煤矿地下水库的选址方法、装置和计算机可读存储介质与流程

1.本技术涉及煤矿地下水库建设领域，具体而言，涉及一种煤矿地下水库的选址方法、装置、计算机可读存储介质和煤矿地下水库的选址系统。


背景技术：

2.在西北干旱和半干旱地区，水资源严重短缺，西北地区的水资源仅占全国水资源总量的3.9％，而采煤会破坏土壤的含水层结构，导致地下水相采空区渗透，因此，需要保护煤矿开采过程中的地下水资源。为此，目前的技术中提出了地下水库储存和利用矿井水的方法，以往研究表明，地下水库建设的影响因素众多，因此，为了进一步开展煤矿区域的地下水库建设工作，对于煤矿地下水库选址工作意义重大。然而目前的技术中，对于煤矿地下水库选址的研究较少，煤矿地下水库选址的准确率较低。


技术实现要素：

3.本技术的主要目的在于提供一种煤矿地下水库的选址方法、装置、计算机可读存储介质和煤矿地下水库的选址系统，以解决现有技术中煤矿地下水库选址的准确率较低的问题。
4.根据本发明实施例的一个方面，提供了一种煤矿地下水库的选址方法，包括：获取目标数据库中存储的多个目标区域的多个指标数据，所述指标数据是指与地下水库建设相关的数据，所述目标区域是指用于构建所述地下水库的区域；确定每一个所述指标数据的权重值，所述权重值是指所述指标数据对能否在所述目标区域中构建所述地下水库的结果的影响程度；根据所述权重值和所述指标数据得到综合得分，其中，一个所述目标区域对应一个所述综合得分；提取多个所述综合得分中的最大值作为目标综合得分，确定所述目标综合得分对应的所述目标区域为构建所述地下水库的区域。
5.可选地，确定每一个所述指标数据的权重值，包括：获取任意两个所述指标数据中一个所述指标数据对另一个所述指标数据的重要程度信息，所述重要程度信息是指一个所述指标数据对另一个所述指标数据的重要性；根据所述重要程度信息，构建目标矩阵，所述目标矩阵表示为：
[0006][0007]
其中，c
ij
(i＝1,2,...,n,j＝1,2,...,n)表示ci对cj的所述重要程度信息，ci表示任意两个所述指标数据中的一个所述指标数据，cj表示任意两个所述指标数据中的另一个所述指标数据；根据所述目标矩阵，确定所述权重值。
[0008]
可选地，根据所述目标矩阵，确定所述权重值，包括：获取所述目标矩阵的每行中多个所述重要程度信息的乘积，得到多个第一计算结果；获取多个所述第一计算结果的方
根，得到多个第二计算结果；对多个所述第二计算结果进行归一化处理，得到多个第三计算结果；对多个所述第三计算结果进行求和，得到第四计算结果；获取所述目标矩阵中各行的所述第三计算结果与所述第四计算结果的商，得到各行对应的所述指标数据的所述权重值。
[0009]
可选地，在获取所述目标矩阵中各行的所述第三计算结果与所述第四计算结果的商，得到各行对应的所述指标数据的所述权重值之后，所述方法还包括：获取多个所述第二计算结果中的最大特征根；根据所述最大特征根，获取所述目标矩阵的一致性指标，所述一致性指标是指确定所述目标矩阵的所述权重值是否合理的第一参量，所述最大特征根越大，所述一致性指标越大；获取所述目标矩阵的平均随机一致性指标，所述平均随机一致性指标是指确定所述目标矩阵的所述权重值是否合理的第二参量，所述第一参量和所述第二参量不是相同的参量，所述目标矩阵的维数越大，所述平均随机一致性指标越大；将所述一致性指标和所述平均随机一致性指标的比值，确定为所述目标矩阵的一致性比率；根据所述一致性比率，对所述权重值进行校验。
[0010]
可选地，根据所述权重值和所述指标数据得到综合得分，包括：获取每个所述指标数据的模糊得分，所述模糊得分是指预先定义的对所述指标数据的模糊评价得分；获取每个所述指标数据的所述模糊得分与对应的所述权重值的乘积，得到所述综合得分。
[0011]
可选地，根据所述权重值和所述指标数据得到综合得分，包括：获取第n个所述指标数据的所述权重值与第n-1个所述指标数据的所述权重值的差值，得到所述第n个所述指标数据的次序权重值；根据所述次序权重值、所述权重值和所述指标数据构建关系式，采用所述关系式得到所述综合得分。
[0012]
可选地，采用所述关系式得到所述综合得分，包括：采用所述关系式：
[0013][0014]
其中，d表示所述综合得分，n表示所述指标数据的个数，uj表示所述权重值，vj表示所述次序权重值，z
ij
表示所述指标数据。
[0015]
