矿井突水水源识别中得以广泛应用[5-6]。从20世纪90年代起众多学者就开始利用水化学特征进行突水水源判识，孙福元[7]、陈朝阳[8]、王广才等[9]利用矿井水质特征及变化规律与目标水源进行对比，成功地进行了突水水源判识，为水化学识别突水水源奠定了深厚的基础。21世纪以来，随着基础理论以及计算机科学的发展，逐步发展出基于数学方法(多元统计学方法、灰色系统法、模糊数学法)的判别模型和结合计算机技术的其他判别法(BP神经网络法、GIS法、SVM 法、可拓识别法)[10-14]。王心义[15]、周健[16]等使用距离判别法识别了矿井突水水源;武强等[17]借助层次分析法进行煤矿突水水源判识;孙亚军等[18]借助计算机，基于GIS识别了突水水源。这些方法提高了矿井突水水源的准确性，但是仍存在一定的缺陷，例如距离判别法将所有识别因子同等看待，扩大或缩小了不同识别因子对整体的影响，层次分析法权重计算一定程度受人为因素的影响，且需要一致性校验，计算过程复杂繁琐;GIS法依据模糊综合理论，其评价因子权重及最终隶属度难以确定，直接影响水源识别的准确性。灰色系统、模糊数学法等均存在以上类似问题或缺陷。

集对分析理论是以集对及其联系度为基本概念，研究系统中广泛存在着的确定性和不确定性及其转化规律的一种系统分析思想。集对分析理论涵盖了随机、模糊、灰色等常见的不确定性[19]，目前已应用于风险分析[20]、人工智能、信息系统[21]和水质评价[22]等领域，但是在矿井突水水源识别方面鲜见报道。动态权充分考虑了指标权重的客观固有性和主观经验性，利用信息熵值计算客观权重，使用改进层次分析计算主观权重，既削弱了人为因素的影响，又考虑了评价因子的实际情况。将动态权重与集对分析相结合，建立动态权-集对分析模型，既赋予评价指标不同权重，使权重计算简单，客观，又根据集对势来确定突水水源隶属，提高水源识别的准确性。笔者将动态权-集对分析模型引入到矿井突水水源识别中，并以葫芦素矿区为例，选取及六项指标作为识别因子，建立识别因子区间，验证识别模型，使用已建模型进行矿井突水水源识别，为矿井突水水源识别提供新的思路与方法。

1 动态权-集对分析模型

1.1 集对分析原理与改进

集对分析是处理不确定性问题的系统分析方法，其核心思想是将事物中客观存在的不确定性，以辩证分析(同、异、反)表示，即以某种联系度来描述事物的不确定性[19]。假设这种联系度用μ表示，A,B两集合构成集对D，即D=(A,B)，若集对D中有N个特征，其中S个特征共属于A，B集合，P个特征分别属于两者，其余F个特征不属于两者。具体联系度μ可通过数学表达式表述，即其表达式为

(1)

其中，a=S/N为同一度，b=F/N为差异度，c=P/N为对立度，并且N=S+F+P，同时a,b,c∈[0,1]，a,c相对确定，b相对不确定，a+b+c=1;i为差异标记符;j为对立标记符。

单纯地从同、异、反3个侧面刻画不确定性显得过于粗糙，因此，可将联系度进一步细化，将式(1)改写为

μ=a+(b1-+b1+)i+(b2-+b2+)i+…+

(bn-+bn+)i+(c1-+c1+)j+(c2-+

c2+)j+…+(cn-+cn+)j=a+b1-i-+

b1+i++b2-i-+b2+i++…+bn-i-+bn+i++

c1-j-+c1+j++c2-j-+c2+j++…+cn-j-+cn+j+

(2)

式中,i-,j-为i,j的反方向;i+,j+为i,j的正方向。

当n=1时得到五元联系度公式:

μ=a+(b1-+b1+)i+(c1-+c1+)j=

a+b1-i-+b1+i++c1-j-+c1+j+

(3)

