CN104200099A - 基于水文地质台账的矿井涌水量计算方法 - Google Patents

基于水文地质台账的矿井涌水量计算方法 Download PDF

Info

Publication number
CN104200099A
CN104200099A CN201410439939.8A CN201410439939A CN104200099A CN 104200099 A CN104200099 A CN 104200099A CN 201410439939 A CN201410439939 A CN 201410439939A CN 104200099 A CN104200099 A CN 104200099A
Authority
CN
China
Prior art keywords
model
account
mine
hydrogeological
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410439939.8A
Other languages
English (en)
Inventor
邱梅
施龙青
牛超
翟培合
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN201410439939.8A priority Critical patent/CN104200099A/zh
Publication of CN104200099A publication Critical patent/CN104200099A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于水文地质台账的矿井涌水量计算方法，包括：步骤10，在查清矿井出水点具***置的基础上，根据矿井出水点的位置，每天记录一次对应眯的涌水量，以建立水文地质台帐；步骤20，对台账中涌水量的历史数据进行分析，从中筛选可靠的数据；步骤30，根据筛选出的数据建立矿井涌水量计算的时间序列模型；步骤40，根据台账对模型进行检验；步骤50，根据模型计算涌水量。本方法的基础数据是矿井涌水量实际观测台账，因此能够保证计算数据的客观性。

