露天矿边坡稳定性智能评价研究现状、存在问题及对策.pdf

第 45 卷第 6 期煤 炭 学 报Vol. 45 No. 6 2020 年6 月JOURNAL OF CHINA COAL SOCIETYJun. 2020 移动阅读 杨天鸿,王赫,董鑫,等. 露天矿边坡稳定性智能评价研究现状、存在问题及对策[J]. 煤炭学报,2020,456 2277-2295. doi10. 13225/ j. cnki. jccs. ZN20. 0347 YANG Tianhong,WANG He,DONG Xin,et al. Current situation,problems and countermeasures of intelligent ua- tion of slope stability in open pit[J]. Journal of China Coal Society,2020,4562277-2295. doi10. 13225/ j. cnki. jccs. NZ20. 0347 露天矿边坡稳定性智能评价研究现状、存在 问题及对策 杨天鸿,王 赫,董 鑫,刘飞跃,张鹏海,邓文学 东北大学 资源与土木工程学院,辽宁 沈阳 110819 摘 要在收集整理国内外相关资料的基础上,从露天矿边坡稳定性智能感知手段、智能评价预测 方法、智能决策技术等方面总结了露天矿边坡稳定性智能评价研究现状,分析露天矿边坡工程的特 点,指出当前露天矿边坡稳定性智能评价研究存在的问题,提出“位移时间序列阈值、力学机理分 析、案例分析及专家系统诊断”三位一体的边坡稳定性智能评价的学术思路,认为露天矿边坡稳定 性智能评价研究发展趋势为首先,建立边坡灾害案例和多因素多模式智能识别数学模型,采用深 度学习和大数据分析方法进行案例类型聚类、要素识别和模式匹配;其次,通过力学机理计算评价, 识别隐患区确定滑坡隐患触发因素和条件;然后,基于案例模式匹配结果建立监测预警指标体系和 预警阈值,构建案例库知识库和专家系统并实现智能决策;最后以大孤山铁矿西北帮滑坡为例,基 于力学计算给出边坡安全系数变化规律,同时结合滑坡案例库的匹配结果,确定现场数据时序曲线 指标阈值位移累积量、位移速率,从而科学合理的给出预警警情判别结果,通过云平台实现数据 分析、现场模型可视化和预警发布及滑坡诊断。 该案例初步验证了三位一体边坡稳定性智能评价 学术思路,为实现露天矿边坡稳定性智能评价提供了有效手段。 关键词露天矿边坡;滑坡灾害;智能评价;大数据分析;智能决策 中图分类号TD824． 7 文献标志码A 文章编号0253-9993202006-2277-19 收稿日期2020-03-15 修回日期2020-04-15 责任编辑韩晋平 基金项目国家自然科学基金资助项目U1903216;国家重点研发计划资助项目2017YFC1503101,2016YFC0801607 作者简介杨天鸿1968,男,辽宁抚顺人,教授,博士生导师。 E-mail1810372 stu． neu． edu． cn Current situation,problems and countermeasures of intelligent uation of slope stability in open pit YANG Tianhong,WANG He,DONG Xin,LIU Feiyue,ZHANG Penghai,DENG Wenxue School of Resources landslide hazard;intelligent uation;big data analysis;intelligent decision-making 露天开采包括穿爆、铲装、运输、排土 4 个环节, 与井工开采相比不但劳动生产率t/ 人月提高 5 10 倍,同时节约成本 30 60,具有很大的工 效、成本优势[1]。 根据中国矿业年鉴的统计数据[2], 2015 年全国共有非油气矿山 83 648 座,其中非煤金 属矿山 10 100 座黑色金属矿 4 913 座,非金属矿 山 73 548 座 煤矿 9 686 座, 露天开采的矿山 中[3-4]铁矿占 77,有色金属矿占 52,化工占 70． 