滑坡災害誘發因素及其預警預報

（湖南省地質礦產勘查開發局四一八隊，湖南 婁底 417000）

對于礦山滑坡災害而言，其不僅會威脅人們的生命財產安全，還會對周圍的自然地理環境造成嚴重的破壞，帶來嚴重的經濟損失。具可靠數據分析，僅在2017年，我國就發生了7521起地質災害，造成了100多人受傷，354人死亡或失蹤，直接經濟損失高達35.9億元。此外，礦山滑坡自然災害存在一定的可預測性和可防控性，最新的研究成果已經提高了人們對滑坡基地的認知度。對于在礦山工程施工加固措施而言，其是一種傳統的降低滑坡風險的措施，但隨著礦山工程規模的逐漸擴大，該種方法已經很難滿足當下的需求。因此，礦山工程行業內的技術人員逐漸研發出滑坡預警預報系統，該系統存在效果較佳、經濟性好等優點。

1 案例分析

本文主要結合七步1號礦山滑坡體來有效分析滑坡災害產生的誘發因素，并在此基礎上說明如何建立完善的預警預報系統。對于七步1號礦山滑坡體而言，其處于寧武地區礦脈標段。在施工過程當中，該處滑坡體已經發生了十多次大小崩塌滑移堆積，尤其是在七步水庫開始蓄水之后，七步1號滑坡體的形狀變化更為劇烈，給周圍的地勢和環境造成了一定的不利影響。七步1號滑坡體地貌地形主要如圖1所示。

2 礦山滑坡形成的原因

2.1 地質條件

對于該地區而言，其主要是最新的第四系松散堆積層，按照新老變化規律將南北延伸地分為侏羅紀中統上分層位。對于第四系地層而言，其主要呈小片和零星散布狀，分布河岸兩地，是當地堆積層滑坡的主要組成物質。對于該地區的地層巖性而言，其主要為砂巖和泥巖，而巖性主要包括紫紅色、灰色泥巖、粉砂巖和石英砂巖。該處地段北靠鐵峰山背斜，南靠龍騎山和方斗山背斜，礦山滑坡區主要是由兩組拉張節理裂隙構成，對于第一組拉長節理而言，其間距在3m到5m之間，節理產狀為215°∠75°，節理面延伸長度在5mm～10mm范圍內，最大寬度1.5mm，存在少量的風化后填充物。對于第二組拉張節理而言，節理面最大延伸長度為6m，最小為2m，最大間距4.5m，最小間距3.5m，最大裂寬3mm，最小1mm，節理產狀為311°∠68°，表面光滑平整無填充物。

圖1 七步1號滑坡地形地貌圖

2.2 地形地貌條件

該礦山區域主要位于河谷地帶，地勢由東向西逐漸遞減。由于地貌特征受到區域地質構造作用控制，那么與該區域與存在的侏羅紀砂泥巖層的風化水平存在較大的差異性，出現山地殼抬升，河道的下切處出現沉積現象，使得整片河谷呈現不對稱的“U”型，多級河流階地地貌受到侵蝕堆積，總體形狀分布為臺階狀、沖溝、注地、陡崖等地貌。礦山陡崖的方向與河道方向保持一致，兩者都呈條帶狀分布。陡崖前端與滑坡后緣相接，滑坡運動過程中給陡崖后端產生的拉裂，并逐漸演化成槽，形成了一半封閉，另外一半半封閉的注地，部分注地在經過下雨天氣的影響，已經開始循環蓄水，逐漸形成水塘。

3 礦山滑坡災害監測項目

當前，人們在對礦山滑坡現象認識過程當中，主要是利用先進的監測技術，只有通過先進的監測技術才能準確預判相關自然災害發生的時間以及運動軌跡，在此基礎上才能對其進行分析。此外，對于滑坡災害監測技術而言，其也被廣泛的使用在滑坡識別和預警過程當中，目前，礦山滑坡運動主要的監測內容主要有：滑坡體地表位移、滑坡地下水位、滑坡地區的降雨量等指標。

3.1 礦山滑坡地表位移監測

對于礦山滑坡預警監測技術而言，使用最早的技術是采用人工的方式對滑坡體進行觀測與記錄。隨著科學技術的不斷進步，當下對礦山滑坡體進行監測主要采用的是地表位移監測技術，其主要包括：GPS地表變形監測、自動伸縮計地表變形監測、分布式光纖地表變形監測等。對于GPS地質表面結構變形監測技術而言，其主要是對體積巨大的滑體進行監測，存在精確度較高、能夠實時進行的優勢，能夠實現的測量精度達到厘米級別。但是，如果當地區域衛星信號無法正常輸入輸出，那么就很難采用該種技術。對于自動伸縮計地表變形監測技術而言，其首先要在區域內打下固定的樁位，礦山滑體運動會帶隨著樁位一起運動，那么技術人員就可以通過測定樁位的相對位移量來準確測滑華體的變形量，其存在精度較高、受外界環境影響因素較小等優點，由于測量范圍較為狹窄，結果就存在一定的偶然性。

