金属矿山地质灾害风险智能监测预警技术现状与展望

朱万成 徐晓冬 李 磊 牟文强 宋清蔚 李 荟

(东北大学岩石破裂与失稳研究所,辽宁 沈阳 110819)

我国是世界上为数不多的矿产资源总量丰富且矿种齐全的国家之一[1],但人均占有量较低,铁、铬、锰等战略性金属矿产资源自给率不高[2]。 在复杂多变的国际关系环境下,矿产资源供应已成为制约我国社会经济发展的主要瓶颈问题。 为解决此问题,深部矿产资源开采与高寒、高海拔复杂地质条件矿产资源开发已被提升为国家战略,成为保障经济发展的重要举措。 金属矿产资源回采是一个效益与风险并存的过程,如若不能妥善处理生产与安全的关系,极易诱发地质灾害,带来不必要的损失。 据相关部门统计,2021 年我国共发生矿山事故356 起、死亡503 人[3],人员生命与财产损失惨重。 随着开采向深部及高海拔等环境恶劣地区转移,地质灾害风险也将显著增加,如何实现生产与安全的动态平衡已成为亟须解决的问题。

地质灾害的发生与岩体的损伤与破裂有关,灾害发生前,岩体往往会出现异常的力学响应,可能成为灾害发生的前兆信息,因此,实时监测岩体力学响应被认为是实现地质灾害预警的重要手段[4]。 近年来,伴随着“天—空—地”多维度岩体力学响应感知设备的研发与应用,为协调生产与安全的关系创造了条件[5]。 不少大型矿山引入了微震、测力计、位移计等设备,实现了外界扰动下岩体力学响应的实时监测[6],同时学者们尝试挖掘隐藏在多源数据背后的致灾前兆信息,建立了丰富的灾害预测预警模型[7],并有部分矿山借助于云计算等技术搭建了矿山灾害智能监测预警平台,实现了监测预警技术的落地,为确保生产安全提供了技术保障[8]。 本研究以金属矿山地质灾害风险智能监测预警技术为主题,对常见地质灾害类型及其形成条件、常用监测手段、预警模型等研究现状进行总结与评述,同时对新形势下的相关技术发展方向进行展望。

1 金属矿山地质灾害风险概述

1.1 金属矿山地质灾害风险定义与主要特征

联合国救灾组织(UNDRO)于1982 年将自然灾害风险定义为:风险(Risk)= 危险(Hazard)×易损性(Vulnerability)[9]。 1984 年美国滑坡专家VANES 将其引入地质工程及灾害科学领域,指出地质灾害风险为灾害产生不良后果的可能性,包括地质灾害发生的可能性及其产生的损失两个方面[10]。 此后,国内外学者针对地质灾害风险的定义进行了一系列研究,2005 年,FELL 等[11]提出了涵盖灾害发生概率、灾害体达到承载体的概率、承载体易损性等要素的风险量化公式,得到了国内外学者的认可。 针对金属矿山,由于不同学科和领域学者对金属矿山地质灾害风险关注的问题存在差异,使得目前对于金属矿山地质灾害风险的定义还没有形成统一标准。 一般来讲,金属矿山地质灾害风险可以定义为金属矿山生产过程中,由于地质因素(如地质构造、地质体形态、岩性等)和人类生产活动(如采矿、堆放、排水等)相互作用所导致的破坏、危害和损失的概率和程度,其中破坏(易发性)指潜在灾害的发生概率和频率,危害(危险性)指灾害事件对人员和财产的威胁程度,损失(易损性)则指灾害事件对人员、财产和环境的实际损失情况。 这些地质灾害包括但不限于滑坡、岩爆、冒顶片帮等。 但当前国内发展的金属矿山地质灾害风险监测预警技术,大多侧重于灾害发生时间及空间的预测预警,对于易发性、危险性、风险评价的区分不够明确,甚至存在概念混淆的问题[12],尚未形成完善的灾害风险评价理论体系,需要结合灾害类型,研究灾害危险性及易损性评价方法,完善灾害风险监测、预测、预警理论体系。

金属矿山地质灾害风险是对地质灾害的特征表述或度量,具有普遍性、随机性和时滞性三方面特征。

(1)普遍性。 金属矿山地质灾害是地质活动与人类生产活动相互作用的结果[13],复杂地质条件使得岩体产生渐进蠕变损伤,地震等天然扰动及人类生产等人为扰动不断打破岩体的平衡状态,加剧岩体的损伤程度,随着损伤不断积聚,地质灾害便会应运而生。 因此,从某种意义上讲,金属矿山地质灾害具有普遍性。

(2)随机性。 虽然金属矿山地质灾害风险具有普遍性,但灾害的形成和发展受到多种自然条件和生产因素影响,致使地质灾害发生的时间、空间、强度以及灾害带来的损失均具有不确定性。 这一特征主要归因于岩体的非均质性、各向异性以及外界扰动的随机性。

(3)时滞性。 金属矿山地质灾害发生的时间往往与矿山开采活动相关,开采的推进会改变地质环境和地应力状态,导致灾害发生时间的变化,但工程实践表明,地质灾害的发生往往滞后于爆破等开采活动[14],具有显著的时滞性,其本质为蠕变损伤累积和裂隙网络发育的过程[15]。

金属矿山地质灾害的普遍性,决定了灾害风险监测预警的重要性,是工程安全保障的重要组成部分;灾害的随机性和时滞性使得灾害发生的时空预测变得异常复杂和困难。

1.2 金属矿山地质灾害类型及影响

我国金属矿山存在种类多、分布广、潜在隐患点突出等问题,且随着开采条件逐渐恶劣,此类问题将愈加严重。 生产实践表明:金属矿山主要地质灾害类型包含滑坡、冒顶片帮、突涌水、岩爆等。 各类型地质灾害特征分析如下[16]:

(1)滑坡。 滑坡是指边坡的岩土体受自重作用、地表和地下水活动、雨水浸泡、爆破振动、人工切坡等因素影响,在重力作用下沿着一定的软弱面或软弱带,整体或者分散地顺坡向下滑动的现象。 在露天矿山,滑坡灾害几乎影响着矿山生产的整个过程。 露天矿为了确保经济效益,尽可能加陡边坡降低剥采比是常用的做法,然而边坡过陡会导致滑坡风险增加,从而增加边坡维护成本。 根据我国10 座大型露天矿山的统计,不稳定或具有潜在滑坡危险的边坡约占边坡总长度的20%,个别矿山甚至高达33%[17]。

(2)冒顶片帮。 冒顶片帮指在采动地压作用下巷道和采场顶板围岩发生冒落和边帮围岩发生破坏的现象。 随着巷道掘进和回采向前推进,工作面暴露面积逐渐增大,围岩会由于应力的重分布而发生变形破坏,由于顶板围岩的破坏而造成的顶板冒落称作冒顶,如果冒落的部位在巷道两帮则为片帮。 地下矿山造成人员伤亡最多的事故就是冒顶片帮,约30%的矿井伤亡事故与此有关[18]。 矿山冒顶片帮常发生于断层破碎带、膨胀岩第四系松散岩层、不整合接触面、侵入岩接触面以及岩体结构面的不利组合地段。 冒顶片帮一般包括岩层脱落、块体冒落、不良地层塌落,以及由于采矿和地质结构引起的各种垮塌。 在矿山开采或者隧道掘进施工过程中,出现大量岩石冒顶的现象也被称为塌方。 特别是矿岩稳定性差的难采矿体及软弱夹层位置,容易发生较大规模塌方。

(3)突涌水。 突涌水是地下水大量涌入采场和巷道的现象,是地下开采过程中较为常见的地质灾害,突水的水量更大、更具有破坏性,常出现在断裂构造带、松散岩体等构造发育并富水的地段。 突发性大量涌水多是由于违规操作或非正常开采引起的,与采矿作业密切相关。 开采扰动诱发的围岩损伤与破裂,往往会使工作面与前方的含水层发生水力联系,进而可能引发突水事故。 受水文地质条件影响,有些矿山突水突发性强、规模大、后果较严重。

