基于MSR真实孔径雷达的露天边坡监测系统

为研究MSR露天边坡监测系统的边坡监测预警效果,通过在某露天矿软岩边坡的实际应用,结合滑坡成因对检测效果进行分析。结果表明：MSR真实孔径雷达可以实现对露天边坡的实时监测,在临滑预警方面切实有效;可以及时对滑坡区域的位置、位移、速度、时间等滑坡信息做出提前预警,能最大限度地降低滑坡灾害对矿区的不良影响。     

土地复垦诱发边坡浅层岩体劣化全过程监测试验研究

边坡系统作为一种天然的力学系统,其变形、开裂、失稳、滑移是一个复杂且难以测量的天然力学过程,常因浅层滑坡灾害而造成严重的人员伤亡和土地资源损失。因此,探索边坡浅层岩体在内外营力作用下诱发的岩体劣化规律及敏感参数是浅层滑坡监测预警的关键。采用自主研发的边坡滑动力NPR锚索监测预警系统,在新昌陈家山村开展了土地复垦诱发边坡浅层岩体劣化全过程监测试验。通过边坡地质调查,在关键监测点位安装边坡滑动力NPR锚索监测预警系统;采用现场标记法记录土地复垦机械开挖点与监测点的时空特征,并分析边坡浅层岩体劣化变形特征与滑动力监测曲线演变特征的相关关系,揭示该系统对陈家山村特定地质条件边坡稳定性的监测灵敏度和临滑预警时间。试验结果表明：针对陈家山村松散堆积层发育的边坡类型,在土地复垦开挖扰动作用下,滑动力监测曲线并未出现类似岩质边坡失稳破坏所呈现的缓升型“不稳定模式”和突升型“裂缝模式”,滑动力监测曲线随着机械开挖点距离监测点越来越近呈阶梯式突降型“多次滑移模式”;该系统在松散堆积层发育的边坡类型下的有效距离监测灵敏度为35 m,分析结果可为类似边坡稳定性监测预警提供参考。     

顺层岩质边坡开挖致滑的滑动力监测

在本钢南芬露天铁矿选取典型的顺层岩质边坡进行现场开挖试验,并采用滑动力远程监测预警系统进行原位实时监测。试验结果表明：顺层岩质边坡在地面开挖扰动影响下多发生局部浅层牵引式破坏,滑动变形区贯穿整个坡面（垂直高度约12 m）。破坏过程中,伴随着裂缝的产生、扩展、贯通和失稳,滑动力监测曲线均发出超前预警信息,可以有效地避免滑坡灾害引发的重大安全事故。     

大尺度边坡岩体开裂解体破坏规律试验研究

边坡岩体失稳破坏要经历开裂、贯通、解体、滑移全过程,捕捉每个环节表层变形和深部滑面力学变化规律及特征,是探索滑坡监测预警准则的关键.本文采用恒阻大变形锚索(NPR)深部滑动力自动监测系统和地表位移监测系统,在南芬露天铁矿采场下盘开展了人工开挖诱发滑坡的现场试验,目的是探索滑坡发生前后,边坡岩体开裂解体破坏和深部滑动力的变化规律和时间效应.试验结果显示:在人工开挖扰动作用下,边坡岩体表层出现裂缝的时间要滞后于深部滑动力突变时间,即当滑动力突降4h后,边坡表层岩体初始开裂6mm(长200cm);当滑动力突降96h后,表层岩体裂缝宽度达到74mm(长1306cm);当滑动力突降168h后,边坡完全崩解滑移.证明该类型边坡从深部力学失衡到表层解体破坏,至少需要7d时间.这一成果为该地区滑动力监测预警准则建立提供科学依据.     

