一种矿区水源识别方法、装置和系统的制作方法
【技术领域】
[0001] 本发明涉及水样识别技术领域，具体涉及一种矿区水源识别方法和系统。
【背景技术】
[0002] 近年来随着煤矿开采深度、开采强度、开采速度、开采规模等不断增加，开采受地 下水威胁、危害日趋严重。准确而快速地判别突水水源是及时采取针对性防治水措施的前 提，是确保煤矿安全生产的关键技术。传统判别煤矿出水水源类型需要邀请专门的煤矿水 文地质专家到矿，研究矿区区域水文地质类型和各含水层的水化学特征，同时掌握出水水 样的水质特点等信息，才能进行出水水源的判断与识别，存在主观性强、效率低、周期长、消 耗人力物力等较为突出的缺点。
【发明内容】
[0003] 有鉴于此，本发明提出一种矿区水源识别方法、装置和系统，利用灰色关联度算法 计算判断出水水源的类型，实现矿区出水水源类型的快速判断。
[0004] 本发明提供一种矿区水源识别方法，包括:S101，基于灰色关联度算法和待识别水 样中多种离子的含量参数，计算所述待识别水样的关联系数;S102,将计算出的关联系数在 数据库中进行匹配，获取与所述关联系数最接近的水源类型;S103,将所述最接近的水源类 型确定为所述待识别水样的水源类型，计算所述水源类型的常规水质指标数据;S104,绘制 所述待识别水样的水源类型的piper三线图，并显示在显示屏上。
[0005] 优选地，在S103将所述最接近的水源类型确定为所述待识别水样的水源类型之 前，所述方法还包括:将所述最接近的水源类型的关联系数与预设阈值进行比较，如果所述 最接近的水源类型的关联系数大于预设阈值，进行下一步，如果所述最接近的水源类型的 关联系数小于等于预设阈值，终止识别流程。
[0006] 优选地，所述数据库用于修改、增加和/或删除作为判别待识别水样出水来源的原 始数据、批量导入与批量导出数据以及数据库的更新和自检;其中，数据库的自检用于初次 建立数据库及日常对数据库进行大批量补充完善时，辅助人工进行数据库中数据的判别分 类及数据剔除。
[0007]优选地，数据库的自检过程如下：假设数据库中水样A为待判别水样，先基于其他 水样识别出水样A的水源类型，然后与数据库中水样A原设置的水源类型进行比较，得出差 异数据。
[0008]本发明还提供一种矿区水源识别装置，包括:灰色关联度算法模块，用于基于灰色 关联度算法和待识别水样中多种离子的含量参数，计算所述待识别水样的关联系数;匹配 处理模块，用于将计算出的关联系数在数据库中进行匹配，获取与所述关联系数最接近的 水源类型；水源类型确定模块，用于将所述最接近的水源类型确定为所述待识别水样的水 源类型，计算所述水源类型的常规水质指标数据;piper三线图绘制模块，用于绘制所述待 识别水样的水源类型的piper三线图，并显示在显示屏上。
[0009] 本发明还提供一种矿区水源识别系统，包括:存储器、服务器和显示屏，其中存储 器和服务器经配置执行以下操作:基于灰色关联度算法和待识别水样中多种离子的含量参 数，计算所述待识别水样的关联系数;将计算出的关联系数在数据库中进行匹配，获取与所 述关联系数最接近的水源类型;将所述最接近的水源类型确定为所述待识别水样的水源类 型，计算所述水源类型的常规水质指标数据;绘制所述待识别水样的水源类型的piper三线 图，并显示在显示屏上。
[0010] 本发明实施例通过采用合适的数理统计算法实现水样识别的软件化与智能化，减 少水样识别的时间与对专业知识的依赖，缩短水害防治的周期，减少水害治理的成本;通过 为数据库开发特有功能逐步完善现有数据库，提高软件的水源判别准确率；利用专业的 piper三线图成图模块，根据需要生成特定水样的piper三线图，可准确快速掌握待判别水 样的水化学特征。
【附图说明】
[0011] 图1是本发明实施例的矿区出水水源识别方法的流程图。
[0012] 图2是本发明实施例的piper三线图。
[0013]图3是本发明实施例的矿区出水水源识别装置的结构框图。
【具体实施方式】
[0014] 以下结合附图以及具体实施例，对本发明的技术方案进行详细描述。
[0015] 本发明实施例的基本思想是利用灰色关联度算法计算判断出水水源的类型，实现 矿区出水水源类型的快速判断，并计算水样的常规水质指标，生成水样的piper三线图，实 现出水水源的智能化识别过程。
[0016] 图1示出了本发明实施例的矿区出水水源识别方法的流程图，包括以下步骤：