(4)岩爆。 岩爆是处于高应力状态下的脆性围岩的弹性变形能突然释放而产生的岩石破裂、弹出、发声甚至地震等破坏现象[19]。 岩爆已成为世界性的地下深井开采中的技术难题之一。 之所以难,是因为随着开采深度加大,地压活动及强度趋于显著,并表现出具有瞬间释放大量能量的特点,具有突发性和巨大的破坏性[20]。 国内外比较一致的看法是,岩体坚硬且脆性大时,会在高应力作用下储存大量弹性应变能,一旦开挖巷道,破坏岩体的平衡状态,围岩中的应力集中就会使围岩产生破坏,在消耗掉部分弹性变形能之后,剩余能量转化为动能,可造成岩石弹射或突然塌崩,这就是岩爆。 由此看来,高应力的聚积和突然释放是岩爆发生的两个条件。 如果把高应力的聚积视为岩爆发生的内因,那么开挖爆破产生的动态扰动往往是触发岩爆的外因。

随着我国不少矿山进入深部开采阶段,围岩处于高应力、高地下水压力、高地温(“三高”)环境下,发生岩爆等矿山动力灾害的风险增加,在深部开采条件下开采扰动引起围岩变形损伤与破坏,实际上是岩石在多场耦合条件下的损伤与破裂过程,灾害发生机理及其预警与防控技术的研究,已成为岩石力学理论在采矿工程应用的研究热点。 例如,突水是典型的流固耦合问题,研究岩石在流固耦合条件下的渗透演化及其突变规律,是进行突水灾害预测预警与防控的理论基础。

2 金属矿山地质灾害风险监测技术

2.1 变形监测技术

岩体变形是灾害发生最直观的特征,几乎所有岩体稳定性的影响因素最终都会反映在岩体变形之中[21],因此,变形监测对于分析地质灾害风险与演化规律至关重要[22]。 岩体变形监测设备根据施测方式可分为测点型、测线型和测面型3 类,三者在监测精度、覆盖范围等方面具有显著差异[23]。

露天矿山地质灾害的变形监测手段较多,通常采用“天—空—地”协同监测方式,实现灾变过程中岩体变形的动态追踪[24]。 其中,“天”泛指基于卫星的地表变形监测技术,如高分辨率光学遥感、合成孔径雷达干涉测量等,可大范围、长周期捕获岩体变形特征,具有远距离、非接触等特点,常用于早期隐患识别、中长期趋势监测和危险性评估[25]。 “空”泛指搭载在无人机之上的监测设备,如摄影测量、激光雷达、光学遥感等各类型传感器,具有机动灵活性好、测量精度高等优势,可作为卫星遥感技术的补充,用于小区域内的持续观测,满足重点观测区域岩体快速动态监测需求[4]。 在“天—空”监测技术基础上,可基本掌握隐患的位置和变形范围,但由于以卫星、无人机等为载体的监测技术重访周期较长,难以满足快速变形阶段数据实时采集需求,无法满足灾害短临和应急处置阶段的监测预警要求[26]。 此时,GNSS、测量机器人、地基雷达、光纤等“地”基监测技术显得尤为重要。 “地”基监测设备具有高时效特征,主要用于地表变形较为剧烈或高风险地区的实时自动化监测[4]。 “地”基监测设备涵盖测点型、测线型和测面型3 类,其中测点型监测设备包括多点位移计、测斜仪及GNSS 等,可实现地表变形的高精度监测[27]。测线型监测设备中,分布式光纤为代表性设备,可高精度捕获沿光纤方向的位移变化[28]。 测面型监测设备包含地基雷达及三维激光扫描仪,其中,地基雷达具有监测范围广、频率高的优点[29],但因设备较为昂贵,尚未得到完全推广。 三维激光扫描技术虽然具有测量精度高的优点,但因存在设备昂贵、数据处理速度慢等问题,很少用于地表变形的动态监测[30]。

相对于露天矿山,地下矿山监测空间更为狭小,适用于地下矿山变形监测的技术手段较少,但相关监测设备也囊括测点型、测线型和测面型3 类。 测点型监测设备包括滑动测微仪、水准仪、多点位移计等,用于监测巷道围岩单个点位的变形,是地下矿山位移监测的主要手段。 测线型变形监测的典型设备为分布式光纤,可连续监测光纤所在位置的位移,是近年来兴起的地下矿山围岩变形监测新技术,具有良好的应用前景[31]。 测面型变形监测设备则采用三维激光扫描、近景摄影测量等技术,可对矿山围岩表面进行三维形态扫描,获得局部变形信息。 但由于地下巷道测量空间相对较小以及围岩变形持续时间长,使该技术一般被用于巷道三维重构及岩体质量评价等研究[32-33],很少用于岩体变形的实时监测[30]。

2.2 应力监测技术

地质灾害的本质是外界扰动或内部构造变化等因素改变了地质体内部应力状态,使某位置岩体的应力达到或超过强度极限,进而造成损伤积聚,最终出现宏观破坏,因此,监测岩体的应力状态极其重要。相较于变形监测设备,应力监测设备类型有限,且露天与地下灾害监测设备基本一致。 目前国内外现场采动应力监测主要基于钻孔应力监测技术,主要包括钻孔应力解除法和钻孔应力计测试方法[34]。 应力解除法在采动空间岩体上解除钻孔岩体应力,使其发生膨胀变形,通过测量解除应力后岩体的三维应变,结合岩体的弹性模量,根据胡克定律计算出岩体中应力大小和方向,其中,常用的传感器包括KX-81、CSIRO等空心包体应变传感器[35]。 钻孔应力测试技术是我国目前工程现场测量采动应力的主要技术,常用的传感器大都以格鲁兹Glotzi 压力盒为基础,在外观和信号转换上进行改进,从而发展成钻孔应力计,包括振弦式和液压式应力计两种,采用钻孔探入式固定安装方式[36]。 值得注意的是,何满潮院士团队[37]自主研发了具有高恒阻、大变形、超强吸能特性NPR 锚杆/索,不仅可有效地控制灾害发生,还可实时监测岩体牛顿力的变化,在露天灾害监测工作中得到广泛应用。 该团队进一步探索了设备在地下巷道围岩灾害监测预警中的可能性与有效性[38],正在逐步将其推广至地下矿山灾害监测工作中,具有广阔的应用前景[38]。 此外,近年来光纤等技术的发展,为应力监测提供了新的思路。 例如,柴敬等[39]通过在锚杆杆体黏贴光纤光栅传感器和分布式光纤,实现了锚杆和锚索应力分布及其轴力的实时监测,为锚固质量评价提供了重要依据。 李邵军等[40]采用光纤光栅改进原有的空心包体应变传感器,实现了基于应力解除法的三维扰动应力连续监测。

2.3 水文监测技术

矿山地质灾害的发生往往与区域内水分布特性有密切联系,资源开采造成的水系统失衡(水源、水位、水压异常等)极易诱发水土流失、突水溃砂、滑坡泥石流等地质灾害[41-43],强化对水文信息的实时监测有助于避免灾害发生。 传统的地下水水文监测主要是以水位(水压)、水温、水流量等采集传感器人工定期读取其数据,常规水质监测则是通过人工获取水样后进行实验室检测测定[44];但随着现代传感器技术、数据采集技术和通信技术的发展,高精度自动测量、采集及动态智能分析、监测预警系统已经逐渐被应用于矿山水文监测中[45]。 尤其是在露天矿山水文监测中,自动采集数据可通过GPRS 无线网络传输到分析终端完成数据融合分析[46];井下则更多的是借助于工业环网传输,但随着井下5G 技术的发展应用,水文信息的无线采集、传输也将成为井下监测的主流方法。 除了以水文直接数据关联的监测方法之外,还借助于瞬变电磁、电法等间接监测手段推演矿山水文特征[47-48],进而实现对矿山水文数据的准确获取、掌握,为地质灾害的预测预警提供重要支撑。

2.4 微震监测技术

岩体内部裂隙发展、贯通是灾害发生的必要条件,通过实时监测岩体内部微破裂的演化情况可反演岩体损伤破裂状态,为灾害的预测预警提供重要依据[49]。 工程尺度上,岩体在变形破坏过程中,局部微破裂的产生往往伴随着弹性波的释放,这种现象通常被称为微震[50]。 微震监测技术具有监测范围广、时效性强等优点,是当前面向金属矿山灾害监测设备中最为有效且流行的技术[51]。

