尾矿坝变形规律的灰色Verhulst预测

尾矿坝变形规律预测是矿山尾矿库安全技术管理的重要内容.尾矿坝的变形受多种因素的影响,其中有些因素是可知的,但有部分因素是不确定的,因此尾矿坝本身实际上是一个灰色系统.为了实现对尾矿坝变形趋势的预测,在充分认识尾矿库工程系统及坝体变形数据特性的基础上,采用灰色Verhulst模型对尾矿坝的变形进行预测,并结合某铁矿尾矿坝变形监测实际数据进行预测,模型精度满足要求,表明灰色Verhulst模型用于尾矿坝变形规律预测具有很好的适用性.     

基于无人机摄影测量的尾矿坝边坡表面变形监测*

为弥补传统基于GPS/GNSS的单点监测方式无法反映尾矿坝整体变形的局限性,提出1种结合坝坡现有位移监测系统的无人机尾矿坝边坡表面变形监测方法。利用单镜头轻小型多旋翼无人机和计算机视觉技术对尾矿坝的空间三维地理信息进行数据采集与重建;基于设置在坝坡表面的位移人工监测点（水泥桩）对多期尾矿坝点云数据进行配准;通过对不同时期尾矿坝点云数据距离的计算实现对其边坡表面变形的整体监测。结果表明:经过雨季冲刷,山东某尾矿坝局部边坡出现冲沟、滑塌、表层滑移等现象;提出的方法能够精细地体现出尾矿坝边坡的整体变形与细节变化,可为尾矿坝边坡整体变形监测方法的拓展提供参考。     

尾矿坝溃坝模型研究及应用

根据多个大坝的实际溃决资料,提出尾矿坝溃坝的数学模型,该模型考虑尾矿的物理力学性质及其在流动中的变形,适合溃坝砂流下泄流量变幅大的特点。并就尾矿坝溃坝后泥石流对坝下游的影响提出预测的方法,该方法确定了泄砂总量、溃坝口平均宽度、坝址最大砂流量、坝址流量过程线等溃坝的重要参数。最后利用数学模型对某尾矿库溃坝砂流进行了预测,并指出该坝下游人员的撤离高程,为防灾减灾以及保护人民生命财产安全等起到了积极作用。     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

种族鱼群优化支持向量机序列理论监测尾矿坝

为监测预警尾矿坝的变形位移,提出基于结构风险最小化理论的支持向量机进行学习预测。通过采集有效数据,对时间序列数据进行归一化序列处理,然后采取种族鱼群选择向量机参数,对处理后的数据进行支持向量机回归预测。将该理论应用到某尾矿坝监测系统,得到了较为准确的预测结果,表明该理论充分利用了数据的统计特性,精度和泛化能力都得到了明显提高,可作为尾矿坝监测系统的有效指导。     

基于IPSO-SVM对尾矿坝变形预测的研究

针对支持向量机在参数模型选择上的敏感性,以及在理论上无法直接实现的问题,在标准粒子群算法的基础上对粒子速度与位置更新策略进行改进,通过改进的粒子群算法对支持向量机模型参数进行选择优化,进而提出了一种改进粒子群优化支持向量机(IPSO-SVM)算法模型。根据尾矿坝实测数据,建立了基于IPSO-SVM算法的对尾矿坝坝体位移预测模型,同时与经典的SVM算法以及PSO-SVM算法进行比较分析。结果表明,3种算法在坝体变形预测中都具有较好的可行性,但IPSO-SVM算法在训练效率上有较大优势,而且具有较高的预测精度,更适合在变形预测中应用。     

尾矿坝地震液化侧向位移分析方法及应用

为评估尾矿坝地震液化侧向位移值,评价坝体地震安全状态,有必要建立适用的地震液化侧向位移分析方法。基于现场标准贯入测试数据,分析地震液化敏感性。采用简化方法进行液化评价。根据抗液化安全系数与最大剪切应变间的关系,建立尾矿坝地震液化侧向位移计算式。归纳分析已有7个堤坝液化破坏实例。提出针对中小型尾矿坝,区分地震液化有限变形和整体破坏的极限值(即破坏判据)为2.0 m。选取2座上游法尾矿坝,采用新建方法进行实证分析。结果表明,预测液化侧向位移值与现场实测评估结论较吻合。     

基于改进多种群遗传算法的尾矿坝形变预测

针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝三维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。     

