摘 要：為了確定礦山地質(zhì)災(zāi)害的治理方案，提出一種面向?qū)ο蟮牡V山地址災(zāi)害評(píng)估和治理框架，管理和復(fù)用災(zāi)害治理模型。該框架將幾種常用的災(zāi)難評(píng)估模型封裝為模型類，并為對(duì)象的模型實(shí)例。該框架充分利用地理信息系統(tǒng)（GIS）的空間數(shù)據(jù)處理能力對(duì)礦山地址災(zāi)害空間進(jìn)行分析和預(yù)測(cè)。本文將該框架應(yīng)用于某礦山的重開采區(qū)域，結(jié)果表明所提出的模型具有較強(qiáng)的可操作性和實(shí)用價(jià)值，可為煤礦區(qū)地質(zhì)災(zāi)害治理提供預(yù)警。

關(guān)鍵詞：礦山；地質(zhì)災(zāi)害；治理框架

中圖分類號(hào)：P 69" " " " " " " " " " " " " " 文獻(xiàn)標(biāo)志碼：A

礦產(chǎn)資源的開發(fā)可以創(chuàng)造巨大的經(jīng)濟(jì)效益，對(duì)國家的經(jīng)濟(jì)和社會(huì)發(fā)展起到重要作用[1]。人類采礦和自然地質(zhì)對(duì)地質(zhì)環(huán)境的影響導(dǎo)致了礦山地質(zhì)災(zāi)害，嚴(yán)重限制了經(jīng)濟(jì)和社會(huì)的可持續(xù)發(fā)展[2]。因此，有必要對(duì)這些地質(zhì)災(zāi)害進(jìn)行風(fēng)險(xiǎn)評(píng)估，以此預(yù)防和合理規(guī)劃礦區(qū)開發(fā)[3]。

1 煤礦區(qū)地質(zhì)災(zāi)害評(píng)價(jià)模型

目前，有關(guān)礦區(qū)地質(zhì)災(zāi)害風(fēng)險(xiǎn)評(píng)估和預(yù)防的研究日益增加[4]。這些方法通常是針對(duì)某種災(zāi)害而構(gòu)建的[5-6]，因此，本文構(gòu)建了礦山地質(zhì)災(zāi)害評(píng)價(jià)模型基礎(chǔ)框架，以快速構(gòu)建、調(diào)用和復(fù)用這些模型，為防災(zāi)提供決策支持。該框架將GIS的空間分析能力與數(shù)理統(tǒng)計(jì)分析模型相結(jié)合，對(duì)各種模型的評(píng)估結(jié)果進(jìn)行可視化展示、比較和風(fēng)險(xiǎn)分析。

1.1 單因素模型

概率指數(shù)是所有位置的災(zāi)區(qū)與子部分總面積的比值。首先，需要獲取研究區(qū)發(fā)生的地質(zhì)災(zāi)害分布圖，選擇地質(zhì)災(zāi)害影響因子，其次，對(duì)因子的值進(jìn)行分級(jí)。通過在因子類集X中將最大災(zāi)區(qū)密度設(shè)置為100%，來計(jì)算評(píng)估因子的概率指數(shù)。最后，計(jì)算因子水平X中災(zāi)難發(fā)生的概率如公式（1）所示。

（1）

式中：GWarea（i）為因子水平Xi的災(zāi)害發(fā)生概率；Darea（i）為因子水平Xi的災(zāi)害面積密度，計(jì)算因子水平Xi的災(zāi)害發(fā)生面積如公式（2）所示。

（2）

式中：Area（SXi）為Xi因子級(jí)災(zāi)害區(qū)；Area（Xi）為Xi因子級(jí)災(zāi)害。

在具體地質(zhì)災(zāi)害評(píng)價(jià)過程中，根據(jù)專家經(jīng)驗(yàn)，通過地質(zhì)環(huán)境提供的實(shí)際信息，將地質(zhì)災(zāi)害評(píng)價(jià)因素的實(shí)際數(shù)據(jù)轉(zhuǎn)化為能夠反映實(shí)際地質(zhì)災(zāi)害信息的信息量數(shù)據(jù)。計(jì)算的信息量可以作為判斷評(píng)價(jià)因素對(duì)地質(zhì)災(zāi)害破壞程度影響的依據(jù)。在計(jì)算信息量的過程中，假設(shè)選擇地質(zhì)災(zāi)害類型和某個(gè)評(píng)價(jià)因子X，研究區(qū)域內(nèi)的總像元數(shù)為A，已知選定災(zāi)害像元數(shù)為S，分類Xi中的像元數(shù)Ai，在因子分類條件下災(zāi)害的單元數(shù)為Si以及因子分類Xi的信息量由公式（3）表示。

