CN103541376A - 采煤沉陷区地基在重复开采条件下的基础变形预测方法 - Google Patents

Abstract

本发明提供的采煤沉陷区地基在重复开采条件下的基础变形预测方法，涉及岩土工程、矿山开采、灾害防控技术领域，根据当前开采监测的地表位移，进行当前扰动岩体参数的模式识别；根据当前开采状态的计算地表位移与迭代步的关系曲线，确定对应于当前状态的迭代步，根据逐年开采计划以及对应于当前监测位移进行动态分析。本发明的采煤沉陷区地基在重复开采条件下的基础变形预测方法，有效解决数值分析的岩体参数和确定迭代步的难题。

Description

采煤沉陷区地基在重复开采条件下的基础变形预测方法

技术领域

本发明涉及岩土工程、矿山开采、灾害防控技术领域，尤其涉及一种采煤沉陷区地基在重复开采条件下的基础变形预测方法。

背景技术

地下崩落法开采必然引起围岩变形破坏。通常随着矿体连续开采，顶板冒落逐步向上发展，在顶板形成垮落、裂隙和沉降三带，最终在地表形成沉降盆地。30年来我国采矿造成的地表沉降面积已达到8150km²，开展对沉陷区的治理、复垦以及综合利用研究，不仅有利于保护矿山环境，维护生态平衡，而且还可以利用土地。近年来，我国已经进行了在采煤沉陷区建造尾矿库的探索性示范工程。利用沉陷区建造尾矿坝不仅可以减少尾矿库征地，还能够实现塌陷区废弃土地资源的再利用，从而保护矿山环境。

沉陷区上构筑尾矿坝首要的问题是地下开采对尾矿坝坝体稳定性影响。因此，地基基础采动诱发的变形预测，是尾矿坝优化设计施工的依据，是确保尾矿坝在使用期安全运营的基本保证。

针对采煤引起的岩移预测国内外已经开展了大量的研究，也取得诸多研究成果。根据岩层移动的观测资料进行回归分析，建立岩层移动角与煤层倾角、煤厚、采深等影响因素的回归函数，从而进行地表岩移预测。由于地表岩移实测数据与采煤方法（条带开采、分层开采或一次全部开采）、观测时间（短期未稳定观测、长期稳定跟踪观测）以及开采工艺（规则工作面开采、不规则工作面开采、多工作面开采）的诸多因素的影响，导致回归模型预测的可靠性存在问题。近年来人们开始人工神经网络预测模型的研究。神经网络模型不需要预先给定函数类型，解决回归函数选择上的困难，由此建立地表岩移参数与影响因素之间的隐函数关系。但神经网络模型仍是一种智能回归分析，仍难以解决回归模型预测所固有的局限性。

概率积分法是我国用于煤矿开采沉陷预计的主要方法之一，经过了几十年来不断的改进和完善，已经广泛应用于我国岩层与地表移动预测。该方法首先以理论或经验方法确定微小单元开采对地表产生变形的影响函数，然后把地表沉降作为整个采区内所有微小单元开采影响的总和，通过对微小单元的积分，就获得整个开采引起岩层或地表的移动参数。但概率积分法是建立在特定的地层条件（水平层状、水平方向同性）、开采工艺（非重复开采）以及盆地体积不随深度变化的假设的基础上。显然，对于复杂的煤层条件、非均匀开采工艺以及多煤层重复开采，概率积分法的岩移预测存在一定的局限性。近年来，人们在探索神经网络、遗传算法等人工智能技术与概率积分法相结合，研究和探索地表岩移预测的可靠性。随着数值计算理论与商业软件的开发与完善，采用数值分析进行复杂采煤和开采工艺条件下的数值仿真与围岩变形预测已经开展了广泛应用。众所周知，数值分析的可靠性关键在于模型的可靠性以及动态开挖时效模拟。涉及原岩应力场模拟、岩体参数确定以及动态开挖模拟。尽管人们一直在研究解决影响数值分析可靠性的主要问题，然而直至目前仍难以获得突破性进展。采动影响下的沉陷区岩体参数以及地下重复开采过程中的围岩变形预测至今仍是世界性难题。尤其地下连续开采过程中的模拟不稳定平衡系统的迭代步的确定，是影响数值模型模拟采动岩移参数的关键技术。

