【正文】 坑區(qū)逐步積水成為“地下水庫(kù)”。這就是煤礦開(kāi)采涌水量經(jīng)歷增大、平衡、衰減、到非常小，逐步恢復(fù)到一般變化的過(guò)程。需要指出的是上述四個(gè)階段是在正常條件下的全部過(guò)程和共性，如構(gòu)造破壞或地表水、巖溶水發(fā)生聯(lián)系，則可能發(fā)生局部、暫時(shí)的突變，涌水量就增大[1]。（4） 大氣降水及地表水對(duì)涌水量的影響涌水量與降水量有明顯的對(duì)應(yīng)關(guān)系，一般規(guī)律是：礦井開(kāi)采初期降水量增大，涌水量也增加。在年變化內(nèi)有這種特征，即每年雨季9月降水量大，礦井涌水量也增加，在淺部這種關(guān)系更為明顯。但到開(kāi)采中期，這種關(guān)系就不明顯了，即降水增加，涌水量增加很少或不增加[2]。（5） 開(kāi)采面積對(duì)涌水量的影響煤礦開(kāi)采面積逐年增加，這是由礦井設(shè)計(jì)生產(chǎn)人為因素決定的。在初期礦井開(kāi)采面積與涌水量有相互增長(zhǎng)的規(guī)律，當(dāng)開(kāi)采達(dá)到一定深度后，無(wú)論開(kāi)采面積是否增加，涌水量將基本保持不變，部分礦井還隨著開(kāi)采深度的增加，向相反的方向發(fā)展。這是因?yàn)榈V井涌水量主要受水文地質(zhì)條件等決定。即使有人為因素的干擾，也不能改變上述幾個(gè)階段的基本規(guī)律[3]。（6） 開(kāi)采沉陷對(duì)涌水量的影響開(kāi)采沉陷與涌水量有密切關(guān)系，一般是開(kāi)采煤層越厚，貫通含水層越多，礦井涌水量就增大，其增加大小，主要決定于開(kāi)采深度和巖層含水性。一般在淺部比教明顯，淺部開(kāi)采沉陷后，裂隙導(dǎo)水帶直接影響到地面，既可使地表水、降水直接入滲地下，又可使淺部風(fēng)化帶含水層水流速度增加，快速滲入井下，因而礦井涌水量增加[4]。（7） 煤炭開(kāi)采量對(duì)涌水量的影響開(kāi)采量與涌水量一般具有較好的相關(guān)性，在一定水文條件、地質(zhì)條件、氣象條件下涌水量隨著開(kāi)采量的增加而增加。開(kāi)采初期開(kāi)采量與涌水量一般具有較好的正相關(guān)性，雖然開(kāi)采初期隨著含水層頂板不斷被打開(kāi)，涌水量會(huì)發(fā)生跳躍式增長(zhǎng)，但在較長(zhǎng)的時(shí)間段內(nèi)開(kāi)采量與涌水量仍然表現(xiàn)出較好的正相關(guān)性。而隨著含水層全部被打開(kāi)，不會(huì)再有新的涌水量突變，同時(shí)已打開(kāi)含水層的涌水不斷被疏干，開(kāi)采量的增加與涌水量呈現(xiàn)負(fù)相關(guān)性，即開(kāi)采量增加涌水量下降。當(dāng)煤礦開(kāi)采處于末期時(shí)，礦井水文地質(zhì)變化不明顯，開(kāi)采量也進(jìn)入較穩(wěn)定的時(shí)期，礦井涌水量相對(duì)比較平穩(wěn)[5]。由于沒(méi)有準(zhǔn)確的現(xiàn)實(shí)數(shù)據(jù)，模擬了煤礦涌水量的數(shù)據(jù)樣式，由于沒(méi)有影響因素的數(shù)據(jù)，所以只建立了基于時(shí)間序列的涌水量預(yù)測(cè)模型，供比較。具體實(shí)驗(yàn)過(guò)程如下：（1）數(shù)據(jù)的選取與分析為了更有對(duì)比性、說(shuō)明性。通過(guò)模擬仿真煤礦涌水量的數(shù)據(jù)384個(gè)，假設(shè)存在煤礦2007—2010年的涌水量數(shù)據(jù)，如圖11所示。選用小波分解式從某煤礦過(guò)去密集的數(shù)據(jù)曲線中來(lái)觀測(cè)涌水量變換趨勢(shì)。小波分解式為： (1)其中，為尺度函數(shù)；為小波函數(shù)；為尺度系數(shù)；為細(xì)節(jié)系數(shù)。用公式(1)分析選取的384個(gè)數(shù)據(jù)，如圖12所示，明顯很符合煤礦的涌水量真實(shí)情況。圖11 20072010年涌水量數(shù)據(jù)統(tǒng)計(jì)圖圖12 2007年2010年時(shí)間序列（2） 預(yù)測(cè)模型仿真分析運(yùn)行環(huán)境為：全部程序都是在Matlab2009ra的環(huán)境下仿真的。（） 灰色預(yù)測(cè)模型灰色理論認(rèn)為一切數(shù)據(jù)都有規(guī)律。筆者選擇GM(1,1)對(duì)樣本數(shù)據(jù)進(jìn)行累加得到數(shù)據(jù)如下：，使數(shù)據(jù)呈現(xiàn)一定的規(guī)律性，然后擬合數(shù)據(jù)建立白化方程，得到的解為： (1)其中：為序列的估計(jì)值，再對(duì)做一次累減得到的預(yù)測(cè)值，即 做兩組實(shí)驗(yàn)進(jìn)行預(yù)測(cè)計(jì)算：(1) 數(shù)據(jù)中的前7個(gè)數(shù)據(jù)點(diǎn)做為原始數(shù)據(jù)，預(yù)測(cè)第8個(gè)數(shù)據(jù)點(diǎn)，仿真結(jié)果如圖21。