矿井突水水源判别方法概述

第40卷 第3期 煤田地质与勘探Vol. 40 No.32012年6月 COAL GEOLOGY & EXPLORA TION Jun . 2012收稿日期: 2011-10-30作者简介:杨海军(1986—), 男, 四川广安人, 硕士研究生, 从事水文地质研究.文章编号: 1001-1986(2012)03-0048-07煤矿突水水源判别与水量预测方法综述杨海军1,2，王广才1,2(1. 中国地质大学水资源与环境学院，北京 100083； 2. 生物地质与环境地质国家重点实验室，湖北 武汉 430074)摘要: 突水严重制约着煤矿安全生产。

突水灾害的防治是涉及多学科多方法的系统工程。

矿井突水水源快速判别和矿井涌水量准确预测是突水灾害防控的重要环节。

从矿区地质环境精细探测、地下水循环交替特征和数学模型研究及应用等方面，总结了国内外煤矿突水预测的主要进展。

对判别突水水源和预测涌水量的各种方法进行探讨，概述了各种方法的原理、应用现状及其适用条件。

关 键 词：煤矿突水；预测；判别；涌水量；模型中图分类号：P641.4; TD74 文献标识码：A DOI: 10.3969/j.issn.1001-1986.2012.03.012Summarization of methods of distinguishing sources and forecasting inflow ofwater inrush in coal minesYANG Haijun, WANG Guangcai(1. School of Water Resources and Environment , China University of Geosciences , Beijing 100083, China ;2. State Key Laboratory for Biogeology and Environmental Geology , Wuhan 430074, China )Abstract: Water inrush seriously restricts the safe production of coal mine. The prevention and control of water inrush disaster is a systematic engineering which involves many disciplines and methods. Distinguish-ing sources of water inrush quickly and forecasting water inflow accurately are important links for the pre-vention and control of mine water inrush. In terms of fine investigation of geology environment of mine, the research on the characteristics of circulation and alternation of groundwater, and the research and application of mathematical models, the paper summed up the main domestic and international progress in prediction of coal mine water inrush, and discussed various methods of distinguishing sources of water inrush and fore-casting water inflow, and summarized the theory, application status and application conditions of the methods. Key words: coal mine water inrush; forecasting; distinguishing; water inflow; model我国是煤矿水害多发的国家，突水造成的直接经济损失一直排在各类煤矿灾害之首，特别是华北石炭-二叠系煤田和南方晚二叠系煤田受岩溶水的威胁严重，突水事故频繁[1]，亟待解决。

基于主成分分析与Fisher判别分析法的矿井突水水源识别方法一、概述矿井突水作为矿山生产过程中的一大安全隐患，其准确识别对于预防突水事故、保障矿山安全生产具有重要意义。

