LIF技術(shù)與SIMCA算法在煤礦突水水源識(shí)別中的研究

閆鵬程，周孟然*，劉啟蒙, 張開遠(yuǎn)，何晨陽(yáng)

1. 安徽理工大學(xué)電氣與信息工程學(xué)院，安徽 淮南 232001 2. 礦山地質(zhì)災(zāi)害防治與環(huán)境保護(hù)安徽省重點(diǎn)實(shí)驗(yàn)室，安徽 淮南 232001 3. 安徽理工大學(xué)地球與環(huán)境學(xué)院，安徽 淮南 232001

LIF技術(shù)與SIMCA算法在煤礦突水水源識(shí)別中的研究

閆鵬程1，周孟然1*，劉啟蒙2, 3, 張開遠(yuǎn)1，何晨陽(yáng)1

1. 安徽理工大學(xué)電氣與信息工程學(xué)院，安徽 淮南 232001 2. 礦山地質(zhì)災(zāi)害防治與環(huán)境保護(hù)安徽省重點(diǎn)實(shí)驗(yàn)室，安徽 淮南 232001 3. 安徽理工大學(xué)地球與環(huán)境學(xué)院，安徽 淮南 232001

煤礦突水水源類型的快速識(shí)別對(duì)于煤礦水害預(yù)警防治意義重大。針對(duì)傳統(tǒng)水化學(xué)方法水源識(shí)別耗時(shí)較長(zhǎng)的問(wèn)題，提出一種基于激光誘導(dǎo)熒光光譜(LIF)技術(shù)與簇類的獨(dú)立軟模式(SIMCA)算法的煤礦突水水源快速識(shí)別方法。激光誘導(dǎo)熒光光譜技術(shù)具有分析速度快、靈敏度高等特點(diǎn)，在激光器的輔助下，熒光光譜儀實(shí)時(shí)采集熒光光譜，根據(jù)水樣的熒光光譜即可進(jìn)行水源類型識(shí)別，在數(shù)據(jù)庫(kù)完備的情況下，只需幾秒即可進(jìn)行煤礦水源判斷，對(duì)于煤礦的水害預(yù)警以及災(zāi)后救援來(lái)說(shuō)意義重大。實(shí)驗(yàn)利用405 nm激光器發(fā)射激光，打入被測(cè)水體，得到五種常見突水水樣的共100組熒光光譜，對(duì)各水樣的熒光光譜進(jìn)行光譜預(yù)處理。每種水樣使用15組共75組熒光光譜作為預(yù)測(cè)集，剩余的25組水樣的熒光光譜作為測(cè)試集。利用主成分分析(PCA)分別對(duì)五種水樣進(jìn)行建模，而后依據(jù)所建模型進(jìn)行SIMCA分類。實(shí)驗(yàn)發(fā)現(xiàn)不同水樣的熒光光譜差異明顯，經(jīng)過(guò)Gaussian-Filter預(yù)處理后的熒光光譜，在主成分?jǐn)?shù)為2，顯著性程度α=5%的情況下，利用SIMCA算法進(jìn)行水樣分類，預(yù)測(cè)集和測(cè)試集的正確率皆為100%。

煤礦突水；水源識(shí)別；激光誘導(dǎo)熒光光譜；簇類的獨(dú)立軟模式；主成分分析

引 言

瓦斯、煤塵、水、火和頂板災(zāi)害是煤礦五大災(zāi)害，根據(jù)“十一五”期間全國(guó)煤礦水害事故分析報(bào)告，“十一五”期間全國(guó)煤礦事故發(fā)生10 339起，死亡人數(shù)16 811人，其中水害事故發(fā)生306起，死亡人數(shù)1 325人。無(wú)論是從事故數(shù)量上還是死亡人數(shù)上，水害事故均僅次于瓦斯事故，位居煤礦五大災(zāi)害第二位[1-3]。水害事故成為威脅煤礦生命財(cái)產(chǎn)安全的最主要風(fēng)險(xiǎn)之一，面對(duì)水害危害的嚴(yán)重性，迫切需要進(jìn)行水害預(yù)警防治工作。煤礦現(xiàn)場(chǎng)工作不僅需要預(yù)防、預(yù)測(cè)突水，也需要在發(fā)生突水后及時(shí)對(duì)突水來(lái)源做出正確判斷，這樣才能對(duì)突水采取有效的治理措施[4-5]。

