基于表面及深部位移监测下的滑面辨识和滑坡预警方法

1.本发明涉及露天开采技术领域，尤其涉及一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法。


背景技术：

2.边坡作为人工开挖的产物，若在滑坡发生前能辨识滑面和进行预警，对其采取有效的控制措施，可规避大型滑坡的发生。在监测实践中，边坡位移变化是边坡岩土体在时空演化过程中反馈出来的关键信息，最能体现边坡运动的状态与发展趋势。在过去的几十年，不少研究人员基于表面位移和深部位移的预警指标来判断滑面位置，评价边坡稳定性，揭示滑坡机理和滑坡模式，预测边坡深部位移趋势性发展，已在一些重大滑坡监测工程中取得了卓有成效的应用。总体上，基于边坡表面和深部位移的监测应用越来越广泛，但鲜有文献同时兼顾二者进行滑坡分析，尤其是实现滑面超前辨识与滑坡精准化预警，发出预警而不发生滑坡的现象普遍存在且频频发生。因此对于露天煤矿滑面辨识和滑坡预警方法的研究，目前已成为采矿工程和岩石力学工作者亟待解决的难题。


技术实现要素：

3.针对上述现有技术的不足，本发明提供一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法。
4.为解决上述技术问题，本发明所采取的技术方案是：一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法，包括如下步骤：
5.步骤1：获取边坡各监测点位移的监测数据；
6.步骤2：对所获取时段内的表面及深部位移监测点监测数据进行处理，包括：
7.步骤2.1：计算表面各监测点等间隔时段的位移速度值vi、位移加速度值ai；
[0008][0009]
式中，δs为某一时段的累计位移，d为该时段总时间，δv为某一时段的位移速度；
[0010]
步骤2.2：计算深部各监测点等间隔时段的位移错动量ui：
[0011]
ui＝h
i-h
i+1
[0012]
式中，h
i+1
为某一时刻第i+1个深度的累计位移，hi为某一时刻第i个深度的累计位移；
[0013]
步骤3：基于假设检验原理，采用lilliefors检验方法对监测数据进行正态性检验，得到滑坡的二级预警时刻、一级预警时刻和预警滑面，包括：
[0014]
对表面监测点的位移速度值进行检验，得到滑坡的二级预警时刻；具体表示为：首先将前x个位移速度值{v1,
…
,v
x
}视为第一个随机变量x1，对其进行正态性检验，若检验结果为真，则x1服从正态分布，边坡该时段处于等速蠕变阶段；继续纳入下一个位移速度值v
x+1
，根据 {v1,
…
,v
x+1
}生成第二个随机变量x2，对其进行正态性检验；若检验结果为真，继
续令x加1 直到纳入第i个位移速度值vi，生成第i-x个随机变量x
i-x
，检验结果为假，则说明x
i-x
不服从正态分布，边坡在t
i-1
～ti时刻之间进入加速变形阶段，将第i-1个位移速度值对应的时刻t
i-1
作为二级预警时刻；
[0015]
对表面监测点的位移加速度值进行检验，得到滑坡的二级预警时刻；具体表述为：首先将t
i-1
时刻之前的数据删除，将ti时刻位移加速度值作为第一个数据；对位移加速度值所生成的随机变量进行正态性检验，若检验结果为真，则其服从正态分布，继续纳入下一个位移加速度值，对其进行正态性检验，直到纳入第j个位移加速度值aj，生成随机变量yj，若检验结果为假，则说明随机变量yj不服从正态分布，边坡在t
j-1
～tj时刻之间进入临滑阶段，将第 j-1个位移加速度值对应的时刻t
j-1
作为一级预警时刻；
[0016]
对深部监测点的位移错动量进行检验，得到预警滑面；具体表述为：首先在第一个时刻的监测数据中，选取前z个位移错动量{u1,
…
,uz}视为第一个随机变量z1，对其进行正态性检验，若检验结果为真，则z1服从正态分布，边坡处于等速变形阶段，继续纳入下一个位移错动量u
