复杂充填体下矿体开采安全顶板厚度
非线性预测方法
周科平, 苏家红, 古德生, 史秀志, 向仁军
(中南大学 资源与安全工程学院, 湖南 长沙, 410083)
摘要: 以广西大厂铜坑矿92号矿体的回采为例, 在分析评价传统方法的基础上, 采用数值模拟方法对采场顶板的破坏机制进行模拟, 分析研究顶板安全厚度与各影响因素之间的关系; 采用具有高度非线性、 自学习、 动态处理、 联想记忆、 容错性等特征的人工神经网络, 在数值模拟的基础上, 建立安全顶板厚度非线性神经网络预测模型。 实际应用结果表明, 顶板安全厚度的预测结果与实际结果很接近。
关键词: 顶板安全厚度; 数值模拟; 神经网络; 广西大厂铜坑矿
中图分类号:TD856.11 文献标识码:A 文章编号: 1672-7207(2005)06-1094-06
The nonlinear forecasting method of the least security
coping thickness when mining under complex filling body
ZHOU Ke-ping, SU Jia-hong, GU De-sheng, SHI Xiu-zhi, XIANG Ren-jun
(School of Resources and Safety Engineering, Central South University, Changsha 410083, China)
Abstract: Based on the mining of No.92 copper ore body in Dachang and the traditionary analysis methods, the failure mechanism was simulated by numerical simulation methods and the relationships were studied between the least security coping thickness in mined area and various influencing factors. Artificial neural networks with the characters of high linearity, self-learning, dynamic processing, associative memory and fault tolerance, etc were adopted. On the basis of numerical simulation, nonlinear artificial neural network prediction model was set up. The forecasting results of least security coping thickness are very close to the real ones.
Key words: the least security coping thickness; numerical simulation; neural network; copper in Dachang, Guangxi
广西大厂铜坑锡矿92号矿体平均倾角为20°, 平均厚度为20 m, 矿体面积达0.8 km2。 92号矿体部分直接或间接地与上部91号矿体采空后的充填体相连, 由于充填体力学性质复杂, 自承能力较弱, 暴露面积一般较小。 在对重叠区下的矿体进行回采时, 为了保证回采时的安全, 减少矿石的损失贫化, 必须预留一定厚度的矿层(或夹石), 因此, 预留岩层安全厚度是回采重叠区下92号矿体的基本依据, 科学合理地确定顶板岩层安全厚度已经成为重叠区下92号矿体安全回采的关键。 决定评价顶板稳定性的因素有2个: 一是内在因素, 包括顶板的厚度、 跨度及形态、 岩石的性质、 岩层产状、 节理、 裂隙状况、 岩石的物理力学指标等; 二是外在因素。 综合地说, 影响洞顶板的稳定因素主要有4个, 即顶板的完整程度、 顶板形态(水平或拱形)、 顶板的厚度及空区的跨度。 在实践中, 先将上述诸因素加以概化, 把顶板区分为完整顶板和非完整顶板, 然后, 采用近似的办法进行计算。 随着计算机技术的发展, 运用数值模拟技术来评价采场顶板稳定性。 数值模拟法将岩体假定为弹性均质材料, 采用有限法、 离散元等方法进行计算机模拟。 模拟分不同的空区跨度、 不同的顶柱厚度进行, 同时对不同采场空区结构分别进行计算。 然而, 采场顶板安全厚度与许多因素有关, 且呈一种非线性关系, 因此, 仅靠数值模拟并不能解决这一问题, 必须把计算机数值模拟与非线性理论结合起来, 在数值模拟的基础上, 运用非线性理论对顶板安全厚度进行预测评价。 传统的顶柱安全厚度的分析方法有荷载传递线交汇法、 厚跨比法等[1, 2]。 现有的顶板安全厚度的确定方法均为半定量方法。 在这些方法中, 力学机理不能很好地反映实际情况, 考虑的因素单一而且片面性强, 不能全面反映采空区的应力、 应变分布及破坏状况。 所以, 采用这些方法所得分析结果的可靠性受到了很大影响, 其应用受到严格限制。 平板梁理论与数值模拟假设条件较多[1, 2], 计算公式考虑因素不多, 尤其是未考虑结构的影响, 而松散系数理论则未考虑岩体的特征, 因此, 这些公式有较大的片面性, 而K.B.鲁别涅依他等提出的公式相对来说考虑因素较多[1, 2], 尤其是考虑了节理裂隙对岩体的影响, 但它们是在露天开采的条件下取得的, 有一定的特殊性, 因此, 重叠区下92号矿体开采顶板安全厚度必须采用综合分析的方法予以确定。