露天采场高陡边坡监测技术研究现状与发展趋势

通过收集国内外边坡监测技术的相关资料,介绍了露天采场高陡边坡稳定性监测的现有技术手段,总结了包括表面位移监测、深部位移监测和深部滑动力监测等各类技术的主要特点和存在问题。进一步对金属非金属露天矿山采场边坡监测技术的规范要求进行了简要论述。综合分析后提出,未来应基于区域形变和深部滑动力监测技术,以滑坡地质灾害远程实时监测预报技术及装备体系为研究方向。通过采用多源信息融合技术,以滑动力监测和边坡表面位移监测为主导,辅以其他监测方法,构成一个深部和浅部联合监测的立体网络系统。采用模块化设计方案,根据现场环境灵活增减监测子系统,可提高露天采场边坡稳定性监测预警的准确性与时效性。     

基于滑动力监测滑坡系统的预警模式研究

基于滑动力大于抗滑力是滑坡发生的充分必要条件的预警原则,研发出一套滑坡远程实时监测预报系统,其对滑坡地质灾害预报预警具有重要意义。以滑坡滑动力模拟试验和滑坡室内物理模型试验为基础,初步确定出滑坡的预警模式,然后以平庄露天煤矿、西气东输（延安段）管道工程、南芬露天铁矿、朔州露天井工联合开采煤矿为现场应用研究对象,开展了滑坡监测及预警预报的现场试验研究,对前面提出的滑坡预警模式进行了充分的验证。结果显示,现场滑坡滑动力监测曲线的预警模式与室内模拟试验推断出的结果是一致的,说明这种预警模式可以用来继续分析判断其他现场边坡体的稳定性,在滑坡发生前做出准确预警预报。     

滑坡监测预警研究及工程应用

通过工程实例,在了解滑坡特征的基础上,介绍了一种基于移动网络的远程无线监测预警系统,结合人工深部位移监测,形成了一种对滑体深部及地表综合监测的方法。通过分析其应用效果,此方法具有自动化程度高、监测全面、预警及时等优点,对协助滑坡的防治,预警灾害等有一定的工程适用价值。     

基于改进遗传算法的露天煤矿失稳边坡临滑预警方法

为解决当前使用的基于GNSS监测系统和边坡雷达监测预警技术容易陷入局部值,而导致位移监测结果不精准的问题,提出了基于改进遗传算法的露天煤矿失稳边坡临滑预警方法。以白音华3号矿的边坡工程地质情况为研究对象,通过编码、适应度评价基本的遗传操作,将初始解向最优解进化;采用Powell法构造全局搜索过程所需的变异遗传算子,在全局搜索结果中提取边坡最危险滑动面的安全系数,由此构建的临滑预警模型,定义各个要素,确定全局搜索条件;以全局搜索数据为基础,分析滑坡变形时间曲线3个阶段演化情况,确定滑坡变形时间。2020年2月滑体及其黄土台阶坡2个监测点监测结果表明：该方法与实际数据值存在2 mm左右的最大监测偏差,具有精准位移监测效果。     

煤矿围岩动力灾害监测预警系统

针对煤矿围岩动力灾害多发及人工监测不及时问题,设计了一种集成低功耗无线传输、实时监测、数据融合分析及具有预警预案功能的围岩动力灾害监测预警系统;详细介绍了监测系统的技术原理、组成结构、功能模块及应用效益。实际应用表明,系统实现了围岩压力、位移、应力监测数据之间的融合和可视化分析,可对煤矿围岩动力安全隐患进行快速、准确的预警、预报。     

远程位移实时监测技术在露天矿边坡预警中的应用

随着露天矿开采到界,裸露岩体长期受风化、雨水侵蚀影响,边坡岩体结构越来越弱,围岩的支承能力越来越小,加之弱层的存在,更加导致了露天矿边坡处于不稳定状态,随时具有发生大规模滑坡的危险。根据滑坡前边坡变形的外在反映,研究边坡远程位移实时监测预报系统,根据位移-时间曲线对滑坡进行预报,该系统实现了边坡位移全天24 h连续自动监测。并成功预报了平庄西露天矿2013年4月17日滑坡,对其他露天矿边坡监测具有重要现实指导意义。     

