基于歷史數據庫的礦山環境地質災害分布規律仿真分析

付明林

(河南水利與環境職業學院，河南 鄭州 450011)

礦山周圍環境和人身安全的危險性隨著礦山開采深度的加大以及頻率的增加不斷增大[1]。礦山環境的地質結構較為復雜，潛在危險因素較多，容易發生地面沉陷、垮塌、井下突水、冒頂片幫、瓦斯突涌和泥石流等災害，對礦山的生產經濟效益產生影響，并對工人的生命安全造成威脅[2-3]。為了避免礦山安全事故造成的影響，需要對礦山環境的地質災害分布規律進行分析，發現礦山環境中的安全隱患，并制定相關應對策略。高會會等[4]從時間維度、烈度維度和規模維度3個方面初步統計分析礦山環境地質災害的差異性和演化特征，根據統計分析結果對礦山環境地質災害分布規律進行仿真分析。范文濤[5]通過GIS技術獲取礦山地質災害因子，根據獲取數據結合地形的斷層特征、地層巖性特征和地形坡度特征建立層次結構模型，并在模糊綜合評價方法的基礎上對礦山環境地質災害進行評價，將環境災害分為輕度、重度和高度危險區，結合危險性易損因子和危險性基礎因子完成礦山環境地質災害分布規律的分析。周超等[6]對礦山環境進行實地考察，根據考察結果建立礦山環境地質災害風險評價體系，將距采空區距離、坡度、距斷層距離、坡向、地層巖性和曲率等作為評價指標，對礦山環境地質災害進行評價，時間動態因素選取最大日降雨量，結合評價結果完成地質災害分布規律分析。在上述方法的基礎上，提出應用歷史數據庫的礦山環境地質災害分布規律仿真分析方法。

1 數據庫設計

應用歷史數據庫的礦山環境地質災害分布規律仿真分析方法采用多線程技術[7-8]采集并存儲礦山環境數據，構建數據庫總體架構如圖1所示。采集的礦山環境信息分為2類，第1類包括觀測系統信息、監測分站信息等(圖2),這類信息具有變化周期長、數據量小等特點;第2類為監測數據，這類數據具有變化周期短、數據量大的特點。結合文件系統和數據庫對數據進行保存,構建歷史數據庫，包括信息信道數、觀測系統和采樣率[9-10]。

圖1 數據庫架構Fig.1 Database architecture diagram

圖2 測量站現場安裝Fig.2 Field installation of measuring station

2 數據庫構建

2.1 數據增強處理

應用歷史數據庫的礦山環境地質災害分布規律仿真分析方法采用傅里葉變換[11-12]對采集的采集的地質災害(滑坡、崩塌、地面塌陷等)數據進行增強處理。

用ST(y，g)表示信號的短時傅里葉變換：

(1)

式中，j*(g)為窗函數；x(y)為采集的信號。

在最佳變換域中，采集的礦山環境數據在式(2)的基礎上完成分數階傅里葉變換：

exp(-j2πi0b)di0

(2)

(3)

式中，R為該分數階傅里葉變換域中噪聲和其他數據分量的傅里葉變換。

在最佳分數階傅里葉變換域中數據中存在的分量對應的傅里葉變換都會聚焦在時頻平面中，與時間軸之間為平行關系，但其他數據分量的傅里葉變換不會聚焦在時頻面中，能量相對分散[13-14]。

為了消除數據中存在的噪聲和其他分量，在時頻面中對數據的傅里葉變換進行秩1逼近。消除了噪聲和其他分量后，對數據進行重構[15-16]，將時頻域中存在的數據轉變到時域中進行傅里葉逆變換：

(4)

數據經過傅里葉變換的數據如圖3所示。

2.2 礦山環境地質災害數據分類

在歷史數據庫的基礎上通過支持向量機模型[17-18]獲取礦山環境地質災害的數據表現特征，對災害分布規律進行分析。

支持向量機的標準模型為：

(5)

式中，(x1，y1)，(x2，y2)，…，(xm，ym)為礦山環境數據，m為礦山環境數據的數量；e為超平面；V為正則化參數；ψi為松弛變量；t為閾值。

圖3 傅里葉變換數據示意Fig.3 Schematic diagram of Fourier transform data

在優化原理的基礎上，用求解對偶問題代替支持向量機分類問題：

(6)

