基于激光诱导荧光技术的煤矿水源识别研究.pdf

第40卷，第7期 2 2 年 7 月 Vo l 40 ,No . 7,pp2176-2181 Jul y, 20 20 光谱学与光谱分析 Spec t r o sc o pya n d Spe c t r a l An a l ysis 基于激光诱导荧光技术的煤矿水源识别研究 闫鹏程1,尚松行2,周孟然2,胡 锋图 4d为 Ga pse g men t -PCA- RBF-SVM识别模型,有1个b类水被判定为c类,1个b类 水被判定为e类，1个d类水被判定为g类，2个e类被判定 为f类,2个f类被判定为e类,正确率74.29 26/35；图 4e 为Det r en d -PCA-RBF-SVM识别模型,有1个b类水被 判定为c类，1个e类水被判定为f类，2个f类被判定为e 类，正确率 88 57 31/35；图 4f为 MSC-PCA-RBF- SVM识别模型，有2个c类水被判定为b类，2个d类水被 判定为c类，2个f类被判定为e类，正确率82.86 29/ 35出错部分相对LDA模型在种类上有所增加，但是对于 a和g两种纯水水样的识别仍然没有出现错误 表表3 RBF-SVM建模集结果建模集结果 Table3 ReconitionofmodelinsetwithRBF-SVM 预处理方法正确率 Or ig in a l97. 1434/35 SG97. 1734/35 建模集 No r ma l ize97. 1434/35 Ga pse g men t68. 5724/35 Det r en d94. 2933/35 MSC91 4332/35 表3可以看出,煤矿水源的荧光光谱在经预处理、PCA 降维后,可以使用RBF-SVM进行识别,且SG-PCA-RBF- SVM 效果较佳 3结论 实验对淮南矿区谢桥煤矿的老空水、砂岩水以及5种混 合水样的激光诱导荧光光谱进行了识别分析, 选取了不同预 处理方法及不同识别模型，得到结论如下 1煤矿水源在物质成分及浓度上的差异反应在激光诱 导荧光光谱上也会出现较大差异，因此可以通过激光诱导荧 2180 光谱学与光谱分析第 40 卷 Val idat ion set sampl es g f 验证集的实际分类和预测分类图 实际验证集分类 预测验证集务类 d b 05 10 15 20 25 30 35 验证集的实际分类和预测分类图 g f b d b 0 5 10 15 20 25 30 35 Val idat ion set sampl es 验证集的实际分类和预测分类图 g f c ㉚叙砂 云e b OE io 15 20 25 30 35 Val idat ion set sampl es 验证集的实际分类和预测分类图 g fd ”* ...T 9 卜......... d b 0 5 10 15 20 25 30 35 Val idat ion set sampl es 验证集的实际分类和预测分类图 g f e 銚闕6 ...* 困O邈*T d TO妙 b 010 15 20 25 30 35 Val idat ion set sampl es 验证集的实际分类和预测分类图 g f f 倉e U c bAW T 5 10 15 20 25 30 35 Val idat ion set sampl es 图图4 RBF-SVM的验证集识别结果的验证集识别结果 Fig. 4 Recognition of verification set with RBF-SVM a Or ig in a l； b SG； c No r ma l ize； d Ga pseg me n t； e De t r en d； f MSC 光技术进行水源的有效识别。 2SG预处理是被选择的几种预处理方式中最适宜本地 水样预处理的方法，结合PCA降维得到的3个主成分，并分 别利用LDA与RBF-SVM进行识别，验证集分别到达了 100与97. 14的正确率；对比同种预处理方式不同识别模 型的结果可以发现，使用LDA进行建模的识别结果平均正 确率高于使用RBF-SVM进行建模。且对比RBF-SVM的识 别数据可以发现，验证集较建模集正确率有所下降，说明该 算法在此应用中的泛化能力较差，因此SG-PCA-LDA模型 结合激光诱导荧光技术是一种较佳的应用于本地煤矿水源识 别的方法，且因为使用了数据降维，可以大幅度降低后期识 别模型的运算复杂度，节省时间，对于煤矿水源的快速识别 意义重大。 3实验验证了 SG-PCA-LDA模型结合激光诱导荧光技 术用于煤矿水源识别的可行性，对老空水、砂岩水的纯水样 和混合水样进行了识别，可以推广到煤矿其他混合水源的识 别中。 References 1 WU Qia ng, XU Hua, ZHAO Ying-w a ng, et a l武 强，徐 华，赵颖旺，等.Jo ur n a l o f Ch in a Co a l So c iety煤炭学报，2018, 4310 2661 [2 Hu Fen g, Zh o u Men g r a n, Ya n Pen g c h en g, et a l . IEEE Ac c es s, 2019, 7 107129. 3 WU Jin -g a n g, MAO Jun -r ui, CHAI Pei吴金刚，毛俊睿，柴 沛.Sa f et y in Co a l Min es煤矿安全,2019, 5010 239. [4 LIU Sh o u-q ia n g, WU Qia n g, ZENG Yi-f a n刘守强,武 强,曾一凡.Co a l En g in ee r in g煤炭工程,2019, 513 1. [5 YAN Pen g -c h en g, ZHOU Me n g -r a n, LIU Qi-men g, e t a l 闫鹏程，周孟然，刘启蒙，等.Spec t r o sc o py a n d Spec t r a l An a l ys is光谱学与 光谱分析,2016, 361 243. [6 SUN Ji-pin g, JIN Ch un -h a i孙继平,靳春海.In d ust r y a n d Min e Aut o ma t io nX矿自动化,2019, 454 1. [7 WANG Tia n -t ia n, JIN De -w u, LIU Ji, et a l王甜甜，靳德武，刘 基，等.Jo ur n a l o f Ch in a Co a l So c iet y煤炭学报,2019, 449 2840 8 WANG Ya ng, ZUO Wen -zh e, WANG Bin -h a i, et a l汪 洋，左文詰，王斌海，等.Mo d er n Min ing现代矿业,2018, 341 69. 