露天矿边坡监测数据采集分析与预报模型综述
为滑动力预警值 (KN)。
监控预警模式
根据摄动监控力学原理分析，监控曲线存在4种类型，即预警模式共分为4种： (1)稳定模式。该模式监测曲线与警戒线没有
交点，监测曲线总体没有与警戒线相交的趋势(见图6)。
(2)滑坡模式。该模式监测曲线总体存在与警戒线相交的趋势，监测曲线与警戒线最终产生交点，交点位置对应横坐标即是监测预警时间，当监测益线超过警戒线达到某一值后，边坡发生滑坡破坏(见图7)。
(3)软化压入模式。该模式监测曲线在某一时间段内会发生加固力降低的情况，主要因为雨水等地表水入渗，使锚索端部锚墩下方土体发生软化，锚墩在锚索拉力作用下压入土体，锚索伸长量减小而降低预应力(见图8)。
16
露天矿边坡监测数据采集分析与预报模型综述
(4)振动扰动模式。该模式监测曲线在某时段加固力有明显的脉冲波动，但波动后加固力瞬时恢复原值，不影响监测曲线的整体变化特征(见图9)。
三、滑坡预测模型
边坡位移预测的研究有灰色模拟预测、神经网络测及模糊系统预测，相空间重构。 统计分析的方法能定时预报模型的滑动时间，统计分析预报是根据监测边坡变形得到的时间～位移曲线建立数学模型来预报边坡滑动时间的方法。
目前，国内外常用的统计分析预报法有：斋藤法、曲线拟台法、灰色系统理论、Markov链状预测、时间序列法，突变理论等。
1滑坡空间预测预报
空间预测是指对滑坡发生的地点、规模等的预测，目前使用较多的方法有以下几种。 1．1稳定系数预测法
稳定系数预测法是最早的滑坡空间预测方法。该法通过计算滑坡体的安全系数来预测某一具体边坡的稳定性。安全系数的计算方法，主要分为2大类：基于极限平衡分析法和数值计算方法。极限平衡法是最经典、采用最多的一种方法。它基于摩尔一库伦强度准则，基于一定假定的基础上，利用滑块力或力矩的平衡来评价边坡的安全系数。其安全系数可表示为：
Fs=F抗滑力／FT滑力 (1)
目前极限平衡分析法主要有：瑞典圆弧法、Fellenius Bishop法、Taylor法、Jmbu法、Moxgenstem—Price法、Spencer法、Sarma法等。由于边坡稳定性分析是一个高次超静定问题，为使问题得解，需要引人许多近似假设，如假设一个滑动面、不考虑土体内部的应力一应变关系、不考虑支挡结构的作用等等。因此，极限平衡分析法不能得到滑体内的应力、变形分布状况，也不能求得岩体本身的变形和支挡结构对边坡变形及稳定性的影响。而数值计算克服了极限平衡分析法的不足，不仅满足力的平衡条件，而且还考虑了土体应力、变形关系和支挡结构的作用，能够得到边坡在荷载作用下的应力、变形分布，模拟出边坡的实际滑移面。正因为数值计算的这些优点，近年来它已广泛应用于边坡稳定性分析。目前常用的数值计算方法主要包括：有限单元法，有限差分法，离散单元法(DES)，不连续变形分析法(DDA)，流形元法等。
17
露天矿边坡监测数据采集分析与预报模型综述
1．2人工神经网络法
人工神经网络(ANN)是模仿人脑工作方式而设计的一种机器。它采用类似于“黑箱”的方法，通过学习和记忆找出输入输出变量之间的非线性关系，在执行问题时，将所获得的数据输入给训练好的网络，依据网络学习到的知识进行推理，得到合理的答案。它具有很强的自学习、自适应和联想记忆能力，同时，还具有高速的并行处理能力，高度的容错性、灵活性和适应性等优点。
神经网络对边坡稳定性空间预测是用研究程度较高的斜坡地段作为已知样本对网络进行训练直到网络掌握数据间的非线性映射关系为止，然后用该地区其他稳定性未知的地段作为预测样本，输入已经学习好的网络，通过网络的联想记忆功能直接预测稳定性。
在用神经网络进行预测预报中，可以把各种可能对边坡稳定性有影响的因素作为网络的输入，建立这些定性或定量影响因素同边坡安全系数之间的预测模型。其模型可表示为：
f(x1,x2,....,xp)??ai?(?wij??i) （2）
i?1j?1mp人工神经网络模型对观测序列几乎没有什么要求，它几乎可以对任何可能的序列进行分析。目前，BP模型人工神经网络已在岩土工程位移预测获得较为广泛的应用。分析这样构造的模型，可发现实用中存在大量问题有待于解决：