z+1
，根据{u1,
…
,u
z+1
}生成第二个随机变量z2，对其进行正态性检验，当纳入最后一个位移错动量生成的随机变量检验结果为真时，则第一个时刻的边坡的位移错动量服从正态分布，边坡处于等速变形阶段，则继续对下一时刻的监测数据进行正态性检验，直到在第n个时刻中，当纳入第k个位移错动量uk，生成第k-z个随机变量z
k-z
经正态性检验结果为假时，则说明z
k-z
不服从正态分布，将第k-1个位移错动量对应的深度h
k-1
作为预警滑面，第n个时刻作为预警时间。
[0017]
采用上述技术方案所产生的有益效果在于：本发明提供的方法是基于假设检验原理，采用lilliefors检验方法对露天煤矿表面及深部位移监测数据生成的随机变量进行正态性检验，可实现滑坡分级预警及滑面超前辨识。本方法克服了现有方法在露天煤矿滑体预警和滑面辨识流程繁琐、操作复杂等的不足，同时能够为露天矿边坡工程设计、安全实施和防灾措施的布置提供科学依据。
附图说明
[0018]
图1为本发明实施例中东帮表面监测系统分布示意图；
[0019]
图2为本发明实施例中东帮深部监测系统分布示意图；
[0020]
图3为本发明实施例中流程图；
[0021]
图4为本发明实施例中钻孔59025不同监测下日期累计位移与深度的关系曲线；
[0022]
图5为本发明实施例中钻孔59025不同监测日期下错动量与深度的关系曲线；
[0023]
图6为本发明实施例中钻孔59025的预警滑面位置与弱层位置示意。
具体实施方式
[0024]
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0025]
本实施例中，位于内蒙古内的某露天煤矿东帮曾发生过多次大变形现象，因此在东帮表面和深部布置有监测系统，如图1所示为表面监测点布置图，图2为深部监测点布置图。该露天煤矿于2020年4月30日发生滑坡，选取监测时段为2020年4月1日至2020年4月30 日的监测数据，表1为监测点东帮640在该时段内的水平方向监测结果。
[0026]
表1监测点东帮640水平方向监测结果
[0027][0028]
如图3所示，本实施例中一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法如下所述。
[0029]
步骤1：对边坡体表面及深部布置位移监测系统，获取边坡各监测点位移的监测数据；在各个监测点安装位移传感器，位移传感器连接控制器，通过位移传感器采集各监测点的位移数据，然后传输给控制器上传监测到的位移数据。
[0030]
步骤2：对所获取时段内的表面及深部位移监测点监测数据进行处理，包括：
[0031]
步骤2.1：计算表面各监测点等间隔时段的位移速度值vi、位移加速度值ai；
[0032][0033]
δs为某一时段的累计位移，d为该时段总时间，δv为某一时段的位移速度。
[0034]
本实施例中，以监测点东帮640为例，计算了监测点每天的位移速度值，如表1。
[0035]
步骤2.2：计算深部各监测点等间隔时段的位移错动量{ui}。
[0036]
ui＝h
i-h
i+1
[0037]hi+1
为某一时刻第i+1个深度的累计位移，hi为某一时刻第i个深度的累计位移。
[0038]
本实施例中，以钻孔点59025为例，如图4所示为其在五个监测日期下累计位移与深度的关系曲线。并计算了其五个监测日期的位移错动量如图5所示。
[0039]
步骤3：基于假设检验原理，采用lilliefors检验方法对监测数据进行正态性检验，得到滑坡的二级预警时刻、一级预警时刻和预警滑面，包括：
[0040]
步骤3.1：对表面监测点的位移速度值进行检验，首先将前x个位移速度值{v1,
…
,v
x
}视为第一个随机变量x1，对其进行正态性检验，若检验结果为真，则x1服从正态分布，边坡该时段处于等速蠕变阶段。继续纳入下一个位移速度值v