根据本发明实施例的另一方面，还提供了一种煤矿地下水库的选址装置，包括：第一获取单元，用于获取目标数据库中存储的多个目标区域的多个指标数据，所述指标数据是指与地下水库建设相关的数据，所述目标区域是指用于构建所述地下水库的区域；第一确定单元，用于确定每一个所述指标数据的权重值，所述权重值是指所述指标数据对能否在所述目标区域中构建所述地下水库的结果的影响程度；处理单元，用于根据所述权重值和所述指标数据得到综合得分，其中，一个所述目标区域对应一个所述综合得分；选址单元，用于提取多个所述综合得分中的最大值，作为目标综合得分，确定所述目标综合得分对应的所述目标区域为构建所述地下水库的区域。
[0016]
根据本发明实施例的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
[0017]
根据本发明实施例的再一方面，还提供了一种煤矿地下水库的选址系统，包括：一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行
任意一种所述的方法。
[0018]
在本发明实施例中，首先获取目标数据库中存储的多个目标区域的多个指标数据，之后确定每一个指标数据的权重值，之后根据权重值和指标数据得到综合得分，最后提取多个综合得分中的最大值作为目标综合得分，确定目标综合得分对应的目标区域为构建地下水库的区域。该方案中，提出一种新的煤矿地下水库的选址方式，可以对用于选址的各个指标数据计算权重值，再根据权重值和指标数据的综合得分来进行选址，综合得分最高的目标区域是最适合用于构建地下水库的区域，本方案确定的地下水库的区域较为准确，选址过程保证了煤矿地下水库的选址更加科学有效，进而提高了煤矿地下水库选址的准确率。
附图说明
[0019]
构成本技术的一部分的说明书附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0020]
图1示出了根据本技术的实施例的一种煤矿地下水库的选址方法的流程示意图；
[0021]
图2示出了煤矿地下水库选址的指标数据体系的示意图；
[0022]
图3示出了根据本技术的实施例的一种煤矿地下水库的选址装置的结构示意图。
具体实施方式
[0023]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
[0024]
为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
[0025]
需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0026]
应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
[0027]
目前保护煤矿开采过程中的地下水资源是西北地区面临的一个大问题，例如在20世纪90年代后期，鄂尔多斯盆地的侏罗系煤田采用了超大型工作面、全煤层开采等现代化采煤技术。传统的水资源保护性开采技术以“堵截”为主，无法实现规模开采，不适用于鄂尔多斯盆地侏罗系矿区。为此，各个矿区开展了一系列科技创新项目研究和工程实践，提出了
利用地下水库储存和利用矿井水的方法，并在多个矿区实现了成功应用。
[0028]
以往研究表明，地下水库建设的影响因素众多，包括煤层厚度(采高)、煤层间距、安全距离、埋深、底板隔水性、矿井涌水量、煤岩层性质等，其中煤岩层性质包括岩体的力学性质和渗透性等。岩体的力学性质对于地下水库安全设计十分重要，尤其是反映岩体力学行为的岩体变形性和破坏性。为了研究以上力学行为，一些学者提出了各种指标参数，包括岩石质量指标(rqd)、无侧限抗压强度(ucs)、层理/节理向心轴倾斜、节理粗糙度系数(jrc)和节理充填厚度等。另外，围岩的变形和破坏不仅改变了采场围岩节理分布，还改变了岩体的渗透性及地下水的流动状态，因此煤层开采中顶底板岩层渗透性动态变化规律对于地下水库建设也有重要影响。综上上述，由于影响因素众多，为了在矿区进一步开展地下水库建设工作，如何合理的确定指标数据，建立综合选址方法，对于煤矿地下水库选址工作意义重大。
[0029]
采用模糊评价方法进行煤矿地下水库选址的研究还相对较少，采用模糊综合评价法对关闭矿井是否适合作为城镇供水库进行了检测，指标数据主要是水质、水量、水库存储能力，供水管网等。模糊评价方法在垃圾填埋场选址中的研究成果丰富，每种方法都有各自的优点、缺点和适用性，均可能改变最终结果，针对煤矿地下水库选址的情况，就是对一系列选址进行排序从而确定最适合的位置。
[0030]