因此，当下需要迫切解决的一个技术问题就是：如何能够创新的提出一种有效的措施，以满足实际应用的需求。

发明内容

针对上述问题中存在的不足之外，本发明提供一种采煤沉陷区地基在重复开采条件下的基础变形预测方法，有效解决数值分析的岩体参数和确定迭代步的难题。

为了解决上述问题，本发明提供一种采煤沉陷区地基在重复开采条件下的基础变形预测方法，包括：

搜集整理沉降区地基上的N个监测点的坐标和以及当前状态的位移观测值P_i(x,y,z)=w_i，i=1,……,N；

根据煤田地质条件与岩土力学试验，确定扰动和未扰动岩体参数的变化范围；根据煤矿开采计划，确定已采和未采煤层的逐年开采范围和位置；在此基础上，建立包括已采煤层、待采煤层以及地基基础的三维数值模型；

针对当前开采状态，将采场围岩划分为采煤扰动区和未扰动区，选择扰动岩体和非扰动岩体参数γ，E，c，

作为模式识别物理量，并根据扰动和未扰动岩体参数的变化范围，确定3个水平值，借助正交试验表，选择4因素3水平9个正交试验方案；

根据当前状态的9个正交数值方案进行数值分析，对于每一个计算方案，获得N个监测点位置上的计算位移值

i=1,……,N；m=1,……,9；

根据正交试验方案的岩体参数γ，E，c，和数值分析获得监测点的计算位移值

采用遗传规划算法，建立对应于每个监测点的计算沉降位移与岩体参数之间的函数关系：

根据地基基础上N个位移监测点的计算位移与监测位移之差的平方和达到最小为优化目标，建立扰动和非扰动岩体参数模式识别模型为：

$\mathrm{Min}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{18}{\mathrm{\Σ}}}{(w_{\mathrm{im}}^J-w_i)}^2;$

采用遗传算法进行参数寻优，求得对应于当前开采状态下的等效岩体参数γ，E，c，

将采用当前开采状态条件下获得的扰动和未扰动条件下的等效岩体参数γ，E，c，

代入模型进行正分析，监测地基基础上2个典型监测点处的沉降位移与迭代步的关系，当前状态下2个典型监测点实测沉降位移平均值确定对应于当前状态下的迭代步N；

根据对应于当前的等效岩体参数，γ，E，c，

和迭代步N，重新进行三维数值分析，由此获得的地基基础的变形极为对应于当前开采状态下的基础沉降位移；

根据矿山逐年开采计划，进行煤层逐年开采过程的动态模拟与地基基础变形预测，采用当前状态下的模式识别建立的等下数值模型，根据下一年度煤层开采计划进行煤层开采数值模拟，获得的对应于下一年煤层开采所产生的地基基础变形预测值，同时根据逐年采煤计划，进行以后逐年的煤层开采模拟和地基变形预测；

当开采到第i年，以第i年的地基基础上的监测位移作为当前的开采状态，按照上述步骤进行模式识别，同样获得当前状态下的等效岩体参数和迭代步，由此进行以后逐年的开采模拟和地基基础变形预测，由此实现地下开采采场围岩不稳定状态下的地基基础变形预测。

与现有技术相比，本发明具有以下优点：

本方案根据当前开采监测的地表位移，进行当前扰动岩体参数的模式识别；根据当前开采状态的计算地表位移与迭代步的关系曲线，确定对应于当前状态的迭代步，根据逐年开采计划以及对应于当前监测位移进行动态分析，有效提高采煤沉陷区尾矿坝基础变形数值分析的可靠性，从而解决数值分析的岩体参数和确定迭代步的难题。

附图说明

图1是监测地基基础上2个典型监测点处的沉降位移与迭代步的关系曲线；

图2是地基基础上的1001点的沉降位移与岩体参数的遗传树；

图3是地基基础上的1002点的沉降位移与岩体参数的遗传树；

图4是当前开采状态（2012年）基础沉降位移与迭代步的关系曲线。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图与实例对本发明作进一步详细说明。但所举实例不作为对本发明的限定。

本方案的具体实现包括以下步骤：

步骤1：搜集整理沉降区地基上的N个监测点的坐标和以及当前状态的位移观测值P_i(x,y,z)=w_i，i=1,……,N；

步骤2：根据煤田地质条件与岩土力学试验，确定扰动和未扰动岩体参数的变化范围；根据煤矿开采计划，确定已采和未采煤层的逐年开采范围和位置。在此基础上，建立包括已采煤层、待采煤层以及地基基础的三维数值模型。

