多源数据挖掘下潘谢矿区深部灰岩水突水预警研究

毕 波 ，陈永春 ，谢 毫 ，安士凯 ，徐燕飞

(1.煤矿瓦斯治理国家工程研究中心，安徽 淮南 232001；2.平安煤炭开采工程技术研究院有限责任公司，安徽 淮南 232001)

我国煤矿地质条件复杂、开采深度不断加大导致矿井突水的威胁不断增加，水害事故造成的经济损失一直高居首位[1]；另一方面，高新技术与传统技术融合，国内各产业转型升级不断深入[2-4]。武强[5]展望了矿井水防控工作创新研究的重大科学问题和关键核心技术与方法；储婷婷[6]研究灰岩成分与其中水成分之间的相关性，揭示了水岩相互作用的机理；李垣志等[7]、徐星等[8]通过降低样本指标维度和K 折交叉验证算法，简化BP 神经网络结构，同时提高突水水源判断的精度。杨建等[9]、闫鹏程[10]通过光谱预处理对水样进行荧光光谱分析，确定水源类型。刘剑民等[11]基于水化学分析、王心义等[12]基于熵权−模糊可变集理论、黄平华等[13]基于多元统计分析，分别建立了矿井突水水源识别模型。

随着地壳运动、人为采动等因素的影响，深层灰岩各含水层之间一直进行着极其复杂的物质、能量交换。导水陷落柱、断层构造都会形成地下水系统循环通道[14]。只简单研究各含水层水化学指标之间的“表象差异”，无法准确判断复杂深层灰岩水突水预兆。

淮南煤田位于华北板块东南侧，煤田的潘谢矿区上覆有巨厚的新生界松散层，又受南北两翼逆冲断层和斜切断层的切割，构成一个较为封闭的水文地质单元。矿区自上而下充水水源主要为新生界松散砂层孔隙水、二叠系煤系砂岩裂隙水、底板石炭−二叠系太原组灰岩(简称太灰)和奥陶系灰岩(简称奥灰)岩溶裂隙水。

随着煤矿逐渐向深部开采，潘谢矿区下一阶段的主采煤层为A 组煤。对A 组煤层开采威胁最大的因素来自底板高承压灰岩水，底板各层灰岩含水层的原始水压在5 MPa 以上。目前，直接影响煤层安全开采的为太原组C2I 组石灰岩含水层，间接影响的为奥陶系和寒武系灰岩(简称寒灰)含水层。2017 年5 月25 日，淮南矿业集团潘二矿12123 工作面底板联络巷发生隐伏陷落柱突水淹矿，最初出水水质特征为太灰水，当数小时后转变为奥灰水水质特征时突水已无法控制。而往往重大的突水事故都是深部高压灰岩水以浅层含水层为通道突入矿井发生的。通过探明浅层含水层与深层灰岩水的水力联系，查找矿井突水风险区域。

笔者通过研究深层灰岩水(奥灰水、寒灰水)对浅层含水层(上覆石炭–二叠系太原组灰岩、新生界松散层)的影响程度，来分析发生奥灰水突水的风险，可提高突水预警的准确性，缩小预判时间，以期为后续采取防治措施争取宝贵时间。

1 水文观测孔水位变化数据分析

1.1 潘谢矿区的补径排条件

潘谢矿区地质条件极其复杂，构造断层十分发育。探明断距大于3 m 的断层140 多条，见断点226 个，其中正断层73 条，占总数52%；两淮矿区发现近30 个陷落柱。导水构造发育(例如导水陷落柱)区域各含水层补给充足容易发生突水事故，而各含水层通常在采掘工作面前方几十米甚至几百米的深处，很难探查，风险较大。如何辨别回采区域内浅层含水层与深层高压灰岩含水层的水力联系，是防治水工作的重点和难点。