传统的矿井突水水源识别方法往往依赖于经验判断和单一的水质指标分析，这些方法不仅效率低下，而且识别准确率难以保证。

开发一种高效、准确的矿井突水水源识别方法成为当前矿山安全领域亟待解决的问题。

主成分分析（PCA）和Fisher判别分析法是两种常用的数据处理和模式识别方法，它们在不同的领域中都得到了广泛的应用。

PCA通过降维的方式将多个指标转化为少数几个综合指标，这些综合指标能够反映原来指标的大部分信息，且相互独立，避免了信息的重叠。

而Fisher判别分析法则是一种线性分类器，通过求解最优的权向量和阈值，将样本投影到一条直线上，然后选择一个阈值将两类分开。

这两种方法的结合，可以实现对矿井突水水源的高效、准确识别。

本文将详细介绍基于主成分分析与Fisher判别分析法的矿井突水水源识别方法。

通过PCA对矿井突水水源的多项指标进行降维处理，提取出主要的综合指标。

利用Fisher判别分析法对这些综合指标进行分类判别，从而实现对矿井突水水源的准确识别。

通过实例验证和对比分析，证明该方法的可行性和优越性，为矿山安全生产提供有力的技术支持。

1. 矿井突水问题的严重性及其对矿井安全生产的影响矿井突水问题一直是采矿行业面临的一项重大挑战，其严重性不容忽视。

突水事件往往伴随着大量的地下水涌入矿山坑道，使得施工条件变得极为复杂，采矿成本大幅上升。

更为严重的是，突水不仅影响正常的采矿生产，甚至可能导致淹井事故的发生，给矿山工程和人员安全带来严重威胁。

在突水事故发生时，大量水流的涌入使得井巷和矿山设备遭受淹没，进而造成人员伤亡和财产损失。

突水事件还会对采矿生产造成直接影响，导致产量减少，甚至使部分矿区因无法继续开采而报废，给矿山的经济效益和资源利用带来巨大损失。

矿井突水水源的判别方法
1. 从水文地质学和水文地质地貌角度：可以根据该区域的古地貌形态、表层土壤、地下水等水文地质特征，推测突水水源的来源。

2. 从水分析测试的角度：可以对突水水源中的水质成分进行检测，然后比较与相近地区井内或井外水体的化学成分，以判定水是来自矿井突水还是其它来源。

3. 从水体涵养能力角度：判断水体的涵养能力，对矿井井水来源进行判断，矿井突水水源一般有较强的涵养能力，而其它水源涵养能力往往较弱。

水化学分析法判别煤矿突水水源作者：刘帅来源：《中小企业管理与科技·上中下旬刊》 2015年第4期刘帅（冀中能源股份有限公司邢东矿）摘要院邢东煤矿底板钻孔发生突水，及时准确判别出水水源，成为了治理矿井突水的关键。

本文对矿井主要含水层进行水化学特征分析后，绘制出水样的PiPer 三线图，并通过出水点与背景值进行对比，从而判断出出水水源为奥灰岩溶水，为封堵井下突水奠定了基础。

关键词院水化学分析突水水源PiPer 三线图通过对地下水的化学特征、分布规律等进行研究分析，在一定程度上有助于对地下水的赋存、补给，以及径流和排泄条件等进行分析，这些分析对于查明煤矿井下突水水源，以及对井下突水进行有效防治具有重要的意义。

邢东矿在-980 集中运料巷进行正常底板超前钻孔时突水，通过与矿井多个含水层进行水化学分析，将该处出水点与背景值进行比对分析后，判断出出水水源为奥灰岩溶水，为治理井下突水奠定了基础。

1 矿井水文地质条件邢东矿井位于太行山中段东麓与华北平原西侧，地势西高东低。

本井田处于半封闭状态，奥灰岩溶水是井田地下水的主要补给来源，在各自含水层内自西向东缓慢运动，矿井汇集各含水层地下水，成为良好的排泄场所。

2 -980 钻孔出水点概况-980 集中运料巷属于向新区开拓，该巷道迎头前方为F23 前下断层，落差30m，施工的15 号底板钻孔穿过该断层。

该钻孔施工至206m 时，发现钻孔出水，初始水量为20m3/h，稳定水量为90m3/h。

根据矿井水文地质和巷道迎头实际揭露情况，15 号钻孔突水得出2 种可能：①野青灰岩水通过钻孔而突水；②奥灰水通过断层导水而突水。

其依据是：①根据钻孔剖面图，出水钻孔距野青灰岩很近，不能排除野青灰岩水的可能；②-980 集中运料巷迎头前方为F23、SF86 断层，导通含水层的可能性很大。

对于突水原因，尤其是突水水源等，难以通过分析水文地质条件进一步认清，在这种情况下，需要对出水水源进行判断，进一步组织开展矿井防治水工作。

对矿井突水水源的判别作者：汪鸿雁来源：《科学与财富》2018年第30期摘要：地下水的水化学特征可以反映地下水所处的水文地质环境，对矿井突水水源的正确、快速判别是矿井水害有效防治的前提条件，研究地下水的水化学特征有助于分析地下水的补给、径流、排泄条件，对查明井下突水水源和水害防治有明确的指导意义。