7,建材为 100,我国煤矿经过整合之后目前 有 6 800 座,其中露天开采占比会越来越高[5],截至 2017 年数据[6],我国共有露天煤矿约 420 座,占全国 煤矿数量的 6,产能达到 9． 5 亿 t,占全国煤矿总产 能的 18． 6,其中 400 万 t 及以上露天煤矿 42 处,千 万吨级露天煤矿 20 处。 一个大型露天矿边坡角加陡 1,可以节约剥离 成本1 亿元以上[7],但会带来滑坡灾害的风险。 根据 国家安全生产监督管理总局 2015 年对 125 座露天矿 山基本信息统计结果[8],300 m 以下边坡占 51, 300 m 以上 500 m 以下边坡占 35,500 m 以上边坡 占 14。 随着露天矿产资源的开采,高陡边坡数量 逐渐 增 加, 致 使 露 天 矿 安 全 事 故 的 发 生。 根 据 20012007 年统计数据 [9],金属非金属露天矿山边 坡滑坡坍塌事故 1 951 起,占事故起数的 15,居第 3 位,伤亡 3 065 人,占伤亡人数的 18． 75,居于首 位;死亡 3 人以上边坡滑坡坍塌事故 228 起,占事故 起数的 38． 3,居于首位,死亡 994 人,占死亡人数 的 33,居于首位。 2017 年全国非煤矿山较大事故 统计[10],边坡滑坡在矿山安全事故总数和死亡人数 方面,居矿山所有安全事故的第 3 位,占比 13． 5 和 9． 3以上。 所以,露天矿高大岩质边坡稳定性问题 是露天矿安全生产的核心问题,对于保证矿山安全生 产,提高经济效益,具有重要的理论与实际意义。 目前露天矿边坡安全设计、管理和灾害预警防控 存在的问题[9]① 以往边坡角的确定多用类比法岩 性,构造,采矿,大量的类比案例没有形成数据库和 深度分析归纳,缺乏智能化的分析理论,或者给矿山 的生产带来安全隐患,或者导致成本增加;② 边坡日 常管理过程中,“重采集,轻分析,重监测、轻预警”的 现象一直存在,没有建立数据分析方法和预警指标体 系,不能实现生产期间边坡监测信息和安全稳定状况 的及时反馈和评判,达不到保证安全生产的目的,监 测网起不到灾害防控的作用。 监测仅是手段,预警才 是目的。 多数企业未建立边坡管理机构和边坡事故 应急救援体系,未制定边坡管理制度[11];③ 缺乏边 坡变形时空演化感知、采掘动态过程多元异构数据的 协同分析方法通过坡表监测和坡体内部监测的协同 分析,才能确定滑坡体是否发生联动、同步变形和滑 面是否贯通,更重要的是分析采掘、爆破过程边坡加 固工程是否发挥作用,对后续优化加固方案至关重 要;④ 缺乏边坡稳定性动态过程和经济效益优化的 协同认知易浸水风化的边坡及早疏干封闭,利用岩 体自身强度,避免出现问题造成压矿、采剥失调,一 般边坡灾害发生后才进行事后的边坡维护,造成极大 的浪费。 综上所述,我国露天矿山安全形势依然严峻,矿 山安全风险和矿山效益是相互制约的,迫切需要智能 化方法实现矿山全生产流程“安全-效益”的动态优 化,矿山物联网技术、大数据技术和人工智能方法与 矿山实例相结合是解决这些问题的有效途径。 笔者 提出“位移时间序列阈值、力学机理分析、案例分析 及专家系统诊断”三位一体的边坡稳定性智能评价 的学术思路,指出采用云平台、人工智能方法、大数据 8722 第 6 期杨天鸿等露天矿边坡稳定性智能评价研究现状、存在问题及对策 分析结合边坡案例库分析是露天矿边坡稳定性智能 评价研究发展趋势。 1 露天矿安全智能评价的内容框架及发展现 状 智能化是矿山发展的趋势,矿山智能化的概念 是基于现代智慧理念,将物联网、云计算、大数据、 人工智能、自动控制、移动互联网、机器人化装备等 与现代矿山开发技术深度融合,形成矿山全面感 知、实时互联、分析决策、自主学习、动态预测、协同 控制的完整智能系统[12],实现矿山地质勘探储 量、品位、模型、矿山设计生产计划、资源调配、 安全保障人、机、环、管安全、高效生产采、掘、 机、运、通、水、电高效运行、经济运营产销指标、 任务分解和绿色环保综合利用、环境治理各环 节全过程智能化运行。 对于露天矿智能采矿技术,目前利用卫星定位导 航系统,指挥调度采矿各个环节穿孔、爆破、装载、 运输排土及设备运转技术已经比较成熟。 国外在 合理高效的开采工艺、智能化的凿岩设备、智能化自 动化的出矿及运输设备、先进的生产管控模式等方面 处于先进水平。 