式中，a+b1-+b1++c1-+c1+=1，对于突水水源识别，假设b1-,b1+为与所属水源类型相邻的邻左区和邻右区系数，c1-,c1+为与所属水源类型次相邻的次邻左区和次邻右区系数。

如图1所示，属区、邻区和次邻区在整个区间各占1/3，邻左、次邻左、邻右、次邻右各占当1/6，即Y4-Y1=2(Y3-Y2);识别处于所属水源类型中，则a=1，其他为0;当在邻左区时，则越靠近属区，a越大，b1-越小，反之，越远离属区，a越小，b1-越大;当在邻右区时，则越靠近属区，a越大，b1+越小，反之，越远离属区，a越小，b1+越大;当在次邻左区时，则越靠近属区，则a,b1-越大，c1-越小;当在次邻右区时，越靠近属区，则a,b1+越大，c1+越小。

联系度μ的确定，将各类水源各指标按上述分5个区域，设X∈[Y2,Y3)，X为待测数据，Y2，Y3为所属区水源类型的下限和上限，上文介绍，当识别水源处于所属区中，则a=1，其他为0，所以其联系度μ=1。当X∉[Y2,Y3]即处于次邻左、邻左、邻右与次邻右时的μ[23]为

(4)

1.2 动态权重值的确定

动态权重是一种将客观与主观权重结合的一种随着待评对象不同情况变化的综合权重，综合考虑了主客观情况，使得权重的赋值更加合理[24]。客观权重采用熵权法计算，反应识别因子的固有性[25]。

令:

(5)

式中，sij为各类水源各指标的平均值;vij为各指标归一化值;m为样本个数;Hi为熵值。

其熵值为

(6)

若式中vij=0，则Hi=0。其熵权重值为

(7)

主观权重通过改进层次分析法确定，考虑不同识别因子的实际情况，引入最优传递矩阵计算主观权重，省去一致性校验[3]。首先对6项识别因子的重要性进行比较，建立判断矩阵A:

其中，如果aij=1表示i比j重要;aij=0表示i和j同样重要;aij=-1表示j比i重要。

A的最优传递矩阵为R:

(8)

R的判断矩阵为D:

式中，

dij=exp(rij)

(9)

利用式(10)，计算各项识别因子的主观权重值θi:

(10)

最后确定动态权重wi:

(11)

式中，λi为熵权法计算的客观权重;θi为改进层次分析计算的主观权重。

1.3 集对势的确定

由式(4)确定联系度μ，并组成联系度矩阵U，因此可与动态权重矩阵W相乘计算综合联系度矩阵Z，其公式为

Z=U·W

(12)

Z反映待评对象中整体的联系度，由l，m和n组成。由其可计算联系度的集对势nSPT[26]，其公式为

(13)

其中，nSPT为集对势，当nSPT>1时为集对同势(nSPT+)，解释为待评样本与本区在辩证关系中存在相同趋势，且nSPT+越大则相同趋势越强，当l>n>m时为“强同势”，l>m>n时为“弱同势”，m>l>n时为“微同势”，m=0时为“准同势”;当nSPT<1时为集对反势(nSPT-)，当nSPT=1时集对均势(nSPT0)。其中b=b1-+b1+，c=c1-+c1+。b+c≠0，则，为了便于比较，当综合联系度矩阵Z中bj或cj为0时，则取b=min(b1,b2,bm)或c=min(c1,c2,cm)且bj和cj均不等于0，j∈[1,m]。

2 矿井突水水源识别

2.1 研究区域概况

葫芦素井田位于内蒙古自治区东胜煤田呼吉尔特矿区，面积约为92.76 km2，井田位于鄂尔多斯高原的东北部，东边与陕西省交界。周围的中深埋矿区还包括新街、呼吉尔特、纳林河等，如图2所示。

区内地表均被第四系风积沙所覆盖，研究区内自上而下主要地层包括(图3):第四系松散层、白垩系、侏罗系安定组、直罗组和延安组，除侏罗系安定组砂质泥岩和粉砂岩富水性较差外，其余均为中等富水或强富水。此次，搜集煤矿各勘查阶段所取水样53组，选用和六项指标作为矿井突水水源判别因子，测定其质量浓度值(表1)，用于建立模型识别区间。另搜集建井、掘进以回采三阶段矿井水样10组，用于验证模型。据文献记载[27]，2015-04-26，葫芦素井田21102工作面发生突水，使用已建模型对此次突水进行水源预测。