基于微震监测技术获取外界扰动下岩体内部破裂源的时空演化特征,是最为直观的岩体损伤破裂表征手段,常被用于空间维度下地质灾害的预测预警[52]。 除此之外,微震信号中还蕴含丰富的岩石破裂信息[53],但被广泛应用于岩体变形破裂过程的指标十分有限,其中,用于表征监测区域应力水平的能量指数[54]、表示震源非弹性剪切变形岩体体积的视体积[55]、表示震源附近应力释放水平的视应力[53]、表示地震活动水平的b值[54]、表示微震源破裂模式的S 波-P 波能量比是当前常用的微震特征参数[56]。再者,部分学者们从信号角度出发,基于微震全波形信号,通过FFT、HHT 等技术完成主频等参数的提取,并证明了主频出现由高频向低频转换视为岩体灾变的前兆[57]。 此外,基于矩张量理论的震源机制分析是目前的一个研究重点[58],越来越多的学者将矩张量反演方法引入岩石力学领域,用以分析岩石、岩体内部微裂隙的力学机制、破裂类型及破裂形态等,取得了显著进展,逐步成为岩体灾变过程分析的重要手段。

2.5 视频监控技术

视频监控是最为传统的矿山生产安全监管技术,常被用于实时监控矿山各个区域的生产活动情况,便于及时发现潜在风险和安全隐患,以确保矿工安全。以往的视频监控技术仅起到生产场景监控的作用,需要监控中心人员主动识别人员不安全行为和环境异常变化,难以保障万无一失[59]。 近年来,机器视觉领域的飞速发展,极大地丰富了视频监控的内涵,使其功能由传统的可视化查看转变为智能化识别。 使用机器视觉算法强化视频监控技术,完成风险的实时监测、智能评判与识别,已成为金属矿山地质灾害监测预警领域的研究热点。 其中,恶劣环境下的监控视频增强[60]、人员危险行为识别[61]、围岩变形实时监测[62]、冒顶片帮等地质灾害风险监测技术[63]得到了深入研究,取得了显著进展。

2.6 采动岩体力学响应多源协同监测技术

金属矿山岩层形态多样、地质灾害突出、力学响应信息复杂,单一、传统的监测手段难以实现多维度、跨尺度岩体力学响应信息的动态追踪,无法满足灾害预测预警的需要[64]。 基于多源监测设备捕获岩体损伤破裂多模态力学响应信息,可详细反映岩石损伤破裂过程,是灾害早期识别与预警的关键环节,同时也是当前金属矿山地质灾害监测预警领域的热点研究问题[65]。 多源采动岩体力学响应协同监测技术是指利用微震、应力、位移及监控影像等多种手段,捕获岩体不同时空尺度下的力学响应特征,并通过信息融合的方法和理论,综合分析多源力学响应信息,全面剖析岩石损伤破裂过程,可显著增强不同信息源数据的可解译性,提高监测的精准度与可靠性[66]。

目前,多源采动岩体力学响应协同监测技术已在金属矿山得到广泛应用。 针对露天灾害,尤其是露天边坡滑坡,“天—空—地”协同监测理论与技术得到广泛研究与发展。 例如,许强等[26]构建了“天—空—地”一体化的“三查”体系,实现了隐患大范围普查,高风险区域详查及重大隐患核查与持久监测,在一定程度上解决了“隐患点在哪里”“什么时候可能发生”等地质灾害防治领域的难题。 YAN 等[67]建立了矿区“天—空—地”协同监测系统框架,充分发挥了各监测技术的优点,克服了单一监测手段的局限性,为地质灾害预警提供了数据支撑。 刘善军等[68]提出了“天—空—地”协同的露天边坡智能监测技术,并在鞍钢弓长岭铁矿得以应用推广,取得了理想效果。 戴华阳团队[24]采用InSAR、GNSS、三维激光扫描等技术,对矿区地表移动进行了“天—空—地”一体化监测,证明了该技术可以满足浅埋、高强度开采、复杂地形及植被影响矿区的地表移动观测需求。 陈国良等[69]指出现有的“天—空—地”协同监测机制忽略了参数、尺度和时间协同机制在整体、连续、多维度监测方面的优势,提出了“天—空—地—人”一体化协同监测技术,实现了多平台、多要素、多时相协同的精准监测。 总体而言,各位学者的研究思路类似,均采用了协同监测方法,实现了隐患普查、隐患核查、重点区域详查,在一定程度上解决了传统监测方法获取力学响应数据在时间、空间上的不连续问题,为后续进行灾害的预测预警提供了有效数据源,相关研究成果极大地促进了滑坡、地表塌陷等灾害监测预警技术的发展。

针对地下灾害,近年来点(锚杆测力计等)、线(光纤等)、面(激光扫描等)、体(微震等)多维度跨尺度采动岩体力学协同监测技术得到了飞速发展。王文杰等[70]采用声发射、位移、应力与微震等传感器,提出了点、线、面网络化的综合监测感知体系,为金川二矿区1 018 m 水平Ⅴ盘区2 分层采场内充填体顶板稳定性评价提供了重要支撑。 FANG 等[71]提出了一种以FBG 传感为主、振弦式位移传感器为辅的点—线协同监测系统,实现了竖井变形的实时动态反演。 ZHAO 等[72]基于三维激光扫描、钻孔电视、多点位移计和锚杆应力计等监测手段,提出了一种场—表—里协同的巷道围岩大变形监测方法,为金川矿巷道安全提供了保障。 地下灾害的协同监测技术虽然有所发展,但是依旧处于初级阶段,难以保障监测数据在时间—空间维度上的连续性,对于灾害的监测预警主要依赖于微震监测技术,光纤变形监测、激光扫描变形监测等技术虽然具有发展潜力,但是由于井下复杂环境等因素,尚未得到很好的应用推广。

综上,虽然多源多模态采动岩体力学响应信息的协同监测技术得到了长足的发展,但当前尚无完善的协同监测理论,尤其是地下矿山,感知设备布设大多依赖工程经验,难以充分发挥感知设备的价值。 因此,还需要进一步完善多感知设备协同监测与数据融合理论体系,实现基于风险条件的感知设备布设方案智能化调整,进一步为采动岩体力学响应的时—空完整性与连续性提供保障。

3 金属矿山地质灾害风险预警方法与技术

金属矿山地质灾害风险监测预警技术,是确保矿山人员和设备安全的重要保障[73],也可为优化开采方案、提升经济效益提供重要依据[74]。 因此,灾害风险精准预警已成为工矿企业的迫切需求及科研单位的研究热点。 监测数据挖掘、数值模拟分析等方法因具有独特优点,已成为灾害预警的重要手段。 此外,云计算、物联网、大数据等信息技术的发展,助力了岩石力学与信息工程领域的交叉融合,为灾害风险的智能预警提供了可能[75]。

3.1 基于监测数据挖掘的地质灾害风险预警方法

监测数据挖掘的地质灾害风险预警方法旨在利用多源采动岩体力学响应数据时效性强、可真实反应岩体力学响应特征的优势,挖掘多源多模态感知数据与岩体损伤破裂过程的映射关系,分析致灾关键因素与灾变前兆特征,归纳总结出灾害发生的通用范式。其中,指标判据法和数学模型法是国内外学者普遍关注的灾害预警方法[19]。

3.1.1 指标判据法

指标判据法是在大量历史案例与理论分析的基础上,形成的灾害分级评价标准,具有简单实用、参评变量物理意义明确等优点,被广泛应用在岩爆、滑坡等地质灾害的预警工作中。 例如,李鹏翔等[76]对能量储存指数、脆性指数等静态岩爆预警指标的发展进行了综述,指出这些指标在工程勘察设计阶段的指导意义显著,但由于地质条件及开采工艺的差异性,会对预警结果的有效性产生显著影响,且难以实现实时动态预警。 为解决上述问题,学者们尝试引入实时监测数据,建立动态预警指标体系,例如,冯夏庭院士团队[77-78]采用微震监测技术对巷道岩爆灾害进行了实时监测,形成了岩爆案例库;归纳了微震数据驱动的岩爆灾害预警经验公式,并给出了相应的预警阈值,实现了灾害风险评价。 虽然监测数据驱动下的动态预警指标体系解决了静态指标体系时效性差、预警准确率低的问题,但各指标对应的灾害等级阈值需根据现场条件进行修正,具有极强的不确定性,难以实现精准定义,经常会出现漏报与误报的问题。

3.1.2 数学模型法

数学模型法是在监测数据基础上,挖掘多源监测数据与灾变的非线性映射关系,从而实现灾害的综合预警,该方法考虑的因素较为全面,且主观因素较小,具有较好的应用前景[19]。 从本质上讲,灾害预警是一种分类问题,旨在得出监测数据与岩体稳定性状态的关系,根据是否依赖历史数据与预警指标,可将数学模型法分为以模糊综合评价为代表的综合评判法,以及人工神经网络为代表的机器学习法。

