基于多元矩阵模型的童亭煤矿突水水源识别
基于水化学特征的聚类法判别矿井突水水源
基于水化学特征的聚类法判别矿井突水水源 王炳强白喜庆吴振岭 （中国煤炭地质总局水文地质局，河北邯郸056004） 摘要：以新阳煤矿为例，通过对不同含水层水样进行取样化验，研究各含水层特征离子组成，应用聚类分析方法判断井下涌（突）水层位及补给水源。该方法简单易学，并且投资少，效果好，为矿井防治水工作提供了一条可行的技术思路，值得推广与应用。 关键词：新阳矿水化学特征聚类法 Prediction of Mine Water Inrush Sources Based on Cluster Analysisof Hydrogeo chemical Features Wang Bingqiang Bai Xiqing Wu Zhenling (Hydrogeological Exploration Bureau,CNACC,Handan,Hebei 056004) Abstract: In Xinyang coal mine as an example, through to different aquifer water sampling tests, the characteristics of the aquifer in ion of various composition and clustering analysis method to determine underground Chung bursting water layer and water supply. This method is easy to learn and has little investment, good effect, and it can provide a feasible technology for mine water prevention and control, it is worth to be popularized and applied. Key words:Xinyang Coal mine;Water chemical characteristics;Clustering method 1引言 我国煤田地质条件十分复杂，煤矿水害已成为影响我国煤矿安全生产的关键问题之一［1］。矿井突水水源的判定是煤矿水害防治工作的首要任务，及时、准确的查明突水水源是解决和进一步预防突水水害的前提。以前，采有水化学方法，对矿井不同含水层水化学特征进行舒卡列夫分类判定突水水源［2］，此种方法宏观性差，且费时费力。本方以研究各含水层特征离子组成为基础，应用聚类分析方法，利用SPSS统计软件中的聚类分析模块进行统计计算，判断井下涌（突）水层位及补给水源。该方法简单易学，并且投资少，效果好，为矿井防治水工作提供了一条可行的技术思路，值得推广与应用。 2主要充水水源及其对采煤的影响山西新阳煤矿位于吕梁地区孝义市城西14km的新阳镇，区内地层自下而上为：寒武系、奥陶系；石炭系、二叠系；第三系、第四系。井田主要含水层自上而下可分为：松散岩类孔隙含水岩组；二叠系碎屑岩类裂隙含水岩组；石炭系碎屑岩夹碳酸盐岩类裂隙岩溶含水岩 作者简介：王炳强(1979—)，男，河北永年县人，工程师，2005年毕业于石家庄经济学院(原 河北地质学院)，主要从事煤田地质、水文 地质、环境地质工作。组；奥陶系岩溶裂隙含水岩组。目前上组煤2#煤已基本开采完毕，主采下组煤（9#+10+#11#），开采下组煤主要受上覆石炭系碎屑岩夹碳酸盐岩类裂隙岩溶水与下伏间接奥陶系峰峰组岩溶裂隙水、奥陶系上马家沟组岩溶裂隙水的影响［3］。 2.1第四系、新近系松散岩类孔隙水对采煤的影响 第四系、新近系松散岩类孔隙水含水层主要由3－4层卵砾石层组成，厚度 5.65～10.45m。单位涌水量0.0003～0.0592L/s.m，富水性弱，第四系河谷冲积层区富水性中等～强。即河谷冲积层区对开采上组煤有一定影响，其它地方影响不大。 2.2石炭系碎屑岩夹碳酸盐岩类裂隙岩溶水对采煤的影响 碎屑岩夹碳酸盐岩类岩溶裂隙含水层主要为石炭系太原组中—粗粒砂岩及其所夹K4—K2生物碎屑灰岩组成，其中所夹灰岩厚度10.10～16.84m，一般岩溶裂隙发育程度弱—中等，单位涌水量0.0136～0.0835L/s.m，富水性弱，局部断裂构造部位岩溶裂隙发育，富水性强。由于此含水层总体补、蓄条件差，以静储量为主，易于疏干，对采煤煤影响较小。 2.3奥陶系岩溶裂隙水对采煤的影响 井田西南部奥陶系峰峰组含水层单位涌
