基于組合預(yù)測(cè)模型的露天礦高陡邊坡滑坡變形研究

肖海平 楊旺生 肖 嵐 郭鐘群 曹希西

(1．江西理工大學(xué)建筑與測(cè)繪工程學(xué)院，江西 贛州 341000；2．東華理工大學(xué)勘測(cè)設(shè)計(jì)研究院于都測(cè)繪分院，江西 贛州 341000；3．贛州市國土局測(cè)繪科，江西 贛州 341000)

基于組合預(yù)測(cè)模型的露天礦高陡邊坡滑坡變形研究

肖海平1楊旺生2肖 嵐3郭鐘群1曹希西1

(1．江西理工大學(xué)建筑與測(cè)繪工程學(xué)院，江西 贛州 341000；2．東華理工大學(xué)勘測(cè)設(shè)計(jì)研究院于都測(cè)繪分院，江西 贛州 341000；3．贛州市國土局測(cè)繪科，江西 贛州 341000)

隨著露天礦山開采規(guī)模及深度的不斷擴(kuò)大，致使礦山邊坡變陡、變高，而形成高陡邊坡，但由于地質(zhì)條件以及礦山施工等因素的影響，高陡邊坡經(jīng)常發(fā)生崩塌、滑坡等比較嚴(yán)重的地質(zhì)災(zāi)害。因此，為加強(qiáng)對(duì)露天礦山高陡邊坡的變形預(yù)測(cè)，應(yīng)及時(shí)研究滑坡的變化趨勢(shì)，開展滑坡預(yù)警，指導(dǎo)礦山生產(chǎn)，保障人民的生命財(cái)產(chǎn)安全。建立了一種能夠更加有效地反映出變形體變化趨勢(shì)的組合預(yù)測(cè)模型，并介紹了其建模思想及計(jì)算方法，在此基礎(chǔ)上，依據(jù)某高陡邊坡實(shí)際監(jiān)測(cè)數(shù)據(jù)，將其預(yù)測(cè)結(jié)果與獨(dú)立預(yù)測(cè)模型的預(yù)測(cè)結(jié)果進(jìn)行分析比較，結(jié)果顯示，其精度要優(yōu)于獨(dú)立預(yù)測(cè)模型的精度，且可靠性更高，具有較強(qiáng)的適用性。

組合預(yù)測(cè)模型 灰色模型 線性回歸 神經(jīng)網(wǎng)絡(luò)

隨著露天礦山開采規(guī)模及深度的不斷擴(kuò)大，逐步演變成凹陷采場(chǎng)，致使礦山邊坡變陡、變高，而形成高陡邊坡。由于地質(zhì)條件以及礦山施工等因素的影響，高陡邊坡發(fā)生崩塌、滑坡等比較嚴(yán)重的地質(zhì)災(zāi)害。據(jù)統(tǒng)計(jì)，自建礦至1990年的70多年間，我國的撫順西露天礦，總共發(fā)生滑坡70余次，由此帶來的處理滑坡、削坡減災(zāi)而剝離巖石近1億m3，耗費(fèi)了巨大的人力、物力和財(cái)力[1]；2009 年6月5日，重慶市武隆縣鐵礦鄉(xiāng)雞尾山發(fā)生山體垮塌，損滑坡總量超過350萬m3，造成嚴(yán)重的生命財(cái)產(chǎn)損失[2]。因此，加強(qiáng)對(duì)露天礦山高陡邊坡的變形預(yù)測(cè)，及時(shí)研究滑坡的變化趨勢(shì)，開展滑坡預(yù)警，指導(dǎo)礦山生產(chǎn)，保障人身財(cái)產(chǎn)安全就顯得尤為重要。