2.2 水源识别模型建立

根据葫芦素井田5种突水水源，将各个指标的质量浓度绘制成箱型图(图4)，图4中矩形盒上下分别为离子质量浓度的上、下四分位数，中间横线为中位数，小方块为平均值，两端分别为质量浓度最大值和最小值[28]。从箱线图可以形象直观地观察到各个离子在不同含水层中质量浓度变化情况。

由图4可知，阳离子中，延安组与直罗组1段中K++Na+质量浓度较大，平均值分别为1 971.37 mg/L及685.36 mg/L;Ca2+质量浓度较大的为延安组(平均质量浓度214.43 mg/L)及第四系(平均浓度41.64 mg/L);Mg2+质量浓度最大为第四系(平均质量浓度13.41 mg/L)，其次为延安组(平均质量浓度7.07 mg/L)，阴离子中，延安组与直罗组1段中Cl-质量浓度较大，平均值分别为966.63 mg/L及103.54 质量浓度较大的为延安组(平均质量浓度3 226.03 mg/L)及直罗组1段(平均浓度质量浓度最大为白垩系(平均质量浓度209.21 mg/L)其次为第四系(平均质量浓度184.04 mg/L)。

表1 不同含水层53组水样水化学特征
Table 1 Fifty-three groundwater samples from different aquifers

由图4对各类水源类型的分析，将图中的下四分位数(Q1)和上四分位数(Q3)设定为所属突水水源的限值Y2和Y3。根据图1，将Q1-0.5(Q3-Q1)和Q3+0.5(Q3-Q1)设定为所属突水水源邻区的限值Y1和Y4。

其中:每行代表不同的识别指标和每列代表5种突水水源类型第四系、白垩系、直罗组1段、直罗组2段和延安组煤系含水层。

2.3 水源识别模型验证与分析

突水识别区间建立后，将建井、开拓、回采3阶段取得的已知来源矿井水样10组(表2)，代入动态权-集对分析模型，对模型进行验证、分析。下面以水样S7为例，详细介绍利用动态权-集对分析模型进行水源类型判识。

Xs7=[311.72,0.35,0.62,61.62,430.21,140.09]T

与集对区间进行对比，如将K++Na+=311.72代入第四系突水水源类型中，与K++Na+区间[10.09,29.20]和[0.54,38.76]对比，其值大于邻后区限值38.76，即Xs7(1)∈[38.76,]，因此利用式(4)中次邻右式计算属于第四系的联系度为μs7(1)=0.06+0.03i++0.90j+，同理可算的各指标各突水水源类型的联系度矩阵Us7为

由式(5)～(11)确定识别指标的动态权重值，其权重值见表3。由表3可知的权重值最大，为0.38，其次是Cl-及K++Na+，其权重值分别为0.25和0.20，远大于其他3项指标的权重值。且 三者的权重之和占整体权重的83%，说明他们在突水水源的识别中处于主导地位。动态权重值的排序与实际含水层中离子的平均质量浓度基本吻合，53组水样中，的平均质量浓度最大为3 226.03 mg/L，其次K++Na+平均质量浓度1 971.37 mg/L，Cl-平均浓度966.63 mg/L。

表3 识别指标动态权重
Table 3 Dynamic weights of identification parameters

利用式(12)将联系度矩阵Us7和动态权重相乘得到综合联系度矩阵Zs7为

再利用式(13)计算各类突水水源类型的集对势，nSPT1=0.29，nSPT2=0.68，nSPT3=2.21，nSPT4=7.68和nSPT5=1.23，将集对势归一化处理后，并用百分数表示，依次为2.39%，5.59%，18.28%，63.56%和10.18%。根据集对势结果可知直罗组2段含水层的占比为63.56%，可将突水水源判定为直罗组2段。

