矿山泥石流是人类在矿产资源开发过程中，因人为开采活动使原有地质条件发生改变而诱发形成的泥石流[1-4]。相比于自然泥石流来说，目前对矿山井下泥石流的研究尚处于初始阶段，国内外对于矿山井下泥石流的系统研究较少[5-10],王越、李雄飞等[11-12]对井下泥石流进行物理模拟研究，推测其成因以及形成过程。大对数专家学者采用数值模拟的手段进行泥石流启动机理的研究[13-15],但均未深入研究矿山井下泥石流的监测及预警。针对矿山井下泥石流的监测预警研究对矿山安全生产、矿山环境保护、资源的可持续开采等都具有重要的实际意义和工程价值。

云南普朗铜矿采用自然崩落法开采，地表形成塌陷坑，塌陷坑上覆大面积的由黏土、亚黏土、亚砂土、砾石层等组成的第四系冰碛层。冰碛层的颗粒粒径范围为0.074～200 mm, 分布面积约0.65 km2,厚度达80 m以上，具有分布广、总量大的特点[16],构成充足的泥石流物质来源。该矿所在地区雨量充沛，雨季降水强度大，降雨比较集中，一旦到了汛期，矿区降雨、上游地表径流、高山积雪消融水等，会带动地表冰碛层以及风化破碎岩屑一起进入塌陷区，极易造成井下泥石流事故。

井下泥石流的实时监测预警是泥石流灾害防治体系中的重要环节，目前矿山在地表已安装了雨情监测系统、地表位移监测、地下水位监测和视频监测系统，在井下安装了微震、应力、视频等监测系统。监测数据处理主要采用单系统、单指标进行预警分析，且由于矿井泥石流灾害监测装备多、数据量大、综合分析难度高，导致现场泥石流预警准确率较低，不能发挥应有的作用。

因此，需要建立冰碛物泥石流灾害“天 - 地 - 井”一体化综合监测系统，对天空雨情水量、地面位移、水文变化情况、井下放矿口出矿视频等进行实时动态监测，实现冰碛物泥石流灾害多层次多参量实时动态监测预警，建立冰碛物泥石流危险性的多参量综合预警指标体系，并研发矿山泥石流灾害综合监测预警平台，利用云计算和大数据技术，解决矿山井下泥石流实时预警的难题，保障矿山的安全开采。

1、“天 - 地 - 井”一体化监测体系的构建

1.1 监测参量选择

普朗铜矿泥石流不是典型的冲沟泥石流，与常规的泥石流监测内容要求有很大不同。由于该矿区特殊的地形地貌、地质结构及气象水文条件，在采矿活动过程中存在爆发泥石流的可能性，需要据此采取必要的防控措施。因此，监测内容主要针对爆发泥石流的关键因素及其防控设施的有效性。故选取采矿活动引起的地表位移及塌陷、气象水文、截排洪设施、地下水孔隙水压力和井下放矿口视频等作为重点监测内容或对象，构建融合天空雨情水量监测系统、地面位移监测系统和井下通道监测系统的“天 - 地 - 井”立体监测框架，并针对性地采取不同的监测手段。

(1) 天空雨情监测参量选择。

泥石流的发生与气象水文条件密切关系，为了掌握气象水文条件的变化，开展气象条件监测显得极为重要，对于防止极端气候条件下预防泥石流异常启动具有重要意义。

(2) 地面监测参量选择。

塌陷区地表位移是灾害演化过程的直观反应指标，因此通过监测塌陷区周界附近及外围的地层变形，可以及时发现塌陷区变形和发展规律，有利于安全监管部门和企业进行科学的应急决策，并及时采取应急对策措施，从而避免灾害的发生或者减少灾害发生造成的危害。对于高陡边坡而言，孔隙水压力过大极易造成边坡失稳，导致边坡大面积垮塌。因此，自动监测孔隙水压力对于把握高陡边坡稳定状况具有重要意义。

(3) 井下监测参量选择。

为了实时掌握井下放矿口泥水变化情况，在出矿口位置设置视频监测装备，以准确掌握出矿过程中泥石流混杂情况。按照现有理论研究及经验，无法证明围岩应力和微震与泥石流的发生有明确的对应关系，故将应力和微震系统作为泥石流判别的辅助监测手段。

最终选择天空雨情监测(降雨量、涌水量、水位)、地面监测(地表位移、孔隙水压力)、井下监测(出矿口视频监控、井下排水监测系统)构建成泥石流综合监测预警系统。

1.2 一体化监测预警体系构建

泥石流监测预警体系中，建立了降雨量、水位变化、涌水量、视频识别等监测系统的预警指标。降雨是泥石流灾害发生的外动力因素，降雨量的大小及降雨强度是形成泥石流水动力条件的必要因素，在本监测预警系统中将雨量作为主控性预警指标。当发生降雨时，预警平台将触发启动预警机制，自动判别单监测系统及综合系统是否触发预警，如触发预警，根据不同的预警级别，通过平台互联网终端系统发送报警信息。一体化监测预警体系如图1所示。