1 顶板安全厚度评价方法与原则
根据重叠区下92号矿体采矿工艺形成采空区的实际情况, 并考虑到采空区的变形已基本完成, 以采空区岩层顶板承载能力作为主要控制指标。 结合拉格朗日元的基本原理, 分析时主要考虑以下几个方面:
a. 应力等值线和安全度等值线。 根据应力等值线和安全度等值线可以看出顶板最先破坏的位置以及破坏的大致范围, 根据顶板多数节点的安全度, 就可以判断顶板是否稳定。
b. 塑性区分布及大小。 根据塑性区分布及大小, 可以大致判断顶板破坏情况。 一般来说, 少量的局部破坏是允许的, 只要塑性区不贯通, 顶板整体就基本安全。
c. 岩层顶板的变形与位移。 以顶板的变形作为辅助控制指标, 只要顶板的变形绝对值较小, 就认为满足变形控制要求。
根据前人的研究成果, 影响安全顶板厚度的因素可归纳为:
a. 采空区周围围岩体的岩性构成及其强度, 尤其是抗拉强度;
b. 作用在顶板岩层上91号矿体采空区充填体的质量及埋深;
c. 采空区的几何形状, 包括采空区跨度及洞拱的高跨比。
2 安全顶板厚度的数值模拟
2.1 计算模型的建立与参数的选取
从92号矿体所涉及的岩性结构来看, 顶板岩层大部分为宽条带灰岩。 对上部为91号矿体的充填体, 假设充填体与上部岩层完全接顶, 根据92号矿体采矿方法, 建立如图1所示的基本模型。 在此基础上, 考虑诸因素及其组合情况分别进行计算。 主要影响因素有: 充填体厚度、 采空区跨度、 矿体厚度和矿柱宽度等。 依据上述地质模型建立计算模型, 考虑构造应力的影响, 左、 右、 下边均为约束边界。 在计算某个影响因子对安全顶板的影响时, 其他影响因子的值必须保持不变, 不变值是各影响因子的常见值。 在计算过程中, 具体做法是: 对某一特定模型, 通过逐渐调整顶板岩层安全厚度, 不断进行数值模拟计算, 直到顶板出现比较大的拉应力时, 则可以认为此时上覆岩体厚度达到临界值, 以此值作为采场顶板的安全厚度。
图 1 计算模型简图
Fig. 1 Simple figure of calculating model
根据岩石的物理力学性质统计分析结果, 计算参数的取值如表1所示。
表 1 矿岩计算参数表
Table 1 Calculation parameters of mining body
2.2 安全顶板厚度的分析
一般来说, 顶板岩层破坏有2种形式[3-9]: 一种是在上部荷载作用下, 顶板岩层产生过大变形导致基础破坏; 另一种是由于顶板岩层出现拉应力, 当顶板岩层中的拉应力超出岩体的抗拉强度时, 顶板岩层出现拉破坏区, 随着拉破坏区的不断扩大, 最终引起顶板冒落。 影响重叠区下顶板岩层的安全厚度的因素主要有: 回采矿段矿体的厚度、 作用在顶板上的91号矿体充填体的厚度、 采场跨度和诱导崩落矿柱的宽度等。 确定顶板岩层安全厚度的关键是找到岩层的临界厚度, 使采空区—矿柱—顶板—充填体作用体系刚好处于稳定状态, 保证顶板岩层和矿柱都不丧失其功能。 但是, 要保证顶板岩层中不出现拉破坏区是不合实际情况的, 因此, 在确定顶板岩层的临界厚度时, 采用的方法是: 把顶板岩层中出现的拉应力乘以安全系数(安全系数取1.1), 然后与岩体的抗拉强度相比较, 当二者比较接近时, 就认为达到了临界顶板厚度, 以此作为顶板岩层的安全厚度[6-9]。 为了获得顶板岩层的安全厚度, 设计了40种数值试验方案, 数值计算方案和计算结果见表2。
2.3 结果分析
根据计算结果可知, 岩石的内摩擦角对顶板安全厚度的影响不明显, 其他影响因素与顶板安全厚度的关系如图2所示。 由图2(a)可见, 当E增加时, 安全顶板厚度减少。 由图2(b)可见, 安全顶板厚度随矿柱宽度的增加而减少。 此外, 岩石泊松比与顶板安全厚度之间也呈现相同的关系。 而采矿推进距离、 矿体厚度和充填体厚度与安全顶板的关系则相反, 随着采矿推进距离、 矿体厚度和充填体厚度不断增加, 安全顶板的厚度也不断增加。
表 2 影响安全顶板厚度的各种影响因子及其计算结果
Table 2 Various influential factors and its results influenced safe top-plate thichness
图 2 安全顶板厚度与各采矿参数间的关系曲线
Fig. 2 Curves of relationship between safety coping thickness and various mining parameters
3 安全顶板厚度非线性神经网络预测模型