按照上述方法与步骤，将其余水样分别代入到动态集对模型中，其归一化后的集对势见表4，并根据表4绘制出集对势比例柱状图，如图5所示。

表4 矿井水样集对势计算结果
Table 4 Set pair trend results of ten mine water samples to be tested

由集对势柱状图可以明显识别出所占比例最大的水源类型，即识别突水水源类型。由图5可知水样S1第四系集对势比例最大，为83.03%，其识别水源类型为第四系含水层;水样S2，水样S3和水样S4中白垩系集对势比例最大，分别为36.06%，72.42%和68.26%，其识别水样类型为白垩系含水层;水样S5和水样S6中直罗组1段集对势比例最大，分别为98.07%和99.71%，其识别水样类型为直罗组1段;水样S7和水样S8中直罗组2段集对势比例最大，分别为63.56%和50.63%，其识别水样类型为直罗组2段含水层;水样S9和水样S10中延安组煤系含水层集对势比例最大，分别为99.71%和99.48%，其识别水样类型为延安组煤系含水层。

利用动态权-集对分析模型的识别结果与实际的水样类型进行对比，显然，应用动态权-集对分析模型识别的10组待测水样，9组与实际类型相符，仅1组结果与实际情况不符。水样S2的水源识别结果来自于白垩系，但实际来自为第四系，笔者发现该水样的识别结果第四系为35.40%，白垩系为36.06%，两者相差甚小只有0.66%。因此可用式(13)中l，m和n的大小来判断这两类水源nSPT的“强弱”。水样S2的综合联系度矩阵Zs2为

可判断出第四系和白垩系识别综合联系度中l，m和n的比较结果均为l>n>m即nSPT+(强同势)。所以其最终的识别结果仍然来源于白垩系。识别错误的原因在于第四系水样建模数据过少，致使模式识别区间没有充分考虑到第四系突水水源的特征。

总之，准确的识别结果一方面依赖于动态权计算出的权重值成功地识别出5种类型含水层中较重要的3项指标及Cl-;另一方面取决于根据53组样品的6项指标浓度绘制的箱型图，建立了合理的识别区间。动态权-集对分析模型依赖于实测水样建立识别区间，因此样本量越大，识别区间覆盖范围越广，识别可靠性越高。

2.4 水源识别模型预测

2015-04-26，葫芦素井田21102工作面主回风巷施工至3 411 m位置时，距离巷道右侧0.7 m位置中下部出现突水，初始水量为120 m3/h,之后增至180 m3/h，并最终稳定至150 m3/h。经调查分析，判断突水原因为地面“大53”天然气孔未封闭。为查明气孔与上下含水层沟通情况，突水过程中连续采集水样9组(2015-04-26—05-03)，05-14采集水样1组，气孔治理后06-09采集水样1组，共计11组进行水化学分析(具体数据见文献[27])，利用已建模型，对11个突水水样进行水源预测，并与实际突水水源对比，结果见表5。由表5可知，突水初期，突水水源主要是直罗组含水层，先是直罗组1段，然后是直罗组2段;突水中期，水源主要为白垩系含水层;治理过程中的水源为直罗组2段。这均与文献[27]的研究结果一致，11组突水水样识别结果均与实际情况相符合，并未出现异常。这是由于突水水源主要为直罗组和白垩系含水层，建模过程中直罗组与白垩系样本量充足，为准确的突水水源识别奠定了坚实的基础。

表5 工作面11组突水水样集对势计算结果
Table 5 Set pair trend results of eleven mine water inrush samples from working face

3 结 论

(1)动态权充分考虑了指标权重的客观固有性和主观经验性，利用信息熵值计算客观权重，使用改进层次分析计算主观权重，既削弱了人为因素的影响，又考虑了识别指标的实际情况，使得权重赋值合理，有利于突水水源识别。

(2)利用动态权重法计算6项识别因子的权值，其中及K++Na+三项指标的权重值分别为0.38，0.25及0.20，远大于其他3项指标且其权重之和占总体权重的83%，表明这3项指标在不同含水层突水水源识别中占主导地位。

