露天矿边坡自动化监测数据探讨

导语：在露天矿边坡自动化监测数据探讨的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了一篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。

边坡自动化监测系统自动计算、生成数据成果表，反映监测点在某周期内的三维坐标方向上的变形量。在自动化监测系统的软件中可预设“阀值”，如监测到数据超限，系统会自动预警。但因边坡地质力学结构迥异，滑坡临界点也各不相同；某些边坡有可能超限“规范阀值”，却仍然安全；某些边坡有可能未达“规范阀值”，却已形成滑坡[2]。在日常生产中，“阀值”警醒管理人员，及时检查分析数据异常。要研判边坡的稳定性，变形过程至关重要，这需要对监测数据细化、深入分析。通过分析监测数据样本，找出变形数据异常点；深入挖掘、细化分析异常点监测数据，以时间节点为横轴、变形速率和累计变形量为纵轴，绘制变形曲线图，解析变形过程；关联分析异常变形与降雨量、生产扰动等外因潜在的关系，确定变形诱因；对比同监测断面、同监测区域内的多个监测点数据和曲线图，分析变形范围和规模[3]。再结合边坡地质和力学结构，预测边坡变形未来发展趋势，研判边坡稳定性，为预测预警提供科学依据。

1边坡变形自动化监测系统概要

露天矿边坡自动化监测系统可看作用于变形监测的物联网，布设在边坡上的传感器是感知层，传输数据的有线或无线网络是网络层，监测监控中心的计算机、监测软件、显示和预警设施设备是应用层。通常在边坡上布设监测应力、应变、环境变化的传感器，监测表面位移、深部位移、沉降、地下水位、裂缝、压力、拉力、降雨量等多项数据指标，全天候地按预设的频率采集的信号，再通过有线或无线网络传输至计算机，安装在计算机上的监测软件，对传输来的信号进行解译，转换为数据，并对数据进行解算、平差、分析，生成监测数据日报、周报、月报等成果表，系统根据设定的授权，主动分发监测信息给相关技术人员和管理人员[4]。监测物联网通常设置每小时生成1期成果数据，日积月累，数据量越来越大，可靠性也越来越高，可真实、完整地记录每个监测点的变形过程。可差异化地按传感器类型、监测点位置，设定累计变形量、变形速率的预警“阀值”。系统自动比对最新监测值和预警“阀值”，如超限即按预设授权分级预警，监测中心声光报警器预警，同时以短信、微信等方式，发布预警信息到相关人员的智能手机。

2边坡变形自动化监测系统数据应用挖掘

虽然系统具有自动预警功能，但仍有必要对监测数据进行挖掘分析。每当系统预警，需要快速分析监测数据，找出问题所在，为防灾减灾决策提供依据。如有地震发生，要及时分析监测数据，评估地震对边坡的影响。每到重要施工节点，需要分析监测数据，辅助制定后续施工计划。每个监测周期，也要分析监测数据，编制监测报告存档备查[5]。在分析监测数据时，通常先总体、后个体、再拓展关联，从监测数据成果表中找出变形量大的异常监测点，分析其变形过程、变形原因，再拓展分析其四邻监测点变形情况，以实现快速分析、重点分析、精准分析。要具体判断滑坡的可能性，需要绘制监测点变形量曲线图、变形速率曲线图、变形量与降雨量关联分析图、同断面（或同区域）多个监测点变形量对比曲线图、变形速率对比曲线图等，图形和数据相结合，综合分析[6]。

2．1解析变形过程

分析样本数据中监测点数据记录，解析还原变形过程，提取蠕动变形、等速变形、加速变形、临滑等不同变形破坏阶段的数据特征和曲线图特征，判断监测点当前所处变形阶段[7]。蠕动变形阶段，数据无规律、小幅度变化，变化原因可能是测量精度、早中晚温差、生产活动干扰等。各方向上的变形量较小，波动变化幅度也很小，曲线图呈变动、回归、无规律变化。由此可得各方向变形速率小幅波动变化，偶尔跳变又迅速回归，长期贴近0值波动。结合监测数据、变形量曲线和变形速率曲线分析研判，该监测点所处区是稳定的。

