RF-CARS結合LIF光譜用于礦井涌水的預測評估

卞 凱， 周孟然， 胡 鋒， 來文豪， 閆鵬程， 宋紅萍， 戴榮英， 胡天羽

安徽理工大學電氣與信息工程學院， 安徽 淮南 232001

引 言

涌水災害已成為煤礦五大災害中影響礦井安全作業的第二大災害[1]。 礦井涌水不僅需要現場早期預警， 還需要準確判斷涌水水源的類型[2]， 這有利于及時掌握涌水水害信息并采取必要的治理手段， 降低災害所帶來的傷亡事故率與重大經濟損失。 煤礦井下涌水水源識別和研究的方法主要有離子濃度法、 同位素分析法、 微量元素法等[3]， 這些方法雖然取得了一定的識別效果， 但存在分析時間長、 判別準確性不高、 操作過程復雜等特點[4]， 難以根據其動態變化迅速提供可靠的信息， 限制了礦井涌水的實時在線分析， 達不到預警效果。

為了解決現有涌水水源識別方法的不足， 激光誘導熒光(laser-induced fluorescence, LIF)被用于礦井水害研究領域， 并結合機器學習和深度學習方法實現了礦井涌水水源類型的快速且準確識別， 取得了良好的鑒別效果； 如何晨陽[5]等采取主成分分析法將小波變換去噪的突水水樣熒光光譜數據進行降維處理， 利用K最近鄰算法進行水樣的識別， 達到了極高的分類準確率。 Hu[6]等利用激光誘導熒光技術結合深度學習方法， 提出了一維卷積神經網絡方法用于自動識別九種礦井突水水樣， 在不進行復雜的預處理情況下實現了突水水樣的快速、 精準識別。 然而目前這些利用激光誘導熒光對礦井涌水進行識別的機器學習和深……