目前，研究露天礦山高陡邊坡滑坡變形預(yù)測(cè)的常用預(yù)測(cè)模型主要有時(shí)間序列分析預(yù)測(cè)模型、灰色預(yù)測(cè)模型、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、支持向量機(jī)預(yù)測(cè)模型以及Kalman濾波預(yù)測(cè)模型等，并且都取得了一定的成效，例如，基于灰色系統(tǒng)理論的基坑變形預(yù)測(cè)研究[3]、非線性沉降預(yù)測(cè)模型參數(shù)計(jì)算研究[4]和人工神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)深基坑周邊地表沉降變形中的應(yīng)用研究[5]等。但是由于在變形預(yù)測(cè)過程中存在許多不確定因素，單一預(yù)測(cè)模型不能較全面的反映滑坡變形的規(guī)律，導(dǎo)致對(duì)邊坡的預(yù)測(cè)產(chǎn)生誤差。而不同的預(yù)測(cè)模型其所反映的問題不同，體現(xiàn)出的特點(diǎn)和優(yōu)勢(shì)也有所區(qū)別。所以，在此基礎(chǔ)上，通過利用不同預(yù)測(cè)模型各自的特點(diǎn)及優(yōu)勢(shì)，將它們進(jìn)行有機(jī)結(jié)合，建立起一種能夠進(jìn)一步反映邊坡變形趨勢(shì)的預(yù)測(cè)模型，以提高預(yù)測(cè)的精度。

1 組合預(yù)測(cè)模型的構(gòu)建

1.1 組合預(yù)測(cè)模型構(gòu)建思路

目前，組合預(yù)測(cè)模型是變形監(jiān)測(cè)預(yù)測(cè)領(lǐng)域中應(yīng)用最為廣泛的方法之一，在國內(nèi)外有許多學(xué)者提出了許多不同種組合預(yù)測(cè)方法，例如，萬程輝[6]研究的基于小波分析回歸模型的大壩監(jiān)測(cè)數(shù)據(jù)處理；王秀麗等[7]研究的滑坡變形的回歸-神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型研究；吳益平等[8]研究的灰色-神經(jīng)網(wǎng)絡(luò)模型在滑坡變形預(yù)測(cè)中的應(yīng)用。但是在實(shí)際的預(yù)測(cè)過程中，由于考慮的因素不同，所采取的預(yù)測(cè)模型也不同，就必然導(dǎo)致預(yù)測(cè)的結(jié)果也不完全相同。但在這些預(yù)測(cè)結(jié)果中，能真正反映變形體實(shí)際變化趨勢(shì)的卻只有一種，而由于不能事先確定哪種方法最優(yōu)，則需要根據(jù)影響變形體變形的主要因素來建立預(yù)測(cè)模型，為了更好地利用不同預(yù)測(cè)模型的優(yōu)勢(shì)以及其所提供的信息，則不能簡單的對(duì)預(yù)測(cè)結(jié)果進(jìn)行平均。因此，本研究擬采用灰色預(yù)測(cè)模型、線性回歸模型以及神經(jīng)網(wǎng)絡(luò)建立組合預(yù)測(cè)模型對(duì)變形體的變化趨勢(shì)進(jìn)行分析，以便綜合考慮，進(jìn)一步符合變形體的演化規(guī)律，提高預(yù)測(cè)精度。其構(gòu)建流程如圖1所示。

圖1 組合預(yù)測(cè)模型流程

從圖1可以看出，組合預(yù)測(cè)模型是先對(duì)監(jiān)測(cè)原始數(shù)據(jù)進(jìn)行處理，并選定獨(dú)立模型預(yù)測(cè)的基礎(chǔ)上，獲得不同的預(yù)測(cè)結(jié)果，然后再根據(jù)一定的原則選定組合預(yù)測(cè)模型的權(quán)系數(shù)，建立組合模型，最終確定預(yù)測(cè)結(jié)果。通過這種方式，不僅利用了各獨(dú)立預(yù)測(cè)模型的優(yōu)勢(shì)，還將它們?cè)陬A(yù)測(cè)變形體變形趨勢(shì)中存在的缺陷進(jìn)行了彌補(bǔ)。

1.2 組合預(yù)測(cè)模型權(quán)系數(shù)的確定

由于權(quán)系數(shù)所反映的是各獨(dú)立預(yù)測(cè)模型在組合預(yù)測(cè)模型中的影響程度，所以在對(duì)變形體進(jìn)行組合模型預(yù)測(cè)時(shí)，確定權(quán)系數(shù)則是關(guān)鍵。因此，在實(shí)際預(yù)測(cè)過程中，如果權(quán)系數(shù)計(jì)算方法得當(dāng)，就能夠有效地提高組合預(yù)測(cè)模型的精度，從而使得預(yù)測(cè)結(jié)果真實(shí)的反映出變形體的變化趨勢(shì)。本研究確定組合預(yù)測(cè)模型權(quán)系數(shù)采用的方法是方差倒數(shù)法，其計(jì)算過程是：首先根據(jù)各獨(dú)立模型的預(yù)測(cè)誤差，求算出它們的誤差平方和，然后再對(duì)各誤差平方和求倒數(shù)，并確定其在誤差中所占的權(quán)值，從而最大限度的使得組合預(yù)測(cè)模型的誤差平方和達(dá)到最小，其計(jì)算公式為