图1 一体化监测预警体系

综合预警采用层次分析法确定各监测预警指标。将普朗铜矿井下泥石流灾害预警作为结构模型的目标层，在建立的预警指标体系中，将各评价指标分为“天 - 地 - 井”三大类，并以此作为结构模型的准则层。结构模型的指标层包括降雨量、水位变化、涌水量、地表沉降、孔隙水压力、井下排水等指标及视频识别，通过构建判断矩阵，确定各个指标权值。综合指标计算过程中，各监测系统所占比重的值可根据区域内的泥石流灾害影响因素、监测指标活跃程度等分析确定，以提高预警算法对复杂环境的适应性。

2、泥石流监测预警平台架构

平台系统总体架构分为数据智能采集模块、数据传输模块、数据存储模块、数据展示模块、数据智能分析模块和灾害预警模块6部分，如图2所示。矿山灾害预警云平台采用物联网、HTTP超文本传输协议等技术，对监测数据进行实时提取，并对数据进行智能分析，在此基础上对矿山的潜在灾害进行时空预警，以达到潜在泥石流灾害及时预警及确保采矿生产安全的目的。

图2 泥石流风险监测预警平台的结构

(1) 数据智能采集模块。

智能采集模块主要用于对数据的采集，包括矿区信息、矿山生产信息、矿山地质信息、实时监测数据信息及资料信息等，这些数据是矿山泥石流灾害预测预警的基础。通过数据采集助手，将基础数据实时读入矿山局域网的数据库内，由服务器统一存储和管理。通过服务器配置云上传助手，将局域网数据库数据上传至网络云数据库内，实现网络数据库与矿井数据库的实时同步。

(2) 数据传输模块。

该模块将采集模块得到的数据分别传递到平台服务器数据库及云端数据库。远程数据传输依靠云数据处理技术(或者专网)完成，通过在矿井配置云数据上传助手，实现矿井监测数据的实时上传。配置异地数据访问白名单访问终端，集团公司等异地终端可通过数据处理软件实时监看和查询矿井监测情况。基础数据通过数据采集助手(智能采集助手),使用线程锁、互斥锁、等待锁等技术，实现多任务并发执行；使用基于TCP/IP、FTP的自定义传输协议，实现数据的通信传输；使用链表集合类存储结构，实现数据的有序存储。从而实时高效地将子系统数据写入平台数据库内，由服务器统一存储和管理。

(3) 数据存储模块。

数据存储模块主要对数据进行储存备份，包括矿区地质信息、水文信息及监测相关的基础数据，还包括部分矿山灾害案例等资料信息数据。针对以泥石流灾害监测数据为主的实际情况，平台系统通过MySQL数据库设计，采用本地存储与云端备份的“双保险”模式，将数据采集至本地服务器的同时，实时上传至云数据库，降低数据丢失的可能性。

(4) 数据智能分析模块。

数据智能分析模块主要是对数据存储模块中的各类数据进行分析处理，并根据用户需要将分析处理过的数据在数据展示模块中进行分类输出，通过直观形式呈现各类监测预警信息以确保矿山安全生产。该模块涉及一些数据分析处理模型，包括单系统数据分析模型、多参量联合分析模型、物源放出平衡模型、水源平衡模型、预警分析模型等。

对于单系统数据分析模型，系统除了具备单系统的数据展示和查询功能外，还对数据进行较为深层次的有效挖掘，可查询各个监测子系统的基础数据、预警状态等。对于多参量联合分析模型，通过联合多个子系统，从时空角度分析挖掘各系统数据的相关性，进行多系统联合分析。物源平衡模型通过从井下泥石流的固体物质来源方面进行分析，构建冰碛物来源及放出平衡模型，通过估算塌陷区沉降量和井下放矿口放出量，构建动态平衡模型，从而估算沉降补给与井下放矿的对应关系，通过对比雨季和旱季之间的对应变化来预警泥石流的发生。水源平衡模型通过估算塌陷区汇水及井下排水量，构建塌陷区水源平衡模型，估算补给井下的水量，从而结合物源平衡模型推断井下泥石流发生的可能性。预警分析模型包括单系统预警、综合指标预警和分区分级预警，其中，单系统危险性指标以各系统历史及实时监测数据为基础，借助深度学习算法给定各系统预警阈值，进而实现各系统监测预警；综合预警方法为权重分析方法，根据区域内的泥石流灾害影响因素、监测指标活跃程度等，确定各系统所占预警比重，提高预警算法对复杂环境的适应性；分区分级预警可按照普朗矿区降水、采掘影响等因素的不同，划分重点监测区，根据区域内多参量实时监测结果，实现智能预警。根据预警指数大小，对应划分为“无危险、弱危险、中等危险、强危险”4个危险级别，按照颜色对应“蓝、黄、橙、红”4个颜色，并将实时预警结果在数据展示模块和灾害预警模块中进行对应展示。