(3)利用10组矿井水样对动态权-集对分析水源识别模型进行验证，结果表明，9组水样的识别结果与实际情况完全吻合，识别准确率达到90%。1组水样与实际情况不符，为建模时第四系样本量小，待测水样超出识别区间所致 。

(4)利用所建模型对21102工作面11个突水水样进行水源判别，判别结果均与实际相符合，识别准确率达到100%。大量的水质样本为动态权-集对分析模型准确识别突水水源奠定了良好的基础。

参考文献

[1] 武强,李博,刘守强,等.基于分区变权模型的煤层底板突水脆弱性评价——以开滦蔚州典型矿区为例[J].煤炭学报,2013,38(9):1516-1521.

WU Qiang,LI Bo,LIU Shouqiang,et al.Vulnerability assessment of coal floor groundwater bursting based on zoning variable weight model:A case study in the typical mining region of Kailuan[J].Journal of China Coal Society,2013,38(9):1516-1521.

[2] 靳德武.我国煤矿水害防治技术新进展及其方法论思考[J].煤炭科学技术,2017,45(5):141-147.

JIN Dewu.New development of water disaster prevention and control technology in China coal mine and consideration on methodology[J].Coal Science and Technology,2017,45(5):141-147.

[3] WANG Xinyi,WANG Tianian,WANG Qi,et al.Evaluation of Floor Waterinrush based on fractal theory and an improved analytic hierarchy process[J].Mine Water & the Environment,2016,36(1):1-9.

[4] LIU Quanlong,LI Xinchun,GUAN Fuyuan.Research on effectiveness of coal mine safety supervision system reform on three types of collieries in China[J].International Journal of Coal Science & Technology,2014,1(3):376-382.

[5] 张许良,张子戌,彭苏萍.数量化理论在矿井突(涌)水水源判别中的应用[J].中国矿业大学学报,2003,2(3):251-254.

ZHANG Xuliang,ZHANG Zixu,PENG Suping.Application of the second theory of quantification in identifying gushing water sources of coal mines[J].Journal of China University of Mining and Technology,2003,2(3):251-54.

[6] 杨永国,李宾亭,尚克勤,等.鹤壁矿务局矿井突水等级模糊综合评判及预测[J].中国矿业大学学报,1998,27(4):204-208.

YANG Yongguo,LI Binting,SHANG Keqin,et al.Fuzzy comprehensive evaluation of water gush and its prediction in coal mines of Hebi Mining Bureau[J].Journal of China University of Mining & Technology,1998,27(4):204-208.

[7] 孙福元,郑世燕.矿井水质特征研究及在涌水水源判别中的应用[J].煤炭科学技术,1996,24(10):27-30.

SUN Fuyuan,ZHENG Shiyan.Study on the characteristics of mine water quality and its application in the discrimination of water source[J].Coal Science and Technology,1996,24(10):27-30.

[8] 陈朝阳,姜峰.焦作矿区突水水源判别模型[J].煤田地质与勘探,1996,24(4):38-40.

CHEN Chaoyang,JIANG Feng.Water-bursting source determination of Jiaozuo mine[J].Coal Geology & Exploration,1996,24(4):38-40.

[9] 王广才,王秀辉,李竞生,等.平顶山矿区矿井突(涌)水水源判别模式[J].煤田地质与勘探,1998,26(3):48-51.

WANG Guangcai,WANG Xiuhui,LI Jingsheng,et al.Water-bursting source determination of Pingdingshan mine[J].Coal Geology & Exploration,1998,26(3):48-51.

[10] 黄平华,陈建生.基于多元统计分析的矿井突水水Fisher识别及混合模型[J].煤炭学报,2011,36(S1):131-136.

HUANG Pinghua,CHEN Jiansheng.Fisher indentify and mixing model based on multivariate statistical analysis of mine water inrush sources[J].Journal of China Coal Society,2011,36(S1):131-136.

[11] QIAN Jiazhong,WANG Lang,MA Lei,et al.Multivariate statistical analysis of water chemistry in evaluating groundwater geochemical evolution and aquifer connectivity near a large coal mine,Anhui,China[J].Environmental Earth Sciences,2016,75(9):747.