基于比奥动力固结理论的尾矿坝地震响应分析

上游法尾矿坝坝体密实度低,饱和区域大,地震作用下极易发生液化进而引起溃坝等重大事故,基于比奥动力固结理论和广义塑性模型,采用有效应力有限单元法对上游法尾矿坝的地震动力响应进行了非线性时程动力计算分析。结果表明坝体地震加速度响应、残余变形、超静孔压等计算结果符合一般规律,其中坝顶下部的超静孔压比值最大,从尾矿坝底部到顶部,加速度放大系数先稍微减弱后显著变大,呈明显的鞭梢效应,说明上游法尾矿坝坝顶部位是地震作用下最为危险的区域,采用弹塑性本构模型对尾矿坝进行非线性动力固结分析是可行的。     

尾矿坝边坡失稳判据研究

为避免尾矿库失稳破坏所带来的巨大损失和灾难,依据尾矿坝边坡破坏特征,将坝体边坡的破坏全过程分为连续的变形阶段和非连续的滑动阶段。建立相应的数学模型,采用蠕变理论及李雅普诺夫函数法分析尾矿坝边坡变形、滑动过程的稳定性,提出尾矿坝边坡失稳的加速度判据,得出滑动过程位移解析解。运用FLAC3D对山西某尾矿坝边坡进行计算,得到安全系数为1.67,边坡稳定;通过坝体边坡表面某点位移监测曲线可以看出ü<0,采用加速度判据可得此边坡稳定,与数值模拟结论相同。     

基于改进CM的尾矿坝体变形4级预警阈值确定方法*

为改善我国尾矿库在线监测系统由于重建设、轻利用而导致的事故预警能力被制约的现状，以尾矿坝体变形速率监测指标为研究对象，通过引入改进云模型，根据3E规则确定尾矿坝变形监测的正常运营值边界，建立尾矿库坝体变形速率4级预警阈值确定模型，以湖北省某尾矿库为例进行实例分析。结果表明:通过提出的坝体预警阈值确定方法，可得出尾矿库坝体变形速率黄、橙、红各级预警阀值分别为10.842，16.68，25.02 mm/d；进一步与典型小概率法计算结果对比表明，所提出的尾矿坝变形速率4级预警阈值确定方法更加科学合理，可用于尾矿库重要安全监测指标预警值的确定。     

基于时序InSAR的覆砂石尾矿坝形变演化研究

为解决目前采用在尾矿坝坝体及滩面覆盖砂石进行防尘治理与闭库，但传统监测手段难以实现坝体整体监测的问题，采用时序InSAR技术对2014年10月至2018年7月的Sentinel-1A影像进行处理，提取了对应时间段内卡房尾矿坝的形变信息，并结合实地调查及尾矿坝建设资料，研究了卡房尾矿坝的时序形变演化规律。结果表明:SBAS InSAR监测到坝体出现第1次异常形变加速运动时间与坝体开始铺设砂石工程的施工时间节点完全吻合，体现SBAS InSAR技术在受人为工程影响的坝体形变监测方面具有极高的敏感性。坝体在施工结束后，坝体形变加剧趋势并未缓解，并且出现2次加速现象，分析认为是由于在坝体铺设约2 m厚的碎砂石极大地增加了坝体荷载，打破了坝体原有的应力平衡状态，且识别出雨季对坝体形变影响显著，表明铺设砂石会使得降雨在坝体中的停滞时间加长，进一步引发非雨季期间坝体形变加剧。研究结果不仅能还原坝体出现异常形变的时间与演化过程，而且还可以对引起异常形变的内在影响因素进行分析与论证，对指导尾矿坝灾害识别、分析与治理具有重要的指导意义。     

基于MIC-BBO-SVM的大坝渗流预测模型*

为监控大坝运行过程中的异常状态，准确预测大坝渗流量的变化趋势，采用最大信息系数(MIC)量化渗流量与影响因子之间的相关性大小并从中选取主导因子作为输入变量，通过引入生物地理学优化算法(BBO)并以K折交叉验证意义下的平均均方根误差为损失函数来优化支持向量机(SVM)作为预测模型，以某水电站工程的拦河大坝为例进行模型验证。结果表明:MIC-BBO-SVM模型的拟合优度、均方根误差、平均绝对误差和平均绝对百分比误差分别为0.957 5，0.155 0 m3/h，0.135 6 m3/h，11.51%，预测性能明显优于逐步回归模型、SVM模型和MIC-SVM模型，可为大坝渗流安全监测提供参考与借鉴。     