国外初步建立了信息化、智能化、自 动化露天矿智慧云生产管理决策平台,实现采、装、 运、卸生产过程的实时数据采集、判断、显示、控制与 管理,实时监控和优化调度卡车、电铲等设备运行,实 时对采矿生产的数据进行监测及控制。 国内金属矿 山的资源禀赋条件不好,生产规模大、开采条件好的 大型露天矿山成为推动矿山智能化的主力和示范,但 中小型矿山多,集约化开发程度低,技术、装备和管理 水平差距较大,尤其是露天矿安全生产保障环节的智 能化主体是边坡稳定性监测监控、分析预测和防控 决策的智能化技术还不成熟。 1． 1 露天矿边坡安全智能评价研究内容框架 冯夏庭教授最早从 20 世纪末 21 世纪初提出智 能岩石力学理论框架[13],系统建立了岩石力学智能 分析方法,推动了岩石力学的理论发展,尤其是 近 10 a 来随着物联网技术、云计算技术和人工智能 理论的飞速发展,加上矿山数字化、信息化水平的提 升,极大促进了矿山围岩稳定性及安全防控智能化水 平的发展。 对于露天矿边坡安全智能化技术,其内容 框架包括边坡稳定的“智能感知、智能分析预测和智 能决策调控”3 方面的要素图 1 1智能感知技术包括高性能智能传感、可靠传 输装置装备及数据传输存储显示技术,矿山安全生产 信息大数据感知描述方法,矿山特征的深度处理与安 全信息发布,解决矿山全息采集与可靠传输技术问 题,解决矿山物联网大数据高效接入、存储、计算与交 互难题。 图 1 露天矿安全生产智能评价流程[14] Fig． 1 Intelligent uation process of open pit safety production[14] 2智能分析预测方法包括矿山边坡安全判识 模型与分析方法,物理与虚拟矿山信息融合可视化技 术,矿山生产安全大数据解析方法及灾害预测预警技 术,形成面向矿山物联网应用服务的大数据智能分析 理论基础。 3智能决策调控技术包括构建矿山安全生产 全过程安全评价体系、安全应急救援体系、灾后恢复 重建体系,实施智能管控、灾害发布、预案编制、应急 方案,矿山物联网云交互技术与服务平台,包括安全 生产设备与系统协同管控平台、远程在线诊断综合服 务系统、安全态势分析及预测预警指标系统,构建 “云交互数据管道”的云平台架构,最终目标是创新 9722 煤 炭 学 报 2020 年第 45 卷 矿山安全生产管理与决策服务模式,实现“零伤亡”。 1． 2 露天矿边坡稳定智能监测方法和设备发展现状 岩质边坡智能感知技术装备包括各种滑坡现象 的监测仪器,包括坡表位移计、裂缝计、钻孔倾斜仪、 锚索测力计和水压监测仪等,其中红外遥感监测法、 激光微小位移监测[15]、合成孔径雷达干涉测量SAR interferometry,INSAR [16]、时间域反射测试光纤技 术TDR [17-18]、无人机摄影测量[19-20]、声发射微 震监测技术[21-23]等新技术得到广泛应用[24-31]。 随着科技水平的日益提高,测量系统逐渐走向集 成化RTK、网络 RTK、超站仪、一机多天线、自动 化以测量机器人为代表、智能化各种遥控、遥传、 遥测系统协同。 目前“天-空-地”多手段有机协同 监测坡表位移、应力监测、坡体内部微震监测是边 坡监测的发展趋势,使之成为边坡稳定性分析结果验 证的基础,必将对于边坡破坏机理认识、失稳预测及 其加固效果研究具有重要的指导作用。 1． 3 露天矿边坡滑坡智能分析预测方法研究现状 滑坡智能评价预测的过程是通过工程地质分 析[32]、极限平衡[33]、数值模拟[34]、可靠性分析[35-36] 等方法进行边坡稳定性评价计算,掌握边坡破坏机理 和规律;在边坡灾害隐患识别及稳定性分区的基础 上,结合监测数据分析对潜在失稳的边坡进行滑坡预 测预报乃至预警。 滑坡孕育过程分不同阶段,所以滑坡预报分中长 期预报0． 5 1 a 以上、短期预报3 6 个月和临 滑预报一般矿山要求提前量 2 h 但不能超过 24 48 h乃至预警,其中临滑预报和预警是滑坡预报的 难点。 目前常用的滑坡预测预报方法包括斋藤 法[37-38]为代表的统计归纳法、灰色系统理论[39-41]、 时序分析法[42-47]、基于神经网络[48 -51]、突变理论[52]、 协同理论[53]、重正化群理论[54]、混沌理论[45]等非线 性理论的预测方法[55]、系统理论方法[56-58]、多元信 息融合法[59]。 