基于ArcObjects組件與Microsoft.NET框架的營口某鐵礦開采沉陷預計系統

尚曉光 侯克鵬

（昆明理工大學國土資源工程學院，云南 昆明 650093）

地下金屬礦體開采完畢后，上覆巖體應力會重新分布，一旦巖體的抗變形能力無法有效抵消應力集中，地表則會發生沉陷［1-3］。近年來，大量學者對開采沉陷進行了大量預測研究，盡管成果豐碩［4-8］，但大多側重于沉陷定量預測方面，缺乏對礦區開采沉陷的可視化分析成果。本研究以遼寧省營口市某鐵礦K203開采工作面為例，將ArcObjects二次開發平臺和Microsoft.NET框架技術［9-10］相結合，對礦山開采沉陷可視化預計系統進行開發。

1 礦山概況

某鐵礦位于遼寧省營口市，鐵礦所在區域交通便利，植被覆蓋茂盛，礦區以北1.5 km分布有2個自然村落。該礦床屬于典型的河床下賦金屬礦，主礦體沿渾河支流大沖溝發育，礦體長1 400～1 522 m，寬90～200 m，厚445～207 m，礦體埋深較淺，位于地下70～300 m，呈長條形分布。礦區地表雨水豐富，地層巖性較單一，上部為第四系殘坡積、沖洪積砂卵碎石，下部為全強風化基巖，以大樹基溝和桶子溝為界，北部巖性為花崗巖，南部為變粒巖。經現場勘探揭露，巖石風化深度較深，一般覆蓋層可達5～10 m，全風化下限埋深為10～20 m，局部可達到40 m，強風化埋深為25～30 m。研究區未發現較明顯的大型斷裂或活動斷裂，經勘查發現小規模斷層有13條，斷層寬10～100 cm，對開采區無較大影響。通過探洞裂隙統計分析，礦區主要發育NNE、NW向2組裂隙，均以緩傾角為主，易在采掘巷道頂部切割形成不穩定塌落體。該鐵礦經過多年開采，部分區域已經發生了巖土體應力破壞失穩現象，在K203工作面采掘工作區域地表形成了明顯的塌陷坑，其中較大一處塌陷坑長45 m，寬30 m，塌陷深度為10～50 cm，塌陷坑周邊發育多級臺階狀裂縫（圖1）。

2 系統開發及功能架構

以Microsoft.NET框架為基礎，首先利用C語言開發出基于概率分析法的沉陷預計系統，并將預測結果轉換為主流軟件通用的數據格式，實現開采沉陷預計和評價；然后利用ArcObjects平臺，開發出沉陷預計可視化界面，實現開采沉陷預計可視化。

2.1 開采沉陷預計模塊

系統開采沉陷預計模塊采用概率積分法［11-14］進行程序開發。通常情況下，水平礦體和傾斜礦體傾角不超過45°，故概率積分法可以適用于一般地形和開采條件的地表沉陷分析與計算。對于工況較為復雜，礦床條件為任意形狀的開采面，可對礦體細分為更小的矩形，分別進行沉陷預計后進行疊加分析，從而確保預計精度。本研究采用C語言編寫了概率分析法沉陷預計程序：

2.2 可視化模塊

2.2.1 可視化程序工作原理

2.2.1.1 沉陷計算數據轉換

在CAD軟件中，以SCR腳本繪制研究區地形等值線、沉陷后地形等值線以及典型剖面線，生成的等值線圖在軟件界面中導出為DEM格式的點數據，通過“file”功能自動添加至AricGIS軟件中實現讀取和可視化，GIS軟件能夠將等值線進行定量化分界，從而可實現查詢、分類、修改和自定義等諸多功能（圖2、圖3）。

2.2.1.2 開采沉陷三維可視化

開采沉陷三維可視化分析步驟如下：

（1）工作面三維建模。通過采集采礦工作面巖層走向、傾向、傾角，開掘部位深度、方位、坐標點，礦床厚度、深度、產狀、水平位移、垂直位移、下沉系數等參數，并將所有參數信息錄入系統中，生成.dat格式文件，完成工作面三維建模。

（2）設計計算網格。主要目的是設置網格的邊界線、起止點、網格寬度和高度、網格行列數以及文件格式等。本研究通過ArcGIS軟件實現上述功能，設置過程中網格密度和范圍需大于研究工作面，算法流程如圖4所示。

（3）開采沉陷分析。選取工作面參數，并挑選巖層巖性參數、開采工作面參數等，結合本研究設計的概率分法開采沉陷預計程序，可得到指定點的位移信息和發生沉陷的概率。

（4）可視化。通過ArcObjects二次開發平臺編寫程序，可實現三維可視化開采沉陷預計。

2.2.2 可視化關鍵代碼

本研究系統可視化模塊實現算法采用C語言編寫，關鍵程序代碼如下。

（1）利用“return”函數引用GIS API各個組件接口。

require（modules:Array＜String＞，callback:function）=＞ void

require（{

“esri/Map”， “引用底圖組件”

“esri/views/SceneView”， “引用視圖組件”

“dojo/domReady!”

