基于ArcObjects组件与Microsoft.NET框架的营口某铁矿开采沉陷预计系统

尚晓光 侯克鹏

（昆明理工大学国土资源工程学院，云南 昆明 650093）

地下金属矿体开采完毕后，上覆岩体应力会重新分布，一旦岩体的抗变形能力无法有效抵消应力集中，地表则会发生沉陷［1-3］。近年来，大量学者对开采沉陷进行了大量预测研究，尽管成果丰硕［4-8］，但大多侧重于沉陷定量预测方面，缺乏对矿区开采沉陷的可视化分析成果。本研究以辽宁省营口市某铁矿K203开采工作面为例，将ArcObjects二次开发平台和Microsoft.NET框架技术［9-10］相结合，对矿山开采沉陷可视化预计系统进行开发。

1 矿山概况

某铁矿位于辽宁省营口市，铁矿所在区域交通便利，植被覆盖茂盛，矿区以北1.5 km分布有2个自然村落。该矿床属于典型的河床下赋金属矿，主矿体沿浑河支流大冲沟发育，矿体长1 400～1 522 m，宽90～200 m，厚445～207 m，矿体埋深较浅，位于地下70～300 m，呈长条形分布。矿区地表雨水丰富，地层岩性较单一，上部为第四系残坡积、冲洪积砂卵碎石，下部为全强风化基岩，以大树基沟和桶子沟为界，北部岩性为花岗岩，南部为变粒岩。经现场勘探揭露，岩石风化深度较深，一般覆盖层可达5～10 m，全风化下限埋深为10～20 m，局部可达到40 m，强风化埋深为25～30 m。研究区未发现较明显的大型断裂或活动断裂，经勘查发现小规模断层有13条，断层宽10～100 cm，对开采区无较大影响。通过探洞裂隙统计分析，矿区主要发育NNE、NW向2组裂隙，均以缓倾角为主，易在采掘巷道顶部切割形成不稳定塌落体。该铁矿经过多年开采，部分区域已经发生了岩土体应力破坏失稳现象，在K203工作面采掘工作区域地表形成了明显的塌陷坑，其中较大一处塌陷坑长45 m，宽30 m，塌陷深度为10～50 cm，塌陷坑周边发育多级台阶状裂缝（图1）。

2 系统开发及功能架构

以Microsoft.NET框架为基础，首先利用C语言开发出基于概率分析法的沉陷预计系统，并将预测结果转换为主流软件通用的数据格式，实现开采沉陷预计和评价；然后利用ArcObjects平台，开发出沉陷预计可视化界面，实现开采沉陷预计可视化。

2.1 开采沉陷预计模块

系统开采沉陷预计模块采用概率积分法［11-14］进行程序开发。通常情况下，水平矿体和倾斜矿体倾角不超过45°，故概率积分法可以适用于一般地形和开采条件的地表沉陷分析与计算。对于工况较为复杂，矿床条件为任意形状的开采面，可对矿体细分为更小的矩形，分别进行沉陷预计后进行叠加分析，从而确保预计精度。本研究采用C语言编写了概率分析法沉陷预计程序：

2.2 可视化模块

2.2.1 可视化程序工作原理

2.2.1.1 沉陷计算数据转换

在CAD软件中，以SCR脚本绘制研究区地形等值线、沉陷后地形等值线以及典型剖面线，生成的等值线图在软件界面中导出为DEM格式的点数据，通过“file”功能自动添加至AricGIS软件中实现读取和可视化，GIS软件能够将等值线进行定量化分界，从而可实现查询、分类、修改和自定义等诸多功能（图2、图3）。

2.2.1.2 开采沉陷三维可视化

开采沉陷三维可视化分析步骤如下：

（1）工作面三维建模。通过采集采矿工作面岩层走向、倾向、倾角，开掘部位深度、方位、坐标点，矿床厚度、深度、产状、水平位移、垂直位移、下沉系数等参数，并将所有参数信息录入系统中，生成.dat格式文件，完成工作面三维建模。

（2）设计计算网格。主要目的是设置网格的边界线、起止点、网格宽度和高度、网格行列数以及文件格式等。本研究通过ArcGIS软件实现上述功能，设置过程中网格密度和范围需大于研究工作面，算法流程如图4所示。

（3）开采沉陷分析。选取工作面参数，并挑选岩层岩性参数、开采工作面参数等，结合本研究设计的概率分法开采沉陷预计程序，可得到指定点的位移信息和发生沉陷的概率。

（4）可视化。通过ArcObjects二次开发平台编写程序，可实现三维可视化开采沉陷预计。

2.2.2 可视化关键代码

本研究系统可视化模块实现算法采用C语言编写，关键程序代码如下。

（1）利用“return”函数引用GIS API各个组件接口。

require（modules:Array＜String＞，callback:function）=＞ void

require（{

“esri/Map”， “引用底图组件”

“esri/views/SceneView”， “引用视图组件”

“dojo/domReady!”