其中谢谟文、蔡美峰提出了“信息边坡 工程学”的概念[60],利用现代高精尖测量监测技术, 结合大数据、深度学习和智能理论方法进行边坡快速 实时信息获取及分析处理,是未来边坡智能评价预测 的发展趋势[61-62]。 1． 4 露天矿边坡安全防控智能决策方法研究现状 在岩土边坡工程中存在大量不确定因素,“数据 有限”和“变形破坏机理理解不清”是确定性分析方 法的瓶颈。 人工智能是自学习、非线性动态处理、演 化识别、分布式表达等非一对一的映射研究方法以及 多方法的综合集成研究模式,是建立边坡岩体真实特 征、实现边坡稳定性智能决策的新型分析理论和方 法。 目前边坡稳定性防控智能决策方法包括采用大 数据分析、神经网络、深度学习、知识图谱等方法,构 建灾害多因素多模式识别模型,实现岩体结构类型、 破坏模式智能识别、灾害智能诊断,专家系统推理发 布灾情,构建安全服务云平台,给出防控预案。 目前 广泛使用的边坡岩体智能决策方法有以下 8 种 1粗糙集理论。 粗糙集通过分析评判方法对 评价对象的支持度和重要性计算得到权重系数,此理 论可以将边坡稳定性影响因素敏感性分析问题转化 为粗糙集理论中的属性重要性评价问题而不需要任 何先验知识[63-64],但单纯的使用粗糙集理论不一定 能完全有效的描述不精确或不确定问题[65]。 2模糊逻辑理论。 该理论模拟人脑实施规则 型推理,解决因“排中律”的逻辑破缺产生的种种不 确定问题。 其善于表达界限不清晰的定性知识与经 验,在边坡领域中与粗糙集理论的有机结合可以大大 降低处理信息的维数,有效分析和发现不精确、不一 致、不完整的边坡实例信息与边坡稳定性影响因素集 之间的隐含知识与潜在规律,从而得到客观的边坡稳 定性评价[66-67]。 3支持向量机。 支持向量机回归算法SVR 为将原始数据 x 映射到高维特征空间得到 φx,求 解该空间中的线性回归问题。 在边坡安全系数的计 算中,该算法通过给定一个包含人工选定的边坡稳定 性影响因素的样本集,通过模型训练得出影响因素与 边坡安全系数间的函数映射关系,具有较好的推广能 力[68]。 针对边坡工程的复杂性、不确定性、数据不完 备性和非线性等特点,在与粒子群优化算法结合后能 改善该算法人为选取参数的盲目性和随意性,能准确 地获得边坡的稳定性系数[69-70]。 4蚁群算法。 蚁群算法是一种用来在图中寻 找优化路径的机率型算法[71]。 鲁棒性较强、参数设 置简单的蚁群算法可用于对边坡的最小安全系数与 最危险的滑动面的搜索,易与其他方法组合优化的特 点可以克服其计算效率低下的不足[72-73]。 蚁群算法 与支持向量机的方法进行结合时,为了避免人为选择 支持向量机模型参数的盲目性,提高模型预测精度和 泛化能力,俞俊平等[74]引入改进的蚁群算法对支持 向量机模型参数进行寻优,得到的模型精度更高,具 有更强的泛化能力,预测结果更加合理。 5贝叶斯算法。 贝叶斯分类算法是统计学的 一种分类方法,它是一类利用概率统计知识进行分类 的算法[3]。 其特点在于能运用到大型数据库中,而 且方法简单、分类准确率高、速度快。 在边坡稳定性 预测中存在许多不确定因素,导致边坡稳定模型和实 0822 第 6 期杨天鸿等露天矿边坡稳定性智能评价研究现状、存在问题及对策 际的边坡系统之间始终存在着差异,造成模型预测结 果和实际情况的偏差,最终导致了设计值的不确定 性,严重影响了边坡的安全性和可靠性[75]。 贝叶斯 算法利用边坡稳定性的主要影响因素和滑坡的稳定 状态建立边坡稳定性预测模型,提高了边坡可靠度评 估结果合理性[76]。 6信息量法。 信息量法提出某种地质因素提 供发生滑坡的可能性是通过计算其信息量来度量的, 即用信息量大小来评价地质因素及其状态与滑坡发 生的关系即危险性。 该方法能解决层次分析法过 分依赖专家主观经验的问题[77]并且能够将不同因素 统一到同一维度进行比较。 在与 Logistic 模型相结合 时将信息量计算方法的严密性与逻辑回归评价结果 以概率模式显示,结果更加直观[78]。 7多元逻辑回归。 多元逻辑回归Logistic 回 归是对受多因素影响的事物做出定量分析的数学 方法,为一种较为常用的基于多元统计理论的滑坡危 险性评价方法,其特点在于实现简单,计算代价不高, 速度快。 