露天矿排土场土石混合体边坡的稳定性评估方法和系统与流程

1.本技术涉及矿山开采预测技术领域，特别涉及一种露天矿排土场土石混合体边坡的稳定性评估方法和系统。


背景技术：

2.露天矿开采的实质是将岩石破碎呈松散土石混合体进行采装、运输、排弃以及土地复垦等一系列过程，在此过程中产生的土石混合体是一种不同于均匀土体和碎裂岩体的复杂工程地质材料，是由具有一定尺寸的强度较高岩块、强度较弱的土体充填成分即相应的孔隙等组成的多相体系。重构后的土石混合体强度即失稳模式是控制采场及排土场稳定性的关键。
3.其中，土石混合体的宏观力学参数作为评估露天矿排土场的稳定性过程中的主要的定量输入指标，其取值的可靠性直接决定了露天矿排土场稳定性评估的结果是否可靠。
4.现阶段，土石混合体宏观力学参数的获取主要通过室内试验获得，由于土石混合岩土体的非均一性，致使采用这种防火获取的露天矿排土场稳定性评估的结果在精准度和工程适应性方面，不能很好的反映露天矿排土场的实际状况。
5.因而，亟需提供一种针对上述现有技术不足的技术方案。


技术实现要素：

6.本技术的目的在于提供一种露天矿排土场土石混合体边坡的稳定性评估方法和系统，以解决或缓解上述现有技术中存在的问题。
7.为了实现上述目的，本技术提供如下技术方案：本技术提供一种露天矿排土场土石混合体边坡的稳定性评估方法，包括：步骤s101、基于预先建立的所述露天矿排土场土石混合体的边坡开挖数值模型，根据所述露天矿排土场土石混合体的力学参数的多组数值构建的数据集，确定所述露天矿排土场的边坡失稳阶段样本监测剖面的位移量，以及，所述露天矿排土场的边坡位移渐趋稳定阶段所述样本监测剖面的位移量；步骤s102、根据得到的样本训练集，对预先构建的所述露天矿排土场土石混合体的回归预测模型进行训练；其中，所述样本训练集包括多组训练样本，每组所述训练样本包括所述露天矿排土场的边坡失稳阶段所述样本监测剖面的位移量、所述露天矿排土场的边坡位移渐趋稳定阶段所述样本监测剖面的位移量、以及它们对应的所述露天矿排土场土石混合体的力学参数的数值；步骤s103、基于训练完成的所述露天矿排土场土石混合体的回归预测模型，根据所述露天矿排土场的监测线上gnss系统监测获得的边坡失稳阶段结束时目标监测剖面的边坡位移量，对所述露天矿排土场土石混合体的稳定性进行评估。
8.优选的，步骤s101具体为：基于预先建立的所述露天矿排土场土石混合体的边坡开挖数值模型，根据所述露
天矿排土场土石混合体的力学参数的多组数值构建的数据集，获得所述露天矿排土场的监测线上的多条变形曲线；根据所述露天矿排土场的监测线上的多条变形曲线，确定所述露天矿排土场的边坡失稳阶段所述样本监测剖面的位移量，以及，所述露天矿排土场的边坡位移渐趋稳定阶段所述样本监测剖面的位移量。
9.优选的，所述基于预先建立的所述露天矿排土场土石混合体的边坡开挖数值模型，根据所述露天矿排土场土石混合体的力学参数的多组数值构建的数据集，获得所述露天矿排土场的监测线上的多条变形曲线，具体为：根据所述露天矿排土场土石混合体的已有监测剖面线，基于斋藤法，计算所述露天矿排土场在边坡安全系数范围为时的土石混合体的力学参数的多组数值；将所述露天矿排土场在边坡安全系数范围为时的土石混合体的力学参数的多组数值输入预先建立的所述露天矿排土场土石混合体的边坡开挖数值模型，基于正交试验法，得到所述露天矿排土场的监测线上的多条变形曲线。
10.优选的，所述根据所述露天矿排土场的监测线上的多条变形曲线，确定所述露天矿排土场的边坡失稳阶段所述样本监测剖面的位移量，以及，所述露天矿排土场的边坡位移渐趋稳定阶段所述样本监测剖面的位移量，具体为：根据所述露天矿排土场的监测线上的多条变形曲线，确定所述露天矿排土场所述样本监测剖面在边坡安全系数为2.0时的位移量和边坡安全系数为1.0时的位移量。