］，function（Map，SceneView）{ “引用功能组件”

//Code to create the map and view will go here}）；

（2）添加地形等高线底图。

var map=new Map（{

basemap:“streets”，

ground:“world-elevation”

}）；

（3）添加三维视图。

var view=new SceneView（［

container:“viewDiv”，

map:map

}）；

（4）添加要素图层。

return arrayUtils.map（geoJson.features，function（feature，i）{

return{

geometry:new Point（{

x:feature.geometry.coordinates［0］，

y:feature.geometry.coordinates［1］

}），

//select only the attributes you care about

attributes:{

ObjectID:i，

title:feature.properties.title， “添加图名”

type:feature.properties.type， “添加图层特性”

place:feature.properties.place， “添加坐标值”

depth:feature.geometry.coordinates［2］+“ km“，“添加高程”

time:feature.properties.time， “添加时间特性”

}；

}）；

（5）设计渲染。渲染器是地图显示符号的方法，相当于Echarts中的VisualMap配置项。ArcGIS软件API中有很多渲染器，本研究采用SimpleRenderer函数对点符号进行渲染。

var quakesRenderer=new SimpleRenderer（{

symbol:new SimpleMarkerSymbol（{

style:“circle”，

size:20，

color:［211，255，0，0］，

outline:［

width:1，

color:“#FF0055”，

style:“solid”

}

}），

visualVariables:{

{

type:“size”，

field:“mag”，//earthquake magnitude

valueUnit:“unknown”，

minDataValue:2，

maxDataValue:7，

//Define size of mag 2 quakes based on scale minSize:［

type:“size”，

expression:“view.scale”，

stops:［

{value:1128，size:12}，

{value:36111，size:12}，

{value:9244649，size:6}，

{value:73957191，size:4}，

{value:591657528，size:2}

}，

//Define size of mag 7 quakes based on scale maxSize:{

type:“size”，

expression:“view.scale”，

stops:［

{value:1128，size:80}，

{value:36111，size:60}，

{value:9244649，size:50}，

{value:73957191，size:50}，

{value:591657528，size:25}］

}）.

3 试验分析

根据该铁矿K203工作面实际情况，对概率积分法开采沉陷预计参数进行了取值，结果见表1。

?

根据表1，利用系统开采沉陷预计模块进行了预计并采用可视化模块进行了三维可视化分析，结果如图5所示。

综合分析图5可知：K203工作面地表水平位移小于100 mm，垂向位移变化较大（0～1 400 mm），该区域沉陷具有阶段性增速到减缓的特点。

为验证系统开沉陷预计精度，在K203工作面地表设立监测点（图6），采用全站仪在地表敷设导线进行测量分析，其平面测量精度为1 mm，垂直测量精度为5 mm。通过对监测结果进行统计分析发现（图7），监测点于2012年8月20日首次发生位移，之后监测点位移增长速率开始逐步扩大，现场同时发现该区域地表土体出现裂痕和台阶状陷坑；2013年11月中旬，地表监测点的沉陷值达到1 200 mm左右，累积变形速率达到最高峰，沉陷值达到1 350 mm后，沉陷速率有所减缓，表明从2014年年初开始，该区域沉陷基本稳定，应力分布重新达到平衡状态，与本研究系统预测分析结果基本吻合。

4 结语

以辽宁省营口市某铁矿K203开采工作面为例，将ArcObjects二次开发平台和Microsoft.NET框架技术相结合，开发了开采沉陷可视化预计系统。试验表明，该系统不仅可以定量预计开沉陷，而且可以对开采沉陷预计结果进行三维可视化分析，对于深入分析金属矿山地表沉陷变形规律有一定的适用性。

［1］Wang X F，Wang Y J，Huang T.Extracting mining subsidence land from remote sensing images based on domain knowledge［J］.Journal of China University of Mining&Technology，2008，18（2）:168-171.