以上分析了各单因子对安全顶板厚度的影响, 实际上, 地下采矿工程系统赋存于复杂的多种因素综合作用的环境之中, 因而, 预测模型必须考虑多种影响因素的综合作用。 然而, 顶板安全厚度与各影响因素之间复杂多变, 很难建立完全等效的数学方程来描述顶板安全厚度与各影响因素之间的关系。 事实上, 顶板安全厚度与各影响因素之间呈一种非线性关系。 人工神经元网络是于20世纪80年代迅速发展起来的, 用于模拟生物神经系统而建立起来的一种信息处理系统。 由大量简单元件相互连接而形成的复杂网络, 具有高度非线性、 自学习、 动态处理、 联想记忆、 容错性等特征。 人工神经元网络在输入数据含有噪声的情况下也能较好地工作。 因此, 神经网络特别适用于顶板安全厚度预测的复杂问题的处理[10, 11]。
3.1 BP神经网络概述
神经网络的拓扑结构由网络的层数、 各层的节点以及节点的连接方式等组成。 对于以BP网络为代表的前馈神经网络, 只有相邻层上的节点相连接, 节点间的连接强度用权值Wij来表示。 因此, 在进行网络结构设计过程中, 关键的设计参数只涉及网络的层数和各层的神经元数[11]。
前馈网络采用典型、 应用领域最多的BP网络模型结构, 其结构层数对网络的性能具有重要的影响。 确定网络层数的方法是通过大量实际问题的求解来寻求最合适的网络层数。
确定网络结构的层数后, 需确定各层数的神经元数。 因为神经元数对网络训练及其收敛速度有显著的影响。 在需要解决的顶板安全厚度预测问题上, 对应于各影响因子, 其网络的输入输出层的神经元数是确定的, 可以调整的参数是隐含层的神经元数量[12-14]。
在前述分析的基础上, 综合考虑基于人工神经网络的顶板安全厚度的预测问题, 选定如图3所示的网络结构, 采用4层网络结构。
图 3 顶板安全厚度预测神经网络结构
Fig. 3 Artificial neural network fabric for forecasting forecasting packing body thickness
3.2 结果分析
以表2所示的数据为神经网络的学习数据进行预测。 其中收集了国内外的一些矿山安全顶板厚度的实际数据来进行测试, 当测试结果达到预定精度后就可以用于预测顶板安全厚度。 表3所示为神经网络对铜坑矿不同技术参数条件下顶板安全厚度的预测结果。 可以看出, 预测结果与实际结果较接近。
表 3 神经网络预测顶板安全厚度的结果
Table 3 Forecasting results of paking body thicknesses by neural network
4 结 论
a. 理论上, 重叠区下采场顶板安全厚度主要受顶板岩石弹性模量、 矿柱宽度、 推进距离、 矿体厚度、 充填体厚度、 顶板岩石内聚力以及岩石泊松比等参数的影响。 而铜坑矿的92号矿体还受采空区周围岩体的岩性构成及其强度(尤其是抗拉强度)、 作用在顶板岩层上91号矿体采空区充填体的质量及埋深和采空区的几何形状(包括采空区跨度及洞拱的高跨比)等因素的影响。
b. 确定顶板岩层安全厚度的关键是找到岩层的临界厚度, 使采空区—矿柱—顶板—充填体作用体系刚好处于稳定状态。
参考文献:
[1]廖春芳, 彭衡和, 曹文贵, 等. 岩溶及采空区路基岩层顶板安全厚度确定方法研究[J]. 公路, 2003, 1(1): 2-4.
LIAO Chun-fang, PENG Heng-he, CAO Wen-gui, et al. Research on determination method of safety thickness of top slab of rock bedding of subgrade in karst and mined-out region[J]. Highway, 2003, 1(1): 2-4.
[2]张永彬, 赵兴东, 杨天鸿, 等. 用数值模拟方法确定露天转地下境界矿柱厚度[J]. 矿业工程, 2003, 1(2): 25-28.
ZHANG Yong-bin, ZHAO Xing-dong, YANG Tian-hong, et al. Determination of boundary pillars thickness of mine changed from open pit to underground by means of numerical simulation[J]. Mining Engineering, 2003, 1(2): 25-28.
[3]王丽霞, 凌贤长, 张云龙. 哈尔滨市松花江隧道顶部覆土安全厚度预测模型[J]. 岩石力学与工程学报, 2003, 22(5): 849-854.
WANG Li-xia, LING Xian-chang, ZHANG Yun-long. Forecasting model of safe cover thickness of tunnel crossing Songhua River in Harbin[J]. Chinese Journal of Rock Mechanics and Engineering, 2003, 22(5): 849-854.
