基于历史数据库的矿山环境地质灾害分布规律仿真分析

2022-10-25付明林

能源与环保 2022年9期

付明林

(河南水利与环境职业学院，河南郑州 450011)

矿山周围环境和人身安全的危险性随着矿山开采深度的加大以及频率的增加不断增大[1]。矿山环境的地质结构较为复杂，潜在危险因素较多，容易发生地面沉陷、垮塌、井下突水、冒顶片帮、瓦斯突涌和泥石流等灾害，对矿山的生产经济效益产生影响，并对工人的生命安全造成威胁[2-3]。为了避免矿山安全事故造成的影响，需要对矿山环境的地质灾害分布规律进行分析，发现矿山环境中的安全隐患，并制定相关应对策略。高会会等[4]从时间维度、烈度维度和规模维度3个方面初步统计分析矿山环境地质灾害的差异性和演化特征，根据统计分析结果对矿山环境地质灾害分布规律进行仿真分析。范文涛[5]通过GIS技术获取矿山地质灾害因子，根据获取数据结合地形的断层特征、地层岩性特征和地形坡度特征建立层次结构模型，并在模糊综合评价方法的基础上对矿山环境地质灾害进行评价，将环境灾害分为轻度、重度和高度危险区，结合危险性易损因子和危险性基础因子完成矿山环境地质灾害分布规律的分析。周超等[6]对矿山环境进行实地考察，根据考察结果建立矿山环境地质灾害风险评价体系，将距采空区距离、坡度、距断层距离、坡向、地层岩性和曲率等作为评价指标，对矿山环境地质灾害进行评价，时间动态因素选取最大日降雨量，结合评价结果完成地质灾害分布规律分析。在上述方法的基础上，提出应用历史数据库的矿山环境地质灾害分布规律仿真分析方法。

1 数据库设计

应用历史数据库的矿山环境地质灾害分布规律仿真分析方法采用多线程技术[7-8]采集并存储矿山环境数据，构建数据库总体架构如图1所示。采集的矿山环境信息分为2类，第1类包括观测系统信息、监测分站信息等(图2),这类信息具有变化周期长、数据量小等特点;第2类为监测数据，这类数据具有变化周期短、数据量大的特点。结合文件系统和数据库对数据进行保存,构建历史数据库，包括信息信道数、观测系统和采样率[9-10]。

图1 数据库架构Fig.1 Database architecture diagram

图2 测量站现场安装Fig.2 Field installation of measuring station

2 数据库构建

2.1 数据增强处理

应用历史数据库的矿山环境地质灾害分布规律仿真分析方法采用傅里叶变换[11-12]对采集的采集的地质灾害(滑坡、崩塌、地面塌陷等)数据进行增强处理。

用ST(y，g)表示信号的短时傅里叶变换：

(1)

式中，j*(g)为窗函数；x(y)为采集的信号。

在最佳变换域中，采集的矿山环境数据在式(2)的基础上完成分数阶傅里叶变换：

exp(-j2πi0b)di0

(2)

(3)

式中，R为该分数阶傅里叶变换域中噪声和其他数据分量的傅里叶变换。

在最佳分数阶傅里叶变换域中数据中存在的分量对应的傅里叶变换都会聚焦在时频平面中，与时间轴之间为平行关系，但其他数据分量的傅里叶变换不会聚焦在时频面中，能量相对分散[13-14]。

为了消除数据中存在的噪声和其他分量，在时频面中对数据的傅里叶变换进行秩1逼近。消除了噪声和其他分量后，对数据进行重构[15-16]，将时频域中存在的数据转变到时域中进行傅里叶逆变换：

(4)

数据经过傅里叶变换的数据如图3所示。

2.2 矿山环境地质灾害数据分类

在历史数据库的基础上通过支持向量机模型[17-18]获取矿山环境地质灾害的数据表现特征，对灾害分布规律进行分析。

支持向量机的标准模型为：

(5)