步骤3：针对当前开采状态，将采场围岩划分为采煤扰动区和未扰动区。选择扰动岩体和非扰动岩体参数γ，E，c，

作为模式识别物理量，并根据扰动和未扰动岩体参数的变化范围，确定3个水平值。借助正交试验表，选择4因素3水平9个正交试验方案。

步骤4：根据当前状态的9个正交数值方案进行数值分析。对于每一个计算方案，获得N个监测点位置上的计算位移值 $P_{\mathrm{im}}^J(x,y,z)=w_{\mathrm{im}}^J,i=1,\·\·\·\·\·\·,N;m=1,\·\·\·\·\·\·,9.$

步骤5：根据正交试验方案的岩体参数γ，E，c，

和数值分析获得监测点的计算位移值

采用遗传规划算法，建立对应于每个监测点的计算沉降位移与岩体参数之间的函数关系：

步骤6：根据地基基础上N个位移监测点的计算位移与监测位移之差的平方和达到最小为优化目标，建立扰动和非扰动岩体参数模式识别模型为：

$\mathrm{Min}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{18}{\mathrm{\Σ}}}{(w_{\mathrm{im}}^J-w_i)}^2---\left(1\right)$

步骤7：采用遗传算法进行参数寻优，求得对应于当前开采状态下的等效岩体参数γ，E，c，

步骤8：将采用当前开采状态条件下获得的扰动和未扰动条件下的等效岩体参数γ，E，c，

代入模型进行正分析，监测地基基础上2个典型监测点处的沉降位移与迭代步的关系曲线如图1所示。当前状态下2个典型监测点实测沉降位移平均值

根据图1就可以确定对应于当前状态下的迭代步N（见图1）。

步骤9：根据对应于当前的等效岩体参数，γ，E，c，

和迭代步N，重新进行三维数值分析，由此获得的地基基础的变形极为对应于当前开采状态下的基础沉降位移。

步骤10：根据矿山逐年开采计划，进行煤层逐年开采过程的动态模拟与地基基础变形预测。采用当前状态下的模式识别建立的等下数值模型（即等效岩体参数和迭代步），根据下一年度煤层开采计划进行煤层开采数值模拟，由此获得的对应于下一年煤层开采所产生的地基基础变形预测值。同时也可以根据逐年采煤计划，进行以后逐年的煤层开采模拟和地基变形预测。

步骤11：当开采到第i年，以第i年的地基基础上的监测位移作为当前的开采状态，按照上述步骤进行模式识别，同样获得当前状态下的等效岩体参数和迭代步，由此可以进行以后逐年的开采模拟和地基基础变形预测，由此就实现了地下开采采场围岩不稳定状态下的地基基础变形预测。

更进一步的，以实际的应用场景进行介绍，应用中为了解决司家营铁矿选矿尾砂存放问题，河北钢铁集团矿业有限公司拟在唐山市古冶区范各庄采煤塌陷区建设司家营铁矿选厂尾矿库。有地下煤矿仍在开采，采煤顶板围岩仍在下沉导致尾矿坝基础变形，势必对尾矿坝稳定性产生影响。因此，准确预测未来采煤尾矿坝地基基础产生的变形，对于尾矿坝的设计与施工以及今后尾矿库的安全运行都是极其重要的。为此采用本发明的采矿沉陷区地基基础变形的智能预测方法，来进行该尾矿坝基础的变形预测。

步骤A1：建立包括已采煤层和待采煤层、围岩和地基基础在内的三维数值模型。

步骤A2：根据岩体参数变化范围确定4因素3水平的正交试验方案（见表1）。

表1岩体参数4因素3水平的正交试验方案

处理号	重度γ（kN/m3）	粘聚力c（KPa）	内摩擦角ф（°）	弹性模量E（MPa）
					1	15.2	12.3	14.5	3.8
2	15.2	16.3	24.5	5.8
					3	15.2	20.3	34.5	7.8
4	20.2	12.3	14.5	3.8
					5	20.2	16.3	24.5	5.8
6	20.2	20.3	34.5	7.8
					7	25.2	12.3	14.5	3.8
8	25.2	16.3	24.5	5.8
					9	25.2	20.3	34.5	7.8