[0017] 步骤一，基于灰色关联度算法和待识别水样中多种离子的含量参数，计算待识别 水样的关联系数；
[0018] 步骤二，将计算出的关联系数在数据库中进行匹配，获取与该关联系数最接近的 水源类型；
[0019] 步骤三，将该最接近的水源类型确定为待识别水样的水源类型，计算该水源类型 的常规水质指标数据；
[0020] 步骤四，绘制待识别水样的水源类型的piper三线图，并显示在显示屏上。
[0021] 在本发明的实施例中，采用灰色关联分析判别法进行水样识别。灰色关联分析判 别法是以各因素之间发展趋势的相似或相异程度，即"灰色关联度"作为衡量各因素之间关 联程度的一种方法。以下通过示例性的实施例简要介绍灰色关联度分析法的计算过程： [0022]假设待判别向量为:Χο = (5，5.5，10，11.25，15，20)，其中待判别向量是未知水样 的各离子按照特定顺序排列得到的向量；
[0023] 标准向量为：
[0024] Χι=(3,3.498,5.502,6.6,6.942,9),
[0025] X2=(6,6.75,6.45,8.25,9.75,10.5),
[0026] X3=(4,4,2.8,3.2,3.6,4.8)；
[0027]其中标准向量是数据库中已划分好水质类型的水样组成的向量；
[0028]初值化处理后的序列如下：
[0029] χ〇=(1，1·1，2,2·25,3,4)，
[0030] χι=(1,1.166,1.834,2,2.314,3),
[0031 ] χ2= (1,1.125,1.075,1.375,1.625,1.75),
[0032] Χ3=(1,1,0.7,0.8,0.9,1.2)；
[0033] 其中序列初值化处理是把序列中所有数据除以该序列的第一个数据所得到的新 的数列。
[0034]然后分三步计算关联系数。
[0035] 第一步，求差序列。各时刻下Xi与X。的绝对差如表1: 「nnVI LUUJ/J 衣丄
[0038] 第二步，求两级最小差与最大差，得到：
[0039]
[0040]
[0041]
[0042]
[0043] ：
[0044]
[0045] 其中，i = l时有表2:
[0048] 因此可得到关联系数为：
[0049]
[0050]
[0051]
[0052]
[0053]
[0054] 做关联系数iKk)在各个时刻的值的集合，得到：
[0055] ξι = (ξι(1),ξι(2),ξι(3),ξι(4),ξι(5),ξι(6) ) = (1,0.955,0.894,0.848,0.679, 0.583)
[0056] 同理有
[0057] ξ2 = (ξ2(1)，ξ2(2)，ξ2(3)，ξ2(4)，ξ 2(5)，ξ2(6) ) = (1,0.982,0.602,0.615,0.797， 0.383)
[0058] ξ3=(ξ3(1)，ξ3(2)，ξ3(3)，ξ 3(4)，ξ3(5)，ξ3(6) ) = (1,0.933,0.52,0,49,0.4,0.34)
[0059] 关联系数中的数据很多，信息过于分散，不便于比较，为此有必要将各时刻关联系 数集中为一个值。此处求平均值得出最终判别的关联度，表达式如下：
[0060]
[0061 ] 得到η = 0.8265>r2 = 0.7298>r3 = 0.6138，因此可得Χο与Χι的指标最接近。这里，Xo 与Xl、X2、X3的关联度分别为1'1、^3，其中1'值大小反映其关联程度的大小，1'值越大关系越 近，r值越小关系越远。
[0062] 可见通过上述计算过程，在数据库中必定能够找到一个与当前未知水样最相似的 水源类型。
[0063] 进一步地，为了最大程度保证识别结果的可靠性，还可设置一个限制量阈值，如果 待判别水样与库数据的最大关联度大于该限制量阈值，则认为识别结果可靠;否则，认为结 果不可靠，对待判别水样暂不识别。
[0064]在本发明的实施例中，绘制piper三线图时首先根据不同离子在水中的含量(N)， 计算其毫克当量浓度(M)，然后计算离子的毫克当量浓度百分数(Q)，从而绘制piper三线 图。以下是某煤矿矿区的待判别水样数据：
[0065]各离子的毫克当量浓度(M):
[0066] Mca=(Nca/40.08)*2；
[0067] Μμ8=(Νμ8/24.31)*2；
[0068] Μν3+κ = Νν3+κ/22.9899；
[0069] Ms〇4=(Ns〇4/96.02)*2；
[0070] Mc