式中，βi為拉格朗日乘子，當礦山環境數據樣本的拉格朗日乘子>0時，判斷該礦山環境數據為支持向量[19]。

礦山環境數據特征提取結果受核函數的影響，支持向量機的分類效果在不同內積核函數下是不同的，高斯徑向基核函數K(x，z)=exp(-‖x-z‖2σ2)、多項式核函數K(x，y)=(xy+1)d以及線性核函數K(x，y)=xy為數據分類過程中應用率最高的核函數。其中，徑向基核函數的學習能力較強、性質好[20]。應用歷史數據庫的礦山環境地質災害分布規律仿真分析方法選用徑向基核函數：①當參數σ的值接近于0時，表明所有礦山環境數據樣本均為支持向量；②當參數σ的值大于0且盡量小時，支持向量機可準確地完成礦山環境樣本數據的分類；③當參數σ的值無窮大時，所有礦山環境樣本數據均屬于一類；④當參數σ的值較小時，容易出現過擬合問題，當參數σ的值較大時，支持向量機的分類效果差。

將采集的礦山環境數據輸入支持向量機中，獲取災害特征，實現地質災害分布規律的分析。

3 應用實例

以某礦山區為研究對象，高程為+590～+1 056.4 m，地形坡度為0°～34°。其發生的地質災害如圖4所示。本文以高分辨率遙感影像采集當地礦山地質相關數據，構建監測數據庫，對礦區內地形坡度、地層巖性和斷層情況等地質災害數據進行分析，按照與歷史數據對比的相似度區分高、中、低危險區，繪制危險區如圖5所示。

圖4 某礦區地質災害現狀Fig.4 Present situation of geological disasters in a mining area

(1)地質災害分布規律與高程的關系。統計分析高程與災害點分布，分析結果見表1。

表1 高程與災害點分布情況Tab.1 Elevation and distribution of disaster points

分析表1數據可知，+650～+2 000 m為地質災害發生的主要區域，在研究總面積中災害易發生區域約占27.2%，但該區域中存在的災害點數量較多，其中災害點密度最高區域存在于高程+1 000～+1 500 m中，地質災害點在+2 500 m以上的數量較少。

經調查發現，高程+1 500 m處的研究區地震響應較為顯著，巖體卸荷最為嚴重，該地區的坡度較大，陡峭度高，主要是由于該區域存在河流。因此，地質災害常發生于該區域。經實地考察發現，在峽谷上部分發生的地質災害數量高于峽谷下部分，下部分通常是滑坡體以及崩塌造成的碎屑物質堆積區。

(2)地質災害分布規律與地形坡度之間的關系。根據1∶5 000數字等高線在ArcGIS軟件中建立礦山環境地質災害分布規律研究區DEM，在DEM的基礎上獲取研究區域的坡度圖，并分級處理坡度圖，統計分析坡度分級圖和地質災害點，分析結果見表2。

表2 坡度與災害點分布情況Tab.2 Slope and distribution of disaster points

對上述數據進行分析可知，坡度在20°～50°是地質災害發生的主要區域，在研究總面積中災害易發生區域占83.7%，災害點密度最高區域是坡度為40°～50°。經調查發現，這一坡度范圍內的災害點主要位于多面臨空的礦山部位以及孤立山頭的部位、山脊單薄的部位和由緩變陡的地形坡度處的轉折部位，這是因為這類部位會直接影響地震波的放大效應，易產生滑坡、泥石流、崩塌等地質災害。

(3)災害分布規律與巖性之間的關系。研究區域的礦山巖性分類見表3。統計分析巖性土層與礦山環境地質災害點之間存在的關系，分析結果見表4。

分析表4中的數據可知，在礦山環境的不同巖層中地質災害類型分布相對均勻，但對比發現，硬巖地層和軟巖地層中的地質災害類型存在差異，前者多發生崩塌類災害，后者多發生滑坡類災害。

4 結語

礦山開采難度隨著深度的增加不斷加大，礦山的地質情況較為復雜，作業環境比較艱難，在作業過程中容易出現突水、坍塌、片幫和泥石流等災害事故，會對人們的生命和財產安全造成威脅，通過對礦山環境地質災害分布規律進行分析，可以預測礦山環境中易發生地質災害的危險區域，進而采取對應的措施，將損失降到最小。

表3 礦山巖性Tab.3 Mine lithology

表4 巖性與災害點分布之間的關系Tab.4 Relationship between lithology and the distribution of disaster points