[12] CHIU Yungchia.The impact of groundwater discharge to the Hsueh-Shan tunnel on the water resources in northern Taiwan[J].Hydrogeology Journal,2012,20(8):1599-1611.

[13] 王心义,赵伟,刘小满,等.基于熵权-模糊可变集理论的煤矿井突水水源识别[J].煤炭学报,2017,42(9):2433-2439.

WANG Xinyi,ZHAO wei,LIU xiaoman,et al.Identification of water inrush from coalfield based on entropy weight-fuzzy variable set theory[J].Journal of China Coal Society,2017,42(9):2433-2439.

[14] 杨海军,王广才.煤矿突水水源判别与水量预测方法综述[J].煤田地质与勘探,2012,40(3):48-54.

YANG Haijun,WANG Guangcai.Summarization of methods of distinguishing sources and forecasting inflow of water inrush in coal mines[J].Coal Geology & Exploration,2012,40(3):48-54.

[15] 王心义,徐涛,黄丹.距离判别法在相似矿区突水水源识别中的应用[J].煤炭学报,2011,36(8):1354-1358.

WANG Xinyi,XU Tao,HUANG Dan.Application of distance discriminance in identifying water inrush resource in similar coalmine[J].Journal of China Coal Society,2011,36(8):1354-1358.

[16] 周健,史秀志,王怀勇.矿井突水水源识别的距离判别分析模型[J].煤炭学报,2010,35(2):278-282.

ZHOU Jian,SHI Xiuzhi,WANG Huaiyong.Water-bursting source determination of mine based on distance discriminant analysis model[J].Journal of China Coal Society,2010,35(2):278-282.

[17] WU Qiang,FAN Shukai,ZHOU Wanfang,et al.Application of the analytic hierarchy process to assessment of water inrush:A casestudy for the No.17 coal seam in the Sanhejian Coal Mine China[J].Mine Water and the Environment,2013,32(3):229-238.

[18] 孙亚军,杨国勇,郑琳.基于GIS的矿井突水水源判别系统研究[J].煤田地质与勘探,2007,35(2):34-37.

SUN Yajun,YANG Guoyong,ZHENG Lin.Distinguishing system study on resource of mine water inrush based on GIS[J].Coal Geology & Exploration,2007,35(2):34-37.

[19] 赵克勤.集对分析及其初步应用[M].杭州:浙江科技出版社,2000.

[20] SU MR,YANG ZF,CHEN B,et al.Urban ecosystem health assessment based on emergy and set pair analysis-A comparative study of typical Chinese cities[J].Ecological Modelling,2009,220(18):2341-2348.

[21] KUMAR K,GARG H.Connection number of set pair analysis based TOPSIS method on intuitionistic fuzzy sets and their application to decision making[J].Applied Intelligence,2017,48(5):1-8.

[22] 孟宪萌,胡和平.基于熵权的集对分析模型在水质综合评价中的应用[J].水利学报,2009,40(3):257-262.

MENG Xianmeng,HU Heping.Application of set pair analysis model based on entropy weight to comprehensive evaluation of water quality[J].Journal of Hydraulic Engineering,2009,40(3):257-262.

[23] 张旭,周绍武,林鹏,等.基于熵权-集对的边坡稳定性研究[J].岩石力学与工程学报,2018,37(1):3400-3410.

ZHANG Xu,ZHOU Shaowu,LIN Peng,et al.Slope stability evaluation based on entropy coefficient-set pair analysis[J].China Journal of Rock Mechanics and Engineering,2018,37(1):3400-3410.

[24] 李聪,申思然,刘江,等.基于动态权重的土质岸坡稳定性模糊评价方法[J].长江科学院院报,2013,30(1):15-20.

LI Cong,SHEN Siran,LIU Jiang,et al.Application of stepwise regression algorithm to slope safety monitoring[J].Journal of Yangtze River Scientific Research Instittute,2013,30(1):15-20.