傳統(tǒng)的煤礦突水水源類型識(shí)別全部以水化學(xué)為基礎(chǔ)，以獲得離子濃度、pH值、電導(dǎo)率等參數(shù)，根據(jù)這些參數(shù)建立水源類型識(shí)別模型[6-11]。一般實(shí)驗(yàn)室測(cè)量這些參數(shù)需要2 h才能完成，對(duì)于煤礦水害預(yù)警防治來(lái)說(shuō)，耗時(shí)過(guò)長(zhǎng)。

本文提出使用LIF技術(shù)結(jié)合SIMCA分類法進(jìn)行煤礦突水水源類型識(shí)別。激光誘導(dǎo)熒光光譜分析具有分析速度快、靈敏度高等特點(diǎn)，在激光器的輔助下，熒光光譜儀實(shí)時(shí)采集熒光光譜，根據(jù)水樣的熒光光譜即可進(jìn)行水源類型識(shí)別，在數(shù)據(jù)庫(kù)完備的情況下，只需幾秒即可進(jìn)行煤礦水源判斷，對(duì)于煤礦的水害預(yù)警以及災(zāi)后急救來(lái)說(shuō)意義重大。在光譜技術(shù)日益更新的今天，依據(jù)LIF技術(shù)進(jìn)行煤礦涌水水源類型識(shí)別的重點(diǎn)與難點(diǎn)就在于不同水源的熒光光譜的識(shí)別。近年來(lái)熒光光譜分析技術(shù)開始應(yīng)用在環(huán)境科學(xué)、農(nóng)業(yè)生產(chǎn)等方面，SIMCA算法開始應(yīng)用在煙葉、油脂鑒別方面[12]。本文將LIF技術(shù)結(jié)合SIMCA算法應(yīng)用于煤礦突水水源類型識(shí)別尚未見諸任何相關(guān)文獻(xiàn)。

1 實(shí)驗(yàn)部分

1.1 材料

選取突水事故較為常見的五種水樣：奧陶系灰?guī)r巖溶水、煤系砂巖裂隙水、煤系灰?guī)r水、第四系沖積層水和老窯水作為實(shí)驗(yàn)對(duì)象。于2014年4月15日采集淮南市新集一礦的五種水樣，每種水樣采集20個(gè)樣本。所取水樣樣本皆避光密封存儲(chǔ)在棕色玻璃瓶中。

1.2 光譜采集

實(shí)驗(yàn)采用儀器為激光誘導(dǎo)熒光光譜儀(USB2000+美國(guó)Ocean optics公司)，設(shè)定入射激光波長(zhǎng)405 nm，入射激光功率120 mW，檢測(cè)熒光光譜范圍400～800 nm，分辨率設(shè)定為0.5 nm，積分時(shí)間設(shè)置為1 s/1 000 nm。為達(dá)到實(shí)驗(yàn)的在線測(cè)量目的，為下一步的實(shí)際應(yīng)用做準(zhǔn)備，實(shí)驗(yàn)探頭采用可浸入式激光激發(fā)熒光探頭(FPB-405-V3廣東科思凱公司)，可直接放入實(shí)驗(yàn)水體進(jìn)行浸入式接觸測(cè)量，而不使用比色皿進(jìn)行采樣式非接觸測(cè)量。為避免背景光影響，熒光探頭與存放水樣樣本的玻璃瓶皆放入暗室進(jìn)行激光誘導(dǎo)熒光光譜測(cè)量。熒光光譜由SpectraSuite軟件采集并記錄。

1.3 光譜模式識(shí)別

光譜識(shí)別系統(tǒng)由光譜信號(hào)的特征提取、光譜信號(hào)的標(biāo)準(zhǔn)特征庫(kù)和光譜信號(hào)的比較識(shí)別構(gòu)成。其分類方法可分為有管理識(shí)別方法和無(wú)管理識(shí)別方法。有管理識(shí)別方法需要訓(xùn)練集，其方法包括：LDA法、K最近鄰法、神經(jīng)網(wǎng)絡(luò)法、SIMCA法和決策樹等方法。無(wú)管理識(shí)別方法不需要訓(xùn)練集，其方法有：主成分分析法、最小生成樹法和聚類分析法等。