Description

基于水文地质台账的矿井涌水量计算方法
技术领域
本发明涉及煤矿生产安全领域，具体涉及一种基于水文地质台账的矿井涌水量计算方法。
背景技术
矿井涌水量预测方法大致分为两大类：第一类为确定性的数学模型，包括大井法、水均衡法、解析法、数值法等，第二类为统计分析方法，包括水文地质比拟法、相关分析法、神经网络方法等。在矿山多水源涌水判别的基础上进行矿山涌水量的预测，则可获得更为精确的预测结果。要想获得一定精度的预测结果，确定性的数学模型方法要求获得足够多的水文地质勘探数据、准确概化边界条件等，难以准确建模或准确建模的地质勘探成本过高；统计分析方法则受到实测资料累计程度、推广性差等条件的限制。
因此，需要探索建立一种基于矿井水文地质台账的矿井涌水量计算方法，以便克服理论推导出的矿井涌水量计算方法所得结果往往与实际不符的缺点。
发明内容
本发明的目的是提供一种基于水文地质台账的矿井涌水量计算方法，以解决目前现有的矿井涌水量计算方法所得结果与实际情况不符的难题。
为解决上述技术问题，作为本发明的一个方面，提供了一种基于水文地质台账的矿井涌水量计算方法，包括：步骤10，在查清矿井出水点具***置的基础上，根据矿井出水点的位置，每天记录一次对应的涌水量，以建立水文地质台帐；步骤20，对台账中涌水量的历史数据进行分析，从中筛选可靠的数据；步骤30，根据筛选出的数据建立矿井涌水量计算的时间序列模型；步骤40，根据台账对模型进行检验；步骤50，根据模型计算涌水量。
进一步地，步骤30包括：步骤31，利用ADF单位根检验法检验时间序列的平稳性，若时间序列为非平稳序列，则通过差分法将其转化为平稳序列；步骤32，通过自相关函数和偏自相关函数的截尾性和拖尾性确定模型的形式；步骤33，通过AIC和BIC准则量化的计算结果判断模型的阶数；步骤34，根据模型的形式的阶数，建立时间序列模型。
进一步地，时间序列模型为自回归移动平均模型。
进一步地，时间序列模型包括AR模型、MA模型、ARMA模型。
进一步地，步骤33通过自由度的调整，取均方误差最小的模型阶数。
进一步地，步骤40包括检验所有系数是否显著不为零、参差是否为白噪声、预测是否准确，其中，预测是否准确是利用时间序列的后m个数据样本作为检验样本，当预测相对误差平均值在10％以内，即认为建立的模型可靠。
本方法的基础数据是矿井涌水量实际观测台账，因此能够保证计算数据的客观性。
附图说明
图1为基于水文地质台账的矿井涌水量计算方法流程图；
图2为实施例涌水量趋势图；
图3为实施例涌水量相关性与偏自相关性分析图。
具体实施方式
以下对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
请参考附图，本发明提供了一种基于水文地质台账的矿井涌水量计算方法，包括：步骤10，在查清矿井出水点具***置的基础上，根据矿井出水点的位置，每天记录一次对应的涌水量，以建立水文地质台帐；步骤20，对台账中涌水量的历史数据进行分析，从中筛选可靠的数据；步骤30，根据筛选出的数据建立矿井涌水量计算的时间序列模型；步骤40，根据台账对模型进行检验；步骤50，根据模型计算涌水量。
本方法的基础数据是矿井涌水量实际观测台账，因此能够保证计算数据的客观性。在实际应用中，对于那些已建成、影响因素难以确定或量化，且随后的采掘活动对其涌水量基本无影响的井巷***，可将其历史观测数据看成时间序列。实际上，某一已建成井巷***的涌水量历史观测值就是该“涌水***”在不同时间、不同条件下的响应值，是该***历史行为的客观记录，因而包含了该***结构特征及运行规律。可以通过对该***历史时间序列的分析研究来认识它的结构特征，如波动的周期、振幅、趋势，揭示其运行规律，从而保证了计算的准确性。本发明方法简单，功能全面、智能，操作方便，特别适合于水文地质台账健全的矿井。
优选地，步骤30包括：步骤31，利用ADF单位根检验法检验时间序列的平稳性，若时间序列为非平稳序列，则通过差分法将其转化为平稳序列；步骤32，通过自相关函数和偏自相关函数的截尾性和拖尾性确定模型的形式，见表1；步骤33，通过AIC和BIC准则量化的计算结果判断模型的阶数；步骤34，根据模型的形式的阶数，建立时间序列模型。
表1自相关函数和偏自相关函数的截尾性和拖尾性对照表
函数类型 MA(q) AR(p) ARMA(p,q)
自相关函数 q步截尾 拖尾 拖尾
偏自相关函数 拖尾 p步截尾 拖尾
优选地，时间序列模型为自回归移动平均模型。
优选地，时间序列模型包括AR模型、MA模型、ARMA模型。
优选地，步骤33通过自由度的调整，取均方误差最小的模型阶数。
优选地，步骤40包括检验所有系数是否显著不为零、参差是否为白噪声、预测是否准确，其中，预测是否准确是利用时间序列的后m个数据样本作为检验样本，当预测相对误差平均值在10％以内，即认为建立的模型可靠。
实施例：
某煤矿-790m水平北回涌水量分析预测，预测步骤如前所述。
具体的预测过程和结果如下：
-790m水平北回涌水量观测台账自2006年10月至2012年12月，共260个台账样本，选其前238个作为建模样本，后22个作为检验样本。由于2010年8月10日至2011年3月10日期间从地面人为注水调温，注水流量为300m3/h，所以在分析过程中应扣除这部分人为注水流量。
北回涌水量趋势如图2所示，利用ADF单位根检验法检验时间序列平稳性，t检验值为-3.075728，大于1％的显著性水平-3.347865，说明零假设成立，CPI有单位根，因此数据不平稳。因此对数据进行一阶差分处理，再次检验一阶差分处理后的数据平稳性，此时t检验值为-13.55891，均小于三个临界值，有单位根的零假设已经不成立，说明数据是平稳的，可以进行时间序列建模。
对北回涌水量模型形式进行识别，对其相关性和偏自相关性进行分析，分析结果如图3所示。从图3中看出相关性图衰减的很慢，因此其涌水量是非平稳序列，而涌水量的一阶差分是平稳序列，初步判断涌水量是一个2阶或3阶自回归过程，即AR(2)或AR(3)模型。利用Eviews软件进行模型识别为AR(2)模型，建立的AR(2)模型为：
Yt＝71.16552+0.835076Yt-2+εt；
式中：εt为残差序列。模型系数显著。残差服从正态分布，为白噪声序列。利用后22个检验样本检验模型准确率，结果如表2，预测相对误差平均值在10％以内，模型可靠。模型检验合格之后，即可对矿井在未来某个时刻的涌水量进行计算。
表2检验结果表
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于水文地质台账的矿井涌水量计算方法，其特征在于，包括：
步骤10，在查清矿井出水点具***置的基础上，根据所述矿井出水点的位置，每天记录一次对应的涌水量，以建立水文地质台帐；
步骤20，对所述台账中涌水量的历史数据进行分析，从中筛选可靠的数据；
步骤30，根据所述筛选出的数据建立矿井涌水量计算的时间序列模型；
步骤40，根据所述台账对所述模型进行检验；
步骤50，根据所述模型计算涌水量。
2.根据权利要求1所述的方法，其特征在于，所述步骤30包括：
步骤31，利用ADF单位根检验法检验所述时间序列的平稳性，若所述时间序列为非平稳序列，则通过差分法将其转化为平稳序列；
步骤32，通过自相关函数和偏自相关函数的截尾性和拖尾性确定模型的形式；
步骤33，通过AIC和BIC准则量化的计算结果判断所述模型的阶数；
步骤34，根据所述模型的形式的阶数，建立时间序列模型。
3.根据权利要求2所述的方法，其特征在于，所述时间序列模型为自回归移动平均模型。
4.根据权利要求2所述的方法，其特征在于，所述时间序列模型包括AR模型、MA模型、ARMA模型。
5.根据权利要求2所述的方法，其特征在于，所述步骤33通过自由度的调整，取均方误差最小的模型阶数。
6.根据权利要求2所述的方法，其特征在于，所述步骤40包括检验所有系数是否显著不为零、参差是否为白噪声、预测是否准确，其中，所述预测是否准确是利用时间序列的后m个数据样本作为检验样本，当预测相对误差平均值在10％以内，即认为建立的模型可靠。
CN201410439939.8A 2014-09-01 2014-09-01 基于水文地质台账的矿井涌水量计算方法 Pending CN104200099A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410439939.8A CN104200099A (zh) 2014-09-01 2014-09-01 基于水文地质台账的矿井涌水量计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410439939.8A CN104200099A (zh) 2014-09-01 2014-09-01 基于水文地质台账的矿井涌水量计算方法

