杜金龍

(中煤地生態(tài)環(huán)境科技有限公司,北京 100070)

潞安礦區(qū)位于山西省沁水煤田中段，面積為770 km2，是中國大型煤炭礦區(qū)。主要含煤地層為上石炭統太原組(C3t)及下二疊統山西組(P1s)。3號煤層位于山西組下部，厚度大且穩(wěn)定，是井田主采、首采煤層。3號煤層主要充水水源包括頂板砂巖裂隙水、頂板冒落帶裂隙溝通上部第四系孔隙水、地表水，以及底板太原組灰?guī)r水、奧陶系灰?guī)r水、老空水。對充水水源進行水化學分析、有效識別是防治礦井突水事故的關鍵手段(耿建軍，2019；朱雪莉，2020；陳守建等，2016)。

各類充水水源是所在含水層巖性、水動力條件、氧化-還原環(huán)境及酸堿度等綜合作用的結果，各含水層在水文地球化學方面的相對獨立性使得常規(guī)離子成分存在較大差異，這為水源判別提供了依據。砂巖含水層內各種長石砂巖的風化水解和離子交換作用使砂巖水多為HCO3-Na型水，Ca2+、Mg2+因沉淀作用含量降低(馮緒興，2014)?；?guī)r水在較純質灰?guī)r中運移，鈣鎂離子在浸蝕性二氧化碳的溶蝕作用下，會使水中的鈣鎂離子濃度增加，形成以HCO3-Ca·Mg型為主的水質。老空水水質類型比較復雜，其和老空水的水源有關，砂巖水進入老空區(qū)后，開放環(huán)境中砂巖水溶解和吸收空氣中CO2，使pH值降低，Ca2+、Mg2+有所增加。基于以上水質特征，可以利用礦井水源識別算法及軟件對測試水樣進行判別，該方法具有快速、準確、經濟的特點(薛琮一等，2020;巨天乙等，1994)。

突水水源利用地下水提供的地球化學信息來進行判別(許漢學等，1991；楊海軍等，2012；李燕等，2010)。水化學方法是水源識別的常用方法(高衛(wèi)東等，2001)，具有快速、準確、經濟特點，可分為簡易水化學分析、多元統計法和非線性分析法。簡易水化學分析包括水質分析和同位素分析，前者利用水質指標，后者采用同位素示蹤來判別突水水源(韓永等，2009；Clark I D，1997)。多元統計法主要包括聚類分析(方沛等，2002；魏軍等，2006)和判別分析(張春雷等，2010；陳紅江等，2009)2類，前者利用數學方法判斷研究對象之間的親疏關系(即相似性)，從而對其進行分類，后者包括逐步判別、序貫判別、二次判別、距離判別、貝葉斯(Bayes)多類線性判別和 Fisher 判別分析(FDA)理論。其中，Bayes判別模型是從樣本多元分布出發(fā)，充分利用多元正態(tài)分布概率密度提供的信息計算后驗概率，確定樣本歸屬。非線性分析方法主要有灰色系統理論、模糊數學綜合評判、人工神經網絡、地理信息系統(GIS)、SVM 支持向量機、可拓識別法等(巨天乙等，1994)。

筆者以潞安礦區(qū)中部代表性煤礦采集的99份水樣為樣本，對水化學特征進行了Piper三線圖分析，揭示了不同來源水樣的水文地球化學演化特征；之后利用聚類分析方法對三線圖難以區(qū)分的水樣進行了分類；最后利用Bayes判別模型建立了水源判別公式，對采集的礦井涌水水樣的水源類型進行了識別。