11.优选的，步骤s102包括：基于bp神经网络，构建所述露天矿排土场土石混合体的回归预测模型；根据得到的所述样本训练集，对构建的所述露天矿排土场土石混合体的回归预测模型进行训练。
12.优选的，在步骤s101之前，所述露天矿排土场土石混合体的稳定性评估方法还包括：根据所述露天矿排土场的预设监测断面处的边坡参数、所述露天矿排土场土石混合体的基本力学参数、以及所述露天矿排土场的预设边坡监测点的位置，构建所述露天矿排土场土石混合体的边坡开挖数值模型。
13.本技术实施例还提供一种露天矿排土场土石混合体边坡的稳定性评估系统，包括：位移量计算单元，配置为基于预先建立的所述露天矿排土场土石混合体的边坡开挖数值模型，根据所述露天矿排土场土石混合体的力学参数的多组数值构建的数据集，确定所述露天矿排土场的边坡失稳阶段样本监测剖面的位移量，以及，所述露天矿排土场的边坡位移渐趋稳定阶段所述样本监测剖面的位移量；模型训练单元，配置为根据得到样本训练集，对预先构建的所述露天矿排土场土石混合体的回归预测模型进行训练；其中，所述样本训练集包括多组训练样本，每组所述训练样本包括所述露天矿排土场的边坡失稳阶段所述样本监测剖面的位移量、所述露天矿排土场的边坡位移渐趋稳定阶段所述样本监测剖面的位移量、以及它们对应的所述露天矿排土场土石混合体的力学参数的数值；
预测评估单元，配置为基于训练完成的所述露天矿排土场土石混合体的回归预测模型，根据所述露天矿排土场的监测线上gnss系统监测获得的边坡失稳阶段结束时目标监测剖面的边坡位移量，对所述露天矿排土场土石混合体的稳定性进行评估。
14.有益效果：本技术提供的露天矿排土场土石混合体边坡的稳定性评估技术方案，首先，基于预先建立的露天矿排土场土石混合体的边坡开挖数值模型，根据露天矿排土场土石混合体的力学参数的多组数值构建的数据集，确定露天矿排土场在边坡试问阶段样本监测剖面的位移量，以及，露天矿排土场在边坡位移渐趋稳定阶段样本监测剖面的位移量；然后，根据样本训练集中的多组训练样本对预先构建的露天矿排土场土石混合体的回归预测模型进行训练；最后，基于训练完成的露天矿排土场土石混合体的回归预测模型，根据露天矿排土场的监测线上gnss系统监测获得的边坡失稳阶段结束时目标监测剖面的边坡位移量，对露天矿排土场土石混合体的稳定性进行评估。籍此，利用露天矿排土场中样本监测剖面的初期数值，结合现场监测到的边坡位移数据，通过土石混合体力学参数反演模型（露天矿排土场土石混合体的回归预测模型）自动反演目标剖面岩土体的宏观力学参数，排除时间效应对边坡位移的影响，避免预测过程中土石混合体非均质性对边坡变形的影响；而且无需再对岩土体进行现场采样和室内试验，更加方便、高效，且能够保证获取岩土体的力学参数的准确性。
附图说明
15.构成本技术的一部分的说明书附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。其中：图1为根据本技术的一些实施例提供的一种露天矿排土场土石混合体边坡的稳定性评估方法的流程示意图；图2为根据本技术的一具体实施例提供的露天矿排土场土石混合体的边坡开挖数值模型的示意图；图3为根据本技术的一具体实施例提供的露天矿排土场中gnss系统进行边坡监测的示意图；图4为根据本技术的一些实施例提供的一种露天矿排土场土石混合体边坡的稳定性评估系统的结构示意图。
具体实施方式
16.下面将参考附图并结合实施例来详细说明本技术。各个示例通过本技术的解释的方式提供而非限制本技术。实际上，本领域的技术人员将清楚，在不脱离本技术的范围或精神的情况下，可在本技术中进行修改和变型。例如，示为或描述为一个实施例的一部分的特征可用于另一个实施例，以产生又一个实施例。因此，所期望的是，本技术包含归入所附权利要求及其等同物的范围内的此类修改和变型。
