论文部分内容阅读
【摘 要】 随着地下矿山开采深度日益增加，开采难度也逐渐加大，再加上矿山特殊的作业环境、复杂的地质情况，导致了各种各样的灾害事故，如塌陷、泥石流、冒顶、片帮、突水等，给矿山企业及人们的生命财产安全带来了严重的威胁。本文就矿山开采与矿山地质灾害进行详细的分析，通过微震监测对其进行危险性预测，以供参考。
【关键词】 矿山开采；矿山地质灾害；微震监测；危险性预测
引言：
地下矿山实时在线监测系统是通过监测井下巷道周围岩体破裂产生的震动或其他物体的震动，分析事件发生的信号（定位、震级等参数）特征，推断开挖过程中的岩体状态和矿岩的力学行为，对监测区域的安全性以及破坏程度等给出判断结果，这为灾害的预防与控制工作提供了有利的依据。
一、矿山开采与矿山地质灾害危险性预测的意义
矿山安全事故一旦发生，将严重影响到井下工人的生命安全和矿山生产经济效益，所产生的社会、经济效益是无法估计的。为了避免或者减小矿山灾害，有必要准确监测矿山地压、位移、微震等活动规律，并依据这些规律预测可能存在的安全隐患或者采取科学的预先处理措施。如果我们能够尽早地预测预报井下隐情，并采取相应的预防与控制措施，提前做好安全准备，将使事故在早期发展过程中就得到遏制，在很大程度上减少人员与经济财产损失。
二、矿山地质灾害
（一）地面塌陷
矿山地面塌陷是采用空场法、崩落法等进行井下开采的过程中，将原生矿体和伴生的废石采出后，形成大小规模不等的采空区和崩落空区，这些空区在重力和地应力不均衡等因素影响下，产生向下的弯曲和移动，见图1所示。
一旦顶板岩层在外界力的作用下，形成的张拉应力大于自身的极限抗压强度时，首先在采空区域产生地裂缝，随着开采工作继续向前推进，逐渐发展为采空区的地面塌陷，如果预防措施不恰当，那么便会引起重大的灾害事故。导致地面塌陷的主要原因就是大范围采空区的出现，如果此采空区再有大面积的采矿活动，或者开采空区分布较浅，就可能会使地面建筑物或者道路受到影响，产生一定程度的破坏性，一旦岩层移动到危害极限范围，就会使大面积的采空区塌陷，造成巨大的空气冲击波、地震波。
（二）泥石流
泥石流通常是由于地质地貌等自然因素以及人们的日常工程活动两方面引起的，一般首先发生在矿山塌陷区域，然后汇集流入到矿区周边人们的生活环境中，见图2所示，易引起大的伤亡事故。爆发时，混浊的泥石流体沿着矿区的巷道，前推后拥，奔腾咆哮而下，冲出山口裂隙之后，在周围的宽阔堆积区域横冲直撞，最后遍布周围。
三、微震监测系统
微震监测系统（Micro-seismic Monitoring System，简称MMS）始于上世纪初，随着计算机技术和信息技术的发展越来越成熟，目前广泛应用于采矿、大型建筑、防洪大坝、石油勘探、土木工程等行业。它主要是利用声学、地震学和地震物理学等学科的原理知识，再结合计算机的超强计算能力，最终能够实现对微震事件的定位、到时分析等目的。微震监测系统是一套集硬件和软件于一体的大型预警系统，见图3。
四、矿山地质灾害分析
（一）支持向量机
支持向量机（Support Vector Machine）是Corinna Cortes和Vapnik等在20世纪90年代首先提出的，它是以统计学习理论里面的VC维理论以及结构风险最小化原理为基础的。支持向量机具有经验学习能力，能够以有限样本信息建立模型，最后寻找出学习能力和复杂度两者之间的最佳折衷，在解决非线性、小样本以及高维模式中的识别问题方面表现出许多与众不同的优点。它首先从样本中学习经验知识，然后将各种指标作为样本进行特征学习，最后完成各指标与相应类别间的非线性映射，按照自身能够辨识的方法达到预测的目的。
首先选择确定好核函数，再将要分析的输入向量通过这个非线性映射到更高维的空间里，在里面找出最优分类超平面。针对数据的这种两分类问题，如果要进行分类，就要在更高维空间里寻找到一个超平面，而且是最优的，它不仅能够寻找到最大化的分类间隔，而且能够最小化地错分样本数目。在保证样本分类精度的同时能够最大化超平面左右两侧的空白区域，区域越大就代表着泛化能力越好，即预测效果越好，支持向量机（SVM）的主要优势就在于处理线性、不可分问题。
（二）信号分析
我们在利用微震监测系统进行数据采集后，得到了大量的数据，包括含噪声的、模糊的、不完全的等，如果全部都用来分析，处理过程会比较繁琐、盲目、耗时，而且完全没有针对性。因此，在进行预测分析前，我们需要寻找出波形的几个代表性特征值，以特征值为基准来建立预测模型。
（三）幅值分析