9 TIAN Xiu-r o n g, WEI Fa n g, WEITia n 田秀荣，魏 芳，魏 甜.Co a l Geo l o g y o f Ch in a中国煤炭地质,2015, 2712 53. [10 Gua n Zil o n g, Jia Zh if en g, Zh a o Zh iq ia n g, et a l . Jo ur n a l o f Ea r t h Syst em Sc ie n c e, 2019, 1287 200. [11 PENG Ch en g, LIU Yo n g -t a o, YOU We n -q ia n g, et a l彭 程，刘永涛，尤文强，等.Ch in a Min in g Ma g a zin e中国矿业，2019, 287 176 [12 ZHANG Sh u-yin g, HU Yo u-bia o, XING Sh i-pin g张淑莹，胡友彪，邢世平.Hyd r o g e o l o g y i En g in eer in g Ge o l o g y水文地质工程地 质,2018, 456 36. [13 MAO Zh i-yo n g, HUANG Ch un -jua n, LU Sh i-c h a n g, et a l毛志勇,黄春娟,路世昌,等.Ch in a Sa f e t y Sc ien c e Jo ur n a K 中国安全科学学 第7 期光谱学与光谱分析 2181 报，2 0 18, 288 111. 14 LIUGuo -w ei, MA Fen g -sh a n, GUOJie, e t a l 刘国伟，马凤山，郭 捷，等.Go l d Sc ien c e a n d Te c h n o l o g y 黄金科学技术，2 0 19 , 27 ⑵2 0 7. Research on I dentification of Coal Mine Water Source Based on Laser I nduced Fluorescence Technology YAN Pen g -c h en g i, 2 , SHANG So n g -h a n g2 , ZHOU Men g r a n2 , HU Fen g2 , LIU Yu1 1. St a t e Key La bo r a t o r y o f Min in g Respo n se a n d Disa st er Pr ev en t io n a n d Co n t r o l in Deep Co a l Min e , An h ui Un iv e r sit y o f Sc ien c e a n d Tec h n o l o g y , Hua in a n 232 00 1 , Ch in a 2. Co l l eg e o f El ec t r ic a l a n d In f o r ma t io n En g in eer in g , An h ui Un iv er sit y o f Sc ien c e a n d Tec h n o l o g y , Hua in a n 232 0 0 1 , Ch in a Abstract Th e r a pid a n d a c c ur a t e id en t if ic a t io n o f c o a l min e a q uif er w a t er so ur c e is o f g r e a t sig n if ic a n c e f o r c o a l min e w a t er in r ush w a r n in g a n d po st -d isa s t er r e sc ue.It t a k esa l o n g t ime f o r w a t e r s o ur c e id en t if ic a t io n w it h t h et r a d it io n a l met h o d a n d it is n o t suit a bl et o c o n s t r uc t a n o n l in ee a r l yw a r n in g s yst em.A met h o d o f usin g l a ser in d uc ed f l uo r esc en c e t ec h n o l o g yt o id e n t if yt h e t ypeo f c o a l min e w a t e r s o ur c e is pr o po s e d .Th e l a s e r is us e d t o e x c it e t h e w a t er sa mpl e .Th en t h ef l uo r esc en c espe c t r umis o bt a in ed w it h pater n r ec o g n it io n t h ew a t er so ur c ec a n ber a pid l yid en t if ied .Tw o k in d so f w a t er sa mpl es-g o a f w a t e r a n d sa n d - st o n e w a t er o f Xieq ia o Co a l Min ein Hua in a n Min in g Ar e a w er ec olec t ed a n d f iv emix ed w a t e r s a mpl es w er epr epa r ed a c c o r d in g t o d ifer e n t mix in g r a t io s.Fir st l y a c c o r d in g t o t h e v a r io usn o is ea n d in t er f e r e n c ein f o r ma t io n t h a t ma ye x is t in t h e o b t a in e d w a t er so ur c ef l uo r esc en c espe c t r um t h espec t r a l d a t a w er epr e t r ea t e d bySG No r ma l ize Ga pseg men t d er iv a t io n Det r en d a n d MSC.Se c o n d l y PCA w a s us e d t o r e d uc e t