(1)

且

式中，ej為第j個(gè)單一模型的誤差平方和，即

因此，在組合預(yù)測(cè)模型中，只要計(jì)算出了各獨(dú)立預(yù)測(cè)模型的預(yù)測(cè)值和誤差平方和，求算出組合預(yù)測(cè)模型的權(quán)系數(shù)后，再乘以各獨(dú)立預(yù)測(cè)模型的預(yù)測(cè)值，就可以求出組合預(yù)測(cè)模型的最終預(yù)測(cè)值。

(2)

2 工程應(yīng)用及分析

某露天礦高陡邊坡在施工過程中對(duì)其進(jìn)行了水平位移和沉降監(jiān)測(cè)，因?yàn)閷?duì)該高陡邊坡是進(jìn)行定時(shí)監(jiān)測(cè)，每隔10 d監(jiān)測(cè)1次，現(xiàn)為了驗(yàn)證組合預(yù)測(cè)模型的實(shí)用性，選取監(jiān)測(cè)點(diǎn)J20的沉降實(shí)測(cè)數(shù)據(jù)為研究對(duì)象，以其前20期沉降實(shí)測(cè)值為原始數(shù)據(jù)，對(duì)其進(jìn)行驗(yàn)證。從實(shí)測(cè)數(shù)據(jù)來看，監(jiān)測(cè)點(diǎn)J20的監(jiān)測(cè)數(shù)據(jù)具有一定的不穩(wěn)定性和離散性，現(xiàn)利用灰色預(yù)測(cè)模型、線性回歸模型和神經(jīng)網(wǎng)絡(luò)等3種獨(dú)立模型以及由其形成的組合預(yù)測(cè)模型進(jìn)行分析，可得到灰色預(yù)測(cè)模型為

(3)

線性回歸模型為

(4)

其中，k=1，2，3，…，m。

另外，根據(jù)式(1)和式(2)，計(jì)算出獨(dú)立模型在組合模型中的權(quán)系數(shù)為(0.319 8，0.351 4，0.328 8)，則各模型預(yù)測(cè)結(jié)果如表1所示。

表1 監(jiān)測(cè)點(diǎn)J20沉降預(yù)測(cè)結(jié)果 Table1 The settlement prediction results of J20

從表1可以看出，雖然組合模型的預(yù)測(cè)值并不都優(yōu)于獨(dú)立預(yù)測(cè)模型，但是從求算的組合模型相對(duì)誤差來看，基本上都要小于單一的獨(dú)立模型，表明其總體預(yù)測(cè)效果和精度都有所提高。

3 結(jié) 論

(1)利用組合預(yù)測(cè)模型對(duì)變形監(jiān)測(cè)進(jìn)行預(yù)測(cè)，其精度要高于各獨(dú)立模型，更加有效的反映出變形體的變化趨勢(shì)，為指導(dǎo)礦山生產(chǎn)，保障人民的生命財(cái)產(chǎn)安全提供了有利的保障，體現(xiàn)出模型具有良好的可靠性和可行性。

(2)通過方差倒數(shù)的方法確定組合模型的權(quán)系數(shù)，以確定各獨(dú)立模型所占的比例，由此建立的組合模型簡單易懂更具有可操作性。

(3)由于引起高陡邊坡變形的因素眾多，在選擇預(yù)測(cè)模型的同時(shí)，要盡可能的能夠反映變形體變化的趨勢(shì)，以提高預(yù)測(cè)的精度。

[1] 孫永前.新橋礦露采區(qū)高陡邊坡的失穩(wěn)分析及預(yù)測(cè)[D].合肥：合肥工業(yè)大學(xué)，2012. Sun Yongqian.The Instability Analysis and Forecast of High-steep Slope of Open-pit of Xinqiao Mine[D].Hefei:Hefei University of Technology，2012.