由于煤矿地下水库选址影响因素众多，如何对比一系列不同的参数，确定和权衡各种因素，从而做出最终方案是需要解决的关键问题。为了使该过程更加准确和方便，可采用多标准决策(mcdm，multiple criteria decision analysis)技术。多标准决策方法是目前应用最多的选址方法，其特点是可进行多个因素的评判、排队和选优；对一个项目进行研究时，每个影响因子都以主判这个项目的准则对待，并对因子的数值要进行一系列的信息加工和提取，给各因子的重要性赋以权重；将项目得分表看做是一个决策目标矩阵，然后采用十多种决策判别方法组织信息，组合成一个分析机理性强的动态分析系统，进而借助于现代化的计算机技术快速完成信息加工；还可组织决策会议，快速反应决策参与人的意见，利于形成一致性观点。常用的mcdm评价方法包括加权线性组合(wlc)、有序加权平均(owa)、层次分析法(ahp)、模糊todim、分析网络法(anp)、和灰色系统理论等。
[0031]
正如背景技术中所说的，现有技术中煤矿地下水库选址的准确率较低，为了解决上述问题，本技术的一种典型的实施方式中，提供了一种煤矿地下水库的选址方法、装置、计算机可读存储介质和煤矿地下水库的选址系统。
[0032]
根据本技术的实施例，提供了一种煤矿地下水库的选址方法。
[0033]
图1是根据本技术实施例的煤矿地下水库的选址方法的流程图。如图1所示，该方法包括以下步骤：
[0034]
步骤s101，获取目标数据库中存储的多个目标区域的多个指标数据，上述指标数据是指与地下水库建设相关的数据，上述目标区域是指用于构建上述地下水库的区域；
[0035]
具体地，可以采用地理信息系统(geographic information system或geo－information system，简称gis)对煤矿地下水库的指标数据进行管理，可以通过gis展示最终的选址结果以及构建地下水库的区域的位置。目标数据库中存储了基础数据，基础数据为煤矿地下水库所处的矿区中各煤矿生产工作面以及采空区的分布数据和采煤工艺数据，这些基础数据作为指标数据，以图层的方式表示，并采用布尔算法进行聚合。
[0036]
影响煤矿地下水库建设的因素包括：一是目标区域的底层的稳定性，是否存在复杂构造，周边区域地震活动性等，根据构造分布可以选取构造较少的区域，根据底层可以选取地层标高较低的区域。二是煤矿地下水库建设所需要的具备的最基本的条件，包括足够大的地下水储水空间、充足的补给水源和水质保障。三是煤矿地下水库坝体稳定构建的可行性，包括保安煤柱和水淹层的结构强度，尤其是水体浸泡后的物理力学强度(在水源冲入区域后区域的墙壁的抗压能力)；另外是地下空间及地形条件等是否利于建设人工坝体。四是经济合理性，包括建设煤矿地下水库的工程费用、水库防渗费用、水库建成后的取水费用等。
[0037]
将各影响煤矿地下水库建设的因素概括四类一级指标数据，如图2所示，包括工程地质指标数据、水文地质指标数据、技术指标数据和经济指标指标数据。工程地质指标数据包括构造分布、地震活动、地层标高；水文地质指标数据包括储水空间、地下水水位、地下水水质、补给水源；技术指标数据包括煤柱坝体的稳定性、人工坝体改造难度；经济指标数据包括工程费用、取水费用、周围配套设施建设费用。以上一级和二级指标的数据均为矢量数据，可在gis中转化为不同的图层。
[0038]
步骤s102，确定每一个上述指标数据的权重值，上述权重值是指上述指标数据对能否在上述目标区域中构建上述地下水库的结果的影响程度；
[0039]
具体地，可以采用层次分析法确定各指标数据的权重值，包括构建目标矩阵，计算各指标数据的权重值以及确定目标矩阵的一致性。
[0040]
为进一步准确地确定指标数据的权重值，以更为准确地得到综合得分，本技术的一种实施例中，确定每一个上述指标数据的权重值，包括：获取任意两个上述指标数据中一个上述指标数据对另一个上述指标数据的重要程度信息，上述重要程度信息是指一个上述指标数据对另一个上述指标数据的重要性；根据上述重要程度信息，构建目标矩阵，上述目标矩阵表示为：
[0041][0042]
其中，c
ij
(i＝1,2,...,n,j＝1,2,...,n)表示ci对cj的上述重要程度信息，ci表示任意两个上述指标数据中的一个上述指标数据，cj表示任意两个上述指标数据中的另一个上述指标数据；根据上述目标矩阵，确定上述权重值。
[0043]
具体地，重要程度可以为表1所示：
[0044]
表1：重要程度信息表：
[0045][0046]
其中，第n等级的重要性小于第n-1等级的重要性。
[0047]
为了根据目标矩阵进一步准确地确定指标数据的权重值，进而保证得到的权重值