1 數據采集

筆者搜集了潞安礦區(qū)中部(文王山斷層與二崗山斷層之間)代表性煤礦——王莊煤礦、常村煤礦及古城煤礦(圖1)的水文地質類型劃分報告，從中采集了各煤礦不同類型水樣水化學數據99份。其中，已知來源80份，包括地表水4份、第四系孔隙水17份(以下簡稱孔隙水，采自農用水井)、二疊系砂巖裂隙水28份(以下簡稱砂巖水，來自鉆孔、大巷涌水點或超前探放水點)、太原組灰?guī)r水8份(以下簡稱太灰水，來自鉆孔)、奧陶系上部灰?guī)r水23份(以下簡稱奧灰水，來自鉆孔)；未知來源的礦井涌水19份(采掘面)。水化學數據主要包括八大離子及其他離子、礦化度、pH值(表1)。

圖1 采樣礦床位置示意圖Fig.1 Schematic diagram of sampling location

表1 采集水樣分布情況一覽表(份)Tab.1 Distribution of collected water samples

2 水化學特征

2.1 總體特征

對5種類型水樣主要離子的毫克當量百分數(meq%)進行統計(剔除異常值)，發(fā)現如下特征(圖2)。

圖2 采集的已知水源水樣水質指標統計圖Fig.2 Statistical charts of water quality indexes of known water samples collected

(5)所有水樣均呈堿性特征，pH值一般為7～9，個別大于10；從礦化度看，孔隙水<地表水<太灰水<砂巖水<奧灰水。

2.2 三線圖分析

通過繪制Piper三線圖，可形成如下認識。

(1)地表水、孔隙水分布于圖3a的B、Q區(qū)，存在重疊，且前者Cl+SO4略總體上高于后者，表明兩者具有同源性，地表水受到孔隙水補給，且后期有其他水混入。

a.潞安礦區(qū);b.古城煤礦圖3 采集水樣Piper三線圖Fig.3 Piper three-line diagram of water sample collection

(2)地表水樣BW03的Na+K含量明顯高于其他水樣，毫克當量百分數可達到64%，Cl—離子含量也偏高，推測該水樣已受到污染，不具有水化學意義。

(3)砂巖水、太灰水分布于圖3a及圖3b的P、C區(qū)，存在重疊，且前者Na+含量更高、后者Ca2+、Mg2+較高，體現出兩者所在含水層的巖性差別，前者為砂巖，后者為砂巖夾薄層灰?guī)r。

(4)砂巖水樣出現3處異常：水樣PG4與PG12水質接近孔隙水特征(位于圖3a的QP帶)，疑似有孔隙水混入；PG05水樣(圖3a右部孤點)Cl+SO4毫克當量百分數高達85%(主要是Cl-，為82%)，礦化度達1 870 mg/L，明顯高于其他水樣，呈現高Cl-高Na+特征(CL-N型水)。

(5)太灰水樣出現2處異常：CG3水樣Cl+SO4毫克當量百分數達82%(以Cl-為主)，Ca+Mg達64%(以Ca2+為主)，呈奧灰水特征(落在圖3a中O區(qū))，但Cl-含量明顯高于后者，屬CL-CN型水；CW02水樣陰陽離子極不平衡(毫克當量相差24%)，礦化度為1 857 mg/L，是其他水樣2～3倍，明顯偏高。

部分奧灰水呈現太灰水特征，集中于CO1帶(OC2、OC3、OG5水樣)和CO2帶(OG2、OC1、OC4水樣)，礦井水文地質資料顯示OG2采自破碎帶，屬奧灰、太灰混合水，因此判斷上述水樣可能均受斷層影響，與太灰水溝通，且從水質上看，CO2帶混合更為完全。

OG6水樣CI-和Na+含量較高，根據煤礦水文地質資料推斷，可能是臨時止水封閉不嚴，上部太灰水、砂巖水滲入所致。

圖3b為古城礦各類水樣分布情況，從中可以看出奧灰水與太灰水混合過程，紅色線上的OG06→OG05→OG02代表奧灰水逐漸混入更多太灰水，直至最終呈現太灰水特征；橙色線上的CG02→CG03則顯示太灰水逐漸混入更多奧灰水。