2 結(jié)果與討論

2.1 波長(zhǎng)范圍選擇

實(shí)驗(yàn)時(shí)對(duì)淮南市新集一礦奧陶系灰?guī)r巖溶水(奧灰水)、煤系砂巖裂隙水(砂巖水)、煤系灰?guī)r水(灰?guī)r水)、第四系沖積層水(沖積層水)和老窯水共五種水樣，100個(gè)樣本進(jìn)行光譜采樣，為減小隨機(jī)誤差，每個(gè)樣本采樣5次，并取平均值，共得到光譜曲線100個(gè)，如圖1所示。

Fig.1 Original fluorescence spectra of water samples

為了能夠比較直觀的反映出各水樣的熒光光譜差異，對(duì)各水樣20個(gè)樣本的光譜數(shù)據(jù)取平均值，得到各水樣的光譜圖如圖2所示。

由圖1和圖2可以看出，五種水樣的光譜總體趨勢(shì)分類明顯，但是在400～420和670～800 nm波段，五種水樣的熒光光譜分布趨于一致，分辨度較小，為了減小數(shù)據(jù)處理量，提高運(yùn)算效率和識(shí)別精度，將這兩段波段刪除，只對(duì)420～670 nm波段進(jìn)行數(shù)據(jù)處理。這時(shí)每個(gè)樣本的數(shù)據(jù)量即從801點(diǎn)降到501點(diǎn)。

Fig.2 Average spectra of water samples

2.2 數(shù)據(jù)預(yù)處理

為消除噪聲，減小誤差，以尋找最佳的識(shí)別處理方法，對(duì)原始光譜進(jìn)行數(shù)據(jù)預(yù)處理。分別采用correlation optimized warping(COW)，median-filter(MF)，gaussian-filter(GF)，moving-average(MA)，standard normal variate(SNV)法對(duì)原始光譜進(jìn)行處理，加上原始光譜，共六種預(yù)處理方法。由圖3可以看出，前五種預(yù)處理方法的去噪效果良好，基本看不出有何差距，而經(jīng)SNV法處理的光譜卻出現(xiàn)了較大的噪聲，水樣的光譜分類出現(xiàn)模糊。

2.3 PCA建模

鑒于SNV的預(yù)處理效果較差，以原始光譜加另外四種預(yù)處理方法處理后的光譜進(jìn)行PCA建模。實(shí)驗(yàn)隨機(jī)選擇五種水樣的15個(gè)樣本共75個(gè)樣本做為訓(xùn)練集，剩余五種水樣的5個(gè)樣本共25個(gè)樣本做為測(cè)試集。

Fig.3 Different preprocessing results of spectra

在420～670 nm范圍內(nèi)，對(duì)這75組數(shù)據(jù)進(jìn)行主成分分析，各預(yù)處理方法皆取7個(gè)主成分?jǐn)?shù)，由于第1主成分貢獻(xiàn)度極大，因此建模選擇主成分?jǐn)?shù)為2，觀察累積貢獻(xiàn)度，如表1所示。由表1可以看出，在主成分?jǐn)?shù)同為2的情況下，各預(yù)處理方法的累積貢獻(xiàn)度皆在99.5%以上，其中原始光譜的累積貢獻(xiàn)度最低，為99.65%，Moving-Average的累積貢獻(xiàn)度最高，為99.86%。因此在主成分?jǐn)?shù)為2時(shí)即可較好的表示原始光譜的數(shù)據(jù)信息。