(5) 数据展示模块。

数据展示模块可实现天空、地表、井下巷道、各相关监测系统的监测结果二维、三维可视化，将数据分析模块中得到的结果直观地展示在移动端、PC端等展示设备上。三维图上可展示生产信息、工程信息、危险性评价结果、监测数据(应力、微震、视频、地表沉降、降雨、水文等),便于对数据进行综合分析。通过三维集中展示还可以直观掌握监测设备运行状态、区域整体险情等，通过三维可视化矿图可使用导航漫游的方式快速灵活地对监测区域信息进行查询，监测信息直观明了，有助于相关人员快速分析和定位事件位置，了解矿山生产的安全情况。

(6) 灾害预警模块。

灾害预警模块主要通过数据智能分析模块中的输出结果，对灾害进行实时预测和预警。

3、平台建设

依据上述平台架构模式，使用HTML5 Canvas、Three.js等WebGL技术，流畅展示3D场景和模型，使用Vue.js、Webpack、ECharts等技术构建展示页面，实现多样的可视化展示和丰富的页面交互功能，使用Spring Boot、Quartz、Shiro、MyBatis、POI等技术，实现系统后台的安全认证、数据统计分析、报表自动生成等功能。通过各个接入系统的三维展示功能，从泥石流的监测预警角度实现管理的“一张图”模式。已建成的泥石流监测平台目前主要包括多维展示模型、监测预警模型和数据中心模型3个部分。

3.1 多维展示模型

为了能够直观地展示矿山地质信息及监测信息，结合生产系统智慧化特征及要求，建立矿山多维模型，使监测系统和数据分析在时间和空间上统一，提高了技术人员数据分析的效率。目前泥石流监测预警一体化平台实现了天空、地表、井下巷道、各相关监测系统、多系统的二维、三维可视化。通过三维可视化矿图可使用导航漫游的方式快速灵活地对监测区域信息进行查询。

3.2 数据中心模型

数据中心模型主要是对各监测系统的监测数据及分析数据进行展示，用户可对监测信息及分析数据进行分时段查询，同时也可对数据进行查看和导出。

(1) 单系统数据分析查询。

系统不仅具备单系统基本数据展示和查询的功能，还对数据进行深层次的有效数据挖掘，可查询各个监测子系统的基础数据及预警状态。

(2) 多系统关联分析查询。

监测预警系统具备多参量联合分析功能，通过联合多个子系统，从时空角度分析挖掘各子系统数据的相关性，进行多系统联合分析。以发生预警的系统为中心空间，搜索指定空间范围内的多套系统测点，并查询分析数据。关联曲线分析的目的是在指定时间范围和空间范围内，对比查询跨系统测点数据变化趋势，分析共性，相互佐证。

(3) 物源动态变化分析。

从井下泥石流的固体物质来源进行分析，构建冰碛物来源及放出平衡模型，通过估算塌陷区沉降量和井下放矿口放出量，构建动态平衡模型，估算沉降补给与井下放矿的对应关系。

地表塌陷量计算。通过连接无人机扫描模型估算前后两次扫描塌陷区沉降量，设定该次塌陷区总塌陷方量为Tn,m3;统计时间为tn,d; 前次总塌陷沉降方量为Tn-1;统计时间为tn-1。则该时间段内塌陷方量为：

T=Tn-1-Tn(1)

放出矿岩量计算。放出矿岩量为所有放矿口放出的矿岩量之和：

式中：F总为放出矿岩总量，m3;Fn为各放矿口放出的矿岩量，m3。

放出岩石量F岩为：

F岩=F总×K(3)

放出矿石量F矿为：

F矿=F总-F岩(4)

式中，K为废石混入率。

物源动态变化的统计计算方法如下。

单次塌陷量与该时间段内井下放出总量之比为：

塌陷量与该时间段内井下放出冰碛物总量之比为：

(4) 水源动态变化分析。

根据泥石流形成的要素可知，泥石流的形成必须有一定的水源补给。而地表水的直接来源为大气降水，大气降水一部分通过地表径流汇聚在一起，形成洪水，另一部分渗入地下成为地下水的来源。对于崩落法开采的矿山，地表径流水和洪水流入塌陷区，与塌陷区内泥、碎石等一起混合达到饱和状态，如果井下开采形成潜在通道，这些泥石流混合体可能冲入通道流入井下，形成井下泥石流。因此，可通过估算塌陷区汇水及井下排水量，构建塌陷区水源平衡模型，估算补给井下的水量。

