露天矿边坡自动化监测数据应用研究

王安玉，姜 莉，吴全付，谢顺祥，高志轩，韦学林，李 霖

（1.云南万仕维科技有限公司，云南 昆明 650000；2.建水县福运煤业有限责任公司，云南 建水 654300；3.文山州煤业有限责任公司，云南 文山 663000）

为了预测预警滑坡灾害事故，露天矿逐步采用自动化监测技术方案，替代传统的人工监测方案，实现自动化、全天候、适时在线、连续性地监测，测存海量数据，有利于提升测量精度，成果可靠性好[1]。

边坡自动化监测系统自动计算、生成数据成果表，反映监测点在某周期内的三维坐标方向上的变形量。在自动化监测系统的软件中可预设“阀值”，如监测到数据超限，系统会自动预警。但因边坡地质力学结构迥异，滑坡临界点也各不相同；某些边坡有可能超限“规范阀值”，却仍然安全；某些边坡有可能未达“规范阀值”，却已形成滑坡[2]。在日常生产中，“阀值”警醒管理人员，及时检查分析数据异常。

要研判边坡的稳定性，变形过程至关重要，这需要对监测数据细化、深入分析。通过分析监测数据样本，找出变形数据异常点；深入挖掘、细化分析异常点监测数据，以时间节点为横轴、变形速率和累计变形量为纵轴，绘制变形曲线图，解析变形过程；关联分析异常变形与降雨量、生产扰动等外因潜在的关系，确定变形诱因；对比同监测断面、同监测区域内的多个监测点数据和曲线图，分析变形范围和规模[3]。再结合边坡地质和力学结构，预测边坡变形未来发展趋势，研判边坡稳定性，为预测预警提供科学依据。

1 边坡变形自动化监测系统概要

露天矿边坡自动化监测系统可看作用于变形监测的物联网，布设在边坡上的传感器是感知层，传输数据的有线或无线网络是网络层，监测监控中心的计算机、监测软件、显示和预警设施设备是应用层。变形监测物联网拓扑图如图1。

图1 变形监测物联网拓扑图

通常在边坡上布设监测应力、应变、环境变化的传感器，监测表面位移、深部位移、沉降、地下水位、裂缝、压力、拉力、降雨量等多项数据指标，全天候地按预设的频率采集的信号，再通过有线或无线网络传输至计算机，安装在计算机上的监测软件，对传输来的信号进行解译，转换为数据，并对数据进行解算、平差、分析，生成监测数据日报、周报、月报等成果表，系统根据设定的授权，主动分发监测信息给相关技术人员和管理人员[4]。

监测物联网通常设置每小时生成1 期成果数据，日积月累，数据量越来越大，可靠性也越来越高，可真实、完整地记录每个监测点的变形过程。可差异化地按传感器类型、监测点位置，设定累计变形量、变形速率的预警“阀值”。系统自动比对最新监测值和预警“阀值”，如超限即按预设授权分级预警，监测中心声光报警器预警，同时以短信、微信等方式，发布预警信息到相关人员的智能手机。

2 边坡变形自动化监测系统数据应用挖掘

虽然系统具有自动预警功能，但仍有必要对监测数据进行挖掘分析。每当系统预警，需要快速分析监测数据，找出问题所在，为防灾减灾决策提供依据。如有地震发生，要及时分析监测数据，评估地震对边坡的影响。每到重要施工节点，需要分析监测数据，辅助制定后续施工计划。每个监测周期，也要分析监测数据，编制监测报告存档备查[5]。

在分析监测数据时，通常先总体、后个体、再拓展关联，从监测数据成果表中找出变形量大的异常监测点，分析其变形过程、变形原因，再拓展分析其四邻监测点变形情况，以实现快速分析、重点分析、精准分析。

要具体判断滑坡的可能性，需要绘制监测点变形量曲线图、变形速率曲线图、变形量与降雨量关联分析图、同断面（或同区域）多个监测点变形量对比曲线图、变形速率对比曲线图等，图形和数据相结合，综合分析[6]。

2.1 解析变形过程

分析样本数据中监测点数据记录，解析还原变形过程，提取蠕动变形、等速变形、加速变形、临滑等不同变形破坏阶段的数据特征和曲线图特征，判断监测点当前所处变形阶段[7]。

2.1.1 蠕动变形阶段特征

蠕动变形阶段，数据无规律、小幅度变化，变化原因可能是测量精度、早中晚温差、生产活动干扰等。2021 年4—7 月G8 监测点变形量曲线图如图2（变形速率图略）。

图2 2021 年4—7 月G8 监测点变形量曲线图

由图2 已知：各方向上的变形量较小，波动变化幅度也很小，曲线图呈变动、回归、无规律变化。由此可得各方向变形速率小幅波动变化，偶尔跳变又迅速回归，长期贴近0 值波动。结合监测数据、变形量曲线和变形速率曲线分析研判，该监测点所处区是稳定的。

2.1.2 等速变形阶段特征

等速变形阶段数据持续变大或变小，短期内变化幅度较小，每日变形量相当，长期累计变形量不断增大，变化趋势明显[8]。变形速率小，贴近于某个数值波动。2021 年4—7 月G11 监测点变形量曲线图如图3（变形速率图略）。

