针对淮南潘谢矿区新生界下含松散孔隙水与石炭系太原组石灰岩岩溶裂隙水水质接近的特殊情况,提出了基于GIS和水质水温的矿井突水水源快速判别方法。该法是利用测温钻孔的温度-深度拟合结果,构建基于GIS的利用水温识别突水水源的模型,并将其判别结果与基于水质的模糊综合评判计算的结果相结合,综合判别矿井突水水源。本法应用于潘一煤矿86-1号突水判别,实例结果显示,该法可以较好地适用于水质判别效果不佳,而含水层之间存在较大的地温差(埋深差)情况下的突水水源识别。

针对突水模型试验中对传感器的特殊要求,基于光纤布拉格光栅(FBG)技术,研制了新型的光纤光栅位移、应力、渗压和温度传感器。所研制的光纤光栅传感器不仅体积小、精度高,而且性能稳定、读数可靠,完全满足突水条件下实时采集数据的要求。在矿井突水模型试验中,将各传感器预埋于模型内部关键位置,成功地实现了对突水过程多场信息的实时监测。试验结果揭示了矿井突水前兆特征,说明了新型光纤传感器在突水模型试验中的有效性和可行性。

针对矿井突水事故的预测问题,提出一种基于极限学习机(Extreme Learning Machine,ELM)的矿井突水水源识别新方法。该方法是一种单隐含层前馈神经网络学习算法,在训练过程中无需调整初始连接权值和阈值,只需要设置隐含层神经元个数即可获得最优解。以梧桐庄煤矿水质为例,通过MATLAB仿真证实,该方法不仅克服了常规BP神经网络受初始权值和阈值影响的缺陷,而且识别精度更高;在突水预测方面有很好的应用前景。

对常用的突水水源判别方法进行了概述,阐明了其适用条件,为选择合适的方法提供了依据。以石壕煤矿为例,利用BP神经网络方法,选择矿化度、p H值、总硬度、Ca2++Mg2+、K++Na+以及涌水量作为判别因子,建立了水源判别模型,经过样本训练和模型验证,其判别结果与实际基本一致,验证了人工神经网络方法在突水水源判别上的准确性。

提出了一种采用改进的SOM神经网络对矿井突水水源进行判别的方法。该方法把水质中的Na+、K+、Ca2+、Mg2+、Cl-、SO24-和HCO-3等7种离子的含量作为判断因素,结合改进的SOM神经网络模型,对20个水源样品进行分类。实验结果表明,该方法的误判率为0,能够准确地判别矿井突水水源。

针对传统的矿井突水水源判别存在准确率较低的问题,选取K++Na+、Ca2+、Mg2+、Cl-、SO42-及HCO3-6种水化学成分指标作为矿井突水水源判别依据,基于SPSS因子分析建模,确定21组突水水样训练样本中与第一主因子密切相关的水质指标,依据距离判别模型,将得到的水质指标作为样本数据输入Matlab平台,采用SQRT、MAHAL函数确定突水水样训练样本总体间的马氏距离矩阵。结果表明:构建二者相结合的矿井突水水源判别模型,其回判准确率高达99%,对8个未知的测试样本进行突水水源的识别,实例验证在判别指标选择合适的情况下,因子分析及距离判别相耦合的突水水源判别方式能有效地消除判别指标间的相互影响,提高判别率,为矿井水害防治提供理论基础。

为对矿井突水方向和速度以及突水范围等进行预测分析，采用无向图宽度优先搜索路径方法，以巷道节点标高为权重，给出矿井突水路径算法；通过对矿井突水方向和速度等进行预测分析，提出水灾影响范围预测方法．研究结果表明：利用宽度优先搜索算法进行水灾影响范围预测方法，可以通过突水范围和突水时间计算出突水流量，并根据突水流量计算出下一步突水范围．

针对矿井突水模型试验中的顶板离层破坏,用有限差分程序(FLAC)中的interface单元模拟层理面,开展流-固耦合模拟研究.实现了对矿井突水模型试验中顶板离层破坏和突水全过程的模拟,模拟结果较好地刻画出煤层开采后顶板岩层从沉降、离层直至垮塌突水的整个过程,能有效反应出矿井突水前顶板围岩位移急剧增大,渗压先增大后迅速降低的过程.同时将计算结果与试验监测数据进行了对比,二者吻合较好,表明所用的方法能够正确模拟矿井突水和顶板破断过程,该方法可以为矿井顶板离层破断突水等问题提供数值基础和相关前兆参数.

针对矿井防治水工作中巷道空间关系复杂、突水蔓延路线缺少直观表达等问题,提出了任意突水点的水流蔓延生成算法,通过建立三维巷道模型,模拟水流在巷道下向蔓延及水位上向升涨等情况,再根据预计突水量、权重因子,由导线点生成突水淹没范围。该矿井突水蔓延线路实现方法可快速直观表达突水区域,为制定避灾救灾优化路线及应急救援决策提供依据。

本代码主要利用MATLAB工具进行MATLAB——无导师学习神经网络的分类——矿井突水水源判别