3.2 礦山滑坡地下水位監測

對于地下水位而言，其自身的高低對滑坡的運動之間存在直接聯系。同時，地下水位的不規律變化在很大程度上是誘發滑坡災害產生的主要原因，在整個滑坡過程起著決定性因素，因此，對相關區域地下水位狀況進行實時的監測是十分重要的。

3.3 降雨量對礦山滑坡變形產生的影響

對于新生礦山滑坡或者老滑坡復活而言，其主要是由降雨引起的，如果山體殘積土在受到強降雨的長期作用下，就會使得礦山滑坡運動變得更加頻繁。此外，長期的降雨還能夠給滑坡的形狀造成破壞，從而就會誘發更多的自然災害。

3.4 庫水位作用對礦山滑坡變形的影響分析

地下水位降落速度的快慢，以及巖土體自身的透水性與滑坡之間存在直接聯系，如果水位降落的速度較快，那么就會降低土體的透水性，從而也就降低了礦山滑坡的安全系數，滑坡自身產生的降低幅度也更為明顯。此外，礦山滑坡自身的穩定性與區域是否存在強降雨以及是否經過庫水浸泡有關，如果礦山地質研究區域內，出現短時的強降雨或者水庫水位變化過大，那么在一定程度上就會誘發滑坡的產生。

4 礦山滑坡災害預警預報

4.1 人工智能模型

在對礦山滑坡災害建立預警預報系統時，首先要對滑坡的狀態信息進行檢測，檢測的內容主要包括滑動機制、潛在的誘發因素以及閾值，同時還要將此類狀態信息進行綜合分析，將分析的結果嵌入預警預報系統當中，這樣才能完全發揮預警預報系統的作用。因此，這就需要工作人員通過長期位移監測的方式對滑坡變形失穩的狀態進行檢測，這樣才能降低滑坡災害造成的風險。

4.2 突變理論預報模型

對于突變理論而言，其首先是由法國數學家勒內托姆提出的，該理論的主要特點，是在過程中存在一定的連續性，而結果是不連續的。在滑坡發生以前，地表結構的位移存在一定的連續性，但是當滑坡發生時，滑坡土體的運動是不連續的，這正好符合了突變理論的特點原則。因此，對于突變理論而言，其在滑坡災害預報模型的使用過程當中，主要是用來模擬連續的滑坡現象，在滑坡預警預報行業存在廣泛的應用，是一種最為合理的數學工具。此外，礦山工程行業內的技術人員贊使用突變理論時，將礦山滑坡主要分為拉裂段、剪切段和蠕滑段三種模型，然后，在尖點突變理論分叉集方程的基礎上，計算出了滑坡突變與時間之間存在的函數關系，這樣就能對滑坡災害有效進行預警。同時，除了時間函數關系以外，還能夠準確計算出礦山滑坡前后的能量狀態，滑體脫滑時的初速度，通過這些數據就能制定完善的疏散計劃，提高預警預報系統的精準性。

4.3 支持向量機模型

（1）對于支持向量機（SVM）而言，其是一種回歸預測方法，在一系列裝換后能夠代替高維特征空間中的點積計算，從而會的最優的全局解，主要的回歸函數為：f(x)≤W·Φ(x)+b。

（2）應用不敏感損失函數將估計函數轉換為求函數最小化問題，然后利用二次規劃得到支持向量機的回歸預測模型。模型函數如圖2所示。

圖2 SVM回歸預測的模型函數

（3）在任何區域進行預警預報過程時，可以將當月降雨量、前兩月累計降雨量、月平均庫水位、當月庫水位最大變化量為誘發因子，輸入變量為前3個月的降雨量，輸出頂為滑坡預測位移，這樣就能建立滑坡位移預測模型。

5 結語

礦山滑坡災害帶來的不利影響，阻礙了礦產行業健康長遠的發展。隨著滑坡災害預警預報系統的逐漸完善，施工人員已經能夠準確分析出滑坡災害的誘發因素并有效進行規避。只有建立適合國家地質災害和滑坡的生命風險接受標準的預警預報系統，才能提高滑坡災害的可控性。此外，隨著人工智能技術的不斷推進，技術人員采用人工智能模型能夠準確的測量出滑坡體測點的位移量，在此基礎上就能針對不同的施工情況，準確的預測出滑坡體帶來的破壞程度，從而不僅能夠保障施工人員的人身安全，還能創造巨大的經濟社會價值。