圖4為各預(yù)處理方法訓(xùn)練集的第1主成分和第2主成分的得分圖。從圖4的各圖中可以看出，五種水樣的聚類效果明顯。橫向?qū)Ρ雀鲌D，在同一坐標(biāo)系的情況下，COW的聚類效果較差，其次為原始光譜和Median-Filter，聚類效果最好的是Gaussian-Filter和Moving-Average。由各圖也可以看出灰?guī)r水和砂巖水距離最近且皆處于第四象限，而灰?guī)r水、砂巖水、沖積層水距離奧灰水皆較遠(yuǎn)。這可以從地質(zhì)年代進(jìn)行解釋，灰?guī)r水和砂巖水所處的地層地質(zhì)年代皆為晚古生代石炭紀(jì)，因此其所含物質(zhì)成分較為接近；沖積層水所處的地層地質(zhì)年代為新生代第四紀(jì)，是地質(zhì)年代最新的一個(gè)紀(jì)；奧灰水所處的地層地質(zhì)年代為早古生代奧陶紀(jì)，是所有水樣(除老窯水)中，地質(zhì)年代最古老的一個(gè)紀(jì)；老窯水與地質(zhì)年代無(wú)關(guān)，它是煤礦開采后遺留的采空區(qū)被地下水或地表水充滿所致，而且由于屬于人工工作區(qū)域，人為的帶入了一些物質(zhì)成分，因此其水成分構(gòu)成復(fù)雜，這也就造成了各地的老窯水成分相差極大，熒光光譜也各不相同。水樣所處地層的不同造成了其所含物質(zhì)成分的不同，物質(zhì)成分的不同在熒光光譜上會(huì)反映出一定的差異，差異越大，就造成其在空間上的距離也就越大。

由于奧陶系灰?guī)r巖溶水(奧灰水)與煤系灰?guī)r水(灰?guī)r水)皆屬于石灰?guī)r水，在水化學(xué)分析中分辨困難，常造成誤判，而從圖2卻可以看出，兩種水樣的熒光光譜圖分類明顯，從圖4也可以看出兩種水樣的聚類效果明顯，且相距較遠(yuǎn)。

Table 1 Contribution rate of different preprocessing models

Fig.4 Score cluster plot of PC-1 and PC-2 with different preprocessing models

2.4 SIMCA分類

在顯著性程度α=5%的情況下，以PCA建模的主成分作為分類模型，用SIMCA法對(duì)各水樣進(jìn)行識(shí)別。所建立的預(yù)測(cè)集及測(cè)試集的結(jié)果如表2所示。

由表2可以看出，不同方法處理后的熒光光譜，識(shí)別效果皆較好。預(yù)測(cè)集分類錯(cuò)誤個(gè)數(shù)最多只有2個(gè)(Median-Filter)，經(jīng)Gaussian-Filter處理后的預(yù)測(cè)集分類全部正確；五種預(yù)處理方法的測(cè)試集分類正確率全為100%。

Table 2 Result of classification

3 結(jié) 論

對(duì)同一煤礦不同含水層五種水樣的激光誘導(dǎo)熒光光譜數(shù)據(jù)進(jìn)行分析，依據(jù)光譜曲線特征，舍去部分波段光譜，并對(duì)數(shù)據(jù)進(jìn)行不同方式的預(yù)處理，而后分別進(jìn)行PCA建模和SIMCA分類。由實(shí)驗(yàn)過(guò)程可以發(fā)現(xiàn)，Gaussian-Filter的整體表現(xiàn)優(yōu)于其他方法，這也表明首先進(jìn)行Gaussian-Filter預(yù)處理，而后進(jìn)行PCA建模和SIMCA分類是最佳方法。實(shí)驗(yàn)充分證明了LIF技術(shù)結(jié)合SIMCA識(shí)別法在煤礦水源識(shí)別中的可行性。

[1] WU Qiang, GUAN En-tai(武 強(qiáng), 管恩太). Journal of China Coal Society(煤炭學(xué)報(bào)), 2006, 31(4): 409.

[2] GAO Jian-ning(高建寧). Safety In Coal Mines(煤礦安全), 2013, 44(3): 156.

[3] ZHAO Shan-shan, SUN Jian-hua(趙珊珊, 孫建華). Safety In Coal Mines(煤礦安全), 2009, ?40(4): 127.

[4] YANG Hai-jun, WANG Guang-cai(楊海軍, 王廣才). Coal Geology & Exploration(煤田地質(zhì)與勘探), 2012, 40(3): 48.

[5] QIAN Jia-zhong, PAN Jing, ZHAO Wei-dong(錢家忠, 潘 婧, 趙衛(wèi)東). Systems Engineering-Theory & Practice(系統(tǒng)工程理論與實(shí)踐), 2011, 31(12): 2425.

[6] LIAN Hui-qing, LIU De-min, YIN Shang-xian(連會(huì)青, 劉德民, 尹尚先), Coal Engineering(煤炭工程), 2012, 8: 107.