的准确率较高，本技术的一种具体的实施例中，根据上述目标矩阵，确定上述权重值，包括：获取上述目标矩阵的每行中多个上述重要程度信息的乘积，得到多个第一计算结果；获取多个上述第一计算结果的方根，得到多个第二计算结果；对多个上述第二计算结果进行归一化处理，得到多个第三计算结果；对多个上述第三计算结果进行求和，得到第四计算结果；获取上述目标矩阵中各行的上述第三计算结果与上述第四计算结果的商，得到各行对应的上述指标数据的上述权重值。
[0048]
具体地，计算第一计算结果的公式为：
[0049][0050]
其中，(i＝1,2,...,n)，mi表示第一计算结果，计算第二计算结果的公式为：其中，(i＝1,2,...,n)，表示第二计算结果，计算第三计算结果的公式为：
[0051][0052]
将向量
[0053][0054]
进行归一化处理，得到矩阵w＝[w1,w1...wn]
t
即为计算得到的权重值；其中，
[0055][0056]
表示第四计算结果，(i＝1,2,...,n)。
[0057]
在得到了目标矩阵后，还可以对目标矩阵进行一致检验，以保证目标矩阵较为准确，进而可以根据目标矩阵更为准确地确定权重值，本技术的又一种实施例中，在获取上述目标矩阵中各行的上述第三计算结果与上述第四计算结果的商，得到各行对应的上述指标数据的上述权重值之后，上述方法还包括：获取多个上述第二计算结果中的最大特征根；根据上述最大特征根，获取上述目标矩阵的一致性指标，上述一致性指标是指确定上述目标矩阵的上述权重值是否合理的第一参量，上述最大特征根越大，上述一致性指标越大；获取上述目标矩阵的平均随机一致性指标，上述平均随机一致性指标是指确定上述目标矩阵的上述权重值是否合理的第二参量，上述第一参量和上述第二参量不是相同的参量，上述目标矩阵的维数越大，上述平均随机一致性指标越大；将上述一致性指标和上述平均随机一致性指标的比值，确定为上述目标矩阵的一致性比率；根据上述一致性比率，对上述权重值进行校验。
[0058]
具体地，计算最大特征根的公式为：
[0059][0060]
其中，λ
max
表示最大特征根，(bw)i为向量bw的第i个向量。计算一致性指标的公式为：
[0061][0062]
ci表示一致性指标，计算一致性比率的公式为：
[0063]
[0064]
cr表示一致性比率，ri表示平均随机一致性指标。在一致性比率小于比率阈值的情况下，确定权重值校验通过，在一致性比率大于或者等于比率阈值的情况下，确定权重值校验不通过，比率阈值可以为0.1。
[0065]
步骤s103，根据上述权重值和上述指标数据得到综合得分，其中，一个上述目标区域对应一个上述综合得分；
[0066]
具体地，可以采用wlc法根据技术指标数据和经济指标数据得到综合得分，可以采用owa法根据工程地质指标数据和水文地址指标数据得到综合得分，这样做的目的是owa法一般考虑的是空间属性，线性的方式更好一些，可以采用传感器直接获取得到，而技术指标数据和经济指标数据需要拿传感器采集后再通过算法计算得到，并不可以直接采用传感器获取得到，并且采用owa法可以避免多个指标数据间的差异而产生的综合评价误差。
[0067]
对于根据技术指标数据和经济指标数据得到综合得分的方式，本技术的一种具体的实施例中，根据上述权重值和上述指标数据得到综合得分，包括：获取每个上述指标数据的模糊得分，上述模糊得分是指预先定义的对上述指标数据的模糊评价得分(可通过专家打分法或专家预测方法确定)；获取每个上述指标数据的上述模糊得分与对应的上述权重值的乘积，得到上述综合得分。该实施例中，对于技术指标数据和经济指标数据，可以根据模糊得分和权重值精确地计算得到综合得分。
[0068]
具体地，计算综合得分的公式为：
[0069][0070]
其中，d表示综合得分，qi表示模糊得分，wi表示权重值，这样可以将各个准则及其权重值进行线性组合而得到技术指标数据的图层和经济指标数据的图层。
[0071]
对于根据工程地质指标数据和水文地质指标数据得到综合得分的方式，本技术的另一种具体的实施例中，根据上述权重值和上述指标数据得到综合得分，包括：获取第n个上述指标数据的上述权重值与第n-1个上述指标数据的上述权重值的差值，得到上述第n个上述指标数据的次序权重值；根据上述次序权重值、上述权重值和上述指标数据构建关系式，采用上述关系式得到上述综合得分。该实施例中，对于工程地质指标数据和水文地质指标数据，可以根据次序权重值、权重值和指标数据构建关系式，进而精确地计算得到综合得分。
[0072]
为了更为精确地得到综合得分，本技术的又一种实施例中，采用上述关系式得到上述综合得分，包括：采用上述关系式：
[0073][0074]
其中，d表示上述综合得分，n表示上述指标数据的个数，uj表示上述权重值，vj表示上述次序权重值，z
ij
表示上述指标数据。
[0075]
