基于智能算法的尾矿坝变形预测及稳定性评价研究

发布时间：2020-04-19 22:27

【摘要】：尾矿库储存矿山开采中排除的尾矿和工业废渣,是具有高势能的重大危险源。对尾矿坝进行安全监测,进而采取科学有效的方法进行变形预测预报及稳定性评价研究,具有重大的经济价值及社会意义。尾矿坝变形是一个高度复杂和非线性变化的动力学系统,一方面受自身筑坝方式及地质条件的影响,表现出位移的宏观变化趋势,另一方面由于库水位的变化、降雨、渗流、浸润线变化等因素的影响,使得变形序列也表现出一定的周期性和随机波动性。在进行预测预报研究中,如何对变形序列进行有效地分解和预测模型的建立是影响变形预测结果的关键。为此,本文提出以新型智能算法极限学习机(ELM)为主要研究手段,并融入了现代测绘数据抗差滤波处理、变分模态分解、核函数、遗传算法、相空间重构、多因素熵权分析、极限平衡法等理论知识,以贵州省白岩尾矿库工程为研究对象,利用自动化、实时化在线监测系统获取尾矿库的监测数据及尾矿坝的变形序列,主要针对“尾矿坝变形位移预测”及“尾矿坝稳定性评价”,构建了基于新型智能算法的变形灾害预测预报体系,主要研究内容与成果如下:(1)抗差卡尔曼滤波在尾矿坝变形监测数据处理中应用坝体表面监测点的水平位移和垂直位移通过GPS在线监测技术获得,由于外部环境等因素的影响,导致变形序列中不可避免存在粗差,本文在卡尔曼滤波的基础上,结合稳健估计的思想,将抗差卡尔曼滤波应用在变形序列的预处理中,验证了抗差卡尔曼滤波的有效性,达到了探测粗差与剔除的目的。(2)基于智能算法AGA-KELM的尾矿坝变形位移预测将VMD算法应用于尾矿坝变形位移的分解中,得到不同变形特征的位移序列,并基于各位移分量,以C-C法重构相空间,建立各分量基于改进的AGA-KELM预测模型,并以丹巴滑坡和白岩尾矿坝为例,进行仿真分析,预测结果同其他模型相比,预测精度更高且预测结果更稳定。(3)顾及熵权的AGA-KELM预测模型的建立综合考虑了单月内累积降雨量、单月内库水位变化高程、单月内库水位平均高程、单月内浸润线变化高程、单月内浸润线平均高程和前一个月的位移增量因素对坝体位移的影响,并基于最大信息熵理论,对坝体位移进行各影响因素的响应分析,赋予各自不同的权重,构建基于熵权的AGA-KELM位移预测模型,实现对尾矿坝坝体累积位移量的预测,提高了预测的科学性与准确性。(4)基于主成分分析的AGA-KELM坝体安全系数计算通过样本学习,建立基于主成分分析的AGA-KELM安全系数预测模型;以提取主成分后的综合指标作为网络输入向量,降低了模型的复杂度,提高了预测的精度,并以白岩尾矿坝、白马冲尾矿坝及芦湾箐尾矿坝为例进行安全系数计算,与极限平衡法计算结果对比,该模型计算简洁,预测结果能够在实际工程中获得较好地应用。
【图文】：

尾矿坝,断面设计,单位,尾矿库

型存在的弊端，提出本文所要研究的主要内容。1.1 研究背景及意义尾矿是选矿厂将矿山开采后的矿石甄别挑选出适合生产的精矿后产生的状“废渣”，通常以矿浆的形态进行堆存处理[2]。一般情况下，尾矿库多以山口或洼地周围筑坝形成的尾矿储存场所。通过堆积处理形成的尾矿坝是用以阻尾矿库中的尾矿及废水，是尾矿库重要的构成部分之一[2-3]。由于尾矿库属于势能的危险源，并且在长达数十年中，各种自然因素和人为的影响都会危及尾库的安全，一旦发生事故，将会带来人员伤亡以及环境污染等重大灾害问题[4]例如，我国最早发生尾矿库溃坝事故是云南省火谷都尾矿库，，由于坝体边坡未设计要求施工，致使边坡过陡，浸润线过高而发生溃坝(见图 1.1)，此次事故造成 171 人死亡，92 人受伤，淹没了近 8200 亩农田，575 间房屋被冲毁，受人数达到了 13970 人。

技术路线图,尾矿坝,极限平衡法,尾矿库

本文首先对坝体累积位移-时间曲线分解为不同特征的位移分量，其次以最大信息熵理论分析主要影响因素与各个分量的变形值之间的特征关系，从而赋予不同的权值，并依此建立各分量的预测预报模型。(4)尾矿库坝体稳定性分析目前国内外边坡稳定计算的方法包括极限平衡法、有限元法和不确定分析法等，在本文的案例分析中，首先采用极限平衡法中的瑞典圆弧法对尾矿库坝体进行静力抗滑稳定分析，同时引入新型智能算法 ELM 模型通过样本学习对坝体安全系数进行计算，并与主成分分析算法(Principal ComponentAnalysis, PCA)耦合，建立 PCA-AGA-KELM 安全系数预测模型，以湖南白马冲尾矿坝、昆明芦湾箐尾矿坝和贵州白岩尾矿坝为例进行实例分析。1.3.2 技术路线
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TV698.11

【参考文献】