选定了模型参数之后，我们便利用mat lab软件进行波形分析。首先选取在井下监测到的2012年12月1日14时42分的数据，见图4。由于16通道的总数据比较复杂，先选择单一通道的数据，这里暂时选择1通道来分析说明。监测系统采集到的数据信息量比较大，每隔1毫秒就会有一个新的数据产生，为了便于分析，从中提取出5000个样本点进行说明。横坐标为时间点数，纵坐标为幅值。
由于原始波形圖包括了很多的信息量，属于非线性、非平稳信号，首先通过经验模态分解（EMD）将复杂的原始信号分解成多个固有模态函数（IMF）分量，每个IMF分量都反应了信号本身的物理信息，它可以使混合在一起的波形分开，利于区分震源。
（四）基于EMD-SVM的预测模型
在对信号进行分析处理时，一般采用的是EMD分解法，并做一系列的希尔伯特-黄变化，进行频谱分析，在机械故障诊断、大坝稳定性监测等方面使用较多。而支持向量机SVM方法主要是用于小样本预测等方面。
现在将两种方法的有效结合，经过实验发现效果较好。思想就是：将原始信号作为样本，通过经验模态分解后得到固有模态分量，IMF可以反映出原始信号的特征，所以再用支持向量机预测模型对IMF分量进行样本学习与训练，最后得到的效果将会很好。EMD-SVM预测模型的具体步骤是：首先对原始监测信号进行EMD分解，得到各个IMF分量，再利用支持向量机的学习能力，对各个序列分别进行学习、训练、预测，最后再将得到的各个IMF分量进行重构合成，得到原始序列的预测结果。预测过程示意图见5。
（五）震源及地质灾害分析
在对地下矿山进行开采作业时周围的环境条件比较复杂，引起微震动产生的因素非常多，各种各样震源产生的弹性波混合在一起，一方面是由于井下人员的日常活动引起的，如矿石的运出、矿井通风、人工敲击、凿岩、爆破等，另一方面是由于井下的采矿作业引起的，如在外界力的作用下岩体内部发生破裂而产生的波形，以及断层之间的相互错动等产生的波形。所以要预测矿山发生灾害的类型，就要掌握震源的类型，分析各种震源信号的特点、规律。
五、结束语
随着矿山采掘的不断深入，回采工作面在深度和广度上亦不断加大，将不可避免地引发矿山地质灾害。因此，矿方应在采掘的同时建立一套完善的矿山地质灾害监测制度进行预测。并对已造成的地质灾害，采取相应措施进行积极的恢复与治理。
参考文献：
[1] 姜福兴 ， 杨淑华 ， 骆循 . 微地震监测揭示的采场围岩空间破裂形态 [J]. 煤炭学报，2003，28（4）：357-360.
[2] 李庶林.论我国金属矿山地质灾害与防治对策[J].中国地质灾害与防治学报，2002， 12：44-48.
【关键词】 矿山开采；矿山地质灾害；微震监测；危险性预测
引言：
地下矿山实时在线监测系统是通过监测井下巷道周围岩体破裂产生的震动或其他物体的震动，分析事件发生的信号（定位、震级等参数）特征，推断开挖过程中的岩体状态和矿岩的力学行为，对监测区域的安全性以及破坏程度等给出判断结果，这为灾害的预防与控制工作提供了有利的依据。
一、矿山开采与矿山地质灾害危险性预测的意义
矿山安全事故一旦发生，将严重影响到井下工人的生命安全和矿山生产经济效益，所产生的社会、经济效益是无法估计的。为了避免或者减小矿山灾害，有必要准确监测矿山地压、位移、微震等活动规律，并依据这些规律预测可能存在的安全隐患或者采取科学的预先处理措施。如果我们能够尽早地预测预报井下隐情，并采取相应的预防与控制措施，提前做好安全准备，将使事故在早期发展过程中就得到遏制，在很大程度上减少人员与经济财产损失。
二、矿山地质灾害
（一）地面塌陷
矿山地面塌陷是采用空场法、崩落法等进行井下开采的过程中，将原生矿体和伴生的废石采出后，形成大小规模不等的采空区和崩落空区，这些空区在重力和地应力不均衡等因素影响下，产生向下的弯曲和移动，见图1所示。
一旦顶板岩层在外界力的作用下，形成的张拉应力大于自身的极限抗压强度时，首先在采空区域产生地裂缝，随着开采工作继续向前推进，逐渐发展为采空区的地面塌陷，如果预防措施不恰当，那么便会引起重大的灾害事故。导致地面塌陷的主要原因就是大范围采空区的出现，如果此采空区再有大面积的采矿活动，或者开采空区分布较浅，就可能会使地面建筑物或者道路受到影响，产生一定程度的破坏性，一旦岩层移动到危害极限范围，就会使大面积的采空区塌陷，造成巨大的空气冲击波、地震波。
（二）泥石流
泥石流通常是由于地质地貌等自然因素以及人们的日常工程活动两方面引起的，一般首先发生在矿山塌陷区域，然后汇集流入到矿区周边人们的生活环境中，见图2所示，易引起大的伤亡事故。爆发时，混浊的泥石流体沿着矿区的巷道，前推后拥，奔腾咆哮而下，冲出山口裂隙之后，在周围的宽阔堆积区域横冲直撞，最后遍布周围。
三、微震监测系统
