導語：在露天礦邊坡自動化監測數據探討的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了一篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。

邊坡自動化監測系統自動計算、生成數據成果表，反映監測點在某周期內的三維坐標方向上的變形量。在自動化監測系統的軟件中可預設“閥值”，如監測到數據超限，系統會自動預警。但因邊坡地質力學結構迥異，滑坡臨界點也各不相同；某些邊坡有可能超限“規范閥值”，卻仍然安全；某些邊坡有可能未達“規范閥值”，卻已形成滑坡[2]。在日常生產中，“閥值”警醒管理人員，及時檢查分析數據異常。要研判邊坡的穩定性，變形過程至關重要，這需要對監測數據細化、深入分析。通過分析監測數據樣本，找出變形數據異常點；深入挖掘、細化分析異常點監測數據，以時間節點為橫軸、變形速率和累計變形量為縱軸，繪制變形曲線圖，解析變形過程；關聯分析異常變形與降雨量、生產擾動等外因潛在的關系，確定變形誘因；對比同監測斷面、同監測區域內的多個監測點數據和曲線圖，分析變形范圍和規模[3]。再結合邊坡地質和力學結構，預測邊坡變形未來發展趨勢，研判邊坡穩定性，為預測預警提供科學依據。

1邊坡變形自動化監測系統概要

露天礦邊坡自動化監測系統可看作用于變形監測的物聯網，布設在邊坡上的傳感器是感知層，傳輸數據的有線或無線網絡是網絡層，監測監控中心的計算機、監測軟件、顯示和預警設施設備是應用層。通常在邊坡上布設監測應力、應變、環境變化的傳感器，監測表面位移、深部位移、沉降、地下水位、裂縫、壓力、拉力、降雨量等多項數據指標，全天候地按預設的頻率采集的信號，再通過有線或無線網絡傳輸至計算機，安裝在計算機上的監測軟件，對傳輸來的信號進行解譯，轉換為數據，并對數據進行解算、平差、分析，生成監測數據日報、周報、月報等成果表，系統根據設定的授權，主動分發監測信息給相關技術人員和管理人員[4]。監測物聯網通常設置每小時生成1期成果數據，日積月累，數據量越來越大，可靠性也越來越高，可真實、完整地記錄每個監測點的變形過程。可差異化地按傳感器類型、監測點位置，設定累計變形量、變形速率的預警“閥值”。系統自動比對最新監測值和預警“閥值”，如超限即按預設授權分級預警，監測中心聲光報警器預警，同時以短信、微信等方式，發布預警信息到相關人員的智能手機。

2邊坡變形自動化監測系統數據應用挖掘

雖然系統具有自動預警功能，但仍有必要對監測數據進行挖掘分析。每當系統預警，需要快速分析監測數據，找出問題所在，為防災減災決策提供依據。如有地震發生，要及時分析監測數據，評估地震對邊坡的影響。每到重要施工節點，需要分析監測數據，輔助制定后續施工計劃。每個監測周期，也要分析監測數據，編制監測報告存檔備查[5]。在分析監測數據時，通常先總體、后個體、再拓展關聯，從監測數據成果表中找出變形量大的異常監測點，分析其變形過程、變形原因，再拓展分析其四鄰監測點變形情況，以實現快速分析、重點分析、精準分析。要具體判斷滑坡的可能性，需要繪制監測點變形量曲線圖、變形速率曲線圖、變形量與降雨量關聯分析圖、同斷面（或同區域）多個監測點變形量對比曲線圖、變形速率對比曲線圖等，圖形和數據相結合，綜合分析[6]。

2．1解析變形過程

分析樣本數據中監測點數據記錄，解析還原變形過程，提取蠕動變形、等速變形、加速變形、臨滑等不同變形破壞階段的數據特征和曲線圖特征，判斷監測點當前所處變形階段[7]。蠕動變形階段，數據無規律、小幅度變化，變化原因可能是測量精度、早中晚溫差、生產活動干擾等。各方向上的變形量較小，波動變化幅度也很小，曲線圖呈變動、回歸、無規律變化。由此可得各方向變形速率小幅波動變化，偶爾跳變又迅速回歸，長期貼近0值波動。結合監測數據、變形量曲線和變形速率曲線分析研判，該監測點所處區是穩定的。