步骤A3：尾矿坝地基基础上监测点位置及当前状态的监测位移见表2。

表2尾矿坝地基基础上监测点当前状态的监测沉降位移（2012年）

地基基础编号	钻孔编号	X坐标	Y坐标	沉降值/m
					1001	j地1	94337.48	388663.3	5.5
1002	68-1	93532.01	388611.8	12.02
					1003	范51	93532.01	388611.8	1.91
1004	范61	94560.9	387446.3	5.26
					1005	86--12	93285.55	389748.6	0.877
1006	89--1	92954.56	389654.2	0.531
					1007	01--j2	92483.95	388701.8	1.038
1008	74--5	94715.09	386837.2	3.367
					1009	74--4	94689.34	386555.1	3.493

1010	74--3	94514.64	386134.7	2.788
					1011	毕34	92441.73	386097.3	1.027
1012	毕20	92253	386108.5	2.222
					1013	15	92254.49	386641.3	3.354
1014	钱35	92083.61	387175.9	1.116

步骤A4：根据正交试验方案进行数值分析，获得对应于地基基础上的监测点的沉降位移的计算值见表3。

表3尾矿坝地基基础上监测点当前状态的监测沉降位移（2012年）单位：m

监测点	方案1	方案2	方案3	方案4	方案5	方案6	方案7	方案8	方案9
										j地1	7.691	7.686	7.701	8.533	8.524	8.531	9.398	9.393	9.396
68-1	12.377	12.378	12.411	13.703	13.685	13.684	15.013	14.987	15.013
										范52	8.117	8.101	8.100	9.233	9.219	9.184	10.362	10.352	10.346
范61	2.193	2.189	2.176	2.540	2.537	2.535	2.898	2.901	2.898
										86-12	0.673	0.490	0.442	0.791	0.731	0.500	0.830	0.808	0.586
89-1	0.119	0.102	0.102	0.127	0.109	0.123	0.157	0.118	0.129
										01-j2	0.111	0.039	0.034	0.175	0.102	0.053	0.143	0.160	0.077
74-5	0.812	0.907	0.899	0.997	1.070	1.059	1.179	1.255	1.210
										74-4	0.738	0.770	0.769	0.914	0.932	0.948	1.069	1.086	1.094
74-3	0.006	0.057	0.142	0.021	0.093	0.101	0.069	0.132	0.062
										毕34	0.151	0.191	0.187	0.160	0.159	0.160	0.152	0.213	0.160
毕20	0.035	0.059	0.063	0.035	0.037	0.037	0.038	0.059	0.040
										15	0.189	0.161	0.152	0.219	0.191	0.179	0.242	0.228	0.181
钱35	0.060	0.065	0.043	0.054	0.055	0.051	0.039	0.066	0.058

步骤A5：根据表3中所获得监测点的9组方案所计算的沉降位移值以及对应的正交方案中的岩体参数，采用遗传规划算法，建立了每个监测点的位移与岩体参数的函数关系。图2和图3显示了1001和1002两个监测点的沉降位移与岩体参数的最佳遗传树。

J地1和68-1两个监测点的沉降位移与岩体参数之间的函数表达式为：

f1=minus(X2,times(plus(plus(X2,plus(X1,mydivide(X3,X3))),plus(X3,X2)),mydivide(X4,plus(plus(X1,exp(mydivide(X2,X1))),plus(X1,mydivide(X3,plus(plus(mydivide(X2,X2),times(plus(X2,mydivide(times(times(X3,X4),minus(X3,minus(X1,mydivide(X4,X4)))),minus(mydivide(plus(plus(X4,X2),exp(mydivide(X2,X1))),X4),plus(exp(exp(X3)),mydivide(mydivide(X1,X4),times(X1,X4)))))),X1)),exp(X3))))))))

f2=plus(mydivide(X1,times(times(minus(X4,mydivide(X1,times(exp(mydivide(X4,plus(plus(X4,plus(X2,X3)),X1))),times(X1,minus(X2,X1))))),X2),X3)),X4)

其余的12测点的遗传树和拟合函数略。

步骤A6：根据尾矿坝地基基础上当前状态（2012年）14个沉降观测位移w_i（i=1,14）与监测点的计算沉降位移f_i（i=1,14）之差的平方和为最小，建立当前状态下采动条件下的等效岩体参数的识别模型：