17.现有的排土场土石混合体安全风险评估主要通过现场采样、实验室内试验的方法，然而，土石混合体的力学参数作为评估的定量指标，实际工程中力学参数往往受制于室内试验耗时费力等多方面因素而难以及时、准确的获取。更为关键的是，由于土石混合体的
非均值状态，仅现场取芯工作就收到极大的制约，没有一种可靠有效的方法能够取到全面反映土石混合体力学性质并有效用于室内试验的芯样。
18.此外，在现有通过数值模拟来对排土场土石混合体进行评估过程中，对于选取何时测量的边坡稳定性的位移较为随意，通常以边坡位移开始至边坡位移滑移破坏后的位移作为训练样本，且未考虑土石混合体破坏演化方式的不同与过程中土石混合体非均质性对边坡位移的影响。这样存在的问题，一是没有排除时间效应对边坡位移的影响，导致选取的边坡位移难以有效反映实际的土石混合体力学参数；二是没有结合现场监测到的边坡位移数据反映土石混合体的实际变形规律，忽略了土石混合体非均质性对边坡变形的影响。
19.基于此，申请人提出了一种露天矿排土场土石混合体边坡的稳定性评估技术，通过在边坡开挖数值模型中输入实测的某一监测剖面（样本监测剖面）的数值，以及土石混合体的力学参数的多组数值，得到边坡的位移量（变形量），将多组边坡的变形量与岩土体力学参数的多组数值作为训练样本，对露天矿排土场土石混合体的回归预测模型进行训练；最后，向训练完成的回归预测模型中输入监测线上实时监测得到的目标监测剖面的边坡位移量，反演处目标监测剖面处土石混合体的宏观力学参数，以对土石混合体边的边坡稳定性进行风险评估，而无需再对岩土体进行现场采样和室内试验，更加方便、高效，且能够保证获取岩土体的力学参数的准确性。
20.如图1所示，该露天矿排土场土石混合体边坡的稳定性评估方法，包括：步骤s101、基于预先建立的露天矿排土场土石混合体的边坡开挖数值模型，根据露天矿排土场土石混合体的力学参数的多组数值构建的数据集，确定露天矿排土场的边坡失稳阶段样本监测剖面的位移量，以及，露天矿排土场的边坡位移渐趋稳定阶段样本监测剖面的位移量。
21.本技术中，在建立露天矿排土场土石混合体的边坡开挖数值模型时，根据露天矿排土场的预设监测断面（即样本监测剖面）处的边坡参数、露天矿排土场土石混合体的基本力学参数、以及露天矿排土场的预设边坡监测点的位置，构建露天矿排土场土石混合体的边坡开挖数值模型。
22.本技术中，以三维建模分析软件（比如flac3d或3dec）为平台，建立具有土石混合体边坡的数值模型。根据露天矿排土场的历史开采数据，得到土石混合体的基本力学参数;土石混合体的基本力学参数如表1所示：本技术中，沿露天矿排土场的开采纵向，每间隔米设置一根监测线，每根监测线处对应的剖面即为一个监测剖面；预设监测断面处的边坡参数可以通过现场实测得到；在每根监测线上至少设有3个预测边坡监测点，即在监测线对应的监测剖面的边坡的坡
肩头、坡腰和坡脚。
23.本技术中，边坡参数主要通过对露天矿排土场待开采部分进行测量得到；边坡参数主要包括：边坡高度、边坡岩土体重度、边坡角度、交界面贯通度、角度以及岩土体的等效内摩擦角和黏聚力。
24.在得到样本监测剖面处的边坡参数、露天矿排土场土石混合体的基本力学参数、以及露天矿排土场的预设边坡监测点的位置后，将样本监测剖面处的边坡参数、土石混合体的基本力学参数、预设边坡监测点的位置，输入三维建模分析软件中，建立考虑开挖效应的模型；最后，将模型的节点和单元信息转化导入3dec中，完成边坡开挖数值模型的建立，如图2所示。在边坡开挖数值模型中，离散块之间可以互相转动、分离和移动，以此来模拟土石混合体边坡的大位移、大转动等力学行为。
25.本技术中，针对露天矿排土场，定义滑动面的抗剪强度与实际产生的剪应力之比为边坡安全系数，当边坡安全系数达到1.0，露天矿排土场处于边坡失稳的临界点；当边坡安全系数达到2.0，露天矿排土场的边坡位移渐趋稳定。