具体地，次序权重值根据动态赋权方法得到，在空间分析中，每一个地理位置的次序权重值是根据该地理位置的指标数据的大小进行排序后，结合风险程度进行补偿而得到，风险程度的大小由算子系数α体现。
[0076]
上述的中，
[0077]
具体地，次序权重值的计算公式为：
[0078][0079]
α表示算子系数，取决于决策风险水平的大小，决策风险是指决策者对待各指标的风险态度，由决策者通过认定风险可接受的程度确定算子系数α值的大小。wk表示次序为k的指标数据的权重值，根据指标数据的大小确定指标数据的重要等级，
[0080][0081]rk
是指标数据的次序，n表示上述指标数据的个数，l表示随机数，根据指标数据的大小对重要想进行取值，最大为1，次大为2，依次类推。这样可以根据次序权重值调节权重值和指标数据的差异来降低综合得分的影响，通过调节算子系数来进行风险的选择。
[0082]
步骤s104，提取多个上述综合得分中的最大值作为目标综合得分，确定上述目标综合得分对应的上述目标区域为构建上述地下水库的区域。
[0083]
上述的方法中，首先获取目标数据库中存储的多个目标区域的多个指标数据，之后确定每一个指标数据的权重值，之后根据权重值和指标数据得到综合得分，最后提取多个综合得分中的最大值作为目标综合得分，确定目标综合得分对应的目标区域为构建地下水库的区域。该方案中，提出一种新的煤矿地下水库的选址方式，可以对用于选址的各个指标数据计算权重值，再根据权重值和指标数据的综合得分来进行选址，综合得分最高的目标区域是最适合用于构建地下水库的区域，本方案确定的地下水库的区域较为准确，选址过程保证了煤矿地下水库的选址更加科学有效，进而提高了煤矿地下水库选址的准确率。
[0084]
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0085]
本技术实施例还提供了一种煤矿地下水库的选址装置，需要说明的是，本技术实施例的煤矿地下水库的选址装置可以用于执行本技术实施例所提供的用于煤矿地下水库的选址方法。以下对本技术实施例提供的煤矿地下水库的选址装置进行介绍。
[0086]
图3是根据本技术实施例的煤矿地下水库的选址装置的示意图。如图3所示，该装置包括：
[0087]
第一获取单元10，用于获取目标数据库中存储的多个目标区域的多个指标数据，上述指标数据是指与地下水库建设相关的数据，上述目标区域是指用于构建上述地下水库的区域；
[0088]
第一确定单元20，用于确定每一个上述指标数据的权重值，上述权重值是指上述指标数据对能否在上述目标区域中构建上述地下水库的结果的影响程度；
[0089]
为进一步准确地确定指标数据的权重值，以更为准确地得到综合得分，本技术的一种实施例中，第一确定单元包括第一获取模块、构建模块和确定模块，第一获取模块用于获取任意两个上述指标数据中一个上述指标数据对另一个上述指标数据的重要程度信息，
上述重要程度信息是指一个上述指标数据对另一个上述指标数据的重要性；构建模块用于根据上述重要程度信息，构建目标矩阵，上述目标矩阵表示为：
[0090][0091]
其中，c
ij
(i＝1,2,...,n,j＝1,2,...,n)表示ci对cj的上述重要程度信息，ci表示任意两个上述指标数据中的一个上述指标数据，cj表示任意两个上述指标数据中的另一个上述指标数据；确定模块用于根据上述目标矩阵，确定上述权重值。
[0092]
为了根据目标矩阵进一步准确地确定指标数据的权重值，进而保证得到的权重值的准确率较高，本技术的一种具体的实施例中，确定模块包括第一获取子模块、第二获取子模块、第一处理子模块、第二处理子模块和第三处理子模块，第一获取子模块用于获取上述目标矩阵的每行中多个上述重要程度信息的乘积，得到多个第一计算结果；第二获取子模块用于获取多个上述第一计算结果的方根，得到多个第二计算结果；第一处理子模块用于对多个上述第二计算结果进行归一化处理，得到多个第三计算结果；第二处理子模块用于对多个上述第三计算结果进行求和，得到第四计算结果；第三处理子模块用于获取上述目标矩阵中各行的上述第三计算结果与上述第四计算结果的商，得到各行对应的上述指标数据的上述权重值。
[0093]