[4]黄润秋, 陈尚桥, 黄家渝, 等. 重庆市浅埋地下洞室安全顶板厚度研究[J]. 工程地质学报, 1998, 6(2): 120-127.
HUANG Run-qiu, CHEN Shang-qiao, HUANG Jia-yu, et al. A study on the safety thickness of roof of shallow underground excavation[J]. Journal of Engineering Geology, 1998, 6(2): 120-127.
[5]胡伟, 周爱民. 进路法回采顶柱其安全顶板厚度的数值分析方法[J]. 矿业研究与开发, 2001, 21(2): 14-17.
HU Wei, ZHOU Ai-min. Numerical analysis on safety thickness of a roof for top pillar recovery in drift mining[J]. Mining Research and Development, 2001, 21(2): 14-17.
[6]王来贵, 刘向峰, 王玉富. 岩石力学系统的基本问题[J]. 辽宁工程技术大学学报, 2001, 20(4): 439-440.
WANG Lai-gui, LIU Xiang-feng, WANG Yu-fu. The basic problems about rock mechanics system[J]. Journal of Liaoning Technical University, 2001, 20(4): 439-440.
[7]王来贵, 黄润秋, 张卓元. 岩石工程失稳破坏及其研究思路与方法[J]. 岩石力学与工程学报, 1998, 17(5): 599-601.
WANG Lai-gui, HUANG Run-qiu, ZHANG Zhuo-yuan. Rock engineering instability and general study rule[J]. Chinese Journal of Rock Mechanics and Engineering, 1998, 17(5): 599-601.
[8]古德生, 邓建, 李夕兵. 无间柱连续采矿的岩石力学优化[J]. 中南工业大学学报(自然科学版), 1999, 30(5): 441-444.
GU De-sheng, DENG Jian, LI Xi-bing. Rock mechanics optimization of non-pillar continuous mining[J]. Journal of Central South University of Technology(Natural Science), 1999, 30(5): 441-444.
[9]吴爱祥, 胡华, 黄仁东, 等. 缓倾斜薄矿体连续开采的采场稳定性数值模拟[J]. 中南工业大学学报(自然科学版), 1999, 30(5): 457-459.
WU Ai-xiang, HU Hua, HUANG Ren-dong, et al. The research on stability of continuous mining stope of flat thin lode by numerical simulation[J]. Journal of Central South University of Technology(Natural Science), 1999, 30(5): 457-459.
[10]邓建, 古德生, 李夕兵. 可视化自适应神经网络及在矿业中的应用[J]. 中南工业大学学报(自然科学版), 2000, 31(3): 205-207.
DENG Jian, GU De-sheng, LI Xi-bing. Visual self-adaptive neural network and it’s application in mining engineering[J]. Journal of Central South University of Technology(Natural Science), 2000, 31(3): 205-207.
[11]李立新, 王建党, 李造鼎. 神经网络模型在非线性位移反分析中的应用[J]. 岩土力学, 1997, 18(2): 62-66.
LI Li-xin, WANG Jian-dang, LI Zao-ding. Application of neural network model in non-linear displacement back analysis[J]. Rock And Soil Mechanics, 1997, 18(2): 62-66.
[12]黄家愉. 重庆地下空间开发利用中的一些问题[J]. 地下空间, 18: 319-450.
HUANG Jia-yu. Some problems in devlopment and utilization of underground space in chongqing[J]. Underground Space, 18: 319-450.
[13]魏锦平, 靳钟铭, 杨彦风, 等. 坚硬顶板控制的数值模拟[J]. 岩石力学与工程学报, 2002, 21(2): 2488-2491.
WEI Jin-ping, JIN Zhong-ming, YANG Yan-feng, et al. Numerical simulation of hard roof control[J]. Chinese Journal of Rock Mechanics and Engineering, 2002, 21(2): 2488-2491.
[14]李学华, 王卫军, 侯朝炯. 加固顶板控制巷道底鼓的数值分析[J]. 中国矿业大学学报, 2003, 32(4): 436-439.
LI Xue-hua, WANG Wei-jun, HOU Zhao-jiong. Controlling floor heave with strengthening roof in gateway by numerical analysis[J]. Journal of China University of Mining & Technology, 2003, 32(4): 436-439.
收稿日期:2005-01-12
基金项目: 国家自然科学基金重点资助项目(50490270); 国家科技攻关项目(2003BA612A-10)
作者简介:周科平(1964-), 男, 湖南衡阳人, 教授, 博士, 博士生导师, 从事深部采矿及矿山岩石力学研究
论文联系人: 周科平, 男, 教授; 电话: 0731-8879612(O); E-mail: kpzhou@263.net