x+1
，根据{v1,
…
,v
x+1
}生成第二个随机变量 x2，对其进行正态性检验
……
直到纳入第i个位移速度值vi，生成第i-x个随机变量x
i-x
，检验结果为假，则说明x
i-x
不服从正态分布，边坡在ti～t
i-1
时刻进入加速变形阶段。将第i-1个位移速度值对应的时刻t
i-1
作为二级预警时刻；
[0041]
本实施例中，以监测点东帮640为例，说明正态检验过程，首先选取监测点在2020年4 月1日～2020年4月10日时间段的水平位移速度构成一组随机变量x1，对其进行正态检验，检验结果为真；依次纳入新的位移速度值，对新生成的随机变量进行检验，截止到2020年4 月19日，每组新生成的随机变量(x
2-x
10
)均服从正态分布；当把2020年4月20日的位移速度值纳入时，检验结果为假，则说明x
11
不服从正态分布，将第19个位移速度值对应的时刻 t
19
即2020年4月19日作为监测点640的二级预警时刻。
[0042]
步骤3.2：对表面监测点的位移加速度值进行检验，首先将t
i-1
时刻之前的数据删除，将 ti时刻位移加速度值作为第一个数据，同理，对位移加速度值所生成的随机变量进行正态性检验，若检验结果为真，则其服从正态分布，继续纳入下一个位移加速度值，对其进行正态性检验
……
直到纳入第j个位移加速度值aj，生成随机变量yj，检验结果为假，则说明yj不服从正态分布，边坡进入临滑阶段。将第j-1个位移加速度值对应的时刻t
j-1
作为一级预警时刻；
[0043]
同理，本实施例中，对监测点640的位移加速度进行分析，首先将2020年4月19日之前的监测数据删除，对2020年4月19日之后的数据计算位移加速度，将水平位移加速度构成的随机变量进行正态性检验，纳入2020年4月27日位移加速度值生成的随机变量进行正态性检验，检验结果为真，当纳入2020年4月28日的加速度值生成新的随机变量进行检验时，结果为假，该数据为“异常”，则说明新生成的随机变量不服从正态分布，将2020年4 月27日作为监测点640的一级预警时刻。表2为各监测点应用滑面辨识和滑坡预警方法识别的两级预警时刻。
[0044]
表2识别出各表面监测点的两级预警时刻
[0045][0046]
步骤3.3：对深部监测点的位移错动量进行检验，首先在第一个时刻的监测数据中，选取前z个位移错动量{u1,
…
,uz}视为第一个随机变量z1，对其进行正态性检验，若检验结果为真，则z1服从正态分布，边坡处于等速变形阶段。继续纳入下一个位移错动量u
z+1
，根据{u1,
…
,u
z+1
} 生成第二个随机变量z2，对其进行正态性检验
……
当纳入最后一个位移错动量生成的随机变量检验结果为真，则第一个时刻的边坡的位移错动量服从正态分布，边坡处于等速变形阶段。则继续对下一时刻的监测数据进行正态性检验
……
直到在第n个时刻，当纳入第k个位移错动量uk，生成第k-z个随机变量z
k-z
经正态性检验结果为假，则说明z
k-z
不服从正态分布，将第k-1个位移错动量对应的深度h
k-1
作为预警滑面，第n个时刻作为预警时间。
[0047]
本实施例中，以深部钻孔点59025的深部位移监测数据为例，首先对2020年1月7日的位移错动量进行正态性检验，选取5个位移错动量视为第一个随机变量z1，对其进行正态性检验，检验结果为真，则纳入下一个位移错动量，正态性检验结果为真
……
纳入最后一个位移错动量，正态性检验结果均为真。同理，依次对2020年1月15日、2020年1月20日、 2020年2月8日的位移错动量进行正态性检验，结果均为真。分析2020年2月25日的位移错动量时，当纳入深度10～11m之间的错动量生成的随机变量时检验结果为假，不服从正态分布，
即可判定2020年2月25日为深部预警时间，590水平以下11m(579水平)为预警深度。如图6为钻孔59025的预警滑面位置与弱层位置示意。