摘要：準確識別礦井水源是有效制訂煤礦防治水措施的前提條件，為實現礦井充水水源識別，減少水害事故的發(fā)生，以興隆莊煤礦上組煤充水水源識別為例，在分析礦井水文地質條件及水化學條件的基礎上，利用BP人工神經網絡強大的非線性分析功能，構建了礦井水源識別人工神經網絡模型，實現了礦井水源的識別，研究表明BP人工神經網絡能夠實現礦井水源識別，精度可以滿足礦井水害防治需要。
關鍵詞：礦井水害；水源識別;人工神經網絡；BP

礦井水害發(fā)生前一般均有滴、淋水等出水現象，據不完全統(tǒng)計，各種水害類型的突水事故中，90%以上水害發(fā)生前均出現出水現象。當有出水現象發(fā)生時，根據各含水層水質的差異特征迅速識別出水水源，就可以制訂可行的礦井水害防治措施，減少水害事故損失，甚至避免水害事故發(fā)生，對減少人員傷亡及財產損失具有重大意義。
本文在總結前人研究的基礎上，分析了興隆莊煤礦上組煤水文地質條件和水化學特征，在此基礎上設計了礦井水源BP人工神經水源識別模型，實現了水源的準確判別，可以為礦井防治水工作提供一定技術支撐。
一、礦井水文地質條件
興隆莊井田位于兗州向斜的北翼，區(qū)內斷裂發(fā)育，大部分為高角度正斷層，傾角60°~80°，揭露斷層57條，其中落差≥10m的斷層共有27條，本區(qū)的大斷層總體在天然狀態(tài)下含、導水性不強。
上組煤開采主要充水含水層有第四系下組松散孔隙含水層、山西組3煤頂砂巖裂隙含水層、石炭—二疊系太原組中的三灰含水層。第四系中含水層下組厚0~79.80m，平均47.77m，分布較穩(wěn)定，其中較穩(wěn)定的含水砂、砂礫層2~4層，總厚10m~20m，含水性較強，為孔隙承壓含水層。3煤頂板砂巖為中—細砂巖至粗砂巖，厚度在22m左右，砂巖膠結程度和膠結物也很不均一，以鈣質膠結和泥質膠結為主。2003年補9號孔對3煤頂板砂巖進行了注水試驗，單位注水量為0.00000195L/s?m，滲透系數0.00000339m/d。太原組三灰位于太原組的上部，厚度為1.27~6.64m，平均厚度為5.18m，層位穩(wěn)定，全區(qū)發(fā)育。三灰為灰白至深灰色石灰?guī)r，巖溶不太發(fā)育，僅在構造部位能見小裂隙、小溶洞。本層含水層水為溶隙裂隙承壓水。以儲存量為主，易于疏干。在精查勘探時期，曾對三灰含水層做過3次抽水試驗，抽水成果：三灰含水層鉆孔水位標高+39.86~+40.21m，單位涌水量為0.0149~0.242L/s?m，礦化度為0.387~0.694g/。三灰上距3煤40.11~52.10m，平均45.73m。間距中南部較大，西部較小。開采3煤時巷道有時要穿過三灰。因此三灰對礦井充水有影響。
二、礦井水化學特征
第四系下組含水層水總礦化度0.179～0.574g/L，平均0.403 g/L，總礦化度較低，但較上組含水層水總礦化度有一定的增加。Ca2+是下組含水層主要的陽離子，平均離子濃度分別為53.1mg/L，Na+平均濃度分別為62.9 mg/L，兩者的平均毫克當量百分比分別為42.6%和43.5%。CL-含量為40.2 mg/L，平均毫克當量百分比18.6%，SO42-的濃度為44.7 mg/L，平均毫克當量百分比14.5%，下組水的水質類型以HCO3-Ca?K+Na型為主，局部出現HCO3?SO4-Ca?K+Na型和HCO3?CL-Ca?K+Na型水，見圖1（a）。
3煤頂砂巖裂隙水總礦化度較第四系水明顯增大，平均為1.23，最大為3.44 g/L，屬于微咸水至咸水，3煤頂砂巖裂隙水中主要的陽離子演變成Na++K+，其離子濃度平均為350mg/L，是第四系下組水Na++K+離子濃度的5.6倍，毫克當量百分比為48.7%~99.1%，平均為88.3%，而Ca2+和Mg2+離子相對含量顯著降低，平均毫克當量百分比為7.0%和4.6%，陰離子中仍然以HCO3-為主，平均離子濃度為679mg/L，較第四系下組水也有明顯的增加，是第四系下組水HCO3-平均離子濃度的2.7倍，水質類型以HCO3 - K+Na型為主，部分采樣點出現HCO3?SO4-Ca?K+Na型或HCO3?SO4- K+Na型水，見圖1（b）。

圖1 興隆莊礦上組煤主要充水含水層水質Piper三線圖
三灰水陽離子以Na++K+為主，離子濃度為227.7mg/L~546.7 mg/L，平均毫克當量百分比為97.2%，Ca2+和Mg2+濃度較低。陰離子以HCO3-為主，平均離子濃度為837.5 mg/L，毫克當量百分比為77.6%~89.3%，水質類型為HCO3 - K+Na型為主，見圖1（b）。和3煤頂板裂隙水相似，不過其SO42-的含量要小于3煤頂板裂隙水。
三、礦井充水水源BP人工神經網絡結構設計及實現
BP（Back Propagation）神經網絡是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W絡，是目前應用最廣泛的神經網絡模型之一。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。BP神經網絡模型拓撲結構包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。BP人工神經網絡具有以下特點：1) 非線性映射能力：BP神經網絡實質上實現了一個從輸入到輸出的映射功能，數學理論證明三層的神經網絡就能夠以任意精度逼近任何非線性連續(xù)函數。這使得其特別適合于求解內部機制復雜的問題，即BP神經網絡具有較強的非線性映射能力。2) 自學習和自適應能力：BP神經網絡在訓練時，能夠通過學習自動提取輸出、輸出數據間的“合理規(guī)則”，并自適應的將學習內容記憶于網絡的權值中。即BP神經網絡具有高度自學習和自適應的能力。3) 泛化能力：所謂泛化能力是指在設計模式分類器時，即要考慮網絡在保證對所需分類對象進行正確分類，還要關心網絡在經過訓練后，能否對未見過的模式或有噪聲污染的模式，進行正確的分類。也即BP神經網絡具有將學習成果應用于新知識的能力。4) 容錯能力：BP神經網絡在其局部的或者部分的神經元受到破壞后對全局的訓練結果不會造成很大的影響，也就是說即使系統(tǒng)在受到局部損傷時還是可以正常工作的。即BP神經網絡具有一定的容錯能力。
根據興隆莊礦水文地質條件及水化學特征，設計3層BP人工神經網絡結構，輸入層6結點分別為Na++K+、Mg2+、Ca2+、CL-、SO 、HCO3-的離子濃度，中間層9個結點，輸出層3個結點，代表水源類型，其標準形式為（1 0 0）、（0 1 0）、（0 0 1），分別代表上組煤充水水源的第四系下組水、3煤層頂板砂巖裂隙水和三灰水。