2．2變形誘因

在露天礦生產活動中，采場往深部開拓，排土場往高堆排，形成了較大的高低差，受到外部因素影響時，有可能會形成滑坡地質災害[9]。降雨是發生地質災害的主要誘因之一，生產過程中的機械擾動、爆破振動、地震等也是誘因，當擾動因素發生后，要及時分析數據、研判邊坡變形情況[10]。如圖4變形量與降雨量關聯圖，2021年7月25日礦區暴雨，短時間內降雨量達到53．5mm，是變形加速的誘因。27、28日持續降雨，進一步影響邊坡的穩定性，累計變形量不斷增加，導致2021年7月31日發生了局部垮塌。

2．3變形范圍和規模

①北幫雖然累計值均很小，但相較而言x方向的累計變形量較其它方向變形量大，北幫地形呈北高南低，具備從北往南滑移的現實條件，從監測數據變化量來看，各監測點變形趨勢基本一致，整體從北往南蠕動滑移；②排土場各監測點累計變形量，y方向值比其它方向值大。排土場地形呈西高東低，具備從西往東滑移的客觀條件從數據來看，各監測點存在幅度不一的自西向東的蠕動變形。由表1還可看出：從同處排土場區域的G1、G2、G3、G4、G5、G66個監測點數據來看，各監測點累計變形量存在明顯差異，排土場頂部堆排時間相對較短，位于頂部的G1、G32個監測點累計變形量較大，經分析因堆排時間較短、處于自穩定期，屬于正常變形；G2監測點各方向上的累計變形量都較小，其所在區域穩定；G6監測點所處區域堆排時間較久，變形量大，且呈加速變形趨勢，與其橫向相鄰的G4、縱向相鄰的G52個監測點變形速率也較大，經分析G6監測點所在區域積水而導致變形；2021年7月26日后連續多日降雨，受雨水浸泡影響加速變形，各監測點累計變形量差異較大，變形量較大的G4和G52個監測點所在區域，都發現了地表裂縫；變形量最大的G6監測點所在區域，形成局部垮塌。

3結語

1）邊坡變形自動化監測系統監測周期越長，監測數據涵蓋的時間段越長，更能真實反映邊坡變形發育過程。2）解析邊坡變形發育過程，提取監測點數據特征、變形量曲線圖特征和變形速率曲線圖特征，能快速準確判定邊坡變形所處階段。3）露天礦滑坡災害形成的過程中，雖然采動形成的高低差是成因，但暴雨、地震等可能會成為誘發因素。當擾動因素發生后，要及時分析監測數據，研判邊坡受到影響后的情況。4）分析監測點、監測斷面、監測區域的監測數據、變形量曲線圖、變形速率曲線圖，能有效輔助診斷變形范圍和規模。5）結合邊坡地質力學結構，綜合分析變形過程、變形誘因、變形范圍和規模，能更好地預測變形發展趨勢，實現科學準確地預判預警。

參考文獻：

［1］楊忠林，薄建芬，黃永強．露天礦山高陡邊坡智能在線監測及預警系統研究［J］．礦業工程，2016，14（2）：54－56．

［2］董文文，朱鴻鵠，孫義杰，等．邊坡變形監測技術現狀及新進展［J］．工程地質學報，2016，24（6）：1088－1095．

［3］熊文良，路東華，許慶東，等．布沼壩露天礦西幫邊坡變形觀測數據分析［J］．露天采礦技術，2016，31（4）：15－17．

［4］葛忠和．露天煤礦邊坡自動化監測系統設計［J］．露天采礦技術，2016，31（4）：32－35．

［5］芮昌龍，彭繼楊，廖麗霞．布沼壩露天礦西幫邊坡變形模擬及監測對比分析［J］．露天采礦技術，2018，33（5）：59．

［6］崔芳姿，吳斌，史學磊，等．地質災害監測數據綜合處理與分析［J］．地理空間信息，2021，19（7）：88－92．

［7］李偉，張忠超，馬明．井采擾動排土場邊坡監測與變形特征研究［J］．露天采礦技術，2016，31（9）：30－33．

［8］王珣，李剛，劉勇，等．基于滑坡等速變形速率的臨滑預報判據研究［J］．巖石力學，2017，38（12）：3670－3679．

［9］彭德明，鐘劍，武靜，等．廣西鐘馬高速某高邊坡自動化監測預警與變形分析［J］．中國科技信息，2019（19）：82－83．

［10］肖存耀，楊開平，李云順，等．在線監測技術在笪家屯“9．24”滑坡防災減災中的應用［J］．地礦測繪，2017，33（3）：30－32．

作者:王安玉 姜莉 吳全付 謝順祥 高志軒 韋學林 李霖 單位:云南萬仕維科技有限公司 建水縣福運煤業有限責任公司 文山州煤業有限責任公司