2．2变形诱因

在露天矿生产活动中，采场往深部开拓，排土场往高堆排，形成了较大的高低差，受到外部因素影响时，有可能会形成滑坡地质灾害[9]。降雨是发生地质灾害的主要诱因之一，生产过程中的机械扰动、爆破振动、地震等也是诱因，当扰动因素发生后，要及时分析数据、研判边坡变形情况[10]。如图4变形量与降雨量关联图，2021年7月25日矿区暴雨，短时间内降雨量达到53．5mm，是变形加速的诱因。27、28日持续降雨，进一步影响边坡的稳定性，累计变形量不断增加，导致2021年7月31日发生了局部垮塌。

2．3变形范围和规模

①北帮虽然累计值均很小，但相较而言x方向的累计变形量较其它方向变形量大，北帮地形呈北高南低，具备从北往南滑移的现实条件，从监测数据变化量来看，各监测点变形趋势基本一致，整体从北往南蠕动滑移；②排土场各监测点累计变形量，y方向值比其它方向值大。排土场地形呈西高东低，具备从西往东滑移的客观条件从数据来看，各监测点存在幅度不一的自西向东的蠕动变形。由表1还可看出：从同处排土场区域的G1、G2、G3、G4、G5、G66个监测点数据来看，各监测点累计变形量存在明显差异，排土场顶部堆排时间相对较短，位于顶部的G1、G32个监测点累计变形量较大，经分析因堆排时间较短、处于自稳定期，属于正常变形；G2监测点各方向上的累计变形量都较小，其所在区域稳定；G6监测点所处区域堆排时间较久，变形量大，且呈加速变形趋势，与其横向相邻的G4、纵向相邻的G52个监测点变形速率也较大，经分析G6监测点所在区域积水而导致变形；2021年7月26日后连续多日降雨，受雨水浸泡影响加速变形，各监测点累计变形量差异较大，变形量较大的G4和G52个监测点所在区域，都发现了地表裂缝；变形量最大的G6监测点所在区域，形成局部垮塌。

3结语

1）边坡变形自动化监测系统监测周期越长，监测数据涵盖的时间段越长，更能真实反映边坡变形发育过程。2）解析边坡变形发育过程，提取监测点数据特征、变形量曲线图特征和变形速率曲线图特征，能快速准确判定边坡变形所处阶段。3）露天矿滑坡灾害形成的过程中，虽然采动形成的高低差是成因，但暴雨、地震等可能会成为诱发因素。当扰动因素发生后，要及时分析监测数据，研判边坡受到影响后的情况。4）分析监测点、监测断面、监测区域的监测数据、变形量曲线图、变形速率曲线图，能有效辅助诊断变形范围和规模。5）结合边坡地质力学结构，综合分析变形过程、变形诱因、变形范围和规模，能更好地预测变形发展趋势，实现科学准确地预判预警。

参考文献：

［1］杨忠林，薄建芬，黄永强．露天矿山高陡边坡智能在线监测及预警系统研究［J］．矿业工程，2016，14（2）：54－56．

［2］董文文，朱鸿鹄，孙义杰，等．边坡变形监测技术现状及新进展［J］．工程地质学报，2016，24（6）：1088－1095．

［3］熊文良，路东华，许庆东，等．布沼坝露天矿西帮边坡变形观测数据分析［J］．露天采矿技术，2016，31（4）：15－17．

［4］葛忠和．露天煤矿边坡自动化监测系统设计［J］．露天采矿技术，2016，31（4）：32－35．

［5］芮昌龙，彭继杨，廖丽霞．布沼坝露天矿西帮边坡变形模拟及监测对比分析［J］．露天采矿技术，2018，33（5）：59．

［6］崔芳姿，吴斌，史学磊，等．地质灾害监测数据综合处理与分析［J］．地理空间信息，2021，19（7）：88－92．

［7］李伟，张忠超，马明．井采扰动排土场边坡监测与变形特征研究［J］．露天采矿技术，2016，31（9）：30－33．

［8］王珣，李刚，刘勇，等．基于滑坡等速变形速率的临滑预报判据研究［J］．岩石力学，2017，38（12）：3670－3679．

［9］彭德明，钟剑，武静，等．广西钟马高速某高边坡自动化监测预警与变形分析［J］．中国科技信息，2019（19）：82－83．

［10］肖存耀，杨开平，李云顺，等．在线监测技术在笪家屯“9．24”滑坡防灾减灾中的应用［J］．地矿测绘，2017，33（3）：30－32．

作者:王安玉 姜莉 吴全付 谢顺祥 高志轩 韦学林 李霖 单位:云南万仕维科技有限公司 建水县福运煤业有限责任公司 文山州煤业有限责任公司