[25] WU Jianhua,LI Peiyue,QIAN Hui,et al.On the sensitivity of entropy weight to sample statistics in assessing water quality:Statistical analysis based on large stochastic samples[J].Environmental Earth Sciences,2015,74(3):1-11.

[26] 王颖,邵磊,杨方廷,等.改进的集对分析水质综合评价方法[J].水力发电学报,2012,31(3):99-106.

WANG Ying,SHAO Lei,YANG Fangting,et al.Comprehensive evaluation method of water quality based on improved set pair analysis[J].Journal of Hydroelectric Engineering,2012,31(3):99-106.

[27] 杨建,梁向阳,刘基.封闭不良天然气孔突水过程的水文地球化学特征[J].煤田地质与勘探,2017,45(5):82-86.

YANG Jian,LIANG Xiangyang,LIU Ji.Hydrogeochemical characteristics during water inrush of poorly sealed gas hole[J].Coal Geology & Exploration,2017,45(5):82-86.

[28] HUANG Xujuan,WANG Guangcai,LIANG Xiangyang,et al.Hydrochemical and stable isotope (δD and δ18O) characteristics of groundwater and hydrogeochemical processes in the Ningtiaota coalfield,northwest,China[J].Mine Water & the Environment,2016,36(1):1-9.

Application of dynamic weight-set pair analysis model in mine water inrush discrimination

WANG Tiantian1,2,3，JIN Dewu2,3，LIU Ji2,3，YANG Jian2,3,WANG Xinyi4，ZHAO Wei4

(1.China Coal Research Institute,Beijing 100013，China; 2.Xi’an Research Institute,China Coal Technology & Engineering Group Corp.,Xi’an 710077，China; 3.Shaanxi Key Laboratory of Prevention and Control Technology for Coal Mine Water Hazard,Xi’an 710077,China; 4.Institute of Esources & Environment，Henan Polytechnic University，Jiaozuo 454000，China)

Abstract:Water inrush seriously restricts the mine safe production,and identifica water inrush sources quickly important for the prevention and control of mine water inrush.This research was carried out to build a mine water inrush identification model based on dynamic weight-set pair.Six parameters including K++Na+ are 0.38,0.25 and 0.20 using dynamic weight method much higher than other parameters weights,and the sum of weights account for 83% of the total,indicating their conclusive roles in the mine water inrush identification.The verification results of 9 groups of mine water samples are entirely consistent with the actual type.Only one Quaternary water sample identification results inconsistent with the reality,this is because there are few Quaternary samples in modeling and the samples to be tested exceed the recognition interval.the prediction result of 21102 working face of Hulusu coalfield is consistent with actual mine water inrush result.This is because almost all water inrushes of 21102 working face comes from Zhiluo and Cretaceous aquifer.large number of Zhiluo and Cretaceous groundwater samples are used to build model to establish appropriate identification intervals.Dynamic weight-set pair model should be established on the basis of abundant water quality data to ensure accurate identification ranges and valid water inrush source.

Key words:identification of mine water inrush source;water chemical parameters;dynamic weight;set pair analysis

王甜甜,靳德武，刘基,等.动态权-集对分析模型在矿井突水水源识别中的应用[J].煤炭学报,2019,44(9):2840-2850.doi:10.13225/j.cnki.jccs.2018.1419

WANG Tiantian，JIN Dewu,LIU Ji,et al.Application of dynamic weight-set pair analysis model in mine water inrush discrimination[J].Journal of China Coal Society,2019,44(9):2840-2850.doi:10.13225/j.cnki.jccs.2018.1419

中图分类号:TD74

文献标志码:A

文章编号:0253-9993(2019)09-2840-11

收稿日期:2018-10-24

修回日期:2018-12-11

责任编辑:常明然

基金项目:国家重点研发计划资助项目(2017YFC0804103，2016YFC0501104);国家自然科学基金资助项目(2018JQ5150)

作者简介:王甜甜(1991—)，女，河南漯河人，博士研究生。E-mail:wangthpuedu@126.com

通讯作者:靳德武(1966—)，男，陕西蓝田人，研究员，博士生导师。E-mail:jindewu@cctegxian.com