地下水动态监测与实时预报系统的构建研究

曹晓彬

(河北省邯郸水文勘测研究中心，河北 邯郸 056001)

1 研究方法

1.1 基于信息反馈机制的涌水量预测

以邯郸市某矿区作为研究对象，对矿区的涌水量进行预测研究，该矿区宽33.1 km，长33.3 km，占地面积约658 km2，矿区内共有6个生产矿井及其他矿井8个，矿区水资源总量约为49 120万m3/a。

目前常用的矿坑涌水量预测方法有四种，分别是解析法、数值法、水文地质比拟法及水均衡法，其中解析法分为稳定井流解析，非稳定井流解析；数值法分为有限元法，有限拆分法。由于解析法适应能力强，且简洁、高效、经济，因此，使用率较高，解析法可通过井流理论，及等效原则，构造一个集合了各种井巷及坑道系统的大井，此时，大井的涌水量就是整个坑道的涌水量，可利用大井对矿坑的涌水量进行预测。由于该矿区处于灰岩地带，其地下水的运动规律符合Darcy理论，因此，研究采用公式(1)计算基岩区涌水量。

(1)

式中：Q为矿坑涌水量，m3/d；K为灰岩地带岩溶承压含水层平均渗透系数，m/d；H为矿床范围内灰岩地带平均水位高度，m；M为灰岩地带岩溶承压含水层平均厚度，m；R0为引用影响半径，m；r0为引用半径，m。数值法预测矿坑涌水量则因为评价精度较高，且可以较为真实的翻译水文地质的概化模型，也常被用于矿坑地区的涌水量监测，该方法需用到地下水模拟软件，建立地下水水流模型，目前最常用的模拟软件为MODFLOW软件，其基本方程式如式(2)[1-2]：

(2)

式中：x，y，z分别为空间坐标的三个方向；W为非平衡状态下通过均质、各向同性土壤截止单位体积的流量，即地下水的源与汇，m3/d；μ为弹性释水系数。信息反馈机制是一种常见的信息技术，利用信息思维方式，将工程地质、设计及施工视为动态变化的，并探讨三者之间的相互作用关系，从而通过三者之二对另外一个信息进行更正及与预测。利用信息反馈技术预测矿坑涌水量需先建立地质模型与水文地质概念模型，以邯郸某矿区作为研究对象，该地区的三维底层结构见图1。

图1 邯郸某矿区三维地层结构

利用该地区的三维地层结构即可构建该地区的地质模型，再根据邯郸矿区的河流水系即可构建该地区的水位地质概念模型，从而完成利用信息反馈建立矿坑涌水量的预测模型，根据水文地质概念模型即可建立相应的数学模型，如式(3)[3-4]：

(3)

式中：H(x，y，z，t)为地下初始水位，m；H0(x，y，z)为H(x，y，z，t)在t0=0时的地下水初始水位，m；H1(x，y，z，t)为模拟期边界处的地下水水位，m；D为模拟区范围；Γ1为第一类水头边界；Γ2为第二类流量边界；t为时间，d。矿坑涌水量预测模型包含三个部分，首先是含水层的系统识别，其次是水文地质参数的确定，最后是模拟时段的选择，完成上述三个部分后，利用预测模型进行水位识别及参数识别即可。

1.2 地下水动态监测与预报系统的构建

以邯郸市某矿区作为研究对象，将矿区开采时遗留的抽水孔作为观测孔，通过这些观测孔对该矿区的地下水动态进行监测及实时预报，研究构建地下水动态监测及实时预报系统，系统结构见图2。

图2 地下水动态监测及实时预报系统结构

该系统由两个模块组成，分别是核心计算模块与辅助支持模块，核心计算模块负责通过观测孔进行地下水动态监测及实时预报，辅助支持模块由数据监测获取模块、数据输入模块、数据处理模块及结果可视化模块。由于研究搭建的地下动态监测与实时预报系统，是为了反映矿场开采对当地水资源环境的影响，因此，监测目标仅包括水位监测及水质监测，水位监测采用地面监测井，因此地面部分数据获取采用人工记录的方法，地下部分则采用压力式水位读取计进行获取；水质监测的数据获取采用人工取样，实验室分析的方式(本文仅对水位进行研究)。数据获取后输入系统，对这些监测信息进行处理，研究构建的系统的监测信息处理方式分为三种，第一种是日报表，该方式每一个小时对应一个数据；第二种是月报表，该方式每一天对应一个数据；第三种是年报表，该方式每一个月对应一个数据。在经过矿区水文地质参数的补充后，矿坑涌水量的数据将更为准确，更贴近矿区的实际情况。