目前，潘谢矿区正在使用的地面水文观测孔182 个，其中新生界松散层含水层70 个、太灰含水层76 个、奥灰含水层25 个、寒灰含水层7 个、陷落柱探测孔3 个、火成岩1 个。潘谢矿区地面水文观测孔布置及突水后水位变化如图1 所示。图1 对潘二矿突水后主要的奥灰、寒灰钻孔水位下降高度进行标注，蓝色标注钻孔受断层影响水位下降高度相对较高；红色标注钻孔为潘三矿的(十二O)钻孔，因受董岗郢次级向斜影响，与潘二矿突水点无水力联系。可以推断，各区域含水层的补给与断层密切相关，岩层被拉伸的背斜和富水性良好的断层都可以作为很好的连通通道。

表1 为潘二矿突水后3 个月各地面水文观测孔水位变化统计，其中水位高程为矿内同一含水层突水前的平均高程。由图1、表1 可以看出，潘谢矿区各矿奥灰、寒灰含水层钻孔突水后水位下降深度随距突水点的距离(平面距离)增加而减少，说明奥灰、寒灰水对潘二矿突水点进行补给。潘谢矿区各矿的太灰岩溶发育不均一，具有浅部发育、断层带附近发育和厚层灰岩发育的特征。突水后水位也在下降，但水位变化和平均高程差异性很大，并无规律可循。说明灰岩水也对突水点进行补给，而且是局部通过奥灰、寒灰间接进行补给。新生界松散层含水层地面水文观测孔水位几乎没有下降，说明新生界松散层含水层对突水点没有明显补给，且与太原组、奥陶系等灰岩含水层水力联系弱。

表1 突水前后地面水文观测孔水位变化统计Table 1 Statistical table of water level changes in surface hydrological observation holes before and after water inrush

图1 潘谢矿区地面水文观测孔布置及突水后水位变化Fig.1 Water level changes of hydrological observation holes in Ordovician and Cambrian after water inrush

以前普遍认为，由于断层构造的影响，潘谢矿区为一个较为封闭的水文地质单元，地下水以消耗型为主[15-17]。从各含水层水位高程和突水后的水位变化可以看出，矿井主要充水水源为储量丰富的奥灰和寒灰水。

1.2 基于数据挖掘的突水危险点识别

为确定各灰岩含水层之间的水力联系，分析潘二矿突水后各水文观测孔水位变化，如图2 所示。从图2a 可以看出，潘二矿突水一个月后在距突水点25 km以内，奥陶系、寒武系水位下降与距突水点距离成幂函数(y=94 397x–0.795，R2=0.911 2)变化。说明距突水点25 km 以内的奥陶系、寒武系、太原组C23 组灰岩和部分太原组C22 灰岩水力联系密切。从图2b 可以看出，距突水点25 km 以外的水文观测孔，在突水1 a 后水位也普遍下降，除张集矿外(同期对灰岩水进行抽排)水位下降高度与距突水点距离成反比，而图2c 显示突水前1 a 水文观测孔水位变化并无明显规律。

图2 灰岩水文观测孔突水前后水位变化与距突水点距离散点图Fig.2 Scatter plots of water level changes and distances from water inrush point before and after water inrush in the limestone hydrological observation holes

为进一步确认距突水点较远矿井各含水层水力联系，对2017 年潘二矿突水5 个月后顾桥矿、张集矿、谢桥矿的水文观测孔水位变化进行分析。由于各水文观测孔水位变化不大，为消除随机误差，加入2018 年同期的水位变化和突水前水位高程2 类数据进行层次聚类，来评估与奥灰水水位变化相近的钻孔。为了便于分析，增加变化为0 的55 号点，标记为水位变化很小的样本。标号1−18 为奥陶系、寒武系灰岩钻孔，19−54 为太原组灰岩钻孔(19−28 第三组、29−39 第二组、40−54 第一组)、56−89 为松散层钻孔(56−64 为下含、65−78 为中含、79−89 为上含)、55 号为零参考点。