Publications (1)

Publication Number Publication Date
CN104200099A true CN104200099A (zh) 2014-12-10

Family

ID=52085392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410439939.8A Pending CN104200099A (zh) 2014-09-01 2014-09-01 基于水文地质台账的矿井涌水量计算方法

Country Status (1)

Country Link
CN (1) CN104200099A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106437844A (zh) * 2016-10-26 2017-02-22 重庆大学 一种超前预报隧道涌水位置的方法
CN108627436A (zh) * 2017-03-20 2018-10-09 中国海洋石油集团有限公司 一种基于施工动态监测数据的地下水封油库涌水量的预测方法
CN109166633A (zh) * 2018-08-28 2019-01-08 中国煤炭地质总局勘查研究总院 矿井涌水量计算方法及装置
CN109190854A (zh) * 2018-10-29 2019-01-11 六盘水师范学院 一种底板充水多因素比拟预测工作面涌水量的方法
CN110700884A (zh) * 2019-10-08 2020-01-17 中煤能源研究院有限责任公司 一种基于解析法比拟预测综放工作面涌水量的方法
CN111967638A (zh) * 2020-07-03 2020-11-20 长沙理工大学 一种基于生产台账的涉嫌非法运输危化品企业的辨识方法
CN114575802A (zh) * 2020-12-01 2022-06-03 中国石油化工股份有限公司 一种基于机器学习的高含水期油藏油井产量预测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1786413A (zh) * 2005-11-17 2006-06-14 孟江 基于神经网络模型的矿井涌水量预测方法
WO2011128922A1 (en) * 2010-04-15 2011-10-20 Neptuny S.R.L. Automated upgrading method for capacity of it system resources
CN102866434A (zh) * 2012-10-08 2013-01-09 中国矿业大学 矿井突水实时监测方法及***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1786413A (zh) * 2005-11-17 2006-06-14 孟江 基于神经网络模型的矿井涌水量预测方法
WO2011128922A1 (en) * 2010-04-15 2011-10-20 Neptuny S.R.L. Automated upgrading method for capacity of it system resources
CN102866434A (zh) * 2012-10-08 2013-01-09 中国矿业大学 矿井突水实时监测方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BOTT街: "ARIMA模型", 《百度百科，URL：HTTPS://BAIKE.BAIDU.COM/HISTORY/ARIMA%E6%A8%A1%E5%9E%8B/61905334》 *
宋颖霞: "矿井涌水量的时间序列预测方法研究", 《绿色科技》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106437844B (zh) * 2016-10-26 2020-02-07 重庆大学 一种超前预报隧道涌水位置的方法
CN106437844A (zh) * 2016-10-26 2017-02-22 重庆大学 一种超前预报隧道涌水位置的方法
CN108627436A (zh) * 2017-03-20 2018-10-09 中国海洋石油集团有限公司 一种基于施工动态监测数据的地下水封油库涌水量的预测方法
CN108627436B (zh) * 2017-03-20 2020-12-29 中国海洋石油集团有限公司 一种基于施工动态监测数据的地下水封油库涌水量的预测方法
CN109166633B (zh) * 2018-08-28 2020-10-16 中国煤炭地质总局勘查研究总院 矿井涌水量计算方法及装置
CN109166633A (zh) * 2018-08-28 2019-01-08 中国煤炭地质总局勘查研究总院 矿井涌水量计算方法及装置
CN109190854A (zh) * 2018-10-29 2019-01-11 六盘水师范学院 一种底板充水多因素比拟预测工作面涌水量的方法
CN109190854B (zh) * 2018-10-29 2021-06-01 六盘水师范学院 一种底板充水多因素比拟预测工作面涌水量的方法
CN110700884A (zh) * 2019-10-08 2020-01-17 中煤能源研究院有限责任公司 一种基于解析法比拟预测综放工作面涌水量的方法
CN110700884B (zh) * 2019-10-08 2020-11-06 中煤能源研究院有限责任公司 一种基于解析法比拟预测综放工作面涌水量的方法
CN111967638A (zh) * 2020-07-03 2020-11-20 长沙理工大学 一种基于生产台账的涉嫌非法运输危化品企业的辨识方法
CN111967638B (zh) * 2020-07-03 2024-02-09 长沙理工大学 一种基于生产台账的涉嫌非法运输危化品企业的辨识方法
CN114575802A (zh) * 2020-12-01 2022-06-03 中国石油化工股份有限公司 一种基于机器学习的高含水期油藏油井产量预测方法