南芬露天铁矿滑坡远程监测预警系统的应用

南芬露天铁矿目前正在进行三期扩帮四期开采工程,矿区工程地质条件较复杂,岩石以绿泥岩为主,遇水强度急剧降低,加之频繁生产爆破振动,致使边帮岩体多处出现张裂、滑塌、滚石等灾害。本研究以“滑动力大于抗滑强度是滑坡产生的充要条件”作为滑坡体滑动的主要判据,并应用“滑坡远程监测预警系统”在南芬露天矿滑坡体上构建了系统的“滑坡体远程监测网”。通过近10个月的现场试验,获得大量宝贵数据,为矿山安全可持续开采提供了安全保障。     

南芬露天铁矿高陡边坡失稳全过程物理模型试验研究

利用自主研发的深部地质工程灾害模型试验系统进行试验,模拟滑坡大变形失稳破坏的全过程.在模型内部布设小型N PR锚索进行力学监测,同时采用数字散斑技术对边坡位移进行监测,从试验角度研究滑坡大变形破坏时的边坡内部应力变化规律及N PR锚索在大变形破坏条件下表现出的力学特性.试验结果表明:边坡破坏表现出明显的阶段性演化过程,...     

露天矿滑坡位移监测的ASIFT算法

针对现有的大型露天矿边坡大变形监测方法存在的不足,提出了一种基于ASIFT图像特征匹配算法的滑坡位移监测方法。首先基于露天矿滑坡真实地形空间分布形态,设计了滑坡物理模型,并利用高分辨率数码相机获取模型滑动过程中的序列影像;然后利用ASIFT特征匹配算法对滑坡各阶段光学影像进行特征点提取与匹配,并利用RANSAC随机抽样一致算法剔除误匹配点;最后利用滑坡体运动特征矢量集模型计算出特征点空间矢量位移,从而实现了滑坡位移场标定与滑坡范围确定。研究表明：所提算法对于滑坡蠕变阶段的位移监测效果一般,但可有效监测滑坡中后期发生明显变形时的位移,该算法的特征点匹配数量及匹配正确率均明显优于SIFT算法,且位移矢量标定精度也得到明显提高,反映出该算法适合于大型滑坡后期发生大变形时的位移量监测。     

SSR在SICOMINES铜钴矿边坡安全监测中的应用分析

针对SICOMINES铜钴矿区复杂的水文地质条件,为能够实时、自动监测高陡边坡的稳定性情况,建立露天边坡监测雷达(SSR)预警系统。在系统中设置相应的稳定性参考区域,将监测区域实时位移速率达到15mm/h设置为黄色预警阈值,将监测区域实时位移速率达到20mm/h设置为红色预警阈值。在监测过程中若发现位移风险区域结合现场踏勘实际情况确定是否发出预警,并且边坡监测雷达(SSR)成功地对D坑东帮南部1 335m水平至1 320m水平之间滑坡做出预测、预报。     

融合自注意力机制的Conv-LSTM边坡位移预测方法

露天矿边坡的稳定性直接影响到矿山的安全生产,边坡位移监测数据是表征边坡变形发展过程的重要参量,通过对监测数据进行分析研究,有助于实现滑坡预警。以河北金隅鼎鑫水泥有限公司某开采中的矿山边坡为例,基于监测点采集的边坡位移数据,建立了基于卷积—长短期记忆网络(Conv-LSTM)的多因素边坡位移预测模型。利用长短期记忆网络(Long Short-term Memory,LSTM)提取位移时间序列中的时序信息,通过卷积层提取位移序列中隐藏的深层特征。针对卷积层对于数据之间内部特征提取不充分的问题,引入自注意力机制(Self-attention Mechanism)充分提取边坡位移数据之间的关系特征。试验结果表明:融合自注意力机制的Conv-LSTM边坡位移预测模型的预测准确率较高,与原始位移序列的相关性较好,能更真实地反映边坡变形规律。