聚类分析结果如图3 所示，主要分为4 类。

图3 水文观测孔聚类分析Fig.3 Cluster analysis of hydraulic observational pores

第1 组聚类结果为水位在–200 m 左右的太原组灰岩钻孔，与其他灰岩钻孔水力联系不大。

第2 组聚类结果为水位变化很平稳的钻孔，其中谢桥矿3 个奥陶系灰岩孔、2 个太原组第三组灰岩孔，说明谢桥矿太原组第三组灰岩与奥陶系灰岩水力联系紧密。包含顾北矿2 个太原组第一组灰岩、2 个松散层下含钻孔，顾北矿太原组灰岩水与松散层下含水有水力联系。包含张集矿1 个西风井松散层钻孔，说明张集矿西风井松散层与太原组灰岩有一定的水力联系。

第3 组聚类结果为水位变化相对较大的钻孔，其中包含顾北矿6 个奥陶系、寒武系灰岩钻孔和6 个太原组灰岩钻孔，说明顾北矿太原组灰岩与奥陶系、寒武系灰岩水力密切。包含顾桥矿全部的3 个奥陶系、寒武系灰岩钻孔和2 个太原组第二组、第三组灰岩钻孔，并没有太原组第一组钻孔，说明顾桥矿奥陶系、寒武系灰岩与太原组第二组、第三组灰岩有水力联系。包含谢桥矿3 个奥陶系、寒武系灰岩钻孔和2 个太原组第二组、第三组灰岩钻孔，并没有太原组第一组钻孔，说明谢桥矿与顾桥矿相同，奥陶系、寒武系灰岩与太原组第二组、第三组灰岩有水力联系。包含张集矿2 个奥陶系、寒武系灰岩钻孔、2 个太原组灰岩钻孔和1 个西风井松散层钻孔。说明张集矿奥陶系、寒武系灰岩与太原组灰岩有水力联系，且西风井松散层与太灰组灰岩有一定的水力联系。

第4 组聚类结果包含为55 号零参考点为水位变化不大的钻孔，其中大部分的松散层钻孔和小部分灰岩钻孔。

通过聚类分析，识别出各矿突水风险区。谢桥矿太原组灰岩突水风险区有4 个，其中第三组灰岩孔3 个、第二组灰岩孔1 个。顾北矿灰岩突水风险区有6 个，其中第三组灰岩孔3 个、第一组灰岩孔3 个，且有下含与太原组第一组灰岩孔水力联系密切的钻孔3 个。顾桥矿灰岩突水风险区有2 个，同一位置其第二、第三组灰岩孔各一个。张集矿灰岩突水风险区太原组第二、第三组灰岩孔各一个、西风井松散层钻孔2 个。

2 水质化验数据挖掘

2.1 水源识别模型建立

由于各含水层的赋存年代、岩石岩性、补给水源、埋藏深度等条件不同，会造成矿井水水化学成分有所不同，通常采用PiPer 三线图、特征离子等方法来分析含水层的水化学特征，来判别井下巷道出水来源。但这种方法的广度和深度都具有局限性，对于整个矿区多对矿井、多个含水层的水源识别难以实现。尤其是地质条件复杂区域，各含水层的水力联系复杂，如潘谢矿区灰岩水都是同一补给源，只是在长时间水岩耦合作用下各含水层的水化学性质发生了微小变化，水化学成分差别不大。如此复杂的地下水赋存条件下，通过传统手段难以对特定区域含水层进行精确探查。