h e d ime n s io n o f f l uo r e s c e n c e s pe c t r a l d a t a d ue t o a l a r g e a mo un t o f d a t a .As a c o mpa r iso n o f t h es ix pr et r ea t men t met h o d s in c l ud in g t h eo r ig in a l spec t r um t h en umbe r o f pr in c ipa l c o mpo n en t sw a st a k en by 3 , a n d t h e r es ul t s sh o w ed t h a t t h e c umul a t iv e c o n t r ibut io n o f SG pr e t r ea t men t is t h e l a r g est , w h ic h w a s 97. 26 . Th e sec o n d w a s t h e o r ig in a l spec t r um , w h ic h w a s 92. 38. Th e c umul a t iv e c o n t r ibut io n o f No r ma l ize a n d Det r en d w er e n o t muc h d if f er en t , w h ic h w er e 88. 04 a n d 87. 59 , MSC w a s 66. 41 , a n d Ga pseg men t w a s t h e w o r s t w it h 22. 65. Fin a l l y , t h e l in ea r mo d el o f LDA a n d n o n l in ea r mo d el o f RBF-SVM w er e used t o id en t if ied a n d c o mpa r ed w it h t h e d a t a o f r ed uc ed d imen sio n by PCA. Usin g LDA f o r mo d el in g , SG-PCA-LDA h a d t h e h ig h est a c c ur a c y r a t e , w h ic h r ea c h ed 98. 86. Ac c o r d in g t o t h e LDA mo d el est a bl ish ed , t h e v er if ic a t io n set d a t a w er e id en t if ied , a n d t h e a c c ur a c y r a t e o f SG-PCA-LDA w a s st il l t h e h ig h est w it h 100. Usin g RBF-SVM f o r mo d el in g , Or ig in a l -PCA-RBF-SVM , SG-PCA-RBF-SVM , a n d No r ma l ize-PCA-RBF-SVM h a d t h e h ig h est a c c ur a c y r a t e , bo t h o f w h ic h w a s 97. 14. Ba sed o n t h e RBF-SVM mo d el est a bl ish ed , v er if ic a t io n set d a t a w er e id en t if ied , a n d t h e a c c ur a c y r a t e o f Or ig in a l -PCA-RBF-SVM a n d SG-PCA-RBF-SVM w a s st il l t h e h ig h est , w h ic h is 97. 14. Tt c a n be f o un d t h a t t h e a c c ur a c yr a t eo f t h eLDAv er if ic a t io n s et w a simpr o v ed w h ic h c o mpa r ed w it h t h emo d el in g se t a n d t h ea c c ur a c yr a t eo f t h e RBF-SVM v er if ic a t io n set w a s sl ig h t l y l o w er t h a n t h e mo d el in g set , w h ic h sh o w ed t h a t LDA mo d el h a d bet t er g en er a l iza t io n a bil iDya n d h ig h er a c c ur a c yr a Def o r f l uo r esc en c espe c Dr a l d a Da o f Dh isc o a l min e w a Der .Th e r e sul Dssh o w ed Dh a DDh eSG-PCA-LDA mo d el c o mbin ed w it h l a s er in d uc ed f l uo r e sc e n c et ec h n o l o g yisa beter met h o d f o r l o c a l c o a l min ew a t er s o ur c e id en t if ic a t io n a n d it v er if ied t h epo ss ibil it yo f id en t if ic a t io n f o r g o a f w a t er sa n d st o n e w a t er a n d mix ed w a t er w h ic h c a n beex t en d ed t o id e n t if y o t h er mix ed w a t er so ur c eso f c o a l min e s. Keywords La ser in d uc ed f l uo r esc en c e t ec h n o l o g y; Wa t er so ur c e id en t if ic a t io n； Co a l min e a q uif er； LDA; RBF-SVM Rec eiv ed No v . 30 , 2019 ； a c c ept ed Feb. 20 , 2020