26.现有通过数值模拟来对排土场土石混合体进行评估存在的问题，一是没有排除时间效应对边坡位移的影响，导致选取的边坡位移难以有效反映实际的土石混合体力学参数；二是没有结合现场监测到的边坡位移数据反映土石混合体的实际变形规律，忽略了土石混合体非均质性对边坡变形的影响。
27.为有效降低时间效应对边坡位移的影响，在本技术中，在确定露天矿排土场的边坡失稳阶段样本监测剖面的位移量，以及，露天矿排土场的边坡位移渐趋稳定阶段样本监测剖面的位移量时，首先，基于预先建立的露天矿排土场土石混合体的边坡开挖数值模型，根据露天矿排土场土石混合体的力学参数的多组数值构建的数据集，获得露天矿排土场的监测线上的多条变形曲线；然后，根据露天矿排土场的监测线上的多条变形曲线，确定露天矿排土场的边坡失稳阶段样本监测剖面的位移量，以及露天矿排土场的边坡位移变形放缓时样本监测剖面的位移量。
28.针对现有数值模拟中存在的问题，本技术中，以边坡失稳和边坡位移渐趋稳定为界，基于斋藤法，通过露天矿排土场已有的监测剖面线，计算露天矿排土场在边坡安全系数范围为时的土石混合体的力学参数的多组数值。
29.具体的，根据露天矿排土场土石混合体的已有监测剖面线，基于斋藤法，计算露天矿排土场在边坡安全系数范围为时的土石混合体的力学参数的多组数值；然后，将露天矿排土场在边坡安全系数范围为时的土石混合体的力学参数的多组数值输入预先建立的露天矿排土场土石混合体的边坡开挖数值模型，基于正交试验法，得到露天矿排土场的监测线上的多条变形曲线。
30.然后，根据露天矿排土场的监测线上的多条变形曲线，确定露天矿排土场监测剖面在边坡安全系数为2.0时的位移量和边坡安全系数为1.0时的位移量。即，监测剖面的边坡安全系数达到2.0时，即为露天矿排土场的边坡位移渐趋稳定；监测剖面的安全系数达到1.0，即为露天矿排土场的边坡失稳的临界点。籍此，有效排除时间效应对边坡位移的影响，使监测剖面的边坡位移可以有效反映实际的土石混合体力学参数。
31.在得到边坡安全系数范围为时的土石混合体的力学参数的多组数值后，通过正交试验法，将训练样本输入边坡开挖数值模型中进行计算，得到露天矿排土场的样本监测剖面在安全系数为2.0和安全系数为1.0时的变形结果。然后，将边坡安全系数范围为时的土石混合体的力学参数的多组数值、通过边坡开挖数值模型计算得到的样本监测剖面在安全系数为2.0和安全系数为1.0时的变形结果、结合露天矿排土场预设监测剖面（即样本监测剖面）的实际监测位移值作为训练样本，得到多组用于回归预测模型训练的样本数据。籍此，结合现场监测到的边坡位移数据避免预测过程中土石混合体非均质性对边坡变形的影响。
32.步骤s102、根据得到的样本训练集，对预先构建的露天矿排土场土石混合体的回归预测模型进行训练。
33.本技术中，得到的回归预测模型训练的样本数据构成样本训练集对回归预测模型进行训练，具体的，首先，基于bp神经网络，构建露天矿排土场土石混合体的回归预测模型；然后，根据得到的样本训练集，对构建的露天矿排土场土石混合体的回归预测模型进行训练。
34.其中，样本训练集包括多组训练样本，每组训练样本包括露天矿排土场的边坡失稳阶段样本监测剖面的位移量、露天矿排土场的边坡位移渐趋稳定阶段样本监测剖面的位移量、以及它们对应的露天矿排土场土石混合体的力学参数的数值。
35.本技术的回归预测模型基于bp神经网络架构构建，输入层主要为土石混合体的内摩擦角和黏聚力，在露天矿排土场的坡体表面共分为五种岩体，内摩擦角作为一个分量，因此输入层总共有6个节点；隐含层节点数按照公式（2）确定，公式（2）如下：
……………………
（2）其中，表示隐含层节点数，表示输入层节点数；表示输出层节点数，。