为识别各含水层的水化学特征，收集整理潘谢矿区各矿井1980−2018 年的7 000 条水质化验数据。由于研究区内各矿井水质化验信息的记录存在不一致性，且在长时间的保存过程中存在信息偏差导致样本噪声大，一般的算法很难准确对水源进行区分识别。随机森林算法[18]通过生成大量独立的决策树对结果进行分类，具有鲁棒性[19]和较强的泛化能力，适用于各含水层水质化验数据的分类分析。但随机森林算法也有不足，当分类样本偏差很大时，分类结果会偏向于样本数据多的类别。通过对数量少的样本类别进行合并或人为增加样本数量，提高模型的准确率。对比选择不同参数后的准确率和各参数对各含水层分类的贡献值见表2。其中MDA(Mean Decrease Accuracy)表示把一参数变随机数后模型准确率下降的程度，数值越大说明参数越重要。MDG(Mean Decrease Gini)表示参数对决策树分支观测值异质性的影响，数值越大说明参数越重要。通过比较模型准确率，优选参数为Cl−、矿井类别、Na++K+、Ca2+、采样年限、为参考分类依据。对于奥灰水分类贡献值比较高的常规水化学离子为

表2 水样各参数对于分类的贡献值Table 2 Contribution rate of each parameter of water samples to classification

2.2 基于随机森林的突水危险点识别

对于建立的水源识别模型采用10 折交叉验证方法[7]。把样本按比例随机分成10 份，8 份作为训练样本，2 份作为测试样本。计算10 次后，取计算结果组成混淆矩阵见表3，可以近似评估各含水层分类的准确率。结果显示：奥灰水准确率90%、砂岩水准确率95%、太灰水准确率90%、松散层水准确率92%。

表3 随机森林分类结果混淆矩阵Table 3 Confusion matrix of random forest classification results

有一部分太灰水与奥灰水连通，导致太灰水分类准确性较低。通过多次随机森林计算，输出错误的样本，筛查样本错误率在70%以上，确定为突水风险区。对每一个矿井的错误样本进行统计分析，结果如下：

(1) 丁集矿筛查出5 个突水风险区。统计分析得出有10% 砂岩水被错分成松散层，有11% 的松散层水被错分成砂岩水，有4%松散层水被错分成灰岩水，说明丁集矿顶板砂岩水主要补给来自松散层，少部分来自太灰水。

(2) 顾北矿筛查出7 个突水风险区。统计分析得出有25%奥灰水被错分成太灰水，说明顾北矿奥灰水和太灰水有很强的水力联系；有5%的太灰水被错分成松散层水，且有4%松散层水被错分成灰岩水，说明顾北矿太灰水松散层有一定水力联系。

(3) 顾桥矿筛查出1 个突水风险区。统计分析得出有25%奥灰水被错分成太灰水，说明顾北矿奥灰水和太灰水有很强的水力联系。

(4) 潘北矿筛查出12 个突水风险区。统计分析得出有18%砂岩水被错分成太灰水，说明有部分顶板砂岩与太灰有水力联系；有15%奥灰水被错分成太灰水，说明潘北矿奥灰水和太灰水有一定的水力联系。

(5) 潘二矿筛查出1 个突水风险区。统计分析得出有5%太灰水被错分成奥灰水，由于潘二矿发生过奥灰水突水事故，奥灰水与太灰水的水质基本相同。

(6) 潘三矿筛查出3 个突水风险区。统计分析得出有3%砂岩水被错分成松散层水，说明潘三矿的顶板砂岩水与松散层水有水力联系；有2 个第三组灰岩水全部被错分成奥灰水，说明潘三矿第三组灰岩水与奥灰水水力联系很强。

(7) 潘一矿筛查出3 个突水风险区。统计分析得出有60%松散层水被错分成砂岩水，说明潘一矿的松散层水和砂岩水有很强水力联系。

(8) 谢桥矿筛查出8 个突水风险区。统计分析得出有23% 奥灰水被错分成太灰水，有22% 太灰水被错分成奥灰水，说明谢桥矿奥灰水和太灰水有很强的水力联系。

(9) 张集矿筛查出4 个突水风险区。统计分析得出有3%太灰水被错分成砂岩水，有4%砂岩水被错分成太灰水，说明有一小部分太灰水通过裂隙补给煤系砂岩水。

3 快速预警系统构建

3.1 突水风险区及敏感指标确定

运用随机森林算法筛选出44 个突水风险区，采用水文观测孔水位变化分析出19 个突水风险区，可以相互验证、互补。

由于各含水层的岩性不同，其地下水水化学成分也有所不同。找出含水层离子特征，突水危险源智能检测技术可以为实施防治水措施提供快速、可靠的依据，极大地避免矿井发生突水事故和减少突水事故产生的损失。