关键词：水化学地球特征；特征离子；突水水源一、矿井突水特征矿井突水是指掘进或采矿过程中当巷道揭穿导水断裂、富水溶洞、积水老窿，大量地下水突然涌入矿山井巷的现象。

矿井突水一般来势凶猛，常会在短时间内淹没坑道，给矿山生产带来危害，造成人员伤亡。

在富水的岩溶水充水的矿区及顶底板有较厚高压含水层分布的矿山区，在构造破碎的地段，常易发生矿井突水。

当巷道底板下有间接充水层时，便会在地下水压力和矿山压力作用下，破坏底板隔水层，形成人工裂隙通道，导致下部高压地下水涌入井巷造成突水。

但只要查明水文地质条件，采取措施，矿井突水是可以预防和治理的。

二、矿井突水水源判别2.1一般的预感通过观察物理现象，如煤层变潮湿、松软；煤帮出现滴水、淋水现象，且淋水可由小变大；有时煤帮出现铁锈色水迹；当温度降低，出雾或硫化氢气味；有时可以听到水的嘶嘶声等识别矿井突水征兆。

2.2岩体力学等突水机理通过对突水机理角度来判别突水水源，主要从岩体力学，地下水渗流场理论等角度分析水害来源。

主要表现为工作面压力增大，底板鼓起，工作层产生裂纹并逐渐增加；沿裂缝或煤层渗水会逐渐增加，而水将增加。

2.3数据分析通过对地下水中所包含的水文地球化学信息进行数据分析，利用突水水质中所含有的水文地球化学信息来辨别突水水源。

从研究现状来看，以常规水化学识别法判断矿井突水水源较为普遍。

通过分析水样的水质类型、物化特征等，结合水质的水文地球化学分布、迁移、转化规律来分析突水的来源。

2.3.1 特征离子和特征离子比值判别方式为了快速判别矿井突水水源含水层，经常采用特征离子判别方式，即在掌握某些含水层独特的离子含量前提下，直接测定该种特征离子，以快速给出突水含水层判断。