3.1.2.1 综合评判法

综合评判法旨在对多源多模态指标进行融合,从而解决不同指标的预警结果存在冲突的问题,其中模糊数学理论、云模型、D-S 证据理论是常用的综合评判算法。 例如,ZHANG 等[79]采用层次分析法确定了预警指标的权重,结合未确知测度评价模型,构建了北站铁矿东帮边坡滑坡风险等级评价模型。 殷欣等[80]以岩石脆性指数、应变能储存指数、弹性变形能指数、应力集中因子和岩体完整性系数作为岩爆倾向性评价属性因素,提出了一种基于模糊理论改进的CRITIC-PROMETHEE 岩爆倾向性智能预测模型。WANG 等[81]提出了一种基于CRITIC 权重法改进的有限区间云模型,实现了脆性指数、岩石完整性系数等岩爆预警指标的融合,得到了更为准确的岩爆预警结果。 YANG 等[82]结合未确知测度评价理论、基于模糊层次分析法—熵权法的动态综合加权方法和集对分析理论,提出了一种改进的滑坡灾害预警模型。上述研究主要将岩体物理力学性质、采场水文地质等指标相融合,是一种简便的采场风险评估方法,适用于灾害风险的大范围普查,但指标值的获取时效性差,且部分指标取值主观性强,难以适应矿山复杂多变的环境,从而难以实现动态精准预测预警。 对此,ZHANG 等[83]基于D-S 证据理论、模糊数学理论等方法,完成了多源监测数据融合与异常地质信息挖掘,从而实现了地质灾害的超前预警。 罗周全等[84]提出了一种基于尖点突变理论和D-S 证据融合理论的综合预警方法,克服了尖点突变模型预警效果不理想及D-S 证据融合模型鲁棒性较差的不足。 上述研究引入了多源力学响应监测数据,其评价结果可更好地反映开采扰动下岩体稳定性的动态变化,是矿山灾害风险预测预警较为有效的手段之一,但该方法的一大弊端在于多指标的融合大多只限于时间上的协同,并未实现空间上的协同,融合的感知数据属于不同位置的岩体,虽然感知数据一般具有时—空相关性,但从严格意义上讲,并不能完全等效,同样会对预测预警效果产生影响。

总体而言,虽然综合评判法无需大量历史数据支撑,同时避免了指标评判模型容易出现各指标评价结果存在冲突的问题,但该方法对于指标权重的确定主观性极强,且预警阈值的设定与矿山地质与生产条件密切相关,确定出合理的预警阈值非常困难,影响了该方法的准确性。 发展灾害案例挖掘算法,提取隐藏在灾害案例之中的致灾关键信息,形成考虑历史案例的指标权重与阈值构建方法,将是提升该方法有效性的重要途径。

3.1.2.2 机器学习法

机器学习法旨在从海量历史数据中挖掘致灾关键特征,建立监测数据与灾害风险状态之间的非线性映射关系,并在此基础上,结合实时采集数据,实现灾害的动态预警。 例如,LI 等[85]研究了随机森林等集成学习算法在岩爆灾害预警中的可行性,分析了相关算法的局限性;进一步提出了一种基于改进深度森林的岩爆灾害预警算法,并在新城金矿和三山岛金矿进行了验证[86]。 KIDEGA 等[87]提出了以单轴抗压强度、脆性指数等岩爆预警指标作为输入,采用梯度提升算法训练了岩爆预警模型,改善了传统岩爆指标预警模型准确率低的不足。 田睿等[88]提出了一种基于改进Adam 的深度神经网络(DNN)岩爆预测模型(DA-DNN),并通过冬瓜山铜矿岩爆案例,验证了模型的有效性与正确性。 WU 等[89]提出了一种基于Kmeans-ResNet 模型的滑坡预警算法,实现了滑坡变形状态的无阈值判断和预警,显著降低了误报率和漏报率。 贾义鹏等[90]将粒子群算法和广义回归神经网络相融合,消除了指标间的相关性,实现了岩爆的精准预测。

综上,机器学习算法的飞速发展为灾害的精准预测预警创造了良好条件,其本质在于构建多源数据与岩体稳定性之间的非线性映射关系,因此如何选取合适指标作为输入集是实现风险精准评判的一大关键问题。 此外,当前基于机器学习的预警方法大多缺乏力学内涵,虽然通过大量数据训练,可实现风险评估,但是这种“黑盒”模型可解释性不强,难以得到普遍认可。 此外,虽然机器学习法可在一定程度上降低预警前兆特征提取的复杂性及预警阈值设定的主观性,但其对有效历史数据的需求量大,预警准确性与历史数据覆盖范围呈正相关。 然而,目前历史数据搜集难度大,部分研究机器学习算法的样本量仅在几十量级水平,不利于构建普适性强的模型。 建立开放的地质灾害案例库系统、实现灾害案例大数据的开源共享,将成为提高机器学习预警深度与精度的有效途径。

3.2 基于数值模拟分析的地质灾害风险预警方法

数值模拟模型具有可直观展示岩体损伤破裂化过程、揭示灾变机理等优势,已成为当下最为流行的地质灾害风险预警方法。 大量学者采用连续、离散介质模型综合分析了采场岩体的稳定性状态,实现了致灾过程预测与损伤状态的透明化。 其中,诸如FLAC3D等连续介质数值模拟软件,因具有求解速度快、本构模型丰富等优点,被广泛应用于岩体稳定性分析评价中。 本研究团队[91]为阐明爆破扰动和蠕变耦合作用对新城金矿主竖井周边围岩的影响,将损伤力学理论引入FLAC3D有限差分模拟软件,预测了开采扰动下的岩体损伤状态,为矿山安全开采提供了保障。 灾变的发生往往伴随着裂隙的发育与扩展,虽然一些学者尝试将损伤理论引入连续介质模型,在一定程度上可实现裂隙发育与扩展的表征,但仍然难以精准复刻关键块冒落等典型结构性失稳破坏问题。 鉴于此,一些学者使用3DEC 等离散介质模型进行岩体稳定性分析。 张恒源等[92]依据岩石破坏的能量转化机制和单元整体破坏准则,提出了同时考虑岩石内部积聚的可释放应变能、岩石破坏所需的表面能临界值及脆性系数的多参量判据,并借助于3DEC 数值模拟工具,实现了深地工程灾害的预警分析。 戚伟等[93]基于3DEC 数值模拟软件,采用三维离散元法及随机裂隙网格技术建立了可反映实际节理分布的数值模型,并进一步分析了巷道围岩应力分布规律。 ABOUSLEIMAN 等[94]基于UDEC 分析了顶板稳定性与矿柱应力的关系,并研究了地应力、材料属性与节理网络对顶板稳定性的影响。 离散介质模型虽然可以精准刻画裂隙的发育过程,对结构性灾变预测起到重要的支撑作用,但是其计算量巨大,难以实现大规模计算。 为此,一些学者尝试将连续介质模型计算速度快及离散介质模型可精准描述岩体损伤破裂的优势相结合,开发了连续—离散介质耦合模型。 如黎晨等[95]利用FLAC3D开展了大尺度上岩体应力、变形等状态的分析,并在此基础上采用3DEC 进行局部精细化模拟,实现了灾变过程的精准分析。 SHI 等[96]针对煤矿冒顶片帮问题,构建了FDM-DEM 耦合模型,实现了开采过程中顶板冒落过程的分析。 这些研究成果对于金属矿山的灾变预警同样具有重要的借鉴意义。

虽然基于数值模拟分析的地质灾害风险预警方法在表征灾变过程和揭示灾变机理方面优势显著,但由于岩体的非均质性、各向异性以及外界生产扰动的不确定性,使得数值模型存在物理边界、微元力学参数时空变异性表征困难,地质与支护模型随着开采现状更新滞后、预警精度难以保障等问题。 为此,进一步将监测数据挖掘方法和数值模拟分析方法相融合、实现优势互补,将成为地质灾害预警研究的主要方向。

3.3 监测—模拟相结合的灾害预警方法

监测数据挖掘的灾害预警模型可描述监测数据与岩体损伤破裂的非线性关系,具有较高的时效性,但模型依赖监测数据的质量,灾害风险预测预警效果不稳定,且无法清晰表征灾变机理;基于数值模拟分析的地质灾害风险预警模型虽然具有分析准确、可清晰表征灾变机理等优点,但是由于岩体的非均质性和各向异性,使得数值模型在力学参数选取、边界条件设置、几何模型构建等方面均具有极强的不确定性,且其求解复杂问题效率低,难以满足时效性要求。 为此,融合两种方法优点的监测—模拟相结合的灾害预警方法,逐渐成为灾害预警研究的热点。 近年来,该方向的研究聚焦于以下两个方面。