水源分为大气降水和地下涌水，其中大气降水通过降雨量和汇水面积求得，地下涌水采用大井法计算求得。

单次落入塌陷坑的水量按日统计为：

Q降雨=A×W(5)

式中：Q降雨为单次大气降雨产生的塌陷坑汇水量，m3/d;A为汇水面积，km2;W为单日降雨量，mm。

统计周期内落入塌陷坑总汇水量Q总降雨为：

根据现场开采中段图，坑底长、宽之比小于2,采用大井法计算地下涌水量，又因为开采区为承压转无压型，故采用以下承压转无压公式进行计算：

式中：Q涌水为矿坑涌水量，m3/d;k为渗透系数，m/d;H为水头高度，开采中段与平均水位的差值，m;M为有效含水层厚度，m;R0为引用半径，R0=R+r0,m;R为疏干影响半径，m;r0为坑底开采半径。

水源补给量Q总补给为：

Q总补给=Q总降雨+Q涌水(8)

排水总量Q总排为：

Q总排=Q地表+Q井下(9)

式中：Q地表为地表排水井当日总排水量，m3;Q井下为井下排水井当日总排水量，m3。

水源动态比值为：

3.3 预警输出模型

预警输出模型主要包括3种报警方式：预警警报器、预警灯和预警信息实时推送模块，其中预警警报器和预警灯安装在井下各预警区域内，负责各预警区域的及时报警，并启用远程预警模块(即预警信息实时推送模块),及时推送预警信息给相关应急联络人。保证各预警区域内发生泥石流灾害时能及时报警，通过启用远程预警模块进行短信推送，可保证与应急联络人进行快速的通信连接，以便及时做到快速响应，保障矿山开采工作的安全有序进行。

4、结论

通过选择基于天空、地面、井下的一体化监测参量，构建一体化监测预警体系，利用云计算和大数据技术，开发了“天 - 地 - 井”大数据多参量泥石流一体化综合监测预警平台，主要结论如下。

(1) 针对矿山泥石流灾害监测分散化、多元化、利用不充分等特征，将多元化数据进行深度挖掘，整合成为矿山泥石流灾害监测预警信息。通过选择天空雨情监测系统(降雨量、涌水量、水位)、地面监测系统(地表位移、孔隙水压力)、井下监测系统(出矿口视频监控、井下排水监测系统)等，构建“天 - 地 - 井”一体化监测体系，将多源监测参量进行深度整合，确立监测预警模型。

(2) 以监测体系为基础，构建了包括数据智能采集模块、数据传输模块、数据存储模块、数据展示模块、数据智能分析模块和灾害预警模块的一体化监测平台。该平台具有多维展示、数据分析及预警输出功能，通过对泥石流发生的物源及水源因素的动态变化进行分析，实现了普朗铜矿泥石流监测的一体化，改变了传统的多系统多人管理模式，显著提高了泥石流监测预警管理的智能化、集成化水平。

虽然目前平台实现了泥石流灾害的综合预警，但针对泥石流物源及水源动态变化的算法仍然有限，还需深入探索，确保从泥石流“源头 - 早期 - 过程”进行更有效的分析，从而达到泥石流灾害的动态监测预警。

参考文献:

[1]张炜光.控制矿山泥石流沟谷水土流失的防治对策[J].世界有色金属,2019(7):215+218.

[2]姜圩.泥石流风险预警模型及应用研究[D].北京:中国地质大学(北京),2019.

[3]赵丽娅,韩丽君,樊姝芳,等.台风暴雨型矿山泥石流的形成条件及起动模式[J].地质论评,2018,64(4):947-955.

[4]杨超.矿山泥石流灾害防治[J].中国科技信息,2017(20):91-91+13.

[5]刘晋.甘肃省岷县矿山泥石流地质灾害治理浅析:以元山沟泥石流为例[J].世界有色金属,2019(3):236+238.

[6]胡以德,余海东,杨涛.基于固相沉积法的大型排土场暴雨泥石流流动特性预测研究:以四川某矿山泥石流为例[J].岩土工程技术,2016,30(6):275-278.

[7]张青山,单元磊.小秦岭矿山泥石流灾害发育现状与防治对策[J].河南科技,2016(9):148-149.

基金资助:国家重点研发计划项目(2022YFC2903803);

文章来源:冯兴隆,冯明,朱斯陶,等.“天地井”一体化泥石流综合监测预警平台的建设及其应用[J].矿业研究与开发,2024,44(08):190-196.