$\mathrm{Min}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{18}{\mathrm{\Σ}}}{(w_{\mathrm{im}}^J-w_i)}^2=\mathrm{Min}\underset{i=1}{\overset{14}{\mathrm{\Σ}}}{(f_i^J-w_i)}^2---\left(2\right)$

步骤A7：采用遗传算法对式（2）的采动地层等效岩体进行识别，由此获得对应于当前状态（2012年）的等效岩体参数如表4。

表4地下动态开采过程中对应于当前状态（2012年）的等效岩体参数

重度γ（kN/m3）	粘聚力C/KPa	内摩擦角/（。）	弹性模量/MPa
				0.213	15.32	26	7.054

步骤A8：采用表4中识别的2012年开采条件下的等效岩体参数进行当前开采状态的三维数值模拟直至收敛，并监测1007和1008两个监测点的位移变化曲线，由此获得两个监测点的沉降位移与迭代步的关系曲线如图4所示。当前状态（2012年）1007和1008两个监测点的沉降位移为1.038m和3.367m。根据这两个监测点的监测沉降位移和图4，由此确定当前状态（2012年）的迭代步为4000步。

步骤A9：根据当前状态的等效参数和确定的迭代步进行数值计算，由此获得当前开采状态下尾矿坝地基基础的位移场。

步骤A10：采用2012年确定的当前状态的数值模型，根据2013年～2018年的开采计划进行逐年模拟开采和动态识别。即根据2012年的识别的数值模型预测2013年的地基基础的沉降变形。然后再根据2013年的沉降观测（作为当前状态）进行模式识别。根据识别结果进行2014年的变形预测。依次类推，直至到2018年的开采结束为止。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种采煤沉陷区地基在重复开采条件下的基础变形预测方法，包括：

搜集整理沉降区地基上的N个监测点的坐标和以及当前状态的位移观测值P_i(x,y,z)=w_i，i=1,……,N；

根据煤田地质条件与岩土力学试验，确定扰动和未扰动岩体参数的变化范围；根据煤矿开采计划，确定已采和未采煤层的逐年开采范围和位置；在此基础上，建立包括已采煤层、待采煤层以及地基基础的三维数值模型；

针对当前开采状态，将采场围岩划分为采煤扰动区和未扰动区，选择扰动岩体和非扰动岩体参数γ，E，c，

作为模式识别物理量，并根据扰动和未扰动岩体参数的变化范围，确定3个水平值，借助正交试验表，选择4因素3水平9个正交试验方案；

根据当前状态的9个正交数值方案进行数值分析，对于每一个计算方案，获得N个监测点位置上的计算位移值

i=1,……,N；m=1,……,9；

根据正交试验方案的岩体参数γ，E，c，

和数值分析获得监测点的计算位移值

采用遗传规划算法，建立对应于每个监测点的计算沉降位移与岩体参数之间的函数关系：

根据地基基础上N个位移监测点的计算位移与监测位移之差的平方和达到最小为优化目标，建立扰动和非扰动岩体参数模式识别模型为：

$\mathrm{Min}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{m=1}{\overset{18}{\mathrm{\Σ}}}{(w_{\mathrm{im}}^J-w_i)}^2;$

采用遗传算法进行参数寻优，求得对应于当前开采状态下的等效岩体参数γ，E，c，

将采用当前开采状态条件下获得的扰动和未扰动条件下的等效岩体参数γ，E，c，

代入模型进行正分析，监测地基基础上2个典型监测点处的沉降位移与迭代步的关系，当前状态下2个典型监测点实测沉降位移平均值

确定对应于当前状态下的迭代步N；

根据对应于当前的等效岩体参数，γ，E，c，

和迭代步N，重新进行三维数值分析，由此获得的地基基础的变形极为对应于当前开采状态下的基础沉降位移；

根据矿山逐年开采计划，进行煤层逐年开采过程的动态模拟与地基基础变形预测，采用当前状态下的模式识别建立的等下数值模型，根据下一年度煤层开采计划进行煤层开采数值模拟，获得的对应于下一年煤层开采所产生的地基基础变形预测值，同时根据逐年采煤计划，进行以后逐年的煤层开采模拟和地基变形预测；

当开采到第i年，以第i年的地基基础上的监测位移作为当前的开采状态，按照上述步骤进行模式识别，同样获得当前状态下的等效岩体参数和迭代步，由此进行以后逐年的开采模拟和地基基础变形预测，由此实现地下开采采场围岩不稳定状态下的地基基础变形预测。

Images