(1)这种自回归网络结构不易确定，具体讲就是隐含层数及隐含层结点数较难确定。一般情况下，不同的隐结点数和隐含层数得出完全不同的结果，一般只能由试算确定。
(2)网络结点作用函数选择确定的研究还不深入，而结点作用函数的选择性很大，各种选择将导致完全不同的结果。一般认为，作用函数应选具有至少一阶连续导数的函数。
(3)样本数量的确定是一个困难问题，大量研究经验表明，对神经网络模型来说，并非样本越多越好，而是存在一个合适的值，但该样本数量的确定尚无人能给出一个令人满意的原则，一般只能凭经验。
(4)理论上讲，人工神经网络模型存在所谓的极值限制问题。一般神经网络模型的值域限制于一个由样本确定的集合中，因而，人工神经网络模型一般不具有外延性。但是实际应用中，通过对神经网络模型的最大值进行处理或其他方法处理后仍可用神经网络模型进行递推式预测。可见，神经网络模型不能进行长期预测，只能作短期递推式预测。
尽管人工神经网络模型的观测数据序列要求不多，但正是这种普实性增大了神经网络模型建模的难度。因此，在应用神经网络模型时，有一些经验认识是十分必要的。
案例：
人工神经网络(Artificila Neural Network)的研究始于1943年，又称并行式处理(Parallel
Distribute Processing)。神经网络是在生物技术的基础上，借鉴人脑的结构与工作原理，使用数学方法，利用计算机技术发展起来的一项智能技术。它具有许多引人注目的特点：大规模复杂系统，具有很强的适应能力，自学习、自组织的能力和高度非线形动态处理能力。人工神经网络的研究是当今世界关注的热点。影响露天边坡稳定的因素具有随机和模糊特性。神经网络的性能特征使其适用于解决非确定性的边坡稳定性评价问题。目前，分析边坡变形破坏机理及评价其稳定性的主要方法为极限平衡和数值分析法。这些精确的分析方法在很多情况下是不适宜的。一方面，大多数工程只需对边坡进行广义危险性识别，对边坡作出快速准确的判断：另一方面，由于参数的不确定性和不完备性，精确分析方法在表达边坡系统各组成部
分之间的非线性关系上有其局限性。神经网络具有较强的非线性动态处理能力。无需知道数据的分式和变量之间的关系，可实现高度非线性映射。其较强的学习、存储和计算能力及容错特性，适用从
18
露天矿边坡监测数据采集分析与预报模型综述
实例样本中提取特征，获得知识，并可使用残缺不全的或模糊随机的信息进行不确定性推理。本文建立了边坡稳定性评价的复合神经网络模型，并利用边坡工程的失稳及稳定实例对其进行训练和测试，从而对露天边坡的稳定性分析提供一种思路。
（参考文献---基于神经网络的多参数露天边坡稳定性分析）
1．3信息模型法
信息模型法把各种滑坡因素在滑坡过程中所起作用的大小程度用信息量表达。殷坤龙认为滑坡现象受多种因素的影响，且各种因素的作用性质不相同，对某一具体滑坡而言，总会存在最佳因素组合，基于此理论，信息模型主要研究滑坡因素组合，而不是停留在单个因素上，所以预测精度较高。殷坤龙等用此方法成功地对重庆市的斜坡稳定性进行了预测。
1．4灾变模型预测法
计算边坡的稳定系数需要涉及到岩土的计算参数，由于岩土性质的不确定性和离散性，使得同一边坡采用不同的计算参数得出差别较大的结果，甚至得出相反的结论。采用灾变理论避开了这些不确定性参数的影响，它假定系统在任何时刻的状态都可完全由给定的几个状态内部量(x1，x2，?，xn)的值来确定，同时系统还受到m个独立的控制量(u1，u2，?，up)的控制，通过数学方法，研究系统状态的稳定与否与各量值的关系。该方法综合考虑了各种边坡要素对边坡稳定性的不同程度的影响，能较真实地描绘边坡系统的状态。吴文德等运用尖点灾变模型对某中型露天矿山的稳定性进行了预测，得出了与现场实际相吻合的结果。
1．5模糊综合评判法
边坡的稳定性受诸多因素的影响，很难用一个确定的结论来表述其稳定还是不稳定，往往用模糊概念来表述，如把边坡的稳定等级分为危险区、不稳定区、较不稳定区、稳定区
等。模糊综合评判方法就是对边坡稳定性等级进行分类，并通过专家评分或构造隶属函数确定对同一等级各因素以及某一因素在不同等级中对边坡稳定性的影响程度(隶属度)，建立模糊评判矩阵，确定边坡的稳定性对各等级的隶属程度，最后按择优原则预测边坡的稳定性。该方法的最终结果是否可靠，受单因素的选择和隶属度的确定影响较大。