（3）

使用異常指數(shù)作為指標(biāo)來評(píng)估地質(zhì)災(zāi)害發(fā)生的可能性。對(duì)評(píng)價(jià)因子進(jìn)行分類，并在每個(gè)因子分類中統(tǒng)計(jì)分析災(zāi)區(qū)的面積密度。將各因子斷面災(zāi)區(qū)平均密度值作為基礎(chǔ)值，計(jì)算災(zāi)區(qū)密度與各小區(qū)段平均值之差。當(dāng)因子分類產(chǎn)生正異常時(shí)，地質(zhì)災(zāi)害的概率更大。當(dāng)因子分類產(chǎn)生負(fù)異常時(shí)，災(zāi)害發(fā)生的概率相對(duì)較小。

首先，選擇要評(píng)價(jià)的地質(zhì)災(zāi)害類型和評(píng)價(jià)因子X。其次，對(duì)評(píng)價(jià)因子的數(shù)據(jù)進(jìn)行分級(jí)，最后，計(jì)算因子段X的災(zāi)區(qū)密度之差X和所有因子的平均災(zāi)區(qū)密度如公式（4）所示。

（4）

式中：Warea（i）為因子Xi發(fā)生災(zāi)害的概率；Darea（i）為Xi災(zāi)區(qū)的面積密度，指災(zāi)害發(fā)生區(qū)域。

1.2 多因素模型

層次分析模型（AHP）：礦區(qū)地質(zhì)災(zāi)害評(píng)價(jià)指標(biāo)很多，包括坡度、高程、距道路距離、距煤礦區(qū)距離、巖性、粗糙度等。對(duì)不同類型的地質(zhì)災(zāi)害來說，每個(gè)評(píng)價(jià)因素的影響程度不同。在地質(zhì)災(zāi)害評(píng)價(jià)的層次結(jié)構(gòu)中采用兩層模型，即目標(biāo)層和評(píng)價(jià)指標(biāo)層。

AHP首先選擇要評(píng)價(jià)的地質(zhì)災(zāi)害類型，其次利用n個(gè)評(píng)價(jià)因子形成n×n的矩陣，并根據(jù)這些評(píng)價(jià)因素，得出一個(gè)礦山地質(zhì)災(zāi)害的相對(duì)重要性的構(gòu)造矩陣，判斷構(gòu)造矩陣的一致性。如果不滿足一致性要求，那么專家需要對(duì)這些因素進(jìn)行重新評(píng)分。如果矩陣滿足一致性要求，那么計(jì)算評(píng)估因子的權(quán)重系數(shù)。最后生成層次結(jié)構(gòu)分析和評(píng)估模型并將其存儲(chǔ)在模型庫中。

AHP是每個(gè)因素影響程度組合的結(jié)果，用于評(píng)價(jià)地質(zhì)災(zāi)害評(píng)價(jià)的綜合影響指標(biāo)。評(píng)估模型的形式如公式（5）所示。

（5）

式中：am為第m個(gè)評(píng)價(jià)因子的權(quán)重系數(shù)；wm為第m次評(píng)價(jià)因子的值；P為綜合影響指數(shù)的值。評(píng)估的結(jié)果是一個(gè)線性函數(shù)，它是評(píng)估因子及其權(quán)重系數(shù)的乘積。

用網(wǎng)絡(luò)分析預(yù)測(cè)樣本中神經(jīng)元間的關(guān)聯(lián)程度，根據(jù)神經(jīng)元之間的相關(guān)程度計(jì)算未來數(shù)據(jù)。選擇要評(píng)估的地質(zhì)災(zāi)害類型，并選擇對(duì)地質(zhì)災(zāi)害類型影響較大的評(píng)價(jià)因素，為評(píng)價(jià)因素選擇數(shù)據(jù)類型，訓(xùn)練網(wǎng)絡(luò)輸出評(píng)估結(jié)果。