［2］ 夏开宗，陈从新，付 华，等.金属矿山崩落采矿法引起的岩层移动规律分析［J］.岩土力学，2016（5）：1434-1440.Xia Kaizong，Chen Congxin，Fu Hua，et al.Analysis of law of ground deformation inducedby caving mining in metal mines［J］.Rock and Soil Mechanics，2016（5）:1434-1440.

［3］ 黄平路，陈从新，肖国峰，等.复杂地质条件下矿山地下开采地表变形规律的研究［J］.岩土力学，2009（10）：3020-3024.Huang Pinglu，Chen Congxin，Xiao Guofeng，et al.Study of rock movement caused by underground mining in mines with complicated geological conditions［J］.Rock and Soil Mechanics，2009（10）:3020-3024.

［4］ 张洪胜，刘 浩.矿山开采地表沉陷监测方法探讨［J］.测绘与空间地理信息，2014（8）：200-202．Zhang Hongsheng，Liu Hao.Discussion on the methods of monitoring in coal mining subsidence［J］.Geomatics&Spatial Information Technology，2014（8）:200-202．

［5］ 杨 旭，余学祥，张迎伟，等.煤矿开采沉陷自动化监测系统设计与实现［J］.测绘工程，2015（9）：39-43．Yang Xu，Yu Xuexiang，Zhang Yingwei，et al.Design and implementation of the automatic monitoring system for coal mining subsidence［J］.Engineering of Surveying and Mapping，2015（9）:39-43．

［6］ 郭启琛，李文平，王启庆，等.薄基岩浅埋深矿区地表开采沉降预测及影响因素分析［J］.金属矿山，2015（12）：161-164．Guo Qichen，Li Wenping，Wang Qiqing，et al.Prediction and analysis to affecting factors of surface mining subsidence in the mining are a of shallow coal seam with thin bedrock［J］.Metal Mine，2015（12）:161-164．

［7］ 刘贺春，郭 秋.综合GPS技术与灰色模型的西郝庄铁矿开采沉陷预计［J］.金属矿山，2016（10）：116-119．Liu Hechun，Guo Qiu.Prediction of the mining subsidence of Xihaozhuang Iron Mine based on GPS technique and grey model［J］.Metal Mine，2016（10）:116-119．

［8］ 沈 震，徐良骥，刘 哲，等.基于Matlab的概率积分法开采沉陷预计参数解算［J］.金属矿山，2015（9）：170-174.Shen Zhen，Xu Liangji，Liu Zhe，et al.Calculating on the prediction parameters of mining subsidence with probability integral method based on Matlab［J］.Metal Mine，2015（9）:170-174.

［9］ 刘贵明，张卫国，兰小机.基于ArcGIS Engine的矿山3D-GIS的设计与实现［J］.金属矿山，2009（5）：92-95.Liu Guiming，Zhang Weiguo，Lan Xiaoji.Design and implementation of theMine3D-GIS based on ArcGIS Engine［J］.Metal Mine，2009（5）:92-95.

［10］王瑞云.基于VC++.NET的开采沉陷预计程序设计与实现［D］.淮南：安徽理工大学，2014.Wang Ruiyun.Design and Implementation of Mining Subsidence Prediction Program Based on VC++.NET［D］.Huainan:Anhui University of Science and Technology，2014.

［11］王永辉，倪岳晖，周建伟，等.基于概率积分法的横河煤矿巨厚松散层下开采沉陷预测分析［J］.地质科技情报，2014（4）：219-224.Wang Yonghui，Ni Yuehui，Zhou Jianwei，et al.Subsidence prediction under thick and loose overburden of Henghe coal mine based on probability integral method［J］.Geological Science and Technology Information，2014（4）:219-224.

［12］王 友，王双亭.抗差岭估计在概率积分法预计参数求取中的应用研究［J］.煤矿开采，2014（3）：17-19.Wang You，Wang Shuangting.Application of anti-poor-estimation in prediction parameters solution by probability integral method［J］.Coal Mining Technology，2014（3）:17-19.

［13］王瑞云.遗传算法求概率积分法预计参数程序设计［J］.安徽理工大学学报：自然科学版，2013，33（1）：67-71．Wang Ruiyun.Design parameters of probability integral method using genetic algorithm［J］.Journal of Anhui University of Science and Technology:Natural Science Edition，2013，33（1）:67-71．

［14］李太启，高荣久.采煤塌陷地综合治理问题分析与建议［J］.金属矿山，2015（4）：169-172．Li Taiqi，Gao Rongjiu.Analysis and suggestion on the problem of comprehensive treatment in subsidence region induce by coal mining［J］.Metal Mine，2015（4）:169-172.