一些学者将能够反映岩体力学响应的监测数据与数值模拟参数的标定方法相融合,提高了数值模型的精度,实现了灾害的超前预测。 例如,在采空区顶板稳定性预警方面,本研究团队[97]首先基于地表沉降监测数据调整FLAC 数值模型中的蠕变参数,初步实现了采空区稳定性评判与灾害超前预警,此后,进一步引入损伤力学理论对上述模型进行修正,实现了采空区顶板损伤状态的分析,为灾害的精准预警提供了理论基础[98]。 在滑坡灾害预警方面,学者们常采用雷达、微震、应力计等监测数据验证并标定数值模型,在此基础上对潜在风险进行综合预测预警。 例如,张诏飞等[99]采用FLAC3D分析了边坡受力状态和变形发展趋势,并通过雷达监测对数值模型分析结果进行了验证与标定,不仅实现了滑坡灾害预警,还揭示了滑坡灾变的内在机理,为灾害隐患处理提供了重要依据。 杨天鸿团队[100]利用FLAC3D软件对研山铁矿边坡开挖过程进行了模拟,并采用协同监测方式对模型进行了修正与验证,在此基础上对该矿东帮的潜在滑坡风险进行了预警。 ZHANG 等[101]采用FLAC和3DEC 软件对南芬露天矿滑坡全过程进行了模拟,并通过NPR 锚杆采集的牛顿力数据,实现了数值模型参数的标定,由此揭示了滑坡过程和灾变机理。 上述方法已成为地质灾害风险评价及预测预警较常用的方法,其优点在于可全局了解岩体损伤破坏状态,但问题在于这种参数标定方法往往依赖于经验,工作量大,且面对雷达等大范围的监测数据,难以实现监测和模拟的完美匹配,使得模拟结果与实际工况依然存在差异,从而影响了灾害预测预警的精确性。

此外,一些学者鉴于数值模型具有不确定性强的特征,开展了数值模型力学参数、物理边界等关键环节不确定性表征方面的研究。 例如在力学参数表征方面,CAI 等[102]提出了一个破坏驱动的数值模型来追踪岩体的弱化过程,并据此预测了岩体开挖周围的实际应力分布及随后的微震活动。 XIAO 等[103]将微震数据与岩体参数劣化相关联,形成了考虑微震损伤的数值模拟方法,提高了围岩稳定性评估的准确性。LIU 等[104]建立了微震数据与岩体力学参数劣化的量化关系,分析了开采扰动下的围岩损伤演化特征。 在物理边界表征方面,ZHU 等[105]将降雨和冻融效应引入数值模型中,实现了监测数据驱动下的土壤含水率及外界温度等物理边界的动态更新,实现了边坡滑坡的预测预警。 ZHANG 等[106]将位移等监测数据视为外部力学边界,完成了基于监测数据驱动的数值模型节点应力、位移边界的动态修正,实现了监测模拟相结合的风险动态评估。 GIAN 等[107]借助物联网技术实现了边坡土壤湿度、孔隙水压力、运动状态等指标的实时监测,并借助云计算等手段实现了数据的云端维护,同时将采集数据作为数值模拟参数,开展了监测数据驱动的模拟,实现了滑坡的超前预警。 在几何模型动态更新方面,WANG 等[108]提出了一种动态建模方法,并将其应用于数值模型动态更新工作中;ZHANG 等[109]在其基础上,将施工进度与数值模拟相结合,采用无人机等监测手段,形成了监测数据驱动下的数值模型动态更新技术,实现了数值模拟随着施工现状的动态更新,解决了施工过程中边坡安全实时评估困难的问题。

综上,学者们针对监测和模拟相结合的致灾过程分析方法的研究,已取得了丰富成果,但当前监测、模拟灾害预警方法的结合主要是依赖监测数据修正数值模拟参数,且暂无完善的智能化参数修正理论与方法,同时针对几何模型的智能更新、边界条件的自适应调节等理论与技术仍不成熟,尚不能实现监测数据驱动下的数值模型不确定性因素智能化表征与动态模拟。 因此,有必要将人工智能算法、云计算等技术引入监测—模拟相结合的灾害预警方法中,实现监测数据驱动的力学参数标定智能化、物理边界表征自动化、模型更新即时化、灾害预警过程动态化,从而为灾害智能预测预警提供重要的理论和技术支撑。

3.4 灾害风险云端管控技术

灾害风险云端管控技术是岩石力学、信息工程领域交叉融合的产物,旨在通过物联网、云计算等技术完成灾害预警方法的云端化,达到矿山风险状态的透明化、灾害预警智能化的目的。 按照数据融合程度划分,该领域的研究成果主要包括单指标阈值驱动及多源数据融合混合驱动的灾害风险预测预警云端管控技术。 针对单指标阈值驱动的灾害风险预测预警云端管控技术,旨在基于物联网等技术,搭建岩体力学响应的云端监控平台,实现采动岩体力学响应的透明化,同时通过设定阈值的方式,实现灾害动态预警。该技术是实现灾害预警最简单且行之有效的方法,被广泛应用于国内各大矿山,取得了显著成效。 例如,PRASAD 等[110]提出了一种由传感器网络组成的监控系统,可将矿山环境监测数据实时传递至云端,从而实现在任意地点访问、分析数据,为后续灾害监测预警研究提供了基础。 ZHOU 等[111]基于云计算技术及多渠道数据传输系统,搭建了边坡状态远程监测系统,为矿山安全、连续、高效生产提供了数据支撑。NIU 等[112]基于物联网技术,实现了矿山生产过程中“人—机—环”等数据的智能感知,搭建了云服务平台,实现了感知数据的云端展示,为矿山安全管控提供了数据平台支撑。 TAO 等[113]将物联网、云计算等技术与手机APP 应用相结合,研发了一种远程智能滑坡监测系统,实现了边坡滑动力状态的实时捕捉及警情信息的自动发布。 TAO 等[114]将分布式光纤应用于围岩应力应变实时监测,建立了岩体力学响应数据大数据监测系统,实现了生产扰动下岩体力学响应的实时监测,为矿山安全开采提供了保障。 LI 等[115]提出了一种基于物联网的实时边坡监测系统架构,实现了边坡变形状态的数字化、透明化。 综上可知,物联网等技术的发展促使“人—机—环”感知大数据走向云端化,该阶段衍生出的监测预警平台、手机APP应用,是矿山灾害风险监测预警实现数字化的重要标志,但采用单阈值预警模式,距离灾害预警的智能化仍然存在显著差距。

为实现灾害预警的智能化,学者们开始尝试将室内试验研究所得的数据融合算法与云计算相融合,逐步形成了多源数据融合混合驱动的灾害风险预测预警云端管控技术,初步实现了先进预警技术的云端化集成与现场落地。 例如,BAI 等[116]基于微服务架构,开发了一种智能监测预警系统,实现了滑坡项目管理、数据实时接收与分析预警,降低了算法开发与嵌入难度,分散了服务器的压力,提高了监测预警系统的服务能力。 QIN 等[117]将边缘计算、物联网等先进技术引入矿山灾害监测预警工作中,形成了一种基于边缘计算的物联网数据挖掘框架,实现了地质灾害监测数据的超前预测预警。 ZHANG 等[83]将D-S 证据理论融入云计算平台,搭建了基于大数据分析的地质灾害监测预警系统,实现了多源异构监测数据的融合,提高了灾害预警的准确性。 本研究团队[118]讨论了监测数据挖掘与数值模拟分析驱动的灾害预测方法的优缺点,提出了一种现场监测和数值模拟相结合的灾害预测预警方法,解决了监测数据驱动模型机理表征难、预警结果不可靠及数值模拟模型物理边界不确定性强的问题,在此基础上,基于云计算、物联网等技术,搭建了现场监测和数值模拟相结合的金属矿山采动灾害监测预警云平台,形成了一套可复制的地质灾害预测预警架构[8],在新城金矿、阿尔哈达铅锌矿等矿山得到了应用推广。

近年来虽然灾害风险云端管控技术得到了飞速发展,但在实际的灾害预警研究中,大部分是基于指标预警阈值进行灾害动态预警,同时存在着“重采集、轻分析、重监测、轻预警”的问题,大量灾害预警算法仍然停留在实验室研究阶段,难以适应现场监测数据不稳定、不完整的工况,还需要进一步加强学科交叉研究,实现具有岩石力学内涵的灾害预警方法在云端化集成,推动理论研究成果的现场落地,从而实现灾害的智能化预测预警。