2 模型建立

本文設(shè)計(jì)了一個(gè)獨(dú)立的模型庫，可以動(dòng)態(tài)管理模型因素、方法和靈活組合參數(shù)，可以根據(jù)評(píng)價(jià)需求快速形成新的模型。它包括與模型相關(guān)的各種信息，以便系統(tǒng)可以保存和使用模型案例來查詢模型的內(nèi)容。模型庫的存儲(chǔ)部分包括模型主體和模型字典。模型主體主要包括模型的編碼、模型的名稱、模型公式、礦區(qū)、災(zāi)害類型、評(píng)價(jià)因素、模型方法、適用的數(shù)據(jù)類型等。模型字典庫保存模型中的參數(shù)描述，可以便于查詢和檢索模型。

地質(zhì)災(zāi)害評(píng)價(jià)中使用的數(shù)據(jù)主要是空間數(shù)據(jù)。為便于計(jì)算，將矢量數(shù)據(jù)轉(zhuǎn)換為網(wǎng)格數(shù)據(jù)，疊加分析數(shù)據(jù)。模型庫框架的構(gòu)建過程如圖1所示。

在分析礦區(qū)地質(zhì)災(zāi)害形成機(jī)理的基礎(chǔ)上，確定評(píng)價(jià)因素和評(píng)價(jià)方法，以此建立評(píng)價(jià)模型。單因素評(píng)估模型可以獨(dú)立運(yùn)行，也可以用作多因素模型的評(píng)估因子和數(shù)據(jù)。多因素模型需要設(shè)置或計(jì)算模型的權(quán)重，可以通過選擇樣本訓(xùn)練來確定神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。當(dāng)應(yīng)用模型基礎(chǔ)框架時(shí)，可以根據(jù)地質(zhì)災(zāi)害類型和評(píng)價(jià)方法自動(dòng)檢索模型數(shù)據(jù)庫。模型的結(jié)果是網(wǎng)格數(shù)據(jù)，表明某個(gè)區(qū)域地質(zhì)災(zāi)害的敏感性，值越大，越危險(xiǎn)?？梢酝ㄟ^GIS模塊和分類渲染直觀地顯示評(píng)估結(jié)果。通過疊加分析、偏差計(jì)算與歷史災(zāi)害分布數(shù)據(jù)對(duì)不同模型的評(píng)價(jià)結(jié)果進(jìn)行評(píng)估。通過對(duì)比分析得到最適合礦區(qū)的評(píng)價(jià)模型。由于模型存儲(chǔ)是獨(dú)立的，因此可以通過接口調(diào)用模型，從而允許模型共享和復(fù)用，進(jìn)而降低建模成本。提出的模型庫框架可以通過搜索相關(guān)條件來檢索相似的礦區(qū)模型，為新礦區(qū)地質(zhì)災(zāi)害防治和監(jiān)測(cè)提供依據(jù)。

3 案例研究

3.1 案例概述

采用模型庫框架對(duì)某礦山重開采面積進(jìn)行評(píng)估，該礦區(qū)面積約30km2，橫跨3個(gè)行政區(qū)域。該地區(qū)的山脈長而陡峭，煤礦資源豐富，交通便利，開采煤炭資源的利潤十分豐厚。這些因素導(dǎo)致了許多無序和非法煤礦的出現(xiàn)，且開采煤礦時(shí)并不重視環(huán)境保護(hù)。無序開采和過度開采會(huì)導(dǎo)致邊坡和礦體不平衡，這些變化引起山體滑坡、地裂縫、崩塌和沉降破壞以及其他類型的地質(zhì)災(zāi)害。其中，滑坡、崩塌引起的滑體已成為潛在的地質(zhì)災(zāi)害。因此，須對(duì)地質(zhì)災(zāi)害模型進(jìn)行試驗(yàn)，防止災(zāi)害再次發(fā)生。