结构方程模型及其应用
結 構方程程模型型及其應 新增資 應用 資料
目錄 內容 頁數 引言 2 I. 第9.1版的改動 3 - 4 II. 章節內的新增資料 第一章 5 第三章 6 – 8 第十二章 9 – 10 第十四章 11 – 17 III. 附录內的新增資料 19 1
引言 自2005，為方便普通話及廣東話的學生，修習香港中文大學我所任教的結構方程課程，我製做了一個含有2種方言的網上課程，其後我亦將整個課程放在個人網頁(https://www.wendangku.net/doc/ef13935287.html,)免費讓公眾使用。 網上課程更精簡地解釋重點，尤其是對本書最艱深的部份（第三、四章），幫助最大。學員先看綱上課程，再參考書本內容，必感事半功倍。 主要参考文獻： du Toit, S., du Toit, M., Mels, G., & Cheng, Y. (n.d.). LISREL for Windows: SIMPLIS syntax files. Lincolnwood, IL: Scientific Software International, Inc. (available https://www.wendangku.net/doc/ef13935287.html,/lisrel/techdocs/SIMPLISSyntax.pdf) J?reskog, K.G. & S?rbom, D. (1999). LISREL 8: User’s Reference Guide. Lincolnwood, IL: Scientific Software International, Inc. J?reskog, K.G. & S?rbom, D. (1999). Structural Equation Modeling with the SIMPLIS Command Language. Lincolnwood, IL: Scientific Software International, Inc. Scientific Software International (SSI) (2012). LISREL 9.1 Release Notes. Lincolnwood, IL: The Author. (available from https://www.wendangku.net/doc/ef13935287.html,/lisrel/LISREL_9.1_Release_Notes.pdf) 2
结构方程模型的应用及分析策略
结构方程模型的应用及分析策略 侯杰泰成子娟 (香港中文大学教育学院东北师范大学教育学院，130024) 摘要:差不多所有心理、教育、社会等概念，均难以直接准确测量，结构方程(SEM，Structural Equation Modelling)提供一个处理测量误差的方法，采用多个指标去反映潜在变量，也令估计整个模型因子间关系，较传统回归方法更为准确合理。本文主要用一系列有关学习动机的虚拟例子，指出每个问题的主要分析策略，以展示SEM在教育及心理学可以应用的研究范畴。文内探讨的方法包括：验证性因素、高阶因子、路径及因果分析、多时段(multiwave)设计、单形模型(Simple Model)、及多组比较等。 关键词结构方程验证性因素分析路径及因果分析高阶因子多组比较 结构方程(SEM,Structural Equation Modelling)、协方差结构模型(Covariance Structure Modelling、LISREL)等类似名词已渐流行，并成为一种十分重要的数据分析技巧；在大学高等学位研究课程，它是多变量分析(multivariate analysis)的重要课题；比较重要的社会、教育、心理期刊，也早已特开专栏介绍(如：候，1994；Connell & Tanaka,1987;Joreskog & Sorbom,1982)；可见SEM在统计学中所建立的声望及崇高地位是无容置疑的。本文主要用一系列有关学习动机的虚拟例子，来指出每个问题的主要分析策略，以展示结构方程模型在教育及心理学可以应用的研究范畴。 一、结构方程：优点及拟合概念 1.数学模式 很多社会、心理等变项，均不能准确地及直接地量度，这包括智力、社会阶层、学习动机等，我们只好退而求其次，用一些外项指标(observable indicators)，去反映这些潜伏变项。