谱聚类结合LIF在矿井突水水源类型识别中的应用

突水事故威胁井下人员的生命安全和造成财产损失,因此准确检测出突水水源类型具有重大意义。使用水化学分析法检测水源类型耗时长、过程复杂。激光诱导荧光（LIF）技术具有快速、灵敏、干扰小等优点,将LIF技术结合智能算法建立突水水源识别模型可以准确检测出突水水源的类型。目前这类模型一般需要对荧光光谱进行去噪、降维、波段选取等处理,过程繁琐,并且模型都是在均匀分组的突水水源荧光光谱上建立的,并没有讨论不均匀分组对模型的影响,也没有针对不均匀分组建立模型。在实际工程应用中,采集的样本数量是有很大概率呈现不均匀的,因此本文提出一种飞蛾扑火（MFO）算法结合谱聚类（SC）的方法实现对不均匀分组的突水水源荧光光谱的识别。实验中,首先从淮南煤矿获取5种实验水样,使用激光诱导荧光实验设备采集所有水样的荧光光谱,五种水样的组数分别为75,80,80,30和135。其次,建立MFO-SC水样识别模型,通过对比后标签映射方式选择K-Means、相似矩阵的计算方式选择高斯核函数和划分准则选择ncut,用MFO对高斯核函数的参数寻优得到σ的值为1.745并且固定模型的初始聚类中心。随后,分别建立K-Means,SVM和MFO-SVM3种水样识别模型。对比MFO-SC模型与K-Means模型,得到MFO-SC模型的最优准确率为100%且平均准确率也为100%,K-Means模型的最优准确率为99.75%,而平均准确率为79.57%;再分别计算SVM模型和MFO-SVM模型的训练集准确率和测试集准确率,SVM模型训练集准确率为80%,测试集准确率为80%;MFO-SVM模型训练集准确率为100%,测试集准确率为95.625%。最后,使用4种模型对其他三个不均匀分组的突水水源荧光光谱进行识别,研究结果表明将MFO-SC算法用于突水水源类型的识别上是有效的,可以准确地检测出突水水源的类型,对煤矿生产安全有重要意义。     

观音岩水电站坝址区右岸岩体溶蚀发育机理研究

观音岩水电站位于金沙江上游,坝型初拟混凝土重力坝和心墙堆石坝组合坝。坝址区分布有侏罗系中蛇店组(J2s)地层,岩性主要为钙质铁质胶结的砾岩、石英砂岩,其中砾石成分以泥晶灰岩和生物灰岩为主。在地下水作用下砾岩钙质溶蚀形成规模较大的囊状空腔或孔洞,砂岩则表现为钙质胶结物流失溶蚀呈砂土状或砂糖状,对坝基稳定性造成了一定的影响。本文在对观音岩水电站坝址区右岸地质条件和水文地质条件分析的基础上,采用地下水动力模拟、可溶成分统计、取样室内溶蚀试验等方法对岩体溶蚀发育机理进行了分析。结果表明:岩体溶蚀作用主要受岩性、构造控制; 由于局部地下水流循环快,流速较大,顺节理裂隙的走向方向溶质作用强烈; 钙质胶结的砾岩、含砾砂岩中,钙质砾石碎屑含量占30％ ~50％; 新鲜岩石易受溶蚀且溶蚀速度较快。研究成果为进一步对大坝抗滑、变形及渗透稳定性的影响评价奠定了基础,同时为水库蓄水后地下水对岩体溶蚀作用的研究提供了背景。