多元逻辑回归方法较模糊综合评价法需要 更多的统计数据,但其评判客观性强,在使用多个影 响因子进行滑坡危险性评价时预测结果较为准 确[79-80]。 8决策树模型。 决策树Decision Tree为在已 知各种情况发生概率的基础上,通过构成决策树来求 取净现值的期望值≥0 的概率,评价项目风险,判断 其可行性的决策分析方法[81]。 该方法简单、直观、准 确率高,能够利用分析出的滑坡主要影响因素的概率 判断是否发生滑坡,是直观运用概率分析的一种图解 法[82]。 随着人工智能和大数据的发展,目前边坡岩体智 能决策领域未来发展的主要技术有 1深度学习。 深度学习是指基于样本数据通 过一定的训练方法得到包含多个层级的深度网络结 构的机器学习过程[83-84]。 深度学习作为实现人工智 能的一种方法,可以通过建立分析学习的神经网络以 及大量边坡数据样本的训练模仿人脑的工作机制去 解译边坡数据与边坡状态的各种潜在联系。 近年来 随着人工智能技术的飞速发展,深度学习被广泛应用 于边坡岩性、破坏模式识别以及边坡稳定性评价、预 警中。 2专家系统。 专家系统是一种智能的计算机 程序系统,它应用人工智能技术和计算机技术来模拟 人类专家的推理思维过程[85]。 在边坡工程领域,它 收集相关专家在边坡稳定分析与失稳防护工作积累 的工作经验和知识,发掘边坡稳定性影响因素与边坡 稳定状况、破坏模式、加固措施之间的潜在规律,对新 输入的边坡参数进行推理判断,模拟人类专家给出边 坡稳定性评价、破坏模式预测以及加固方案建议,从 而为边坡工程提供及时、可靠的指导[86-87]。 3灾害预警云平台技术。 灾害监测云平台是 借助于云计算技术基于专家系统构建的一种的新 型应用平台[88-90]。 边坡致灾机理复杂,很难通过单 一预警手段实现有效的临灾预警,边坡灾害监测云 平台通过接收多种监测信息,使用理论或经验公 式、监测预警阈值、数理统计方法以及智能算法等 对实时数据进行处理,得到监测数据与边坡灾害之 间的隐含关系,结合不断修正的数值模拟结果,对 边坡安全条件进行风险等级判别,并利用信息发布 平台及时发布预警信息及避险建议。 与传统监测 预警方式相比,灾害监测云平台的实时性、高效性、 可靠性显而易见。 目前边坡灾害防控不能实现智能决策,以人为干 预决策为主,缺乏科学依据。 原因是滑坡智能决策是 一个复杂的系统工程,主要体现在地质条件的不确定 性、采矿工程动态性、滑坡因素和力学机理的复杂性, 所以做到智能决策涉及到内外因素交互影响作用。 目前矿山生产过程中大量的案例和数据集合提供了 训练样本,同时多种人工智能化算法奠定了理论基 础,综上所述,露天矿边坡岩体现场监测力学理论 分析案例大数据分析及智能诊断的有机协同统一 是评价矿山边坡工程稳定性智能分析决策的必由之 路。 云平台、人工智能方法、大数据分析是串联上述 3 方面环节有机融合的有效手段。 2 露天矿边坡智能评价研究存在的问题及发 展趋势 2． 1 露天矿边坡智能评价研究存在的问题 露天矿边坡工程具有“动态”特征① 采矿活动 的多样性加陡、到界、闭坑、内部排土,井工采动或 露天转井下和影响因素水、爆破的复杂性;② 边 坡工程的经济-安全的时效性服务年限内的安全; ③ 边坡岩体的可变形性及失稳不可回避性在不影 响生产前提下忍受局部边坡破坏,追求最大效益化的 最陡边坡角;④ 边坡工程稳定发展的动态性自始 至终处于复杂的动态开挖、回采过程中;⑤ 边坡稳 定性主观认识的阶段性及循环性露天矿开挖本身 就是一种最有效的勘察,尽量做好不同阶段边坡稳定 认识和设计生产的衔接;⑥ 露天矿滑坡安全风险和 经济效益的相互制约性,安全是保障,效益是动力,在 动态博弈过程中如何在安全保障的前提下实现生产 1822 煤 炭 学 报 2020 年第 45 卷 效益最大化,科学性、智能性的优化理论和方法是技 术关键。 目前的边坡岩石力学评价方法考虑的是影响岩 体质量的静态因素,如岩石材料性质、岩体结构特征 以及地质赋存条件等,适用于水利、水电、交通等岩体 工程的地质勘察和工程初步设计。 现有岩体分级系 统忽略了矿山采动岩体破坏的动态触发因素水压 变化、爆破震动、工程开挖等,指出未来岩体质量评 价方法应综合考虑动态触发因素和岩体破坏程 度[91]。 上述露天矿边坡工程动态特征,使得滑坡智能预 报预警存在以下问题 问题 1露天采矿工艺流程复杂性,导致了其数 据具有多源、异构、多解性、时空尺度不统一。 