36.在输出层中，表征边坡稳定性的边坡安全系数为正值，且各岩体的黏聚力和内摩擦角与边坡安全系数之间为非线性关系，采用双曲线正切函数tansig作为训练传递函数，采用trainlm函数获取更好的收敛结果，完成回归预测模型的训练。
37.本技术的回归预测模型训练过程中，期望误差为0.00001，学习效率为0.01，即收敛函数trainlm的误差小于期望误差时，回归预测模型的训练结束。同时，为避免回归预测模型训练时陷入无限循环，设定回归预测模型的最大训练次数为50000次，即，当回归预测模型达到最大循环次数后，收敛函数trainlm的误差依然不能满足期望误差，则以最后trainlm函数值为最终的收敛结果，完成回归预测模型的训练。
38.步骤s103、基于训练完成的露天矿排土场土石混合体的回归预测模型，根据露天矿排土场的监测线上gnss系统监测获得的边坡失稳阶段结束时目标监测剖面的边坡位移量，对露天矿排土场土石混合体的稳定性进行评估。
39.在本技术中，将露天矿排土场的监测线上gnss系统监测得到的边坡失稳阶段目标监测面的边坡位移量输入训练完成的回归预测模型，由回归预测模型输出目标监测剖面的
宏观力学参数，即得到土石混合体的内摩擦角和黏聚力；然后，通过土石混合体的内摩擦角、黏聚力与边坡动态开挖过程中的安全系数之间的映射关系，确定对应的边坡安全系数，实现对露天矿排土场土石混合体的稳定性评估。如公式（3）所示：
………………
（3）其中，为目标监测剖面的边坡安全系数，为目标监测剖面的边坡高度，为目标监测坡面的边坡岩体重度，为目标监测剖面的边坡角度，为目标监测剖面的结构面贯通度，为目标监测剖面的结构面角度，为目标监测剖面的黏聚力，为目标监测剖面的内摩擦角，为目标监测剖面的法向刚度，为目标监测剖面的切向刚度。
40.通过本技术提供的露天矿排土场土石混合体的稳定性评估方法，利用露天矿排土场中某一监测剖面的初期数值，即可通过土石混合体力学参数反演模型（露天矿排土场土石混合体的回归预测模型）自动反演目标剖面岩土体的宏观力学参数，而无需再对岩土体进行现场采样和室内试验，更加方便、高效，且能够保证获取岩土体的力学参数的准确性。而且，在回归预测模型训练过程中，以边坡失稳和边坡位移渐趋稳定为界，生成样本数据，有效排除时间效应对边坡位移的影响；同时，结合现场监测到的边坡位移数据避免预测过程中土石混合体非均质性对边坡变形的影响，使回归预测模型的预测结果更加准确。
41.图4为根据本技术的一些实施例提供的一种露天矿排土场土石混合体边坡的稳定性评估系统的结构示意图；如图4所示，该露天矿排土场土石混合体的稳定性评估系统包括：位移量计算单元401，配置为基于预先建立的露天矿排土场土石混合体的边坡开挖数值模型，根据露天矿排土场土石混合体的力学参数的多组数值构建的数据集，确定露天矿排土场的边坡失稳阶段样本监测剖面的位移量，以及，露天矿排土场的边坡位移渐趋稳定阶段样本监测剖面的位移量；模型训练单元402，配置为根据得到样本训练集，对预先构建的露天矿排土场土石混合体的回归预测模型进行训练；其中，样本训练集包括多组训练样本，每组训练样本包括露天矿排土场的边坡失稳阶段样本监测剖面的位移量、露天矿排土场的边坡位移渐趋稳定阶段样本监测剖面的位移量、以及它们对应的露天矿排土场土石混合体的力学参数的数值；预测评估单元403，配置为基于训练完成的露天矿排土场土石混合体的回归预测模型，根据露天矿排土场的监测线上gnss系统监测获得的边坡失稳阶段结束时目标监测剖面的边坡位移量，对露天矿排土场土石混合体的稳定性进行评估。
42.本技术提供的露天矿排土场土石混合体的稳定性评估系统能够实现上述任一实施例所述的露天矿排土场土石混合体的稳定性评估方法的步骤、流程，并达到相同的技术效果，对此不再一一赘述。
43.以上所述仅为本技术的优选实施例，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。