在得到了目标矩阵后，还可以对目标矩阵进行一致检验，以保证目标矩阵较为准确，进而可以根据目标矩阵更为准确地确定权重值，本技术的又一种实施例中，上述装置还包括第二获取单元、第三获取单元、第四获取单元、第二确定单元和校验单元，第二获取单元用于在获取上述目标矩阵中各行的上述第三计算结果与上述第四计算结果的商，得到各行对应的上述指标数据的上述权重值之后，获取多个上述第二计算结果中的最大特征根；第三获取单元用于根据上述最大特征根，获取上述目标矩阵的一致性指标，上述一致性指标是指确定上述目标矩阵的上述权重值是否合理的第一参量，上述最大特征根越大，上述一致性指标越大；第四获取单元用于获取上述目标矩阵的平均随机一致性指标，上述平均随机一致性指标是指确定上述目标矩阵的上述权重值是否合理的第二参量，上述第一参量和上述第二参量不是相同的参量，上述目标矩阵的维数越大，上述平均随机一致性指标越大；第二确定单元用于将上述一致性指标和上述平均随机一致性指标的比值，确定为上述目标矩阵的一致性比率；校验单元用于根据上述一致性比率，对上述权重值进行校验。
[0094]
处理单元30，用于根据上述权重值和上述指标数据得到综合得分，其中，一个上述目标区域对应一个上述综合得分；
[0095]
对于根据技术指标数据和经济指标数据得到综合得分的方式，本技术的一种具体的实施例中，处理单元包括第二获取模块和第一处理模块，第二获取模块用于获取每个上述指标数据的模糊得分，上述模糊得分是指预先定义的对上述指标数据的模糊评价得分(可通过专家打分法或专家预测方法确定)；第一处理模块用于获取每个上述指标数据的上述模糊得分与对应的上述权重值的乘积，得到上述综合得分。该实施例中，对于技术指标数据和经济指标数据，可以根据模糊得分和权重值精确地计算得到综合得分。
[0096]
对于根据工程地质指标数据和水文地质指标数据得到综合得分的方式，本技术的
另一种具体的实施例中，处理单元包括第三获取模块和第二处理模块，第三获取模块用于获取第n个上述指标数据的上述权重值与第n-1个上述指标数据的上述权重值的差值，得到上述第n个上述指标数据的次序权重值；第二处理模块用于根据上述次序权重值、上述权重值和上述指标数据构建关系式，采用上述关系式得到上述综合得分。该实施例中，对于工程地质指标数据和水文地质指标数据，可以根据次序权重值、权重值和指标数据构建关系式，进而精确地计算得到综合得分。
[0097]
为了更为精确地得到综合得分，本技术的又一种实施例中，第二处理模块包括第四处理子模块，第四处理子模块用于采用上述关系式：
[0098][0099]
其中，d表示上述综合得分，n表示上述指标数据的个数，uj表示上述权重值，vj表示上述次序权重值，z
ij
表示上述指标数据。
[0100]
选址单元40，用于提取多个上述综合得分中的最大值作为目标综合得分，确定上述目标综合得分对应的上述目标区域为构建上述地下水库的区域。
[0101]
上述的装置中，第一获取单元获取目标数据库中存储的多个目标区域的多个指标数据，第一确定单元确定每一个指标数据的权重值，处理单元根据权重值和指标数据得到综合得分，选址单元提取多个综合得分中的最大值作为目标综合得分，确定目标综合得分对应的目标区域为构建地下水库的区域。该方案中，提出一种新的煤矿地下水库的选址方式，可以对用于选址的各个指标数据计算权重值，再根据权重值和指标数据的综合得分来进行选址，综合得分最高的目标区域是最适合用于构建地下水库的区域，本方案确定的地下水库的区域较为准确，选址过程保证了煤矿地下水库的选址更加科学有效，进而提高了煤矿地下水库选址的准确率。
[0102]
上述煤矿地下水库的选址装置包括处理器和存储器，上述第一获取单元、第一确定单元、处理单元和选址单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
[0103]
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高煤矿地下水库选址的准确率。
[0104]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
[0105]
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述煤矿地下水库的选址方法。
[0106]
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述煤矿地下水库的选址方法。
[0107]
本技术还提供了一种煤矿地下水库的选址系统，包括一个或多个处理器，存储器以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置为由上述一个或多个处理器执行，上述一个或多个程序包括用于执行任意一种上述的方法。
[0108]
上述的系统中，由于包括任一种上述的方法，该方法中首先获取目标数据库中存
