[发明专利]矿井突水水源识别方法、装置与电子设备

权利要求书

1.一种矿井突水水源识别方法，其特征在于，包括：

获取待识别矿井突水水样，并提取所述待识别矿井突水水样的给定化学组分作为判别指标；

基于所述判别指标，利用预建立的贝叶斯逐步判别模型，识别所述待识别矿井突水水样的水源类别；

其中，所述贝叶斯逐步判别模型为通过对已知水源类别的水样样本进行聚类分析获取有效水样样本，并利用所述有效水样样本进行训练建立而成的。

2.根据权利要求1所述的矿井突水水源识别方法，其特征在于，在所述利用预建立的贝叶斯逐步判别模型，识别所述待识别矿井突水水样的水源类别的步骤之前，还包括：

获取所述已知水源类别的水样样本，并对所述已知水源类别的水样样本按照不同水源类别分别进行聚类分析，剔除不满足设定标准的异常水样样本，获取所述有效水样样本；

提取所述有效水样样本的给定化学组分作为判别指标样本，并将所述有效水样样本对应的水源类别和判别指标样本对作为训练样本；

初始化构建贝叶斯逐步判别模型，并利用所述训练样本对初始化的贝叶斯逐步判别模型进行训练，建立所述贝叶斯逐步判别模型，获取各水源类别分别对应的判别函数。

3.根据权利要求1或2所述的矿井突水水源识别方法，其特征在于，在所述识别所述待识别矿井突水水样的水源类别的步骤之后，还包括：

基于所述有效水样样本和所述待识别矿井突水水样，利用所述贝叶斯逐步判别模型进行回归校验，获取各所述待识别矿井突水水样的后验概率；

若所述待识别矿井突水水样的后验概率小于设定阈值，则利用预建立的灰色关联度模型，计算各水源类别分别对所述待识别矿井突水水样的补给率，并基于所述补给率，确定所述待识别矿井突水水样的最终关键水源类别。

4.根据权利要求2所述的矿井突水水源识别方法，其特征在于，所述利用预建立的贝叶斯逐步判别模型，识别所述待识别矿井突水水样的水源类别的步骤具体包括：

将所述判别指标分别代入各水源类别对应的判别函数，计算各水源类别分别对应的判别函数值，并取判别函数值最大的判别函数所对应的水源类别，作为所述待识别矿井突水水样的水源类别。

5.根据权利要求3所述的矿井突水水源识别方法，其特征在于，所述计算各水源类别分别对所述待识别矿井突水水样的补给率的步骤具体包括：

以所述待识别矿井突水水样的所述给定化学组分作为参考序列，并针对各水源类别，分别计算水源类别下水样的所述给定化学组分的平均值，作为因素序列；

分别对所述参考序列和所述因素序列进行均值化处理，并基于均值化处理的结果，依次计算各所述因素序列的绝对差序列以及所述因素序列的最大差和最小差；

利用所述灰色关联度模型，基于所述绝对差序列以及所述最大差和最小差，依次计算各所述因素序列的关联系数序列及关联度，并基于所述关联度，计算各水源类别分别对应的所述补给率。

6.根据权利要求5所述的矿井突水水源识别方法，其特征在于，所述计算各水源类别分别对应的所述补给率的步骤具体包括：

利用如下补给率公式，计算所述补给率：

式中，z_i表示第i个水源类别对应的补给率，γ_i表示第i个水源类别对应的关联度，m表示水源类别的总个数。

7.根据权利要求1所述的矿井突水水源识别方法，其特征在于，所述给定化学组分具体包括：HCO₃^-、CO₃^2-、SO₄^2-、Cl^-、Na⁺+K⁺、Ca²⁺以及Mg²⁺7种离子的浓度含量。