地下采矿引起的地表沉降分析
1 引言
地下采矿引起的地表沉降和破坏是采矿工程设计和运行时必须考虑的一个问题, 而引起地表沉降的原因则是由于各种因素之间复杂的相互作用。Laubscher (2000年)开发了一种经验方法来预测崩落作业造成的地表沉降。该方法基于MRMR分类系统, 它将预测的崩塌角与MRMR、开采深度和开采宽度联系起来。
本公 众 号过去的文章中，仅有三篇讨论了地表沉降：
崩落采矿诱发地表沉降预测的经验方法(Caving Angle)
2 问题的提出
随着矿山开采深度的不断增加，采场采动压力和地表塌陷问题日益突出，有些矿山的地表塌陷问题非常严重，几十米深的地表陷坑随时可能对地下开采和周围的生态环境造成灾难性破坏，从而增加了建设绿色矿山的阻力。另外，一些矿山已经由原来的露天开采逐渐转为地下开采，这些矿山面临着采动压力和地表塌陷的双重危险。当露天开采转为地下开采时，露天开采的范围部分或全部置于地下开采范围的顶上，这将对地下开采形成潜在的危险。许多大型露天开采矿山在达到一定开采深度后,逐渐由露天开采转向地下开采, 比如Chuquicamata矿和Palabora矿, 在这种情形下,地下开采活动会直接影响原露天采矿的边坡稳定性, 一个典型的例子是Palabora矿, 在由露天开采专为地下崩落采矿法后, 于2005年在西面的边坡发生了大规模的破坏, 如下图所示. Chuquicamata矿于2020年开始转入地下开采, 今后也可能面临着同样的状况.
代表性元素体积REV (Representative Elemental Volume)
本研究试图解决这种复杂情况下地下开采过程对地表塌陷范围和深度的影响，优化露天采场底部与地下采场顶板之间的保留矿体厚度，无论从安全经济的角度还是从生态建设的角度都必须解决这个问题，从而形成真正的绿色矿山。
3 解决方案
首先，通过完整岩石的物理力学性质和不连续性岩体的物理力学性质推断真实岩体的强度和变形特性。由于岩体在空间上存在着巨大的变异性, 其参数不能使用单一的平均岩体分类来描述，所以必须发展新的估算方法。使用离散断裂网络(DFN)建立三维数值模型来估算在采动压力作用下真实岩体的强度和变形，从而预测地表塌陷的垂直深度以及地表的水平影响范围。
其次， 因为地下开采活动会强烈地影响着露天采场边坡的稳定性，因此通过上述建立的模型可以优化露天采场底部与地下采场顶板之间的保留矿体厚度。
最后，发展采动压力和地表塌陷灾情的大数据集。运用大数据和深度学习原理发现采动压力和地表塌陷灾情的问题，强化矿山的快速反应能力，提高智能化辅助决策能力。这是目前发展的岩土工程大数据集GeotechSet的其中一个子集，部分功能已经上线测试。在这个子集的基础上，正在进行广泛的调研(包括煤矿和非煤矿山)和文献回顾，最终完成一个可操作的辅助决策系统。
4 关键的技术问题
(1) 研究空间变异的岩石力学性质对采动压力和地表塌陷的影响；
(2) 通过建立离散断裂网络(DFN)，使用合成岩体模型(SRM)结合原岩的强度，同时考虑岩体的各向异性效应以及岩体的尺寸效应，来预测岩体沿自然裂隙发生的压裂和破坏。(3) 建立矿山采动压力和地表塌陷灾情的大数据集
(4) 建立综合性和系统性的矿山岩体离散断裂网络(DFN)模型和估算岩体力学参数的方法；
(5) 针对不同工况对采动压力和地表塌陷的灾情发展进行模拟。
5 预期的结果
这项研究将对矿山的开采方法和开采步骤提供实质性的建议，为采空区处理和地表沉降及塌陷提供处理意见，为建设绿色矿山提供决策性建议，提高矿山企业的整体经济效益。同时，这项研究也能够直接支撑和服务矿山企业的科技创新，促进建设绿色矿山的步伐，同时大数据的应用将提高矿山企业的智能化决策和管理水平。
