时间:2022-10-09 11:30:12
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