[2] 欒婷婷，謝振華，張雪冬.露天礦山高陡邊坡穩(wěn)定性分析及滑坡預(yù)警技術(shù)[J].中國安全生產(chǎn)科學(xué)技術(shù)，2013，9(4):11-15. Luan Tingting，Xie Zhenhua，Zhang Xuedong.Stability analysis and landslide early warning technology for high and steep slope of open-pit mine[J].Journal of Safety Science and Technology，2013，9(4):11-15.

[3] 胡 冬，張小平.基于灰色系統(tǒng)理論的基坑變形預(yù)測(cè)研究[J].地下空間與工程學(xué)報(bào)，2009，5(1):74-78. Hu Dong，Zhang Xiaoping.Research on predicting deformation of foundation pit based on grey system theory[J].Chinese Journal of Underground Space and Engineering，2009，5(1):74-78.

[4] 鐘漢青，丁建勛，馬德富.非線性沉降預(yù)測(cè)模型參數(shù)計(jì)算研究[J].測(cè)繪通報(bào)，2012(5)：68-70. Zhong Hanqing，Ding Jianxun，Ma Defu.A study of parameter calculation for nonlinear prediction model of settlement[J].Bulletin of Surveying and Mapping，2012(5):68-70.

[5] 葛長峰，胡慶興，李方明.人工神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)深基坑周邊地表沉降變形中的應(yīng)用研究[J].防災(zāi)減災(zāi)工程學(xué)報(bào)，2008，28(4):519-522. Ge Changfeng，Hu Qingxing，Li Fangming.A study on application of artificial neural network in prediction of ground surface settlement around deep foundation pit[J].Journal of Disaster Prevention and Mitigation Engineering，2008，28(4):519-522.

[6] 萬程輝，何習(xí)平.基于小波分析回歸模型的大壩監(jiān)測(cè)數(shù)據(jù)處理[J].測(cè)繪科學(xué)，2009，34(5):113-115. Wan Chenghui，He Xiping.Research on regression model based on wavelet analysis for dam monitoring[J].Science of Surveying and Mapping，2009，34(5):113-115.

[7] 王秀麗，李恒凱.滑坡變形的回歸-神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型研究[J].人民黃河，2012，34(7):90-92. Wang Xiuli，Li Hengkai.Research on prediction model of regression-neural network for landslide deformation[J].Yellow River，2012，34(7):90-92.

[8] 吳益平，滕偉福，李亞偉.灰色-神經(jīng)網(wǎng)絡(luò)模型在滑坡變形預(yù)測(cè)中的應(yīng)用[J].巖石力學(xué)與工程學(xué)報(bào)，2007，26(3):632-636. Wu Yiping，Teng Weifu，Li Yawei.Application of grey-neural network model to landslide deformation prediction[J].Chinese Journal of Rock Mechanics and Engineering，2007，26(3):632-636.

(責(zé)任編輯 石海林)

Research on Landslide Deformation of High and Steep Slope in Open-pit Mine based on Combination Prediction Model

Xiao Haiping1Yang Wangsheng2Xiao Lan3Guo Zhongqun1Cao Xixi

(1.SchoolofArchitecturalandSurveying&MappingEngineering，JiangxiUniversityofScienceandTechnology，Ganzhou341000，China；2.YuduBranchofSchoolofSurveyingandDesign，EastChinaInstituteofTechnology，Ganzhou341000，China；3.DepartmentofSurveying，GanzhouLandandResourcesBureau，Ganzhou341000，China)

In order to strengthen the deformation prediction of high and steep slope in open-pit mine，and timely obtain the trend of the landslide，the landslide pre-warning was conducted，which guided the mine production and ensured the safety of people′s life and property.A combined prediction model was established，and the modeling ideas and calculating methods were introduced in the paper.On this basis，according to the actual monitoring data of a high and steep slope，the predicted results were analyzed and compared with the predictions of the independent model.The results showed that the precision of the combined model is superior to that of the independent model with higher reliability.Therefore，it owns strong applicability.

Combined prediction model，Grey model，Linear regression model，Neural network

2013-12-24

江西省教育廳科技計(jì)劃項(xiàng)目(編號(hào)：GJJ11472)，江西理工大學(xué)科研基金項(xiàng)目(編號(hào)：jxxj12013)。

肖海平(1980— )，男，講師。

TD854.6

A

1001-1250(2014)-04-169-03