式中，(x1，y1)，(x2，y2)，…，(xm，ym)为矿山环境数据，m为矿山环境数据的数量；e为超平面；V为正则化参数；ψi为松弛变量；t为阈值。

图3 傅里叶变换数据示意Fig.3 Schematic diagram of Fourier transform data

在优化原理的基础上，用求解对偶问题代替支持向量机分类问题：

(6)

式中，βi为拉格朗日乘子，当矿山环境数据样本的拉格朗日乘子>0时，判断该矿山环境数据为支持向量[19]。

矿山环境数据特征提取结果受核函数的影响，支持向量机的分类效果在不同内积核函数下是不同的，高斯径向基核函数K(x，z)=exp(-‖x-z‖2σ2)、多项式核函数K(x，y)=(xy+1)d以及线性核函数K(x，y)=xy为数据分类过程中应用率最高的核函数。其中，径向基核函数的学习能力较强、性质好[20]。应用历史数据库的矿山环境地质灾害分布规律仿真分析方法选用径向基核函数：①当参数σ的值接近于0时，表明所有矿山环境数据样本均为支持向量；②当参数σ的值大于0且尽量小时，支持向量机可准确地完成矿山环境样本数据的分类；③当参数σ的值无穷大时，所有矿山环境样本数据均属于一类；④当参数σ的值较小时，容易出现过拟合问题，当参数σ的值较大时，支持向量机的分类效果差。

将采集的矿山环境数据输入支持向量机中，获取灾害特征，实现地质灾害分布规律的分析。

3 应用实例

以某矿山区为研究对象，高程为+590～+1 056.4 m，地形坡度为0°～34°。其发生的地质灾害如图4所示。本文以高分辨率遥感影像采集当地矿山地质相关数据，构建监测数据库，对矿区内地形坡度、地层岩性和断层情况等地质灾害数据进行分析，按照与历史数据对比的相似度区分高、中、低危险区，绘制危险区如图5所示。

图4 某矿区地质灾害现状Fig.4 Present situation of geological disasters in a mining area

(1)地质灾害分布规律与高程的关系。统计分析高程与灾害点分布，分析结果见表1。

表1 高程与灾害点分布情况Tab.1 Elevation and distribution of disaster points

分析表1数据可知，+650～+2 000 m为地质灾害发生的主要区域，在研究总面积中灾害易发生区域约占27.2%，但该区域中存在的灾害点数量较多，其中灾害点密度最高区域存在于高程+1 000～+1 500 m中，地质灾害点在+2 500 m以上的数量较少。

经调查发现，高程+1 500 m处的研究区地震响应较为显著，岩体卸荷最为严重，该地区的坡度较大，陡峭度高，主要是由于该区域存在河流。因此，地质灾害常发生于该区域。经实地考察发现，在峡谷上部分发生的地质灾害数量高于峡谷下部分，下部分通常是滑坡体以及崩塌造成的碎屑物质堆积区。

(2)地质灾害分布规律与地形坡度之间的关系。根据1∶5 000数字等高线在ArcGIS软件中建立矿山环境地质灾害分布规律研究区DEM，在DEM的基础上获取研究区域的坡度图，并分级处理坡度图，统计分析坡度分级图和地质灾害点，分析结果见表2。

表2 坡度与灾害点分布情况Tab.2 Slope and distribution of disaster points

对上述数据进行分析可知，坡度在20°～50°是地质灾害发生的主要区域，在研究总面积中灾害易发生区域占83.7%，灾害点密度最高区域是坡度为40°～50°。经调查发现，这一坡度范围内的灾害点主要位于多面临空的矿山部位以及孤立山头的部位、山脊单薄的部位和由缓变陡的地形坡度处的转折部位，这是因为这类部位会直接影响地震波的放大效应，易产生滑坡、泥石流、崩塌等地质灾害。

(3)灾害分布规律与岩性之间的关系。研究区域的矿山岩性分类见表3。统计分析岩性土层与矿山环境地质灾害点之间存在的关系，分析结果见表4。

分析表4中的数据可知，在矿山环境的不同岩层中地质灾害类型分布相对均匀，但对比发现，硬岩地层和软岩地层中的地质灾害类型存在差异，前者多发生崩塌类灾害，后者多发生滑坡类灾害。