例如：我们以学生父母教育程度、父母职业及其收入(共六个变项)，作为学生家庭社经地位(潜伏变项)的指标，我们又以学生中、英、数三科成绩(外显变项)，作为学业成就(潜伏变项)的指标。 简单来说SEM可分测量(measurement)及潜伏变项(latent variable)两部分。测量部分就是求出六个社经指标与社经地位(或三科成绩与学业成就)(即外显指标与潜伏变项之间)的关系：而潜伏变项部分则指社经地位与学业成就(即潜伏变项与潜伏变项间)的关系。 指标(外显变项)含有随机(或系统)性的量度上误差，但潜伏变项则不含这些部份。SEM可用以下矩阵方程表示(Bollen,1989;Joreskog & Sorbom,1993)： η=βη+Γξ+ζ
水质特征模型在下组煤首采面突水水源判别中的应用
水质特征模型在下组煤首采面突水水源 判别中的应用 宋淑光1，孟辉1，张牧1，奚修军1，朱术云2 （1．淄博矿业集团有限责任公司岱庄煤矿，山东济宁272175；2．中国矿业大学资源与地球科学学院，江苏徐州221116） 摘要：通过对淄博矿业集团公司岱庄煤矿影响下组煤开采的3个主要含水层以前所做的大量 水质化学成分化验结果的资料整理，建立了该矿下组煤主要充水水源的水质特征模型。根据最 近突水点水质特征指标与已建立的水质特征模型进行综合对比，准确及时地确定了突水水源。 关键词：地下水；水质特征模型；水源判别；对比分析；煤矿 中图分类号：TD745文献标志码：B文章编号：1003－496X（2012）06－0122－03 The Application of Water Feature Model for Water－bursting Source Judgment at the First Mining Face of Under－group Coal Seams SONG Shu－guang1，MENG Hui1，ZHANG Mu1，XI Xiu－jun1，ZHU Shu－yun2（1．Daizhuang Coal Mine，Zibo Mining Group Co．，Ltd，Jining272175，China；2．School of Resource and Earth Science， China University Mining and Technology Xuzhou221116，China） Abstract：Through processing the large number of water quality chemical composition test results of three main aquifers，which affect the under－group coal mining at Daizhuang coal mine of Zibo mining group，the water feature model of mainly water filling resource in the under－group coal seam is established．According to the comprehensive comparison between the water feature indexes of a recent water bursting point and the established water feature model，the source of bursting water is determined timely and accurately． Key words：groundwater；water feature model；water source judgment；comparative analysis；coal mine 在下组煤采掘生产实践中，常会遇到某工作面或掘进头突水问题，首先要考虑的是突水水源问题，判别井下突水水源的方法很多［1－3］，其中根据突水水质的化学成分进行判别仍是目前矿井突水中重要的方法［4－5］。地下水化学成分的形成主要有溶滤及溶解作用、阳离子交替吸附作用、浓缩作用、混和作用、脱碳酸作用和生物化学作用，通常地下水化学成分是很复杂的，但对于给定区域含水层的地下水，其水化学性质指标的变化仍将具有自身的基本特征。故只要把握不同含水层水质的基本属性，就可以根据水化学特征分析水文地质条件，根据水质特征模型判别不同含水层之间的水力联系，从而可区分矿井突水水源。