微震监测系统（Micro-seismic Monitoring System，简称MMS）始于上世纪初，随着计算机技术和信息技术的发展越来越成熟，目前广泛应用于采矿、大型建筑、防洪大坝、石油勘探、土木工程等行业。它主要是利用声学、地震学和地震物理学等学科的原理知识，再结合计算机的超强计算能力，最终能够实现对微震事件的定位、到时分析等目的。微震监测系统是一套集硬件和软件于一体的大型预警系统，见图3。
四、矿山地质灾害分析
（一）支持向量机
支持向量机（Support Vector Machine）是Corinna Cortes和Vapnik等在20世纪90年代首先提出的，它是以统计学习理论里面的VC维理论以及结构风险最小化原理为基础的。支持向量机具有经验学习能力，能够以有限样本信息建立模型，最后寻找出学习能力和复杂度两者之间的最佳折衷，在解决非线性、小样本以及高维模式中的识别问题方面表现出许多与众不同的优点。它首先从样本中学习经验知识，然后将各种指标作为样本进行特征学习，最后完成各指标与相应类别间的非线性映射，按照自身能够辨识的方法达到预测的目的。
首先选择确定好核函数，再将要分析的输入向量通过这个非线性映射到更高维的空间里，在里面找出最优分类超平面。针对数据的这种两分类问题，如果要进行分类，就要在更高维空间里寻找到一个超平面，而且是最优的，它不仅能够寻找到最大化的分类间隔，而且能够最小化地错分样本数目。在保证样本分类精度的同时能够最大化超平面左右两侧的空白区域，区域越大就代表着泛化能力越好，即预测效果越好，支持向量机（SVM）的主要优势就在于处理线性、不可分问题。
（二）信号分析
我们在利用微震监测系统进行数据采集后，得到了大量的数据，包括含噪声的、模糊的、不完全的等，如果全部都用来分析，处理过程会比较繁琐、盲目、耗时，而且完全没有针对性。因此，在进行预测分析前，我们需要寻找出波形的几个代表性特征值，以特征值为基准来建立预测模型。
（三）幅值分析
选定了模型参数之后，我们便利用mat lab软件进行波形分析。首先选取在井下监测到的2012年12月1日14时42分的数据，见图4。由于16通道的总数据比较复杂，先选择单一通道的数据，这里暂时选择1通道来分析说明。监测系统采集到的数据信息量比较大，每隔1毫秒就会有一个新的数据产生，为了便于分析，从中提取出5000个样本点进行说明。横坐标为时间点数，纵坐标为幅值。
由于原始波形圖包括了很多的信息量，属于非线性、非平稳信号，首先通过经验模态分解（EMD）将复杂的原始信号分解成多个固有模态函数（IMF）分量，每个IMF分量都反应了信号本身的物理信息，它可以使混合在一起的波形分开，利于区分震源。
（四）基于EMD-SVM的预测模型
在对信号进行分析处理时，一般采用的是EMD分解法，并做一系列的希尔伯特-黄变化，进行频谱分析，在机械故障诊断、大坝稳定性监测等方面使用较多。而支持向量机SVM方法主要是用于小样本预测等方面。
现在将两种方法的有效结合，经过实验发现效果较好。思想就是：将原始信号作为样本，通过经验模态分解后得到固有模态分量，IMF可以反映出原始信号的特征，所以再用支持向量机预测模型对IMF分量进行样本学习与训练，最后得到的效果将会很好。EMD-SVM预测模型的具体步骤是：首先对原始监测信号进行EMD分解，得到各个IMF分量，再利用支持向量机的学习能力，对各个序列分别进行学习、训练、预测，最后再将得到的各个IMF分量进行重构合成，得到原始序列的预测结果。预测过程示意图见5。
（五）震源及地质灾害分析
在对地下矿山进行开采作业时周围的环境条件比较复杂，引起微震动产生的因素非常多，各种各样震源产生的弹性波混合在一起，一方面是由于井下人员的日常活动引起的，如矿石的运出、矿井通风、人工敲击、凿岩、爆破等，另一方面是由于井下的采矿作业引起的，如在外界力的作用下岩体内部发生破裂而产生的波形，以及断层之间的相互错动等产生的波形。所以要预测矿山发生灾害的类型，就要掌握震源的类型，分析各种震源信号的特点、规律。
五、结束语
随着矿山采掘的不断深入，回采工作面在深度和广度上亦不断加大，将不可避免地引发矿山地质灾害。因此，矿方应在采掘的同时建立一套完善的矿山地质灾害监测制度进行预测。并对已造成的地质灾害，采取相应措施进行积极的恢复与治理。
参考文献：
[1] 姜福兴 ， 杨淑华 ， 骆循 . 微地震监测揭示的采场围岩空间破裂形态 [J]. 煤炭学报，2003，28（4）：357-360.
[2] 李庶林.论我国金属矿山地质灾害与防治对策[J].中国地质灾害与防治学报，2002， 12：44-48.