为探寻快速识别灰岩水水源的敏感指标，分析含水层水化学垂直分布特征。分别对奥灰水、太原组3组灰岩水(三灰水)、太原组1 组灰岩水(一灰水)、新生界松散层四含水(下含水)、新生界松散层三含水(中含水)、新生界松散层一、二含水(上含水)进行常规七大离子分布对比分析[20]。各含水层常规离子箱线图如图4 所示。

可以看出，奥灰水和三灰水的常规离子水化学成分非常接近，说明奥灰水和三灰水的水力联系紧密。图4中橙黄线为Cl−含量变化，可以看出与含水层的埋藏深度成正比。绿线为含量变化，与红线分布成反比。在灰岩含水层SO42−离子与埋藏深度成正比，离子与埋藏深度成反比。因此，可以作为区分奥灰水、太灰水的敏感指标。

图4 含水层的常规离子分布Fig.4 Conventional ion distribution of the aquifer

TDS、Cl−相关性很强，只需要监测TDS 就可以达到监测其他离子的效果，且TDS 在线监测技术已经很成熟。结合建立水源识别模型时分析出的离子指标，综合考虑确定常规水化学监测指标为TDS、同时需对水文地质条件分析中经常采用的温度、流量、相近水文观测孔的水位变化进行在线监测。

3.2 快速预警系统建立

对于传统的突水危险预警，主要依靠现场征兆来判断，很难快速、准确对突水危险进行评估、预测。如果错过采取最佳措施的窗口期，很容易造成重大的突水事故。通过确定各层水源敏感指标，运用连续在线监测系统，对出水地点进行突水预警[21](图5)。

图5 灰岩水突水危险识别与预警系统Fig.5 Risk identification and early warning system for limestone water inrush

当前期巷道发现出水时水量一般很小，根据附近是否存在断层等构造、是否为灰岩水突水危险区来确定对应的措施。当附近存在断层等构造或在判定的灰岩水突水危险区，就有可能发生突水事故。需要设置在线监测设备，对出水点进行实时监测，同时定期进行取样化验分析。当出水地点附近不存在断层等构造且不在判别的灰岩水突出危险区域，发生灰岩水突水事件的几率很小。通过对出水温度、水量、附近地面水文观测水位变化等常规人工监测，并定期对出水点进行取样化验分析。在线监测设备将巷道出水的TDS、含量、含量、温度、流量和附近水文观测孔的水位变化等数据传输到地面控制室，通过大数据分析技术对突水危险进行评估；取样化验分析结果运用水源识别模型进行分析，确定出水水源；常规的人工监测根据多年防治水经验进行判别是否有突水危险，3 种分析方法任意一种判别有突水危险应立即采取防治水措施。

构建快速准确突水预警体系对矿井出水点进行监测，为实施防治水措施提供快速、可靠的依据，可以极大地避免矿井发生突水事故和减少突水事故产生的损失。

4 结论

a.通过分析各矿水质化验资料、地面水文观测水位变化数据及潘二矿突水后各水文观测孔水位变化的时空规律，得出水文观测孔的水位变化数据比水位高程数据更灵敏，潘谢矿区深层灰岩水由下向上对浅层灰岩水进行补给。

b.获得潘谢矿区各含水层水化学空间分布特征，确定各层含水层分类显著因子；基于改进随机森林算法，建立潘谢矿区的水源识别模型。

c.构建快速准确突水预警系统，通过在线监测系统对矿井出水点进行监测，基于大数据分析、水源识别模型对灰岩水突水危险进行预警，为实施防治水措施提供快速、可靠的依据。