矿山大 数据地质、采矿、监控、设备、管理等涉及几十个作 业流程、数百个组态,难点在采矿流程中数据的时间、 空间复杂性、地质体不确定性与采矿生产动态性。 多 元异构监测数据不能有机融合,无法形成协同变形趋 势判据分析。 问题 2滑坡岩石力学机理复杂,灾害风险较大, 不能实现生产过程的安全性超前评价及预警。 边坡 岩体结构复杂空间变异性和时间衰减性,数据不 完备的复杂地质系统与理论严密的力学模型之间相 互脱节衔接不好使得监测数据、力学分析、专家认 识 3 方面的评价标准难以形成统一的认识。 问题 3滑坡预测预报理论模型多样性,模型的 判据指标和阈值难以确定。 Emanuele Intrieri 等[92] 总结了基于运动学参数预测边坡临滑阈值的方法, 包括由位移数据的经验公式计算与归一化处理得 到速度阈值、对位移-时间曲线求导获取的切线角 阈值,将临滑前 3 h 内与 24 h 内的平均加速度作比 得到的比值阈值。 这些方法得到的阈值都具有参 考价值,但用于边坡的临滑判断仍具有一定的局限 性① 预报模型较多,每种模型使用条件不同蠕变 等力学理论模型适用条件为中长期预报,缺点是不 能考虑触发因素;时序统计模型灰色,神经网络, 黄金分割、Verhust,风险概率,尖点突变等依托实 例反演数据外推,适用临滑预报,缺点是缺乏理论 依据,预报条件不充分,事后验证结果好,先验性预 报能力差;多元信息融合模型,优点是多维信息、多 指标协同分析,缺点是多参数难以统一划归。 难以 确定阈值,设定固定的阈值很容易误报,产生“狼来 了”不良后果。 ② 预测预报参数指标较多位移、 位移速度、加速度,其他裂缝、微震等,单一测点 的数据位移、应力受环境因素影响较多,其突变 不代表边坡整体失稳,对应区域化监测数据的异常 如何在时空整体上进行分析。 ③ 滑坡破坏行为可 将滑坡分为渐变型、突发型和稳定型 3 种类型,不 同滑坡类型没有成熟的评价指标体系、阈值、模式 识别方法和数学模型。 滑坡预测预报是世界性的难题,对于露天矿边坡 工程智能预报问题,主要体现为多元异构监测数据不 能有机融合,无法形成协同变形趋势分析;监测数据、 力学分析、专家认识 3 方面的评价标准难以形成统一 的认识。 建立“位移时间序列阈值、力学机理分析、 案例分析及专家系统诊断”三位一体的智能方法是 发展趋势。 2． 2 露天矿边坡稳定性智能评价研究趋势 综合边坡稳定性研究的发展趋势、露天矿边坡工 程的特点和存在的问题,认为 1从边坡岩体监测实践角度来看,目前的各种 监测手段得到数据信息和滑坡力学理论脱节,如何处 理和解释这些数据需要岩体损伤力学、波动力学方面 的理论方法支持。 据此,建立岩体内部应力积累诱发岩体破坏演化 规律与微震活动性之间的内在联系,探求岩体微震活 动前兆信息,可揭示采动岩体参数空间变异性和时间 衰减性规律,为认清边坡岩体破坏机理和稳定性动态 评价提供了判别指标。 2从边坡岩体失稳机理及稳定性角度分析,数 值分析是揭示滑坡机理认识变形特征和规律的理论 方法,基于损伤理论的数值分析手段优点是提供边坡 稳定性的全面评价数据和机理解释,但缺点是参数确 定和实际有一定的距离,力学参数时空演化规律表征 方法缺乏试验数据验证,模拟结果评价标准和监测数 据阈值无法统一。 据此,研究边坡岩体内部损伤破坏区的形成机理 与强度参数表征方法,建立基于微震监测信息反演的 岩体损伤演化力学模型让强度折减法具有客观依 据,让微震监测分析有牢固的力学基础。 这样微震 分析有牢固的力学基础解译,力学模型有实证条件标 定。 3从岩土工程不确定性和力学机理的复杂性 角度分析,滑坡地质条件和力学机理十分复杂,导致 滑坡类型、成因和条件存在不确定性,但露天矿的特 点是采掘过程发生大量的滑坡案例,充分整理分析案 例十分重要。 目前边坡设计采用的类比法就是认识 到案例的重要性,但是缺乏对案例的科学性的深度分 析学习,如何把老专家的滑坡工程经验梳理成为知识 体系是关键。 据此,建立滑坡灾害案例大数据平台, 2822 第 6 期杨天鸿等露天矿边坡稳定性智能评价研究现状、存在问题及对策 对滑坡案例和目的矿山边坡的隐患点编目建库,采用 人工智能、大数据分析、深度学习理论方法进行案例 类型、模式、成因智能识别,结合目的矿山边坡进行条 件匹配,进行滑坡风险评估和排序,确定重点区域、高 风险隐患点,识别其潜在的破坏模式,预测变形发展 特征与趋势。 