储的多个目标区域的多个指标数据，之后确定每一个指标数据的权重值，之后根据权重值和指标数据得到综合得分，最后提取多个综合得分中的最大值作为目标综合得分，确定目标综合得分对应的目标区域为构建地下水库的区域。该方案中，提出一种新的煤矿地下水库的选址方式，可以对用于选址的各个指标数据计算权重值，再根据权重值和指标数据的综合得分来进行选址，综合得分最高的目标区域是最适合用于构建地下水库的区域，本方案确定的地下水库的区域较为准确，选址过程保证了煤矿地下水库的选址更加科学有效，进而提高了煤矿地下水库选址的准确率。
[0109]
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
[0110]
步骤s101，获取目标数据库中存储的多个目标区域的多个指标数据，上述指标数据是指与地下水库建设相关的数据，上述目标区域是指用于构建上述地下水库的区域；
[0111]
步骤s102，确定每一个上述指标数据的权重值，上述权重值是指上述指标数据对能否在上述目标区域中构建上述地下水库的结果的影响程度；
[0112]
步骤s103，根据上述权重值和上述指标数据得到综合得分，其中，一个上述目标区域对应一个上述综合得分；
[0113]
步骤s104，提取多个上述综合得分中的最大值作为目标综合得分，确定上述目标综合得分对应的上述目标区域为构建上述地下水库的区域。
[0114]
本文中的设备可以是服务器、pc、pad、手机等。
[0115]
本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
[0116]
步骤s101，获取目标数据库中存储的多个目标区域的多个指标数据，上述指标数据是指与地下水库建设相关的数据，上述目标区域是指用于构建上述地下水库的区域；
[0117]
步骤s102，确定每一个上述指标数据的权重值，上述权重值是指上述指标数据对能否在上述目标区域中构建上述地下水库的结果的影响程度；
[0118]
步骤s103，根据上述权重值和上述指标数据得到综合得分，其中，一个上述目标区域对应一个上述综合得分；
[0119]
步骤s104，提取多个上述综合得分中的最大值作为目标综合得分，确定上述目标综合得分对应的上述目标区域为构建上述地下水库的区域。
[0120]
为了本领域技术人员能够更加清楚地了解本技术的技术方案，以下将结合具体的实施例来说明本技术的技术方案和技术效果。
[0121]
实施例
[0122]
本实施例涉及一种煤矿地下水库的选址方法，该方法包括：
[0123]
步骤1：煤矿的采空区可用于建设地下水库，因此生产工作面和采空的布尔属性值分别设置为1和0；离大巷较近的房柱式采空区和旺采采空区不适合建设地下水库，综合采面采空区可用于建设地下水库，因此将综合采面采空区布尔属性值设置为1，其余采空区布尔属性值设置为0。以上基础数据图层采用布尔算法聚合。布尔算法的公式为：
[0124][0125]
s为评价值(1,0)，xi为每个图层的属性值。通过基础数据(等于指标数据)的处理直接筛选出可用于后续确定煤矿地下水库建设的区域。
[0126]
步骤2：获取各指标的原始数据，包括通过历史资料的收集、水文地质勘探、矿井涌水分析、矿井地下空间勘察、岩体岩石力学分析、矿井水化学特征分析、煤样受矿井水浸泡后的物理力学强度测试、建设费用分析等，得到构造分布、地震活动、地层标高；储水空间、地下水水位、地下水水质、补给水源；煤柱坝体的稳定性、隔水层稳定性、人工坝体改造难度；工程费用、取水费用、周围配套设施建设费用等的原始属性值。以上二级指标的数据均为矢量数据，可在gis中转化为不同的图层。
[0127]
步骤3：根据步骤1确定的煤矿地下水库选址指标，构建库址层次结构模型，包括目标层和准则层。目标层为煤矿地下水库选址；准则层分为两层，下层为步骤2的二级指标准则层，上层为一级指标准则层，包括工程地质指标数据、水文地质指标数据、技术指标数据和经济指标指标数据。
[0128]
步骤4：采用层次分析法逐渐构建目标矩阵及一致性检验：
[0129]
采用第一目标矩阵得到第一目标表格：
[0130]
表2：工程地质指标数据校验表格
[0131][0132]
第一目标表格对应各工程地质指标数据的权重值[0.4,0.4,0.2]，cr小于0.1，通过了一致性检验；
[0133]
采用第二目标矩阵得到第二目标表格：
[0134]
表3：水文地质指标数据校验表格
[0135][0136]
第二目标表格对应各水文地质指标数据的权重值[0.513,0.26,0.076,0.151]，cr小于0.1，通过了一致性检验；
[0137]
采用第三目标矩阵得到第三目标表格：
[0138]
表4：技术指标数据校验表格
[0139][0140]