矿井突水水源判别方法与应用李建林;昝明军;韩乐【摘要】对目前广泛使用的矿井突水水源判别方法进行了综合评述.从整体而言,除了水化学分析方法外,其他方法都是以一定理论为基础,或构造最优函数,根据判别目标达到最优时的状态进行水源识别;或构造适当的区间,根据一定的法则使判别目标进入不同的区间,进行水源识别.样本较多时采用BP神经网络法,样本较少时采用SVM法会取得更好得预测效果.针对研究区实际状况,选择基于MATLAB的BP神经网络法进行突水预测,准确率达到91.67％,训练样本的选择和数量对预测结果影响较大.【期刊名称】《河南理工大学学报（自然科学版）》【年(卷),期】2014(033)005【总页数】5页(P590-594)【关键词】矿井突水;水源预测;BP神经网络【作者】李建林;昝明军;韩乐【作者单位】河南理工大学资源环境学院,河南焦作454000;河南理工大学资源环境学院,河南焦作454000;河南理工大学资源环境学院,河南焦作454000【正文语种】中文【中图分类】TD745+.21由于煤矿水文地质条件复杂，以及人为因素等原因，致使我国成为世界上煤矿水害最严重的国家之一.据统计，“十一五”期间全国煤矿发生10 人以上重特大水害事故26 起，共死亡506 人[1].而且随着煤层开采深度的增加，含水层发生突水的可能性也在增加.因此，为预防和减少突水事故的发生，开展突水预报工作显得尤为重要[2]；其中快速准确地识别矿井突水水源是矿井水害防治工作的基础之一.判别矿井突水水源，就要在分析矿区水文地质条件和构造条件的基础上，对水位、水温和水化学资料等进行综合处理；针对掌握资料的情况，选择与之相适应的方法进行判别[3].随着基础理论学科和计算机科技的不断发展，矿井突水水源识别的方法也在不断更新.从简单的水温、水位判别和水化学数据直接对比分析，逐步发展出同位素分析法、基于数学理论的分析法(多元统计学方法、灰色系统法、模糊数学法)和基于其他理论的判别法(BP神经网络法、GIS理论法、SVM法、可拓识别法)等多种方法[4-9].袁文华采用水温法对任楼煤矿突水水源进行判别，结果表明方法是可行的；葛中华运用水化学法对徐州东部矿区井田各含水层的水文地球化学特征进行分析，为判别矿井突水水源提供了依据；桂和荣等分别对皖北矿区和平禹矿区突水水样进行了放射性同位素分析，确定了矿区主要突水含水层的循环特征及其相互间的水力联系；王心义针对焦作矿区实测数据建立了煤矿突水水源预测的距离判别分析模型，该模型可以准确判断出两矿区水源的关联度情况；熊伟在焦作矿区建立了突水水源的Bayer判别模型，对比实测数据模型具有较高的准确性；郝彬彬采用灰色关联度方法对突水水样进行多变量关联分析与计算，判断出突水水源；在分析检测水样的离子含量等信息的基础上，樊京周利用模糊综合判别方法建立了模糊综合评判突水水源模型，应用实践且结果可信；魏永强等应用模糊聚类分析得到的含水层背景值，建立模糊综合评判模型，利用GIS可视化技术高效准确地对未知突水水样进行了水源判别；陈红江等利用Fisher 判别法等方法分别建立了焦作矿区、新庄孜矿井和朱仙庄煤矿突水水源的 Fisher 识别模型，通过验证模型具有较强的涌水水源判别能力；钱家忠针对潘三煤矿利用SVM法建立水源判别模型，结果表明该方法对于煤系突水水源的区分有更好的适用性和优越性[10-22].这些方法都有自己的优、缺点，可配合使用并互相补充验证[23-26](表1).从整体而言，除了水化学分析方法外，其他方法都是以一定理论为基础，或构造最优函数，根据判别目标达到最优时的状态进行水源识别；或构造适当的区间，根据一定的法则使判别目标进入不同的区间，进行水源识别.当样本(水化学资料)较少时，基于结构风险最小化原理的SVM法不仅预测精度高，而且其层次结构能很好地反映水源类型的层次关系.由于BP神经网络具有大规模并行处理和分布式信息存储能力，良好的自适应性、自组织性和很强的学习、联想、容错及抗干扰能力，当样本较多时，利用BP神经网络法进行突水水源判别，准确率往往高于其他方法. MATLAB是美国Math Works公司出品的商业数学软件具有高性能数值计算的高级算法，特别适合矩阵代数领域；有大量事先定义的数学函数和有很强的用户自定义能力[27].基于MATLAB程序建立矿区突水水源的BP神经网络模型，对训练好的网络进行仿真，其预测结果客观、合理且易于操作.2.1 研究区水文地质条件概述鹤壁矿区属于典型的华北型岩溶煤田，主要开采煤层为山西组二1煤层，煤厚6～8 m.区内构造复杂、断层发育，水文地质条件复杂(图1).研究区主要开采煤层顶底板发育有多层含水层，特别是位于煤层底板的石炭纪薄层灰岩和奥陶纪巨厚层岩溶含水层，富水性强，承压水头高，补给充沛，对采煤生产构成很大威胁，曾多次发生突水淹井事故.