3 露天矿边坡智能评价研究思路和实施方案 3． 1 露天矿边坡智能评价研究思路 郑颖人提出的滑坡预测预报研究的思路[93]为 通过滑坡宏观现象观察,监测数据分析与数值计算等 多种手段,建立全过程标准体系,引进稳定安全系数 定量标准和判据,进行持续、全过程的综合分析分阶 段进行预报。 针对露天矿边坡工程特点,笔者提出了 “位移时间序列阈值、力学机理分析、专家系统诊断” 三位一体的智能方法图 2首先,分析目标矿山边 坡工程地质条件,构建案例库、知识库和专家系统,建 立灾害多因素多模式识别数学模型深度学习知识 图谱开展分析案例,进行案例聚类和模式匹配;其 次,开展目标矿山边坡的参数测试及力学机理计算评 价,划分不同等级安全区域,识别隐患区确定滑坡隐 患触发因素和条件,建立针对性的监测方案;最后,建 立监测预警指标体系和预警阈值,构建案例库、知识 库和专家系统-云计算平台,实现建立“位移时间序 列阈值、力学机理分析、专家系统诊断”三位一体的 智能预警。 图 2 三位一体监测指标、开采因素、理论方程预警指标体系 Fig． 2 Three-in-onemonitoring index,exploit factors,theoretical equation forewarning index system 3． 2 露天矿边坡智能评价研究实施方案 案例库、知识库和专家系统-预警指标确定是复 杂的系统工程,实施方案图 3分 3 个步骤 1分析露天矿边坡工程地质条件。 基础工作 包括确定目标露天矿边坡岩体结构类型,分析环境地 质条件和采矿因素,建立同类矿山滑坡大数据案例 库,通过大量边坡失稳工程案例的分析,收集边坡破 坏的各种类的属性特征,如滑坡机制、边坡角度以及 工程地质属性,建立专家系统知识库,基于神经网络 的算法自动分配权重,根据其对相近矿山进行临滑情 况的推理,采用层次分析、模糊聚类、神经网络、深度 学习法识别破坏模式和主控因素,把目标矿山边坡的 条件和案例库相匹配,得到目标矿山边坡安全状态和 潜在的失稳模式。 2进行滑坡力学机理分析及隐患识别。 在第 1 个环节工作基础上,通过工程地质模型及其控制条件 建立稳定性力学计算模型,进行露天采场边坡破坏机 理及稳定性评价计算,根据计算结果划分不同等级安 全区域,针对安全区域给出中长期的稳定性预测评 价,针对隐患区域边坡结合滑坡机理识别滑坡隐患触 发因素和条件,同时有针对性的布置监测方案开展实 时监测,为临滑预测预报奠定基础。 3监测云平台构建及预测预报预警。 通过相 关滑坡要素的监测数据时间序列分析,结合环节一案 例库匹配得到的滑坡案例控制指标,确定目标滑坡预 报模型、预警指标和阈值图 4,最后通过专家知识 推理和环节二理论计算机理分析监测数据时间序列 曲线,确定是否预报预警发布滑坡时间、范围,是否启 动防控应急预案,最终构建上述 3 个环节信息综合集 成的云平台图 5。 4 露天矿边坡智能评价实例分析 本节通过大孤山铁矿西北帮滑坡实例分析,基于 微震监测数据进行边坡岩体损伤表征和数值模型的 修正,标定岩体损伤演化及强度退化指标,给出边坡 安全系数变化规律,同时结合滑坡案例库的匹配结 3822 煤 炭 学 报 2020 年第 45 卷 果,确定现场数据时序曲线指标阈值位移累积量、 位移速率,最后科学合理的给出预警警情判别结 果,通过云平台实现数据分析、现场模型可视化和预 警发布及滑坡诊断。 图 3 滑坡预警指标确定的 3 步骤实施方案 Fig． 3 Three step implementation plan for determination of landslide forewarning index 图 4 基于变形时间序列曲线和安全系数的边坡滑坡预警指标阈值[94] Fig． 4 Forewarning index threshold of slope landslide based on deation time series curve and safety factor[94] 4． 