2滑坡时间预测预报
时间预报是指对边坡可能发生滑坡时间的进行预报。利用已获取的监测数据，通过数学模型来预测未来某一时刻坡体的状态。目前常用的方法有以下几种。
2．1斋腾法
日本学者斋藤迪孝通过大量的试验，得出了均质土坡滑坡时间与蠕变速率之间具有如下的经验关系：
lgtr?2.33?0.516?lg??0.59 (3)
式中，±0．59为包括95％测定值的范围；t为滑坡发生时间，min；?为等速蠕变速率，10-4／min。
上述计算模型主要是如果坡体已进入，可根据其进行边坡失稳预报。斋藤模型是以监测曲线和蠕变理论为依据的一种确定性预测模型。
斋藤预测模型方法简单，当时曾受到人们的欢迎，利用该方法曾于1970年对日本高场上隧道滑坡进行了成功地预报。但由于该经验公式依赖于加速蠕变阶段边坡位移——时间曲线的监测数据，尤其仅适用于短期预报和临滑预报。该模型没有考虑矿山开采以及诸如爆破、地震等瞬时因素的影响，且所求得的蠕变破坏时间属于概算，预报精度受到一定的限制。1984-年，日本学者K．Kawamtma采用差分法及加权最小二乘法，提出了与斋藤法相似的加速蠕变经验微分方程，在某种程度上克服了随机误差，提高了预测精度，但由于经验方程本身的局限性，以及滑坡影响因素的复杂性，其预报精度仍不高。
19
露天矿边坡监测数据采集分析与预报模型综述
案例：
龙马水电站工程溢洪道泄槽段边坡K9一Kl段于2005年9月开始开挖，最初处于稳定状态但随着边坡下切开挖至EL．583rn高程以后，该部位边坡产生一定变形，2006年3月29日在EL．663rn高程坡面出现拉裂缝，之后对该部位边坡进行了加密观测，监测结果表明：在泄槽段边坡上的3个表观测点位移量均明显增长，边坡出现加速变形迹象。2006年4月18日受降雨影响，边坡变形再次加速，其中的TP一06外观点水平变形速率达353mm／d，根据表面变形观测结果，建立统计模型进行分析，预测可能的滑坡时间为2006年4月19日，4月l8日晚及时发出了滑坡预警。4月19日凌晨3点，塌方体以牵引滑移的方式下滑，前缘剪出口部位高程差590rn，滑坡体长约100m，宽度约50m，平均厚度12m。滑坡体体积约6万一7万立方m。由于预报及时准确，避免了人员及施工设备的重大损失。
滑坡预报模型 理论模型：
根据边坡变形特征，边坡失稳预报理论模型用斋藤预报模型。斋藤预报模型是基于岩体加蠕变阶段的滑坡时间预报方法，它是根据大量的坡位移一时间曲线总结的一种经验方法，适用于受环境阻挡、无外力约束的塌滑性滑坡的短期预及临滑预报。
预报方法：
预报方法可由下述微分方程表示：
l0(tr?t0)?a?bl0dsdt （1）
也可表述为在加速蠕变阶段，某时刻变形速与该时刻距整体破坏时刻tr的时间差(tr?t0)成比，即变形速率越大则距离破坏时间越短，符合岩体抗剪破坏的基本规律。
(tr?t0)??K
式中K为常数。
要求解方程(1)和(2)，可根据位移一时间关系拟合曲线，在位移轴上任取连续两段等间距，对应时间轴上的3个点t0、t1和tr，由此计算出滑坡启动时间差为：
1(t?t)2212 (3) tr?t0?1(t1?t2)?(t2?t0)2公式(3)的应用，可采用数据分析系统自动完成。例如TP一06实测资料带入拐点进行计算，下滑位移一时间最佳拟合曲线特征选指数型，起始时间t0为4月6日10时，当t0取0则tr为l2．8天，即4月l9日5点很有可能出现塌方。
4月18日晚l0点出现中雨天气，溢洪道边坡变形分析结果又正处于临滑状态，为此紧急通知施工各方要高度重视，加强警戒。4月19日临晨3点，溢洪道泄槽段一ll边坡产生整体性塌方，塌方时间与理论计算时间相差约2个小时，假如以17日前期观测资料进行计算，则tr为23天，误差显然较大，由此说明环境因素变化值得重视。
2．2灰色理论模型预测
灰色系统是针对部分信息已知而部分信息未知的所谓灰色系统而创立的方法。基于上述分析可知，边坡工程系统属于含有不完全信息的灰色系统，因此，很多工程的监测信息外延就是采用的灰色系统建模。大量工程实践表明，灰色GM(1，1)模型，对于边坡变形规律的描述具有较好的效果，加之该模型对数据信息量要求不高，故特别适用于边坡动态变形规律的预测。
20