2 仿真试验结果分析

研究利用试错法，根据抽水期间观测得到的地下水水位资料，对模型参数进行调整，再选取两个水位观测孔进行模型的水位识别调试，结果见图3。

图3 水文观测孔水位拟合曲线

由图3(a)SK12水文观测孔的水位拟合曲线可见，在40 min之前，模型的拟合效果较差，40～110 min时，模型计算水位与观测实际水位基本一致；在110～390 min时，模型的计算水位总是高于观测实际水位；在290 min时，模型计算结果与观测实际结果差距较大，而后模型的计算结果与实际观测结果基本一致。图3(b)SK22水文观测孔的水位拟合曲线可见，在120 min前，模型的计算结果总是低于观测的实际结果，模型的初始计算结果为4.81 m，观测的实际结果为4.85 m；在120～250 min时，除200 min左右，其他时间模型的计算结果与观测的实际结果拟合较好；200 min左右时，观测的实际结果出现了较明显的水位下降；在250 min后，模型计算结果与观测实际结果之间总是有一定的误差，但误差均控制在10 cm以内。模型在两个观测孔的水位拟合效果都较好，仅在个别时间段误差较大，确定模型的拟合效果后，研究对矿区的水文地质参数进行了修改，并对修改参数后的模型进行了验证，验证结果见图4。

图4 修改参数后模型的验证结果

由图4(a)SK12的水位拟合曲线可见，在5000 s以前，模型的计算结果与观测孔的实际结果差较大，在3000 s时，模型的计算结果为4.61 m，观测孔的实际结果为4.74 m；在5000 s以后，模型的计算结果与观测孔的实际观测结果基本一致。图4(b)为矿坑涌水量预测模型，在地下240 m及地下320 m处的预测结果可见，在相同的时间内，开采深度越深，矿坑涌水量越大；开采365 d时，地下240 m处的矿坑涌水量为7430 m3/d，地下320 m处的矿坑涌水量为9130 m3/d，开采深度下降了80 m，矿坑涌水量增加了1700 m3/d；开采时间越久，矿坑涌水量变化越小，开采730 d时，地下240 m处的矿坑涌水量为7280 m3/d，开采1460 d后，地下240 m处的矿坑涌水量为6830 m3/d，开采时间增加了两年，矿坑涌水量下降了450 m3/d。最后研究比较了原模型与信息反馈后模型在不同开采水平的矿坑涌水量，结果见表1。

表1 不同开采水平的矿坑涌水量

由表1中可见，原模型预测在东埂开采深度为地下180 m时，Ⅰ期工程的最大矿坑涌水量为23 400 m3/d，平均涌水量为18 240 m3/d；Ⅱ期工程时，矿用涌水量有所下降，矿坑最大涌水量为14 600 m3/d，平均涌水量为10 398 m3/d；Ⅲ期工程时，矿坑涌水量出现明显下降，此时最大涌水量为5000 m3/d，平均涌水量仅3877 m3/d。金龙开采深度为地下360 m时，原模型预测的矿坑涌水量较低，Ⅰ期工程的最大涌水量仅4500 m3/d，平均涌水量仅2745 m3/d；Ⅱ期工程的矿坑涌水量更低，最大涌水量为3500 m3/d，平均涌水量为1817 m3/d。信息反馈后模型在开采深度为地下180 m时，矿坑最大涌水量为20 000 m3/d，平均涌水量为12 000 m3/d；开采深度为地下240 m时，矿坑最大涌水量为76 000 m3/d，平均涌水量为70 000 m3/d；开采深度为地下320 m时，矿坑最大涌水量为95 000 m3/d，平均涌水量为82 000 m3/d；开采深度为地下480 m时，矿坑最大涌水量为65 000 m3/d，平均涌水量为47 000 m3/d。原模型在预测矿坑涌水量时，随着工期的推进，涌水量逐渐减小，信息反馈后模型在预测矿坑涌水量时，随着开采深度的增加，涌水量逐渐增加，直到地下320 m为止，开采深度超过地下320 m后，矿坑涌水量开始下降。

3 结 论

研究提出利用信息反馈技术建立矿坑涌水量预测模型，可以很好地拟合矿区地下水位高度，在5000 s以后，模型的计算结果与观测孔的实际观测结果基本一致，信息反馈后模型在预测矿坑涌水量时，开采深度为地下320 m时，矿坑最大涌水量为95 000 m3/d。研究构建的模型可以有效地反映矿区的水环境变化，但未针对矿坑涌水量的变化制定改善方案。