1 大孤山露天矿边坡工程地质分析及边坡监测 作为鞍钢矿业公司[96]四大铁矿石生产基地之 一,大孤山铁矿年设计生产能力 600 万 t,矿场封 闭圈 标 高 90 m, 截 止 到 2019 年 底 已 开 采 4822 第 6 期杨天鸿等露天矿边坡稳定性智能评价研究现状、存在问题及对策 图 5 边坡监测信息化及智能预警云平台框架[95] Fig． 5 Cloud plat framework of slope monitoring inatization and intelligent forewarning[95] 到-330 m 水平,形成了长 1 620 m,宽 1 560 m,高 度超过 400 m 的高陡边坡,是典型的深凹露天铁 矿[97]。 如图 6 所示,目前矿山主要有两个矿石开 采工作面,分别位于北帮-210 m 台阶及以下大孤 山矿体和东北帮-198 m 平台及以下小孤山矿体。 矿石首先由运矿卡车运送至南帮-234 m 平台的 矿石破碎站,通过初碎后经边坡内部运矿廊道使 用皮带运送至地表选矿厂;岩石亦由卡车运输至 东帮-198 m 平台岩石破碎站,继而由地表皮带输 送至胶带排土场。 随着开采深度的不断增加,从 2016 年 6 月开始, 西北帮-66 m 台阶出现平行边坡走向长约 105 m 的 裂缝,裂缝宽度 5 10 cm,同时西端帮-66 m 水泵站 场地及以下边坡坡面出现开裂变形和表层塌滑,如图 7a所示。 此外,长期监测项目表明,大孤山西北边 帮的变形场和温度场出现异常。 综合以上现象,为保 证矿山正常的生产活动,选择西北帮边坡为稳定性监 测预警重点研究区域,安装的监测系统成功捕获了 2018-05-27 发生在-138 m 平台至-210 m 平台发生 的楔体滑坡,如图 7b所示。 图 6 大孤山铁矿地质采矿信息综合三维模型 Fig． 6 Comprehensive 3D model of geology and mining ination in Dagushan iron ore 在详细的工程地质调查与推断的基础上,建立大 孤山西北边帮的三维地质模型如图 8a所示。 区域 边坡岩性主要包括片理化的混合岩、磁铁石英岩、绿 泥岩和玢岩,两条平均厚度为6 m 的断层相互切割形 成一条低品位矿石条带。 摄影测量结果表明边坡岩 体结构为两组构面控制,平均方位角为 179∠54和 45∠53,受地下水弱化影响边坡局部易发生楔体滑 坡。 区域内主要有 3 条运输平台,分别位于-66 m 台 阶、-138 m 台阶和-210 m 台阶,位于-66 m 平台的 水泵房负责将坑内汇水抽送至地表。 此外,在楔体滑 坡处选择垂直于坡表的典型剖面进行后续详细的边 坡稳定性数值分析,如图 8b剖面。 首先在大孤山铁矿布置一套包括 InSAR 位移监 测和红外温度场监测的长期监测系统。 在长期监测 5822 煤 炭 学 报 2020 年第 45 卷 图 7 大孤山铁矿西北边坡岩体破坏照片 Fig． 7 Photos of rock mass failure in northwest slope of Dagushan iron mine 图 8 大孤山露天矿西北帮边坡及采场三维地质模型和剖面 Fig． 8 Three dimensional geological model and sectional view of northwest slope and stope in Dagushan open pit mine 项目的选型上,选择大范围、低精度、周期性监测设备 用来以相对廉价的方式识别潜在滑坡体,圈定危险区 域界线。 进而在潜在滑坡区域安装由微震监测、裂缝 计和 GPS 等设备组成的临滑监测系统,用于最终滑 坡的预报预警,临滑监测设备应具有高精度、实时在 线和可靠度高等特点。 其中长期和临滑监测系统相 互独立运行,可以充分发挥不同监测设备的特点,利 用有限的监测资源优化监测点的空间布置。 大孤山 铁矿边坡监测系统从 2017-01-01 开始投入运行,对 楔体滑坡的全生命周期进行了跟踪监测。 同时在监 测周期内研究区域内共有 6 个台阶被开挖,监测系统 布置情况与采矿生产安排如图 9 所示。 GPS 变形监测的结果如图 10 所示,滑坡初期变 形速度在一定范围内振动,无明显突跳,累计变形稳 定上升;在滑坡后期变形速度急速上升至 4 mm/ d,在 最后的滑坡阶段变形速度剧升至13 mm/ d。 变形-时