圖21 2010年涌水量預(yù)測(cè)結(jié)果相對(duì)誤差均方差為：（）灰色BP網(wǎng)絡(luò)預(yù)測(cè)模型灰色BP網(wǎng)絡(luò)預(yù)測(cè)模型是基于GM預(yù)測(cè)少數(shù)據(jù)的優(yōu)點(diǎn)和神經(jīng)網(wǎng)絡(luò)魯棒性好的特點(diǎn)而建立起來(lái)的混合模型，其結(jié)合方式主要有并聯(lián)型、串聯(lián)型、嵌入型、融合型，筆者選用效果相對(duì)好些的GNNM(1,1)融合型進(jìn)行計(jì)算。網(wǎng)絡(luò)結(jié)構(gòu)為1161。主要公式： (2)其中，為輸入?yún)?shù)，為系統(tǒng)輸出參數(shù)，為微分方程系數(shù)。具體計(jì)算的詳細(xì)過(guò)程可參見(jiàn)文獻(xiàn)[3]。由于權(quán)值、閾值隨機(jī)初始化，筆者連續(xù)仿真50次，得到的預(yù)測(cè)結(jié)果如圖22所示。圖22 2010年涌水量預(yù)測(cè)結(jié)果相對(duì)誤差（）小波BP網(wǎng)絡(luò)預(yù)測(cè)模型小波BP網(wǎng)絡(luò)預(yù)測(cè)模型，是取小波對(duì)時(shí)間的敏感性，與BP網(wǎng)絡(luò)的非線性辨識(shí)性結(jié)合在在一起，使小波神經(jīng)網(wǎng)絡(luò)具有對(duì)時(shí)變環(huán)境的自適應(yīng)學(xué)習(xí)能力和非線性建模能力而建立起來(lái)的一種組合模型[5]。筆者選取母小波基函數(shù)構(gòu)成隱含層結(jié)點(diǎn)，網(wǎng)絡(luò)結(jié)構(gòu)設(shè)為461。其中：輸入層有4個(gè)節(jié)點(diǎn)，表示預(yù)測(cè)時(shí)間節(jié)點(diǎn)前4個(gè)時(shí)間點(diǎn)涌水量數(shù)據(jù)；隱含層有6個(gè)節(jié)點(diǎn)；輸出層有1個(gè)節(jié)點(diǎn)，為網(wǎng)絡(luò)預(yù)測(cè)的預(yù)測(cè)輸出。網(wǎng)絡(luò)權(quán)值和小波基函數(shù)在參數(shù)初始化時(shí)隨機(jī)得到。主要公式為： (8)其中：式中，為隱含層到輸出層權(quán)值， 為輸入信號(hào)序列為；為輸入層和隱含層的連接權(quán)值；為小波基函數(shù)的平移因子；為小波基函數(shù)的伸縮因子；為小波基函數(shù)，本案例采用母小波波基函數(shù)，構(gòu)成了隱含層節(jié)點(diǎn)。為小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出。由于網(wǎng)絡(luò)權(quán)值和小波基函數(shù)在參數(shù)初始化時(shí)隨機(jī)得到，所以每次預(yù)測(cè)的結(jié)果值會(huì)有差異，筆者連續(xù)預(yù)測(cè)50次，結(jié)果如下圖23所示。圖23 50次仿真結(jié)果分析（3）討論由圖21，圖21，圖23中，可以看出，在45月份，由于原始數(shù)據(jù)規(guī)律性不強(qiáng)，所以無(wú)論是灰色、還是BP網(wǎng)絡(luò)、GNNM(1,1)、小波神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)結(jié)果相對(duì)于其它月份的準(zhǔn)確率都要低一些。可見(jiàn)數(shù)據(jù)的選取在做預(yù)測(cè)算法時(shí)至關(guān)重要。在實(shí)際應(yīng)用中，為了預(yù)測(cè)結(jié)果的準(zhǔn)確度，數(shù)據(jù)去噪、缺失值處理是很重要的一環(huán)。（4）結(jié)論（1）灰色預(yù)測(cè)算法：數(shù)據(jù)量少，預(yù)測(cè)結(jié)果精確度不高（2）灰色神經(jīng)網(wǎng)絡(luò)：數(shù)據(jù)量不大，時(shí)間不長(zhǎng)，精確度較高，結(jié)果比小波神經(jīng)網(wǎng)絡(luò)穩(wěn)定（3） 小波神經(jīng)網(wǎng)絡(luò)：數(shù)據(jù)量大，時(shí)間長(zhǎng)，精確度較高，穩(wěn)定性比灰色神經(jīng)網(wǎng)絡(luò)差所以，在實(shí)際應(yīng)用中應(yīng)根據(jù)數(shù)據(jù)庫(kù)中的實(shí)際數(shù)據(jù)量、時(shí)間要求，選擇合適的模塊進(jìn)行預(yù)測(cè)分析。5 剖面圖的實(shí)現(xiàn)222226 礦井水位（淹沒(méi)）實(shí)現(xiàn)33