2.3 聚類分析

從圖4可見，原屬奧灰水的樣品OC1、OC2、OC3、OC4、OG2、OG5明顯與太灰水更為接近；原屬太灰水的樣品CG3和奧灰水更為接近，且與OG6性質相似，應同屬混合水；OW8、OW9、OW10性質接近，上述結果與Piper圖分析結果高度一致。

由以上數據特征可見，砂巖水與太灰水由于水質接近，兩者聚類現象差別甚微，在聚類分析圖上兩者幾乎一樣(圖4)。

圖4 太灰水與奧灰水聚類分析圖Fig.4 Cluster analysis of Taiyuan limestone water and Ordovician limestone water

3 判別分析

根據piper三線圖分析與聚類分析，地表水樣BW03可能受到污染，奧灰水樣OG7礦化度異常低，砂巖水樣PG4、PG12，太灰水樣CG03、奧灰水樣OG06為混合水樣，均剔除處理。奧灰水樣OW07、08、09為徑流活躍期水樣，與一般奧灰水不同，不納入判別分析。因此共有71組水樣參與判別分析建模。

奧灰水樣OC1、OC2、OC3、OC4、OG2、OG5與太灰水高度混合，且考慮到太灰水樣品較少，將這些水樣作為太灰水處理。

地表水、孔隙水：

砂巖水：

太灰水：

奧灰水：

通過對樣品進行自我檢驗，準確率達到91.5%(表2)。

表2 樣品預測分組表Tab.2 Sample prediction grouping table

對于多類判別的情況可利用基于馬氏廣義距離的F檢驗，對判別函數的辨別能力進行評價。當計算所得F值大于相應臨界值時，兩類間有顯著差異，且F值越大差異越顯著，判別函數辨別能力越強，判別效果越好。任意兩類水源間的F值見表3。

由表3可知，在檢驗水平α=0.05時，F>Fα(5，63)，類間差異顯著，說明選入的6個變量構建的函數判別能力強、效果較好，能有效地判別王莊煤礦4個主要突水水源。但同時也發(fā)現，由于2類砂巖水和3類太灰水的類間F值相對較小，相對容易產生誤判。

表3 判別效果的F檢驗表Tab.3 F-test of discriminant effect

4 水源識別

本次搜集了2014～2019年以來的礦井涌水數據19組，水化學數據見表4。

表4 2014～2019年礦井涌水水化學數據表(mg/L)Tab.4 Chemical data of mine water inflow in 2014～2019(mg/L)

利用貝葉斯判別模型對各水樣進行計算，結果見表5。從表5可知，礦井涌水以砂巖水為主，少量為地表水或孔隙水、太灰水。

表5 水樣貝葉斯判別模型計算數據表Tab.5 Calculation data of water sample Bayes discrimination model

5 結論與討論

(3)利用聚類分析(Ward法)對三線圖上存在重疊現象的砂巖水、太灰水與奧灰水進行分類，結果顯示，奧灰水與太灰水明顯聚類，但局部存在奧灰水與太灰水穿插現象，表明此類存在水源混合；砂巖水與太灰水聚類現象不明顯，兩者區(qū)分難度較大。

(4)經上述分析，對水樣進行了剔除與變換，最后基于71個水樣，采用貝葉斯模型進行了判別分析，建立了地表水+孔隙水、砂巖水、太灰水、奧灰水等4種類型水樣的判別函數，經自我檢驗，準確率達到91.5%。不足的是，函數對砂巖水與太灰水的判別能力不夠顯著。

(5)利用貝葉斯判別函數對采集的19個礦井涌水水樣進行了水源識別，結果顯示主要為頂板砂巖水(12個)，局部可能由于導水通道存在，為來自上部地表水、孔隙水(4個)，或者煤層底板以下太灰水(3個)。對于后驗概率不高的水樣(低于80%)存在水源混合的可能性較大。

致謝：感謝中國礦業(yè)大學(北京)地球科學與測繪工程學院劉守強教授及所在項目組成員的指導。