随着矿井向深部发展，突水危害越来越大，对矿山安全生产造成极大的威胁.主要含水层有：奥陶系灰岩含水层、石炭系太原组第二层灰岩含水层、第八层灰岩含水层、二1煤顶底板砂岩含水层和第三系砾岩含水层.突水的可能来源有6种：奥陶系灰岩水、第八层灰岩水、第二层灰岩水、砾岩水、砂岩水和老采空区水.矿区普查水样共147个，经过删选，选择96个有效样本进行训练和仿真.由于样本个数较多，适合利用BP神经网络方法进行矿区突水水源的识别.2.2 BP神经网络原理和算法BP神经网络的核心思想是调整权值使网络的总误差最小，其学习过程由正向传播和反向传播两部分构成.对于输入信息先向前传播到隐含层的节点上，经过激活函数的运算后，把隐层节点的输出信息传播到输出节点，给出输出结果；如果输出层不能得到期望输出，就将实际输出值与期望输出值之间的误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次地向输入层传播进行计算，然后再经过正向传播过程，通过正向和反向这两个传播过程的反复运用，使得误差信号达到最小；当误差达到人们所希望的要求时，网络的学习过程结束[23].2.3 BP网络模型的建立以矿区地下水所含主要离子Ca2+,Mg2+,Na+,CO32-,HCO3-,CL-和SO42-的毫克当量数，主控离子的相对含量，即毫克当量百分数(包含4种离子)，以及固形物(TDS)作为评价指标，即输入层的节点数为12；由于矿区突水的来源可能有6种，所以输出层包含6个节点.根据Kolmogorov定理，一个3层BP网络即可在任意希望的精度上实现任意的连续函数.因此，采用3层BP神经网络模型，即只有1个隐层.依据经验，确定隐层的节点为16.网络的隐含层和输出层神经元的激励函数均采用采用tansig作为传递函数.神经网络结构图见图2.2.4 BP神经网络的训练和仿真(1)选样与样本归一化选择96个样本进行训练和仿真.其中60 个样本为训练样本，其余36个样本为测试样本，利用BP网络常用的训练函数tansig进行训练.利用MATLAB库函数premnmx，将数据归一化处理.(2)创建BP网络与参数设置利用MATLAB库函数newff ( )构造BP神经网络；参数设置如表2所示.(3)训练网络调用trainscg算法训练BP网络：[net,tr]=train(net,P_prac,T_aim).由图3可知，最终网络对训练样本的误差接近目标，经过6 000次的学习训练结束.(4)BP神经网络的仿真输入检验样本，调用sim函数对训练好的BP网络进行仿真：t=sim(net,P_test).输出结果，也是一系列1×6矩阵，6个元素中，距离1最近的元素所在列数代表该水样的含水层类型.其中1，2，3，4，5，6分别代表砂岩水、奥陶系灰岩水、砾岩水、第八层灰岩水、第二层灰岩水和老采空区水.(5)结果输出及数据分析各含水层水质样本来源识别统计结果如表3所示.可以看出：砂岩水、奥陶系灰岩水、第八层灰岩水与第二层灰岩水的识别结果非常理想，正确率达到了100%，砾岩水、老采空区水的识别效果较低，正确率为75%，平均为91.67%.整体而言，收到了较好的效果.(1)将目前普遍使用的判别矿井突水水源的方法进行整理，分为4大类，分别是水温水位法、水化学分析法、基于数学理论的分析法和基于其他理论的分析法.其中，基于数学理论的分析法包括多元统计法、灰色系统法和模糊数学法；基于其他理论的分析法包括BP神经网络法、GIS理论法、SVM法和可拓识别法.针对矿区的实际情况，选择不同的判别方法，只要应用得当，大都可较好地进行突水水源预测.(2)基于数学理论的分析法，计算简单，理论基础清晰，但都需要根据经验确定计算公式中各评价因子的权重值，具有一定的人为性和随意性.BP人工神经网络法，综合考虑不同含水层的水化学特征，评价过程简单，评价结果不受人为因素的影响；但其是以大量样本资料为基础，当样本资料较少或代表性较差时，训练出来的网络效果可能会较差.SVM法克服了BP神经网络法的缺点，针对小样本数据，将非线性问题转化为线性优化模型，预测精度高.所以，样本较多时采用BP神经网络法，样本较少时采用SVM法会取得更好的预测效果.(3)利用基于MATLAB的BP神经网络法判别研究区突水水源，整体识别正确率达到了91.67%.其中砾岩水和老采空区水的识别率较低的原因主要有：受取样的限制，样本总体较大而分布不均.砾岩水和老采空区水水源分别仅有10 个，其中6个作为训练样本，4个作为验证样本.样本数量偏少影响了最终的预测结果；训练样本的代表性对预测结果影响较大.网络定义复杂，经过6 000 次的学习训练，最终网络对训练样本的误差才接近目标.