4 灾害风险监测预警技术在金属矿山的应用

金属矿山地质灾害风险的动态监测与精准预警是实现矿产资源安全高效回收的重要保障。 本研究团队在上述成果的基础上,从采动岩体力学响应协同监测、监测—模拟多源数据融合的灾害风险评价、灾害风险云端管控等方面出发,围绕现场监测和数值模拟相结合的灾害预测预警学术思想,形成了“四位一体”的灾害风险监测预警方法。 本节结合弓长岭露天矿浅层隐伏空区稳定性监测预警工作案例,介绍本研究团队近年来针对灾害风险智能监测预警研究的相关思考及主要研究进展。

弓长岭露天矿区内存在大量规模不等、深部不定的未知采空区,严重威胁着矿山人员和大型设备的作业安全,同时对采矿工程计划执行以及爆破作业质量和安全造成了严重隐患。 经过地质探测和工程勘查[119],该矿何家采区采空区问题尤为突出,存在多层且空间分布错综复杂的采空区,仅凭探测出的空区几何形态及围岩岩性难以实现开采扰动下采空区垮塌与地表塌陷风险的精确评价,不能满足矿山安全生产需要。 经过本研究团队多年来的探索,形成了地质灾害案例挖掘、多源采动力学响应实时感知[120]、时空关联规则挖掘的超前预测[121]、亿级自由度精细化模拟[122]、监测与模拟相结合的灾害风险综合评价等技术[118],搭建了采动灾害监测预警云平台[8],为矿山安全高效生产提供了坚实保障。

4.1 总体思路

以浅层隐伏空区垮塌与地表塌陷灾害风险的监测预警为目标,本研究团队围绕“现场监测和数值模拟相结合的灾害预测预警”学术思想,提出了地质灾害案例匹配、多源数据挖掘、力学机理分析、专家系统诊断“四位一体”的灾害风险预测预警方法(图1)。具体包括如下内容:

图1 “四位一体”的灾害风险预测预警方法技术路线Fig.1 Technical route of the Four-in-One disaster risk prediction and early warning method

(1)地质灾害案例匹配。 搜集国内外类似灾害案例,搭建云端案例库,建立灾害案例智能匹配算法,挖掘目标矿山与案例矿山的关联关系,一方面完成目标矿山灾害的易发性评价,确定监测预警工作的必要性;另一方面综合确定预警指标体系,为灾害的预测预警提供重要依据。

(2)多源异构监测数据挖掘。 开展“天—空—地”多源力学响应的协同监测,进行“云—边”协同的多源多模态数据预警关键指标的动态挖掘及超前预测,为灾害风险的预测预警提供重要参数。

(3)力学机理分析。 基于无人机等物探数据,建立亿级自由度精细化数值模型,基于多元数据挖掘结果,构建监测数据与数值模型物理边界、力学参数等非线性映射关系,采用“云—边”协同方式,形成监测驱动下的云端动态精细化模拟方法,实现数值模拟结果云端共享及虚拟现实展示,为灾害风险的预测预警提供损伤等关键指标。

(4)专家系统诊断。 将基于地质灾害案例匹配得到的预警指标体系、多源数据挖掘及力学机理分析得到的预警关键指标相融合,形成基于模糊理论的专家决策系统,实现灾害风险的动态监测预警,从而为矿山安全高效生产提供保障。

4.2 地质灾害案例挖掘

矿山生产过程中,灾害引发的损失往往是惨痛的,但其带来的经验和教训却是十分宝贵的。 因此,构建历史灾害案例信息基因库,提取致灾关键基因片段,形成基于基因匹配灾害易发性评价及灾害管控方法非常有意义。

历史灾害案例具有指标数量多、维度广、信息难以完整存储等特征,可以将灾害案例信息的每个指标视为基因片段的一部分,由此构成如图2 所示的案例信息载体DNA 模型[123],从而实现历史灾害案例的精准表达。

图2 案例信息载体DNA 模型Fig.2 Case information carrier DNA model

在此基础上,引入云计算技术,采用腾讯地图二次开发方式,通过设计结构化、非结构化数据编码/解码规则,构建集地质灾害案例云端管理、案例可视化查看及案例模糊检索功能于一体的地质灾害案例云端管理服务平台,实现地质灾害案例的云端化可视化展示,如图3 所示。

图3 地质灾害案例可视化Fig.3 Visualization of geological disaster cases

进一步地,研发灾害案例挖掘算法[106],借助云计算等技术,完成了何家采区预警指标体系构建及云端维护,如图4 所示。

图4 预警指标体系云端集成Fig.4 Cloud integration of early warning indicator system

4.3 多源采动力学响应实时感知与挖掘

为实现何家采区采空区垮塌与地表塌陷的监测预警,采用微震、多点位移计、锚杆测力计等设备开展采动岩体力学响应的实时监测,设计了如图5 所示的多源力学响应数据实时感知与智能挖掘架构,形成了多源监测设备云端接入与多终端查询技术、监测数据粗大噪声智能剔除与设备运行状态自动检测技术,以及时空关联挖掘的监测数据超前预测技术。

图5 多源力学响应数据实时感知与智能挖掘架构Fig.5 Architecture of real-time sensing and intelligent mining of multi-source mechanical response data

4.3.1 多源监测设备云端接入与多终端查询

基于实验室尺度多源监测设备数据无线传输研究成果[120],形成了MQTT、HTTP、TCP 等通信协议的统合技术方案,研发了云端配置式多源监测设备接入系统,实现了多源异构监测数据低时延、高并发上云及基于手机端APP、PC 端浏览器的多源力学响应数据一键查阅,如图6 所示。

图6 多源监测数据多终端查阅Fig.6 Querying multi-source monitoring data from multiple terminals

4.3.2 监测数据粗大噪声智能剔除与设备运行状态自动检测

在何家采区生产过程中,大型用电设备的工作使得监测设备存在电压不稳、电脉冲等问题,致使传感器难以时刻保持最佳工作状态,从而使得传感器无法精确获取真实的环境数据,甚至可能出现感知数据中断的问题。 这些问题的存在会对矿山环境感知的连续性与准确性造成显著影响,对灾害精准预警带来了严峻挑战。 为此,本研究团队提出了一种矿山多源监测数据清洗及设备故障判别方法[124]。 首先,将监测数据粗大噪声剔除视为二分类问题,基于无监督机器学习方法,引入动态队列概念,实现监测数据异常状态的实时判断,并通过逻辑删除方式,完成了粗大噪声的动态剔除(图7);其次,提出了用于表征数据采集中断的时间阈值以及用于表征采集异常数据占比的异常密度阈值,基于此提出了一种传感器运行状态动态检测算法,实现了基于邮件、短信等渠道的传感器异常运行状态自动报警(图8)。

图7 粗大噪声剔除效果对比Fig.7 Comparison before and after noise reduction

图8 短信、邮件多渠道设备故障报警Fig.8 Multi-channel device failure alarm via SMS and email

4.3.3 时空关联挖掘的监测数据超前预测

监测数据具有时间和空间两种属性,监测区域的具体经纬度坐标或相对位置等表征位置的参数即为空间属性,而监测过程中产生的随时间变化的变形数据即为时间属性。 经过前期研究探索,得出监测数据间存在某种时空关联性,这种时空关联规则对于多源监测数据的超前预测非常有意义[121]。 基于此,依据弓长岭何家采区多源实时监测数据,挖掘了监测数据间的时空关联关系,建立了多源监测数据超前预测方法,实现了监测数据演化趋势信息提取,并将其集成至手机端APP(图9),为矿山安全管理人员了解空区力学响应提供了重要依据。

图9 超前预测数据趋势提取Fig.9 Trend extraction of advanced prediction data

4.4 亿级自由度的采动岩体损伤精细化数值模拟

数值模拟因具有直观表征灾害内在机理的优势,常被用于灾害预警研究。 其中,建立高精度数值模型、高密度网格模型和损伤本构模型是精准表征开采扰动下岩体变形及损伤演化过程的关键。 针对何家采区隐伏空区塌陷及地表垮塌灾害模拟问题,本研究团队提出了多源数据融合的精细化建模方法、亿级自由度网格划分方法、弹脆性损伤本构模型、监测数据驱动下动态模拟技术,实现了开采扰动对采空区稳定性影响的评价。