[7] YAO Jie, TONG Min-ming, LIU Tao(姚 潔, 童敏明, 劉 濤). Safety in Coal Mines(煤礦安全), 2013, 44(2): 29.

[8] LU Jin-tao, LI Xi-bing, GONG Feng-qiang(魯金濤, 李夕兵, 宮鳳強(qiáng)). China Safety Science Journal(中國(guó)安全科學(xué)學(xué)報(bào)), 2012, 22(7): 109.

[9] CHEN Hong-jiang, LI Xi-bing, LIU Ai-hua(陳紅江, 李夕兵, 劉愛(ài)華). Journal of Central South University(Science and Technology)(中南大學(xué)學(xué)報(bào)·自然科學(xué)版), 2009, 40(4): 1114.

[10] ZHANG Yang, MA Yun-dong, WU Hao(張 洋, 馬云東, 吳 浩). Hydrogeology & Engineering Geology(水文地質(zhì)工程地質(zhì)), 2014, 41(4): 32.

[11] WEN Ting-xin, ZHANG Bo, SHAO Liang-shan(溫廷新, 張 波, 邵良杉). China Safety Science Journal(中國(guó)安全科學(xué)學(xué)報(bào)), 2014, 24(2): 100.

[12] HUANG Yue-hua, FAN Lu, LI Juan(黃月華, 范 璐, 李 娟). Journal of Henan University of Technology(Natural Science Edition)(河南工業(yè)大學(xué)學(xué)報(bào)·自然科學(xué)版), 2009, 30(5): 13.

*Corresponding author

Research on the Source Identification of Mine Water Inrush Based on LIF Technology and SIMCA Algorithm

YAN Peng-cheng1, ZHOU Meng-ran1*, LIU Qi-meng2, 3, ZHANG Kai-yuan1, HE Chen-yang1

1. College of Electrical and Information Engineering, Anhui University of Science and Technology, Huainan 232001, China

2. Anhui Provincial Key Lab of Geohazards Prevention and Environment Protection, Huainan 232001, China

3. College of Earth and Environment, Anhui University of Science and Technology, Huainan 232001, China

Rapid source identification of mine water inrush is of great significance for early warning and prevention in mine water hazard. According to the problem that traditional chemical methods to identify source takes a long time, put forward a method for rapid source identification of mine water inrush with laser induced fluorescence (LIF) technology and soft independent modeling of class analogy (SIMCA) algorithm. Laser induced fluorescence technology has the characteristics of fast analysis, high sensitivity and so on. With the laser assisted, fluorescence spectrums can be collected real-time by the fluorescence spectrometer. According to the fluorescence spectrums, the type of water samples can be identified. If the database is completed, it takes a few seconds for coal mine water source identification, so it is of great significance for early warning and post-disaster relief in coal mine water disaster. The experiment uses 405 nm laser emission laser into the 5 kinds of water inrush samples and get 100 groups of fluorescence spectrum, and then put all fluorescence spectrums into preprocessing. Use 15 group spectrums of each water inrush samples, a total of 75 group spectrums, as the prediction set, the rest of 25 groups spectrums as the test set. Using principal component analysis (PCA) to modeling the 5 kinds of water samples respectively, and then classify the water samples with SIMCA on the basis of the PCA model. It was found that the fluorescence spectrum are obvious different of different water inrush samples. The fluorescence spectrums after preprocessing of Gaussian-Filter, under the condition of the principal component number is 2 and the significant levelα=5%, the accuracy of prediction set and testing set are all 100% with the SIMCA to classify the water inrush samples.

Mine water inrush; Source identification; Laser induced fluorescence; Soft independent modeling of class analogy; Principal component analysis

Nov. 20, 2014; accepted Feb. 25, 2015)

2014-11-20，

2015-02-25

國(guó)家“十二五”科技支撐計(jì)劃重點(diǎn)項(xiàng)目(2013BAK06B01)和國(guó)家自然科學(xué)基金項(xiàng)目(51174258)資助

閆鵬程，1988年生，安徽理工大學(xué)電氣與信息工程學(xué)院博士研究生 e-mail: pcyan1988@126.com *通訊聯(lián)系人 e-mail: mrzhou8521@163.com

O657.3

A

10.3964/j.issn.1000-0593(2016)01-0243-05