所以训练样本的选取也是一个重要的影响因素. (4)由于受到矿区安全生产等因素的限制，本研究只利用BP神经网络法对研究区突水水源进行了判别，因此无法进行对比分析，将在以后的研究中加以改进.E-mail：**************【相关文献】[1] 武强，崔芳鹏，赵苏启，等. 矿井水害类型划分及主要特征分析[J]. 煤炭学报, 2013，38(4):561-565.[2] 王心义，徐涛，黄丹. 距离判别法在相似矿区突水水源识别中的应用[J]. 煤炭学报, 2011, 36(8): 1354-1358.[3] 黄存捍，冯涛，王卫军，等. 基于分形和支持向量机矿井涌水量的预测[J]. 煤炭学报, 2010,35(5): 806-810.[4] 孙亚军，杨国勇，郑琳. 基于GIS的矿井突水水源判别系统研究[J]. 煤田地质与勘探, 2007,35(2): 34-37.[5] 杨永国，黄福臣. 非线性方法在矿井突水水源判别中的应用研究[J]. 中国矿业大学学报, 2007,36(3): 283-286.[6] 张瑞钢，钱家忠，马雷，等. 可拓识别方法在矿井突水水源判别中的应用[J]. 煤炭学报, 2009,34(1): 33-38.[7] 李燕，徐志敏，刘勇. 矿井突水水源判别方法概述[J]. 煤炭技术, 2010, 29(11): 87-89.[8] 张立新，李长洪，赵宇. 矿井突水预测研究现状及发展趋势[J]. 中国矿业, 2009, 18(1): 88-90, 108.[9] 杨海军，王广才. 煤矿突水水源判别与水量预测方法综述[J]. 煤田地质与勘探, 2012, 40(3): 48-54.[10] 袁文华，桂和荣.任楼煤矿地温特征及在水源判别中的应用[J].安徽理工大学学报:自然科学版，2005，25(4)：9- 11.[11] 胡伟伟，马致远，曹海东，等. 同位素与水文地球化学方法在矿井突水水源判别中的应用[J]. 地球科学与环境学报, 2010, 32(3): 268-271.[12] 刘杰刚，徐新启，时艳茹，等. 多元统计分析模型在矿井突水水源判别中的应用[J]. 中国煤炭, 2013, 39(2): 101-104.[13] 钱家忠，潘婧，赵卫东，等. 基于SVM的潘三矿B8组与C13组煤开采中突水水源判别模型[J]. 系统工程理论与实践, 2011, 31(12): 2425-2430.[14] 潘国营，王素娜，孙小岩，等. 同位素技术在判别矿井突水水源中的应用[J]. 矿业安全与环保, 2009, 36(1): 32-34.[15] 魏永强，王美均，任印国，等. 模糊综合评判方法及其在判别水源中的应用[J]. 河北理工大学学报：自然科学版, 2009, 31(3): 8-11.[16] 葛中华，沈文. 徐州某矿井奥陶系灰岩含水层上开采矿井突水的水文地质初步研究[J]. 江苏地质, 1994, 18(2): 91-96.[17] 桂和荣，陈陆望. 皖北矿区主要突水水源水文地质特征研究[J]. 煤炭学报, 2004, 29(3): 323-327.[18] 熊伟，崔光磊. 贝叶斯判别分析在矿井突水水源预测中的应用[J]. 中国煤炭, 2012, 38(11): 110-113.[19] 郝彬彬，李冲，王春红. 灰色关联度在矿井突水水源判别中的应用[J]. 中国煤炭, 2010, 36(6): 20-22.[20] 樊京周，李化玉. 模糊概率法在识别矿井突水水源中的应用[J]. 中州煤炭, 2000(6): 1-2.[21] 魏永强,梁化强,任印国,等. 神经网络在判别煤矿突水水源中的应用[J]. 江苏地质,2004,28(1):36-38.[22] 陈红江，李夕兵，刘爱华，等. 用Fisher判别法确定矿井突水水源[J]. 中南大学学报：自然科学版, 2009,40(4):1114-1120.[23] 窦贤明，杨永国，徐伟伟，等. 基于遗传算法和BP神经网络的矿井涌水量预测[J]. 中国煤炭地质,2009 21(10):37-38.[24] 鲁金涛，李夕兵，宫凤强，等. 基于主成分分析与Fisher判别分析法的矿井突水水源识别方法[J]. 中国安全科学学报, 2012, 22(7): 109-115.[25] 刘鑫，陈陆望，林曼利，等. 采动影响下矿井突水水源Fisher判别与地下水补给关系反演[J]. 水文地质工程地质, 2013(4): 36-43.[26] 黄平华，陈建生. 基于多元统计分析的矿井突水水源Fisher识别及混合模型[J]. 煤炭学报, 2011, 36(s1): 131-136.[27] 潘婧. 基于Matlab的潘三矿地下水水化学场分析及突水水源判别模型[D]. 合肥：合肥工业大学, 2010.。