4.4.1 多源数据融合的精细化建模方法

采用无人机对矿坑进行倾斜摄影拍摄,采集弓长岭露天矿多角度的影像数据(图10(a)),建立三维实景模型及表面网格模型[125];借助三维激光扫描获取地下空区的三维形态(图10(b));结合矿山地质勘探结果,实现岩性分区(图10(c))。 在上述工作的基础上,综合构建矿山三维数值模型(图10(d)),为亿级自由度数值模型构建提供保障。

图10 多源数据融合的精细化建模Fig.10 Refined modeling based on multi-source data fusion

4.4.2 亿级自由度网格划分

为确保数值模拟结果的准确性,本研究团队提出了一种包含背景网格划分、四面体网格数量估算、六面体网格更新、空属性六面体网格检索和剔除、网格文件导入等过程的亿级自由度网格划分方法[122],并对上述精细化模型进行了高密度网格划分,得到包含5 494 471 个节点、542 014 个面、31 924 921 个单元、129 041 856 个求解自由度的亿级自由度网格模型如图11 所示,为岩体变形与损伤演化过程分析提供了重要保障。

图11 何家采区亿级自由度网格模型Fig.11 Hundred-million-DOF mesh model for Hejia mining area

4.4.3 微震数据驱动下的力学参数表征与动态模拟

鉴于微震数据中蕴含着丰富的微破裂信息,建立了微震数据驱动的岩体损伤量化表征方程[126-127]。在此基础上,以损伤为纽带,借助WebSocket、HTTP等通信协议及云计算技术,实现微震数据挖掘与数值模拟分析技术的融合,形成了微震数据驱动的动态模拟技术。同时引入爆破扰动因素,为超前预测露天台阶爆破诱发空区垮塌及地表塌陷灾害的可能性提供了重要指标。

在前文4.4.1 ～4.4.2 节所述技术的基础上,实现了开采扰动下空区稳定性状态的动态模拟,图12展示了2023 年3 月24 日得到的170 m 台阶爆破扰动下采空区最大主应力及损伤分布情况,其中剖面图为沿Y方向剖切所得。 由图12 可知:爆破台阶所在位置损伤严重,但空区附近并未出现损伤情况,表明爆破扰动的作用并未对采空区的稳定性造成影响,170m 台阶矿产资源可安全回采。

图12 170 m 台阶爆破扰动下采空区力学响应Fig.12 Mechanical response of the goaf under the disturbance of 170 m step blasting

4.5 监测与模拟相结合的灾害风险智能评价

监测数据挖掘和数值模拟分析作为灾害预测预警的2 种常用方法,在拥有独特优点的同时,具有不可规避的问题[118]。 将两者优点相结合,形成的现场监测和数值模拟相结合的灾害风险评价方法,被视为最有效的灾害预测预警手段[107]。 针对何家采区浅层隐伏空区垮塌及地表塌陷风险监测预警问题,将基于案例挖掘的预警指标体系作为风险判别依据,将监测数据挖掘、数值模拟分析结果作为当前空区稳定性状态评价指标,在此基础上,将D-S 证据理论与云计算相融合,构建了监测—模拟相结合的专家决策系统[128]。 图13 展示了2023 年3 月24 日监测—模拟相结合的专家决策系统对170 m 台阶爆破扰动下的采空区稳定性评价结果。 由图13 可知,爆破扰动并不会对采空区的稳定性造成影响,可正常开展日常生产工作。

图13 监测—模拟相结合的专家决策系统Fig.13 Expert decision system combining monitoring and simulation

4.6 “四位一体”的采动灾害监测预警云平台

基于云计算、物联网等先进信息技术,搭建了地质灾害案例匹配+多源数据挖掘+力学机理分析+专家系统诊断“四位一体”的采动灾害监测预警云平台,实现了上述技术内容的云端集成与统一管理,为矿山安全生产提供坚实保障。 “四位一体”的采动灾害监测预警云平台的主界面如图14 所示。 该界面由“左、中、右”三栏构成,其中左侧为预警相关内容,包括系统运行情况、预测预警方法、报警统计及三级预警指标4 个模块;中间为矿山真三维虚拟现实场景,右侧为监测与模拟结果。 由图14 可看出,云平台:①与监测—模拟相结合的专家决策系统相关联(图13);② 与详细报警信息列表相关联;③ 与地质灾害案例库相关联(图3)、④ 与多源监测数据可视化查询系统相关联(图6);⑤ 展示了亿级自由度精细化动态数值模拟结果(图12)。 在这些子模块的基础上,实现了上述技术的云端落地。

图14 “四位一体”的采动灾害监测预警云平台主界面Fig.14 Main interface of "Four-In-One" mining disaster monitoring and early warning cloud platform

该系统至今已稳定运行831 d,期间通过邮件(图15(a))、短信(图15(b))、平台弹窗(图15(c))等方式发布蓝色预警68 次,报警类型为设备的故障运行。 由此可见,矿山的高强度生产对感知设备正常运行具有显著影响,研发具有高环境适应性的感知设备是未来需要攻克的一大重点问题。 针对每次预警信息,安全负责人采用警情闭环管理应用模块(图15(d)),进行警情隐患的闭环处理,为力学响应数据的连续感知提供了坚实保障。 上述灾害风险实时报警及警情闭环管理机制,为弓长岭露天矿何家采区矿产资源的安全高效回采提供了坚实保障,为类似金属矿山灾害智能监测预警工作提供了一种新思路。

图15 多渠道警情发布及闭环管理Fig.15 Multichannel police information release and closed-loop management

5 存在问题及发展趋势

5.1 金属矿山灾害风险智能监测预警技术存在问题

金属矿山灾害智能监测预警技术是保障矿山安全生产的重要手段,虽然近年来矿山灾害监测预警技术得到了飞速发展,但由于金属矿山具有岩体的强非均质性与各向异性、生产活动的高强度性与动态性、生产环境的恶劣性、致灾因素的多元性等特征,使得灾害监测预警存在以下技术难题。

5.1.1 多源力学响应数据难以高精度连续协同感知

采动岩体力学响应数据是灾害监测预警的基础,但由于感知设备的多样性及环境的恶劣性,使得多源多模态采动岩体力学响应数据难以实现高精度连续采集与协同处理,主要存在如下3 个层面问题。

(1)数据通信协议不统一。 在实际的监测预警工作中,常会引入不同设备商的岩体力学响应感知设备,以达到多源多模态协同监测的目的,但不同设备厂商应用的数据传输协议存在显著差异,甚至部分厂商采用私密的通信协议,存在信息割裂问题[129],极有可能产生数据孤岛[130],严重影响了多源多模态采动力学响应数据的协同处理。

(2)恶劣环境下感知精度难以保障。 矿山环境的恶劣性极易对监测数据造成影响,诸如多点位移计、锚杆测力计等测点式监测设备,可能受到电脉冲影响,从而出现异常的阶跃[131];雷达、InSAR 等测面式监测设备容易受到积雪等地表覆盖物的影响,致使测量数据显著偏离实际[132];监控视频易受弱光、粉尘等影响,对图像识别精度产生影响[133]。 虽然学者们尝试设计相关算法以解决上述问题,但多用于后验式分析,时效性难以保障,如何结合感知设备工作原理,将算法嵌入到设备底层,以保障数据采集精度,是当下亟须解决的关键技术问题。

(3)数据无线传输的可靠性差。 金属矿山环境复杂,存在许多天然或人造障碍物,尤其在地下矿山中,复杂巷道结构和高并发的数据传输与电磁等信号的干扰,加之高强度的生产工作,给数据传输的可靠性带来了严峻挑战,甚至出现设备故障等问题,从而对数据的完整性和连续性造成影响,阻碍灾害预警算法的稳定运行[134]。

5.1.2 灾害预测预警模型参数难以精准选取

数据挖掘模型和数值模拟分析模型是地质灾害智能预测预警的常用模型,但由于岩体的非透明性及地质灾害发生的随机性,使得各类型灾害预测预警模型关键参数的选取具有极强的不确定性,主要存在如下问题。

(1)数据挖掘模型风险评价指标及预警阈值选取困难。 风险评价指标及预警阈值的选取是灾害精确预警的关键,然而,由于矿山地质条件的复杂性,使得预警指标和预警阈值的选取难以形成统一标准,虽然一些学者提出切线角等无量纲预警指标[135],在一定程度上实现了预警阈值的统一,但在指标无量纲处理过程中仍然需要提供平均变化率等参数,难以实现实时精确反演,尤其在数据质量不佳时,基本无法完成指标的无量纲化处理。 本研究团队提出了基于案例挖掘的预警指标确定方法[136],虽然在一定程度上解决了预警阈值选取困难问题,但案例的搜集与案例基因库的表达工作量巨大,有限的案例数据难以实现预警阈值的精确选取。