结合淄博矿业集团岱庄煤矿下组煤首采工作面胶带顺槽突水的水质化学特征和已有相关资料进行研究。 1水文地质概况 根据水文地质补勘资料［6］，岱庄煤矿属全隐蔽型煤田，首采区主要可采煤层为16#、17#煤层。采区内对16#、17#煤层开采影响的主要含水层为十下灰、 十三灰和奥灰3个主要的充水含水层。 1）十 下 灰含水层。十下灰含水层平均厚5．32 m，岩溶裂隙发育不均。据2009年8月25日十 下 灰地面观测孔平均水位标高－64．637m，q=0．00157 0．1857L/（s·m），K=0．3551 5．1686m/d，属补给条件较好、中等富水的含水层。该含水层是16#煤层的直接顶板，为该煤层开采的直接充水含水层。 2）十三灰含水层。十三灰厚度1．75 9．30m，平均4．03m，局部有泥岩夹层，钻孔漏水孔率极低，且漏水钻孔分布很分散，表明薄层灰岩富水空间不发育，富水性较弱。2008年1月25日1160采区内 L 13 －4观测孔观测水位标高为+16．130m左右（最近3年最高水位），十三灰至奥灰间距为18．85 27．85m，一般23．4m，但部分地段存在一定的水力联系。 3）奥灰含水层。采区内绝大多数钻孔揭露奥灰厚度50m左右，主要揭露奥灰六段，奥灰最大揭 ·221 ·（第43卷第6期）应用·实践
《结构方程模型及其应用》
《结构方程模型及其应用》 内容简介 侯杰泰，香港中文大学教育心理系教授、系主任。主要研究方向为学习动机，应用统计和香港语文政策。曾多次在北京、上海、南京、长春、广州等地举办的地区或全国性结构方程分析研习班上讲学。 在社会、心理、教育、经济、管理、市场等研究的数据分析中，当今称得上前沿的几个统计方法中，应用最广、研究最多的恐怕非结构方程分析莫属。它包含了方差分析、回归分析、路径分析和因子分析，弥补了传统回归分析和因子分析的不足，可以分析多因多果的联系、潜变量的关系，还可以处理多水平数据和纵向数据，是非常重要的多元数据分析工具。 本书是国内第一本系统介绍结构方程模型和LISREL的著作。阐述了结构方程分析（包括验证性因子分析）的基本概念、统计原理、在社会科学研究中的应用、常用模型及其LISREL程序、输出结果的解释和模型评价。《结构方程模型及其应用》还讨论了一些与结构方程模型有关的专题，是一本由初级至中上程度的结构方程分析著作，可作为有关专业高年级本科生和研究生的教科书及应用工作者的参考书。 目录 序 第一部分结构方程模型入门 第一章引言
一、描述数据 二、具体例子展示准确与简洁的考虑 三、探索性与验证性因子分析比较 第二章结构方程模型简介 一、结构方程模型的重要性 二、结构方程模型的结构 三、结构方程模型的优点 四、结构方程模型包含的统计方法 五、路径图的图标规则 六、结构方程分析软件包 七、LISIREL操作入门 第二部分结构方程模型应用 第三章应用示范I：验证性因子分析和全模型 一、验证性因子分析 二、多质多法模型 三、全模型 四、高阶因子分析 第四章应用示范II：单纯形和多组模型 一、单纯形模型 二、多组验证性因子分析 三、多组分析：均值结构模型 四、回归模型
矿井突水水源判别方法概述
矿井突水水源判别方法概述 收稿日期:2010-03-05;修订日期:2010-08-02 基金项目：国家重点基础研究发展计划（“973”计划）（2007CB209401）资助;中国矿业大学青年科研基金项目（2007A025）资助。作者简介:李燕（1984-），女，黑龙江逊克人，中国矿业大学水文学与水资源专业硕士研究生，主要从事矿井水害防治技术、水文地质工程地质、水资源评价等方面的研究。E-mail ：liyanxw@https://www.wendangku.net/doc/ef13935287.html, 。 李 燕，徐志敏，刘勇 (中国矿业大学资源与地球科学学院，江苏徐州221116) 摘要:矿井突水灾害造成巨大的经济损失和人员伤亡，严重阻碍着我国煤炭行业的发展。一旦发生突水，及时准确地查明突水水源是解决和进一步预防突水灾害的前提，因此选择合适的判别方法是快速高效判别突水水源的关键，本文对近些年来判别矿井突水水源的各种方法进行探讨，概述各种方法的原理、应用现状及其适用条件，为保障矿井安全生产的防治水工作提供决策依据。