基于GDEM-PDyna的尾矿库溃坝三维数值模拟分析研究*

为进一步探究尾矿坝溃决后特有泥石流运移规律,掌握坝体破坏前至溃坝结束全流程发展状态,依托广东省某案例尾矿库为研究对象,采用基于有限元与离散元耦合方法的GDEM-PDyna软件构建泥石流类流体下泄演化数值模型,开展尾矿坝溃决演化分析,动态模拟尾矿库溃决过程中泥砂运动规律及淹没范围,并与MIKE 21软件计算结果进行对比。研究结果表明:尾矿坝溃决后,泥石流类流体流速升高、持续时间较短且尾砂流量发展迅速,2种模拟方法对比结果表明溃坝后坝基位置下泄流量变化与下游敏感点溃坝淹没深度变化情况一致。研究结果可为实现尾矿库下游重点区域灾害评估提供量化支撑,可有效提高尾矿坝溃决后灾害影响评估的精准性。     

不同下游河道坡降尾矿库溃坝模型试验及下游影响研究

溃坝尾砂流是含有尾砂和土石的暂时性流体，具有演进时间短、破坏性大等特点，对库区下游人民生命财产造成巨大损失。以四川某尾矿库为研究对象，建立室内溃坝模型，研究3种下游河道坡降情况下尾砂流的演进和沉积规律，并引入FLO-2D与室内溃坝模型试验进行参照。研究结果表明:室内模型试验结果与数值模拟结果相似；地势改变对于溃坝尾砂流的演进有着较大影响，沟谷、转弯和地势平缓的区域有利于尾砂的堆积和沉积；尾砂流对下游的冲击力与最大移动速度的平方和流深呈正比例关系，3种工况最大冲击力位置都与最大移动速度或最大流深相邻；根据试验和模拟结果绘制尾砂流致灾影响程度图，可为生产企业新建、扩建尾矿库提供重要的依据，保证下游人员生命、财产安全。     

基于EEMD-LSTM模型的尾矿库风险预测模型研究*

为了提高尾矿库风险预警能力,针对尾矿库稳定性受多种风险因素影响,以及风险变化的非线性,提出1种融合集合经验模态分解（EEMD）和长短期记忆（LSTM）的尾矿库风险预测模型。首先,采用皮尔逊相关系数分析尾矿库风险因素之间的相关性;然后,使用EEMD方法分解非线性的位移序列;最后,构建LSTM网络模型预测位移变化。以某尾矿库为例,将EEMD-LSTM模型与EEMD-BP模型、LSTM模型对比分析,评估模型的有效性。研究结果表明:EEMD-LSTM模型对尾矿库风险的预测精度明显提高,对防范化解尾矿库安全风险具有重要意义。     

细粒尾矿快速筑坝新技术及工程应用

为解决传统细粒尾矿上游式筑坝方法面临的坝基承载力不足、排渗加固滞后、防洪超高不足等难题,以满足企业大规模生产时快速筑坝的实际需求,通过开展细粒尾矿软滩模袋法堆坝工艺、尾矿库快速堆坝工业示范、坝体稳定性评估等研究,提出集尾矿模袋法强基、宽顶子坝增稳、坝基协同排渗为一体的细粒尾矿快速筑坝新技术及配套施工工艺.结果表明:经过...     

中线式尾矿库洪水漫顶溃坝演化规律模拟研究

为了解中线式尾矿库洪水漫顶溃坝的过程和机理,并提出可行的工程措施,以某中线式尾矿库及下游周边环境为研究对象,采用物理模型试验和数值模拟法对中线式与上游式尾矿库安全性进行对比研究。研究结果表明:由于中线式尾矿库外坝坡堆积粗尾砂的渗透系数偏大,其较上游式尾矿库溃口发展的速率更快,溃坝过程持续时间约14.5 h,坝顶被泄流冲刷形成的溃口宽约289 m,尾矿库下游沟道研究范围内尾矿淤积约871万m3,大量的尾矿仍滞留在库内;采用数值模拟得出的演化趋势与物理模型试验基本一致,但数值模拟计算的尾砂流动速度较快;在拦砂坝下游修建应急拦砂坝工程,物理模型试验表明拦滞尾矿洪水时间约38 min,数值模拟结果表明拦滞尾矿洪水时间约16 min,因此应急拦砂坝措施可有效延长应急逃生时间,减轻溃坝对下游居民的影响。