(2)数值模拟分析模型参数时空变异性动态表征困难。 岩体力学参数、多物理场边界及几何模型精确设定是获取可靠数值模拟结果的关键,但由于地质体的非透明性与非均质性、生产环境的动态更替、开采工作的动态开展,使得岩体力学参数、多物理场边界及几何模型均呈现出显著的时空变异性,传统的静态模拟方法难以完成上述参数的动态表征,致使数值模拟结果愈发偏离实际,从而显著影响了灾害预测预警的可靠性。 虽然,近年来在岩体力学参数表征[137]、地应力等物理边界反演[138]、精细化地质建模[139]等方面的研究均取得了显著进展,但大多处于理论方法研究状态,难以满足动态模拟的时效性要求。 本研究团队初步探索了岩体力学参数时空变异性的动态表征及动态模拟技术,搭建了监测—模拟相结合的灾害预警云平台[128],初步实现了微震数据驱动的力学参数时空变异性动态表征,但距离实现数值模型整体的动态更新与高时效动态模拟的最终目标,还有很长的路要走。

5.1.3 灾害智能监测预警系统尚不完善

灾害智能监测预警系统是采矿工程和信息工程学科交叉融合的产物,被视为实现灾害风险预测预警最有效的方法之一[140]。 在国家政策的大力扶持下,当前市场上涌现出了大量灾害智能监测预警系统,但系统总体呈现出“重采集、轻分析,重监测、轻预警”等现象[74],主要存在如下问题。

(1)灾害智能预警算法理论研究与现场应用脱节。 灾害智能预警模型的研究大多采用基于历史数据的后验式分析方法,致使模型在现场推广过程中存在问题。 一方面,历史数据难以反映当前和未来的情况,在一定程度上难以完全满足未来新型灾害预测预警的需要;另一方面,后验式建模过程中,获取高质量的数据集是建立高精度预警模型的关键[5],但由于环境感知技术存在不足,使得环境监测过程中极易出现实时监测数据质量不佳甚至缺失等问题[131],难以满足灾害预警模型的数据要求,使得预警模型在实际应用中效果不理想,难以实现现场落地与推广,导致灾害预警算法理论研究与现场应用脱节。

(2)智能预警系统研发缺乏技术人才储备。 灾害智能监测预警系统是采矿工程和信息工程学科交叉融合的产物,其中采矿工程针对丰富系统的内涵,信息工程专注于系统界面设计与研发。 但由于缺乏兼顾信息工程与采矿工程的技术人才,难以满足搭建兼顾内涵丰富及高展示度预警系统的需求[141]。 而一些设备厂商及信息技术企业侧重于以设定监测物理量的阈值作为预警依据,同时建立高展示度的预警系统[142]。 这类系统的预警更依赖于专业人员的主观判断,虽然呈现出“重采集、轻分析,重监测、轻预警”的问题,但在一定程度上能满足短临预警需要及相关安全生产规范要求,在市场上比较受欢迎。

5.2 金属矿山灾害风险监测预警技术发展趋势

为适应矿产资源开采向深部及高寒、高海拔等环境恶劣区域发展的趋势,金属矿山灾害风险监测预警技术需要在多灾种高性能、专用特种智能感知技术与装备,标准化数据通信协议与架构,监测—模拟相结合的灾害智能预警技术及地质灾害监测预警平台与数字孪生技术4 个方向谋求突破,各方向层层递进,在灾害风险监测预警技术中扮演着重要角色,构成了如图16 所示的金字塔形发展模式,各方向详细内容论述如下。

图16 金属矿山监测预警关键技术层级关系Fig.16 Hierarchy relationship of key technologies for monitoring and early warning in metal mines

(1)多灾种高性能、专用特种智能感知技术与装备。 获取实时、精确的采动岩体力学响应数据是灾害监测预警的关键,然而在矿山复杂、恶劣的条件下,通用的感知设备难以满足抗干扰、低能耗、高精度等需求[134]。 为了保障采动岩体力学响应感知数据获取的精确性和稳定性,未来需要结合环境感知设备的工作原理和监测环境特征,研究特定环境下的故障自动诊断、噪声数据智能甄别和感知数据智能校准等算法。 同时,结合边缘计算、低功耗高带宽通信等技术,研发多种适用于不同灾害类型的高性能、专用特种智能感知技术和装备,实现多源力学响应信息的精确、完整、连续采集,为灾害风险的预测预警创造条件。

(2)标准化数据通信协议与架构。 通信协议的标准化是多源多模态数据协同管控的基础,是实现灾害智能化监测预警的关键,然而目前通信协议不统一的现状不利于矿山灾害风险智能监测预警技术的发展,形成标准化数据通信协议与架构是解决上述问题的有效途径,是消除数据孤岛、实现多模态数据云端综合管控的重要保障。 当前,华为技术有限公司本着推动采矿行业统一标准和统一架构的目标,研发了具有自主知识产权的“矿鸿”操作系统,以统一的接口和协议标准,解决了不同厂商设备的协同互通问题,初步形成了标准化数据通信协议与架构[143]。 尽管目前“矿鸿”操作系统研发与应用处于起步阶段,但是它所采用的标准化数据通信协议和架构思路在未来必将获得长足的发展。

(3)监测—模拟相结合的灾害智能预警技术。数据挖掘模型和数值模拟分析模型存在优劣互补的特征,两者相结合的灾害预警模型被视为最有效的预警方式[107]。 当前监测—模拟相结合的灾害预警模型虽然得到了发展,但是在预警阈值量化、模型参数不确定性表征等方面仍存在一定的不足。 需要进一步建立数据开放、共享的大型灾害案例基因库,完善基于机器学习算法的预警指标体系量化构建方法;发展具有自学习、自优化特征的数据驱动灾害智能预警模型,解决数据驱动模型关键参数的不确定性及动态性问题;发展监测数据驱动的数值模型力学参数、物理边界、几何网格模型时空变异性动态表征方法,解决数值模拟分析模型的不确定性问题;发展多源多模态数据融合的灾害预测预警模型,完成数据挖掘模型和数值模拟分析模型的多维度、跨尺度融合,实现灾害风险易发性、易损性及风险性的精准评估与灾害的动态预警。

(4)地质灾害监测预警平台与数字孪生技术。地质灾害智能监测预警平台是了解矿山灾害风险状态、实现矿山风险管控的必要途径。 但当前的预警平台存在“重采集、轻分析,重监测、轻预警”等问题,需要进一步结合监测—模拟相结合的灾害预警算法,丰富预警平台内涵。 此外,数字孪生等技术的兴起为地质灾害监测预警平台注入了新的活力,为其发展带来了新的机遇[144]。 其中,发展矿山地质灾害风险数字孪生技术,能够实现矿山灾害风险评估的智能化和灾害风险状态的透明化,已成为未来矿山灾害监测预警平台发展的主要趋势。

6 结 论

(1)目前,金属矿山地质灾害监测预警技术侧重于灾害时空预测预警,需根据灾害类型,研究定量化方法,评估灾害易发性、易损性和危险性,完善监测预警理论体系。

(2)多感知设备协同监测与数据融合理论仍不完善,基于风险条件的感知设备布设方案智能调整,保障采动岩体力学响应的时空完整性与连续性,是实现灾害精确预测预警的重要条件。

(3)监测与模拟相结合已成为矿山灾害预警的发展趋势,下一步应与云计算、人工智能等技术相融合,建立完善的理论体系,实现实时动态、精准高效的灾害风险预警。

(4)提出了“地质灾害案例匹配、多源数据挖掘、力学机理分析、专家系统诊断”四位一体的灾害风险预测预警方法,搭建了采动灾害智能监测预警云平台,相关成果已在浅层隐伏空区稳定性监测预警工作中得到应用推广。

(5)金属矿山灾害风险监测预警技术存在多源力学响应数据难以高精度连续协同感知、灾害预测预警模型参数难以精准选取、灾害监测预警系统尚不完善等问题,多灾种高性能、专用特种智能感知技术与装备,标准化数据通信协议与架构,监测—模拟相结合的灾害智能预警模型,地质灾害智能监测预警平台与数字孪生技术是解决上述问题的关键技术,是未来的主要发展趋势。