关键词:突水水源；判别方法；水化学；防治水中图分类号:TD74文献标识码:A 文章编号:1008-8725（2010）11-0087-03 Summary on Methods of Distinguishing Sources of Mine Water-invasion LI Yan,XU Zhi-min,LIU Yong （School of Resources and Earth Science ，China University of Mining &Technology ，Xuzhou 221116,China ） Abstract:Mine water bursting causes serious economic loss and casualties ，preventing the development of coal industry to a great extent.Once water bursted,timely and accurately discriminating the sources of mine water bursting is the precondition of solving and preventing water inrush disaster,so,how to select the appropriate method is the key to fast and high efficient discriminating the sources of water -invasion.This paper sketches the principle,application status and applicable conditions for various methods of identifying sources of water-rush,which can provide the decision to adopt effective method for the prevention of the water inrush and the safety production of coal mine. Key words:source of mine water bursting;method of discrimination;hydrochemistry;water control 0前言 矿井突水是煤矿生产过程最具威胁的灾害之一，人员伤 亡大，经济损失列于煤矿三大事故的榜首。一旦矿井发生突水,如何及时准确地判断突水成因,查找突水水源,是解决和进一步预防突水灾害的关键问题[1]。 判别矿井突水水源，要充分考虑矿区的水文地质条件和构造条件，结合相应的水位、水温、水化学资料予以综合分析判断。其中，水化学数据是地下水最本质的特征,用水质资料判别水源具有快速、准确、经济的特点。依据水化学数据判别矿井突水水源的方法，从以往的简单水质类型对比分析、特征组分判别、同位素分析法等，逐渐发展到今天的多元统计学方法（聚类分析、判别分析）和非线性分析方法（灰色系统理论、模糊数学、人工神经网络、GIS 、M M H 支持向量机法、可拓识别法等）多种方法相互补充验证，水源判别方法理论日趋成熟。本文主要对上述方法做适当的分析和简述。 1水位、水温判别法 在水文地质条件简单的地区，水位和水温可以作为初步 判断突水水源的依据。目前的用于判别矿井突水水源的 “QLT ”法即为水质、水位和水温的简称。 受低温梯度的影响，不同含水层的水温会有一定的差距，因此，可以依据突水点的水温与突水危险的含水层水温对比，来初步预测矿井突水水源。袁文华[2]等人在任楼煤矿突水水源判别中采用了此方法，结果表明依靠含水层水温来判别矿井突水水源的方法是可行的。 当矿井发生突水时，相应含水层的水量变化必然导致水位发生变化，如河南某矿综采工作面突然发生突水事故，根据水位监测资料发现煤层下伏四灰水位急剧下降，下部奥灰含水层水位保持不变，因此可初步判断此次突水水源是四灰含水层，且奥灰含水层没有补给四灰含水层。说明两者没有发生水力联系。 2简易水化学分析 2.1突水水源特点 矿井突水水源按其来源可以分为大气降水、地表水体、地下水体和老空水。大气降水一般为矿化度较小、硬度较低的软水。地表水一般均带泥沙悬浮物而有浑浊度。此外，大气 第29卷第11期2010年11期 煤 炭技术 Coal Technology Vol.29,No.11November,2010
1什么是结构方程模型