］，function（Map，SceneView）{ “引用功能組件”

//Code to create the map and view will go here}）；

（2）添加地形等高線底圖。

var map=new Map（{

basemap:“streets”，

ground:“world-elevation”

}）；

（3）添加三維視圖。

var view=new SceneView（［

container:“viewDiv”，

map:map

}）；

（4）添加要素圖層。

return arrayUtils.map（geoJson.features，function（feature，i）{

return{

geometry:new Point（{

x:feature.geometry.coordinates［0］，

y:feature.geometry.coordinates［1］

}），

//select only the attributes you care about

attributes:{

ObjectID:i，

title:feature.properties.title， “添加圖名”

type:feature.properties.type， “添加圖層特性”

place:feature.properties.place， “添加坐標值”

depth:feature.geometry.coordinates［2］+“ km“，“添加高程”

time:feature.properties.time， “添加時間特性”

}；

}）；

（5）設計渲染。渲染器是地圖顯示符號的方法，相當于Echarts中的VisualMap配置項。ArcGIS軟件API中有很多渲染器，本研究采用SimpleRenderer函數對點符號進行渲染。

var quakesRenderer=new SimpleRenderer（{

symbol:new SimpleMarkerSymbol（{

style:“circle”，

size:20，

color:［211，255，0，0］，

outline:［

width:1，

color:“#FF0055”，

style:“solid”

}

}），

visualVariables:{

{

type:“size”，

field:“mag”，//earthquake magnitude

valueUnit:“unknown”，

minDataValue:2，

maxDataValue:7，

//Define size of mag 2 quakes based on scale minSize:［

type:“size”，

expression:“view.scale”，

stops:［

{value:1128，size:12}，

{value:36111，size:12}，

{value:9244649，size:6}，

{value:73957191，size:4}，

{value:591657528，size:2}

}，

//Define size of mag 7 quakes based on scale maxSize:{

type:“size”，

expression:“view.scale”，

stops:［

{value:1128，size:80}，

{value:36111，size:60}，

{value:9244649，size:50}，

{value:73957191，size:50}，

{value:591657528，size:25}］

}）.

3 試驗分析

根據該鐵礦K203工作面實際情況，對概率積分法開采沉陷預計參數進行了取值，結果見表1。

?

根據表1，利用系統開采沉陷預計模塊進行了預計并采用可視化模塊進行了三維可視化分析，結果如圖5所示。

綜合分析圖5可知：K203工作面地表水平位移小于100 mm，垂向位移變化較大（0～1 400 mm），該區域沉陷具有階段性增速到減緩的特點。

為驗證系統開沉陷預計精度，在K203工作面地表設立監測點（圖6），采用全站儀在地表敷設導線進行測量分析，其平面測量精度為1 mm，垂直測量精度為5 mm。通過對監測結果進行統計分析發現（圖7），監測點于2012年8月20日首次發生位移，之后監測點位移增長速率開始逐步擴大，現場同時發現該區域地表土體出現裂痕和臺階狀陷坑；2013年11月中旬，地表監測點的沉陷值達到1 200 mm左右，累積變形速率達到最高峰，沉陷值達到1 350 mm后，沉陷速率有所減緩，表明從2014年年初開始，該區域沉陷基本穩定，應力分布重新達到平衡狀態，與本研究系統預測分析結果基本吻合。

4 結語

以遼寧省營口市某鐵礦K203開采工作面為例，將ArcObjects二次開發平臺和Microsoft.NET框架技術相結合，開發了開采沉陷可視化預計系統。試驗表明，該系統不僅可以定量預計開沉陷，而且可以對開采沉陷預計結果進行三維可視化分析，對于深入分析金屬礦山地表沉陷變形規律有一定的適用性。

［1］Wang X F，Wang Y J，Huang T.Extracting mining subsidence land from remote sensing images based on domain knowledge［J］.Journal of China University of Mining&Technology，2008，18（2）:168-171.