3.2 研究結(jié)果

在本文中，將單因素模型的結(jié)果作為多因素評(píng)估模型的數(shù)據(jù)?；谠u(píng)估因素?cái)?shù)據(jù)的每個(gè)子節(jié)的災(zāi)害密度計(jì)算單因素評(píng)估模型。以地基裂縫計(jì)算的坡度概率指標(biāo)為例，根據(jù)自然分割法可將坡度圖數(shù)據(jù)分為5個(gè)部分。單因子模型的不同段數(shù)的結(jié)果見表1。

表1 坡度圖分段的單因素模型結(jié)果

分段序號(hào) 初始值 終止值 概率指數(shù) 異常指數(shù) 信息量

1 0.000 32.829 0.874 8.664 -0.013

2 32.829 51.463 1 10 0.12

3 51.463 64.235 0.0335 -2.140 -0.97

4 64.235 73.350 0 -8.852 0

5 73.350 84.845 0 -8.852 0

以崩塌地質(zhì)災(zāi)害為例，對(duì)礦區(qū)影響較大的評(píng)價(jià)因素包括坡度（SL）、距煤區(qū)距離（DM）、距道路距離（DR）、巖性（LI）、距結(jié)構(gòu)距離（DS）和粗糙度（RoughN）。將以上因子作為評(píng)價(jià)因子的指標(biāo)層，以坍塌災(zāi)害評(píng)價(jià)結(jié)果為目標(biāo)層。選擇評(píng)價(jià)因子后，建立層次分析模型的判斷矩陣，并按順序列出評(píng)估因子。通過專家評(píng)估方法建立矩陣，如圖2所示。

上述數(shù)據(jù)的各評(píng)價(jià)因子的權(quán)重系數(shù)：DM為0.302，SL為0.2，DR為0.275，LI為0.117，DS為0.083，RoughN為0.022。因此，影響坍塌危險(xiǎn)的最主要因素是DM，其次是DR。粗糙度對(duì)災(zāi)害的影響相對(duì)較小，礦井地質(zhì)災(zāi)害的層次分析過程（AHP）如公式（6）所示。

P=0.302·DM+0.2·SL+0.275·DR+0.117·LI+0.083·DR+0.022·RoughN （6）

AHP數(shù)值越大，坍塌的可能性就越大，結(jié)果如圖3所示。圖中的框內(nèi)部分為歷史上發(fā)生過坍塌的區(qū)域，取值為1，表明歷史塌陷區(qū)均位于評(píng)價(jià)結(jié)果圖的高風(fēng)險(xiǎn)區(qū)。

為訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，選取坡度、坡向、粗糙度、巖性、高程等作為評(píng)價(jià)因子。在崩塌災(zāi)害分布圖中隨機(jī)均勻選取采樣點(diǎn)，其中10000個(gè)點(diǎn)為災(zāi)害發(fā)生地，10235個(gè)采樣點(diǎn)為無災(zāi)害區(qū)。每個(gè)選定的歷史災(zāi)害采樣點(diǎn)對(duì)應(yīng)每個(gè)單因素評(píng)估結(jié)果圖上的一個(gè)網(wǎng)格點(diǎn)，該網(wǎng)格點(diǎn)由1組樣本值組成，每組樣本的值包括評(píng)估因子的值，通過此操作獲得的神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練矩陣的數(shù)值如下。

隱藏層的訓(xùn)練矩陣=

輸出層的訓(xùn)練矩陣=[-31.32 48.86" 65.71 -55.36 -2527]

隱藏層的閾值矩陣=[-3.6 4.36 11.78 -27.10 11.90]

神經(jīng)網(wǎng)絡(luò)計(jì)算的結(jié)果和相應(yīng)的評(píng)價(jià)因子數(shù)據(jù)如圖4所示，顏色越深的地方，塌陷的可能性越大。圖中的框內(nèi)部分為發(fā)生歷史崩潰的區(qū)域，表示歷史崩塌區(qū)域位于評(píng)價(jià)結(jié)果圖的高風(fēng)險(xiǎn)區(qū)。