第三目标表格对应各技术指标数据的权重值[0.491,0.312,0.197],cr小于0.1，通过了一致性检验；
[0141]
采用第四目标矩阵得到第四目标表格：
[0142]
表5：经济指标数据校验表格
[0143][0144]
第四目标表格对应各经济指标数据的权重值[0.3275,0.4126,0.2599],cr小于0.1，通过了一致性检验。
[0145]
步骤5.1：采用wlc法对技术指标数据和经济指标数据进行计算，分别得到技术指标数据和经济指标数据的综合得分，该得分即分别为技术指标数据和经济指标数据的图层属性，可在gis中得到以上两个一级指标图层。
[0146]
步骤5.2.采用owa法对工程地质指标数据和水文地质指标数据进行计算。首先进行风险的选择。取α给定，指标属性n＝3，其风险指标如表6所示：
[0147]
表6：风险决策比较表
[0148][0149]
用α＝9来计算次序权重值，n＝4时，v1＝0.438，v2＝0.284，v3＝0.187，v4＝0.091；n＝3时，v1＝0.536，v2＝0.314，v3＝0.152；
[0150]
采用owa法对工程地质指标数据和水文地质指标数据进行计算，分别得到工程地质指标数据和水文地质指标数据的综合得分，该得分即为工程地质指标数据和水文地质指标数据的图层属性，可在gis中得到以上两个一级指标图层。
[0151]
步骤6：根据wlc法对工程地质指标数据、水文地质指标数据、技术指标数据和经济指标数据及基础数据(采空区及采煤工艺分布)进行聚合分析，得到如下各单元的综合得分表，在gis中得到煤矿地下水库的位置适宜图，实现煤矿地下水库选址综合评价，综合得分表如表7所示，fid表示不同的目标区域的序号：
[0152]
表7：综合得分表：
[0153]
[0154]
[0155]
[0156]
[0157][0158]
将地址适应性按照综合得分分为四个等级，分别为第一等级、第二等级、第三等级和第四等级，第n等级的适宜程度大于第n+1等级的适宜程度，如表8所示：
[0159]
表8：划分表：
[0160]
适宜性级别第一等级第二等级第三等级第四等级综合得分数值0.75-0.850.55-0.750.40-0.550-0.40
[0161]
还可以将综合得分中最大的区域作为构建地下水库的选址区域。
[0162]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0163]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0164]
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0165]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0166]
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0167]
从以上的描述中，可以看出，本技术上述的实施例实现了如下技术效果：
[0168]
1)、本技术的煤矿地下水库的选址方法，首先获取目标数据库中存储的多个目标区域的多个指标数据，之后确定每一个指标数据的权重值，之后根据权重值和指标数据得到综合得分，最后提取多个综合得分中的最大值作为目标综合得分，确定目标综合得分对应的目标区域为构建地下水库的区域。该方案中，提出一种新的煤矿地下水库的选址方式，可以对用于选址的各个指标数据计算权重值，再根据权重值和指标数据的综合得分来进行选址，综合得分最高的目标区域是最适合用于构建地下水库的区域，本方案确定的地下水库的区域较为准确，选址过程保证了煤矿地下水库的选址更加科学有效，进而提高了煤矿地下水库选址的准确率。
[0169]
2)、本技术的煤矿地下水库的选址装置，第一获取单元获取目标数据库中存储的多个目标区域的多个指标数据，第一确定单元确定每一个指标数据的权重值，处理单元根据权重值和指标数据得到综合得分，选址单元提取多个综合得分中的最大值作为目标综合得分，确定目标综合得分对应的目标区域为构建地下水库的区域。该方案中，提出一种新的煤矿地下水库的选址方式，可以对用于选址的各个指标数据计算权重值，再根据权重值和指标数据的综合得分来进行选址，综合得分最高的目标区域是最适合用于构建地下水库的区域，本方案确定的地下水库的区域较为准确，选址过程保证了煤矿地下水库的选址更加科学有效，进而提高了煤矿地下水库选址的准确率。
[0170]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。