矿井主要含水层水质分析方法判别水源水质分析是煤矿开采业一项重要的技术，它能够精确判断水源类型，对水质中各种离子的含量做出精确分析，对煤矿能否顺利建设起着关键性作用。

水质分析结果能够判断矿井水的水质特点和矿井水的来源水层，这一技术要点具有很重要的作用，能够判断水源来水方向，定量技术涌水量，正确预计水量的动态变化，为设置合理的防隔水煤岩柱提供可靠参考。

本文根据笔者实际工作经验，首先简要介绍了安阳矿区水文地质概括，其次重点对水害事故经过及水质进行分析，为矿井的安全生产、抗水灾救援提供了技术依据。

标签：水质分析；矿区水文地质；水硬度；矿化度引言判断矿井涌水、突水水源的方法有很多。

实践证明，水质分析方法是一种较为有效而又简便的技术方法，水质分析法在判定矿井涌水水源中的应用越来越广泛，尤其应用在矿井水害防治实践中，因为含水层的差异和老窑地下水化学成分的差異都是由不同的生成环境所致，进而所形成的地下水类型也不同，通常来说，主要差异有：赋存环境不同，地下水的补给、径流、排泄、储存条件差异。

水质分析方法是通过确定矿井涌水里面的水化学成分，分析矿井水的水质成分，从而对水源位置进行确定。

1 安阳矿区水文地质概括安阳矿区的地理位置是河南省北部安阳市，从它的形成来看属于太行山东麓煤田的一部分，矿区西部紧邻太行山脉，东面与京广线接近，从占地面积上看，它具有42km的南北长和3.6km的东西宽，具有151km2的面积，区域内有生产矿井5对。

地质资料显示，矿区出露地层比较多，根据统计有：下奥陶冶里-亮甲山组白云岩；二叠系含煤层隶属山西组；上第三系砾岩：主要有各类砂岩、泥岩等；第四系黄土、砾砂层。

资料分析显示，第三、四系含水岩系、石炭-二叠系含水岩系和奥陶系含水岩系是影响本区煤矿开采生产的主要含水岩系和岩组。

其中，本矿区最主要含水岩系是奥陶含水岩系，根据富水性在各含水岩系中的差异将其分为中奥陶（O2），太原组薄层灰岩（L2，L8），山西组砂岩含水层（S9，S10）在地下水含量方面相对次之。