1什么是结构方程模型？ 结构方程模型是应用线性方程表示观测变量与潜变量之间，以及潜在变量之间关系的一种多元统计方法，其实质是一种广义的一般线性模型。 ?結構方程模式(Structural Equation Models，簡稱SEM)，早期稱為線性結構方程模式(Linear Structural Relationships，簡稱LISREL)或稱為共變數結構分析(Covariance Structure Analysis)。 ?主要目的在於考驗潛在變項(Latent variables)與外顯變項(Manifest variable, 又稱觀察變項)之關係，此種關係猶如古典測驗理論中真分數(true score)與實得分數(observed score)之關係。它結合了因素分析(factor analysis)與路徑分析(path analysis)，包涵測量與結構模式。 ? 1.1介绍潜在变量与观察变量的概念 ?（1）很多社会、心理研究中所涉及到的变量，都不能准确、直接地测量，这种变量称为潜变量，如工作自主权、工作满意度等。 ?（2）这时，只能退而求其次，用一些外显指标，去间接测量这些潜变量。如用工作方式选择、工作目标调整作为工作自主权（潜变量）的指标，以目前工作满意度、工作兴趣、工作乐趣、工作厌恶程度（外显指标）作为工作满意度的指标。 ?（3）传统的统计分析方法不能妥善处理这些潜变量，而结构方程模型则能同时处理潜变量及其指标。 （4）书上第7页 观测变量：能够观测到的变量(路径图中以长方形表示) 潜在变量：难以直接观测到的抽象概念，由测量变量推估出来的变量（路 径图中以椭圆形表示） 内生变量：模型总会受到任何一个其他变量影响的变量（因变量；路径图 会受到任何一个其他变量以单箭头指涉的变量 外生变量：模型中不受任何其他变量影响但影响其他变量的变量（自变量； 路径图中会指向任何一个其他变量，但不受任何变量以单箭头指涉的变量） 中介变量：当内生变量同时做因变量和自变量时，表示该变量不仅被其他 变量影响，还可能对其他变量产生影响。 内生潜在变量：潜变量作为内生变量 外生观测变量：外生潜在变量的观测变量 外生潜在变量：潜变量作为外生变量 外生观测变量：外生潜在变量的观测变量 中介潜变量：潜变量作为中介变量 中介观测变量：中介潜在变量的观测变量 1.2介绍测量模型与结构模型的概念（书上第9页）
结构方程模型 方法与应用 王济川
第一章绪论 1.1 模型表述 1.1.1 测量模型 1.1.2 结构模型 1.1.3 模型表达方程 1.2 模型识别 1.3 模型估计 1.4 模型评估 1.5 模型修正 附录1.1 将总体方差／协方差表达为模型参数的函数附录1.2 结构方程模型的最大似然函数 第二章验证性因子分析模型 2.1 验证性因子分析模型基础知识 2.2 连续观察标识的验证性因子分析模型 2.3 非正态与删截连续观察标识的验证性因子分析模型2. 3.1 非正态性检验 2.3.2 非正态数据的验证性因子分析模型 2.3.3 删截标识的验证性生因子分析模型 2.4 分类观察标识的验证性因子分析模型 2.5 高阶验证性因子分析模型 附录2.1 BSI-18量表 附录2.2 条目可靠度 附录2.3 Cronbacha系数 附录2.4 分类结局测量的连接函数和概率计算 第三章结构方程模型 3.1 MIMIC模型 3.2 结构方程模型 3.3 单标识变量中测量误差的校正 3.4 检验涉及潜变量的交互作用
附录3.1 测量误差的影响 第四章潜发展模型 4.1 线性潜发展模型 4.2 非线性潜发展模型 4.3 多结局测量发展过程的线性潜发展模型 4.4 两部式潜发展模型 4.5 分类结局测量的潜发展模型 第五章多组模型 5.1 多组验证性因子分析模型 5.1.1 多组一阶验证性因子分析模型 5.1.2 多组二阶验证性因子分析模型 5.2 多组结构方程模型 5.3 多组潜发展模型 第六章结构方程建模的样本量估计 6.1 结构方程模型样本量估计的经验法则 6.2 satorra-Saris法估计样本量 6.2.1 应用satorra-Saris法估计CFA模型的样本量 6.2.2 应用satorra-Saris法估计LGM模型的样本量 6.3 蒙特卡罗模拟法估计样本量 6.3.1 蒙特卡罗模拟法估计CFA模型的样本量 6.3.2 蒙特卡罗模拟法估计LGM模型的样本量 6.3.3 蒙特卡罗模拟法估计具有协变量的LGM模型样本量 6.3.4 蒙特卡罗模拟法估计具有协变量和缺失值的LGM模型样本量6.4 基于模型拟合统计量／指标的SEM样本量估计 参考文献