3.3 多因素評(píng)估模型的比較

上述模型的輸出為柵格數(shù)據(jù)，每個(gè)格網(wǎng)的值為礦山地質(zhì)災(zāi)害風(fēng)險(xiǎn)。每個(gè)值為0～1，值越大，該區(qū)域越危險(xiǎn)。使用GIS技術(shù)根據(jù)臨界值以等級(jí)呈現(xiàn)結(jié)果，并直觀地顯示潛在地質(zhì)災(zāi)害的分布區(qū)域。這些不同模型的結(jié)果表明，歷史上發(fā)生的地質(zhì)災(zāi)害位于風(fēng)險(xiǎn)值較大的區(qū)域，說明模型評(píng)價(jià)結(jié)果可用于分析和評(píng)價(jià)礦區(qū)易發(fā)生危險(xiǎn)地質(zhì)災(zāi)害的區(qū)域。

將不同模型的結(jié)果與歷史災(zāi)害分布數(shù)據(jù)疊加。間隙越小，精度越高。在歷史災(zāi)害分布數(shù)據(jù)中，災(zāi)害的網(wǎng)格值為1，無地質(zhì)災(zāi)害的網(wǎng)格值為0。計(jì)算預(yù)警區(qū)風(fēng)險(xiǎn)值與歷史災(zāi)區(qū)風(fēng)險(xiǎn)值之差的平方和。此偏差表示模型結(jié)果的差異，如公式（7）所示。

（7）

式中：ai為評(píng)估結(jié)果圖中第i個(gè)網(wǎng)格點(diǎn)的值；εi為歷史災(zāi)害分布圖中第i個(gè)網(wǎng)格點(diǎn)；δ為評(píng)估結(jié)果圖和歷史災(zāi)害分布圖間的差異。

使用公式（7）可以發(fā)現(xiàn)AHP、神經(jīng)網(wǎng)絡(luò)模型的評(píng)價(jià)結(jié)果與歷史災(zāi)害數(shù)據(jù)的偏差分別為10.95和157.56。AHP結(jié)果偏差最小，其預(yù)警精度高于神經(jīng)網(wǎng)絡(luò)過程。結(jié)果表明層次分析模型更適合分析和預(yù)測(cè)該區(qū)域崩潰的可能性。

4 結(jié)論

本文所提出的模型庫不僅能進(jìn)行模型訓(xùn)練、權(quán)重計(jì)算、集中存儲(chǔ)和共享，還能對(duì)不同模型、不同參數(shù)、不同權(quán)重的礦區(qū)地質(zhì)災(zāi)害進(jìn)行評(píng)價(jià)和分析。通過對(duì)比分析不同模型的預(yù)測(cè)結(jié)果，選擇最優(yōu)模型來預(yù)測(cè)采礦活動(dòng)可能引發(fā)的地質(zhì)災(zāi)害，輸出礦區(qū)地質(zhì)災(zāi)害的風(fēng)險(xiǎn)分布圖。模型庫獲得的礦山地質(zhì)災(zāi)害風(fēng)險(xiǎn)分布圖可為礦山地質(zhì)災(zāi)害監(jiān)測(cè)與防治提供決策依據(jù)。

參考文獻(xiàn)

[1]郭勇.突發(fā)性礦山地質(zhì)災(zāi)害的應(yīng)急治理方案研究[J].建材與裝飾，2020（19）：239-240.

[2]王磊.礦山地質(zhì)災(zāi)害治理方案研究[J].中國金屬通報(bào)，2023（3）：168-170.

[3]沈應(yīng)龍.礦山地質(zhì)災(zāi)害治理及生態(tài)環(huán)境修復(fù)措施的應(yīng)用研究[J].世界有色金屬，2023（10）：211-213.

[4]陳像，楊毅.礦山地質(zhì)災(zāi)害治理及生態(tài)環(huán)境修復(fù)探討[J].中國井礦鹽，2022，53（2）：28-30.

[5]張世珍，王建國，柴海瑞.樂都柳灣沙溝青草哇石英巖礦礦山地質(zhì)災(zāi)害治理與土地復(fù)墾分析[J].中國礦業(yè)，2020，29（增刊2）：111-116.

[6]孫瑋，付廣磊.礦山地質(zhì)災(zāi)害治理與綠水青山的共建[J].中國地名，2020（3）：55-56.