Similar Documents

Publication Publication Date Title
CN104200099A (zh) 基于水文地质台账的矿井涌水量计算方法
CN104200291B (zh) 一种基于小波变换和arma-svm的涌水量预测方法
CN109085641B (zh) 用于地震预报的监测数据处理方法、地震预报方法和***
Blazkova et al. A limits of acceptability approach to model evaluation and uncertainty estimation in flood frequency estimation by continuous simulation: Skalka catchment, Czech Republic
CN107092744B (zh) 基于emd-svr的地表沉降量预测方法
EP3026465A2 (en) Apparatus and method for making geological predictions by processing geological parameter measurements
US8234073B2 (en) System and method for estimating geological architecture of a geologic volume
Kaloop et al. Multi input–single output models identification of tower bridge movements using GPS monitoring system
CN109115987B (zh) 一种基于岩石物理模型的流体因子的评价方法及装置
Zafarani et al. Applicability of different ground-motion prediction models for northern Iran
CN113792936A (zh) 一种随钻岩性智能识别方法、***、设备和存储介质
CN112348290B (zh) 河流水质预测方法、装置、存储介质及设备
CN104598705B (zh) 用于识别地下物质层的方法和装置
CN113687433A (zh) 一种基于Bi-LSTM的大地电磁信号去噪方法及***
CN105277979B (zh) 一种地震属性的优化方法和装置
US20200257932A1 (en) Probabilistic oil production forecasting
CN113236228A (zh) 一种单井产量快速预测方法及***
Kiran et al. A Mahalanobis distance‐based automatic threshold selection method for peaks over threshold model
CN103353295A (zh) 一种精确预测大坝坝体垂直变形量的方法
Khodnenko et al. Detection of lost circulation in drilling wells employing sensor data using machine learning technique
Hou et al. Data-driven optimization of brittleness index for hydraulic fracturing
Voutchkova et al. Parameter sensitivity of automated baseflow separation for snowmelt‐dominated watersheds and new filtering procedure for determining end of snowmelt period
MUJUMDAR Hydrologic modelling
CN116927771A (zh) 一种预测页岩储层总有机碳数据的方法、装置、设备及介质
Siino et al. Stochastic models for radon daily time series: Seasonality, stationarity, and long-range dependence detection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20141210

WD01 Invention patent application deemed withdrawn after publication