由图3 已知：x 方向曲线持续向下倾斜，y 方向曲线、xy 平面曲线、xyh 三维曲线持续向上倾斜，短期内波动很小，长期变化趋势明显，变形量曲线图近似1 条斜线，曲线的切线斜率基本一致。

图3 G11 监测点变形量曲线图

从监测数据、变形量曲线和变形速率曲线来分析，该监测点处于等速变形阶段，虽然目前的累计变形量和变形速率均较小，但日积月累，累计变形量会不断增大，增大到临滑界值或受扰动因素影响时，可能会形成滑坡。

2.1.3 加速变形阶段特征

加速变形阶段累计变形量绝对值持续变大，短期内日均变形量大幅度增加，累计变形量也大幅度增大。2021－07－15 至2021－07－31G6 监测点变形量与降水量关联曲线图如图4（变形速率图略）。

图4 2021－07－15 至2021－07－31G6 监测点变形量与降水量关联曲线图

由图4 已知：G6 监测点数据，2021 年7 月25 日0 时—2021 年7 月31 日23 时，x 方向变形量从－3.7 mm 变化到48.2 mm，y 方向变形量从40.1 mm变化到165.4 mm，z 方向变形量从－23.7 mm 变化到－80.5 mm，短短7d 内形成了较大的变化量。

G6 监测点2021 年4 月15 日至2021 年7 月25日呈蠕动变形、等速变形，自2021 年7 月25 日起，加速变形，变形曲线急剧偏离横轴。2021 年7 月28日起变形量再次大幅增加，变形曲线的切线角再次明显增大。

G6 变形速率曲线图变化趋势与变形量曲线图变化趋势一致，前期紧贴横轴波动，7 月25 日起急剧加速，7 月28 日速率再次增大，从加速变形阶段进入临滑阶段。

2.1.4 临滑阶段特征

如图4G6 监测点变形过程，经历了明显的蠕动变形、等速变形、加速变形、临滑4 个阶段。变形速率从2021 年7 月25 日的5.5 mm/d，发展到7 月28 日的28.2 mm/d。2021 年7 月26 日累计变形量和变形速率都持续增大，曲线图切线角有明显拐点，初次预警。7 月28 日变形量和变形速率再次急剧增大，曲线图切线角再次出现明显拐点，再次预警。后续变形速率虽然有回落，但变形量持续增大，滑坡趋势已不可逆转，G6 监测点所在区域于2021 年7 月31 日23点后垮塌。

2.2 变形诱因

在露天矿生产活动中，采场往深部开拓，排土场往高堆排，形成了较大的高低差，受到外部因素影响时，有可能会形成滑坡地质灾害[9]。降雨是发生地质灾害的主要诱因之一，生产过程中的机械扰动、爆破振动、地震等也是诱因，当扰动因素发生后，要及时分析数据、研判边坡变形情况[10]。

如图4 变形量与降雨量关联图，2021 年7 月25日矿区暴雨，短时间内降雨量达到53.5 mm，是变形加速的诱因。27、28 日持续降雨，进一步影响边坡的稳定性，累计变形量不断增加，导致2021 年7 月31日发生了局部垮塌。

2.3 变形范围和规模

各个监测点累计变形量监测数据见表1。

由表1 可知：①北帮虽然累计值均很小，但相较而言x 方向的累计变形量较其它方向变形量大，北帮地形呈北高南低，具备从北往南滑移的现实条件，从监测数据变化量来看，各监测点变形趋势基本一致，整体从北往南蠕动滑移；②排土场各监测点累计变形量，y 方向值比其它方向值大。排土场地形呈西高东低，具备从西往东滑移的客观条件从数据来看，各监测点存在幅度不一的自西向东的蠕动变形。

由表1 还可看出：从同处排土场区域的G1、G2、G3、G4、G5、G6 6 个监测点数据来看，各监测点累计变形量存在明显差异，排土场顶部堆排时间相对较短，位于顶部的G1、G3 2 个监测点累计变形量较大，经分析因堆排时间较短、处于自稳定期，属于正常变形；G2 监测点各方向上的累计变形量都较小，其所在区域稳定；G6 监测点所处区域堆排时间较久，变形量大，且呈加速变形趋势，与其横向相邻的G4、纵向相邻的G5 2 个监测点变形速率也较大，经分析G6 监测点所在区域积水而导致变形；2021 年7 月26 日后连续多日降雨，受雨水浸泡影响加速变形，各监测点累计变形量差异较大，变形量较大的G4 和G5 2 个监测点所在区域，都发现了地表裂缝；变形量最大的G6 监测点所在区域，形成局部垮塌。

表1 各个监测点累计变形量监测数据

3 结语

1）边坡变形自动化监测系统监测周期越长，监测数据涵盖的时间段越长，更能真实反映边坡变形发育过程。

2）解析边坡变形发育过程，提取监测点数据特征、变形量曲线图特征和变形速率曲线图特征，能快速准确判定边坡变形所处阶段。

3）露天矿滑坡灾害形成的过程中，虽然采动形成的高低差是成因，但暴雨、地震等可能会成为诱发因素。当扰动因素发生后，要及时分析监测数据，研判边坡受到影响后的情况。

4）分析监测点、监测断面、监测区域的监测数据、变形量曲线图、变形速率曲线图，能有效辅助诊断变形范围和规模。

5）结合边坡地质力学结构，综合分析变形过程、变形诱因、变形范围和规模，能更好地预测变形发展趋势，实现科学准确地预判预警。