［2］ 夏開宗，陳從新，付 華，等.金屬礦山崩落采礦法引起的巖層移動規律分析［J］.巖土力學，2016（5）：1434-1440.Xia Kaizong，Chen Congxin，Fu Hua，et al.Analysis of law of ground deformation inducedby caving mining in metal mines［J］.Rock and Soil Mechanics，2016（5）:1434-1440.

［3］ 黃平路，陳從新，肖國峰，等.復雜地質條件下礦山地下開采地表變形規律的研究［J］.巖土力學，2009（10）：3020-3024.Huang Pinglu，Chen Congxin，Xiao Guofeng，et al.Study of rock movement caused by underground mining in mines with complicated geological conditions［J］.Rock and Soil Mechanics，2009（10）:3020-3024.

［4］ 張洪勝，劉 浩.礦山開采地表沉陷監測方法探討［J］.測繪與空間地理信息，2014（8）：200-202．Zhang Hongsheng，Liu Hao.Discussion on the methods of monitoring in coal mining subsidence［J］.Geomatics&Spatial Information Technology，2014（8）:200-202．

［5］ 楊 旭，余學祥，張迎偉，等.煤礦開采沉陷自動化監測系統設計與實現［J］.測繪工程，2015（9）：39-43．Yang Xu，Yu Xuexiang，Zhang Yingwei，et al.Design and implementation of the automatic monitoring system for coal mining subsidence［J］.Engineering of Surveying and Mapping，2015（9）:39-43．

［6］ 郭啟琛，李文平，王啟慶，等.薄基巖淺埋深礦區地表開采沉降預測及影響因素分析［J］.金屬礦山，2015（12）：161-164．Guo Qichen，Li Wenping，Wang Qiqing，et al.Prediction and analysis to affecting factors of surface mining subsidence in the mining are a of shallow coal seam with thin bedrock［J］.Metal Mine，2015（12）:161-164．

［7］ 劉賀春，郭 秋.綜合GPS技術與灰色模型的西郝莊鐵礦開采沉陷預計［J］.金屬礦山，2016（10）：116-119．Liu Hechun，Guo Qiu.Prediction of the mining subsidence of Xihaozhuang Iron Mine based on GPS technique and grey model［J］.Metal Mine，2016（10）:116-119．

［8］ 沈 震，徐良驥，劉 哲，等.基于Matlab的概率積分法開采沉陷預計參數解算［J］.金屬礦山，2015（9）：170-174.Shen Zhen，Xu Liangji，Liu Zhe，et al.Calculating on the prediction parameters of mining subsidence with probability integral method based on Matlab［J］.Metal Mine，2015（9）:170-174.

［9］ 劉貴明，張衛國，蘭小機.基于ArcGIS Engine的礦山3D-GIS的設計與實現［J］.金屬礦山，2009（5）：92-95.Liu Guiming，Zhang Weiguo，Lan Xiaoji.Design and implementation of theMine3D-GIS based on ArcGIS Engine［J］.Metal Mine，2009（5）:92-95.

［10］王瑞云.基于VC++.NET的開采沉陷預計程序設計與實現［D］.淮南：安徽理工大學，2014.Wang Ruiyun.Design and Implementation of Mining Subsidence Prediction Program Based on VC++.NET［D］.Huainan:Anhui University of Science and Technology，2014.

［11］王永輝，倪岳暉，周建偉，等.基于概率積分法的橫河煤礦巨厚松散層下開采沉陷預測分析［J］.地質科技情報，2014（4）：219-224.Wang Yonghui，Ni Yuehui，Zhou Jianwei，et al.Subsidence prediction under thick and loose overburden of Henghe coal mine based on probability integral method［J］.Geological Science and Technology Information，2014（4）:219-224.

［12］王 友，王雙亭.抗差嶺估計在概率積分法預計參數求取中的應用研究［J］.煤礦開采，2014（3）：17-19.Wang You，Wang Shuangting.Application of anti-poor-estimation in prediction parameters solution by probability integral method［J］.Coal Mining Technology，2014（3）:17-19.

［13］王瑞云.遺傳算法求概率積分法預計參數程序設計［J］.安徽理工大學學報：自然科學版，2013，33（1）：67-71．Wang Ruiyun.Design parameters of probability integral method using genetic algorithm［J］.Journal of Anhui University of Science and Technology:Natural Science Edition，2013，33（1）:67-71．

［14］李太啟，高榮久.采煤塌陷地綜合治理問題分析與建議［J］.金屬礦山，2015（4）：169-172．Li Taiqi，Gao Rongjiu.Analysis and suggestion on the problem of comprehensive treatment in subsidence region induce by coal mining［J］.Metal Mine，2015（4）:169-172.