陳志華,施 昆,史華林
(1.中國(guó)有色金屬工業(yè)昆明勘察設(shè)計(jì)研究院,云南 昆明 650051;2.昆明理工大學(xué),云南 昆明 650093)
按照規(guī)范規(guī)定[1],對(duì)一些重要監(jiān)測(cè)項(xiàng)目提出預(yù)計(jì)的測(cè)值變化范圍,提出設(shè)計(jì)監(jiān)控指標(biāo);對(duì)于壩體位移監(jiān)測(cè)、浸潤(rùn)線監(jiān)測(cè)及安全檢查的資料必須進(jìn)行分析。對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行變形分析可采用卡爾曼濾波[2]、灰色理論及小波分析[3]等數(shù)學(xué)模型,也可采用常規(guī)分析方法中的多元線性回歸進(jìn)行變形分析。
引起尾礦壩變形的因素很多,也很復(fù)雜[4];浸潤(rùn)線、庫水位就是引起尾礦壩變形的兩個(gè)很重要的水文因素。
滲水在水位作用下,水流滲入壩體,將壩體分為上干下濕兩部分,干濕尾沙的分界線即為浸潤(rùn)線。浸潤(rùn)線的變化標(biāo)志著壩體含水量的多少,由于土體的變形與其含水量有密切關(guān)系,所以,浸潤(rùn)線是引起尾礦壩變形的一個(gè)很重要的水文因素;同時(shí),庫水位的變化直接影響土壩浸潤(rùn)線位置的變動(dòng),因而也影響土壩體的變形值[5]。
因此,嘗試以浸潤(rùn)線、庫水位這兩個(gè)水文因素作為尾礦壩變形分析的外因,采用多元線性回歸分析的方法,對(duì)浸潤(rùn)線、庫水位的變化與尾礦壩的變形進(jìn)行分析研究,從中得出浸潤(rùn)線、庫水位水文因素對(duì)尾礦壩變形的影響關(guān)系是尾礦壩變形分析的一種新途徑。
通過分析所觀測(cè)的變形量和外因(引起變形的因素,一般是多元的)之間的相關(guān)性,來建立外因與變形之間關(guān)系的數(shù)學(xué)模型[6]。
式中:t=1,2,…,n,εt∈N(0,σ2),其中,下標(biāo)t 為觀測(cè)值變量,共有n 組觀測(cè)數(shù)據(jù),p 表示因子個(gè)數(shù)。
在礦山尾礦庫變形監(jiān)測(cè)分析中,將時(shí)間、變形量與浸潤(rùn)線三元結(jié)合起來建立時(shí)間、浸潤(rùn)線與變形數(shù)學(xué)模型來進(jìn)行變形分析及預(yù)測(cè),將時(shí)間、變形量與庫水位三元結(jié)合起來建立時(shí)間、庫水位與變形數(shù)學(xué)模型來進(jìn)行變形分析及預(yù)測(cè)。
1.2.1 變形量、時(shí)間及浸潤(rùn)線三元模型
由變形量D、時(shí)間t、浸潤(rùn)線r 建立如下模型[7]:
根據(jù)時(shí)間、浸潤(rùn)線及變形量(三維中的任一維,如X 方向位移)建立線性方程組,利用間接平差原理[8]解算出a0、a1、a2、a3、a4、a5六個(gè)模型參數(shù)來確定模型。
1.2.2 變形量、時(shí)間及庫水位三元模型
由變形量D、時(shí)間t、庫水位w 建立如下模型:
根據(jù)時(shí)間、庫水位及變形量(三維中的任一維,如X 方向位移)建立線性方程組,利用間接平差原理解算出a0、a1、a2、a3、a4、a5六個(gè)模型參數(shù)來確定模型。
采用F 檢驗(yàn)對(duì)上述多元回歸分析模型及其系數(shù)進(jìn)行顯著性分析,回歸分析模型的統(tǒng)計(jì)量可用式(4)求得,模型系數(shù)的統(tǒng)計(jì)量用式(5)求得。而相關(guān)系數(shù)Cov 可反映模型與實(shí)際情況的相關(guān)程度,可用式(6)計(jì)算:
式中:S回為回歸平方和;S剩為剩余平方和;n 是觀測(cè)值個(gè)數(shù);p為因子個(gè)數(shù);aj為模型系數(shù);cjj為法方程系數(shù)矩陣的逆矩陣(xTx)-1的對(duì)角線元素。
以滇中地區(qū)某銅礦的尾礦庫實(shí)時(shí)在線監(jiān)測(cè)為例。該尾礦庫地處高山區(qū)域,地勢(shì)為北高南低,兩岸多為陡峭的巖壁,極少部分為坡地,坡地植被發(fā)育,區(qū)域內(nèi)水文地質(zhì)條件復(fù)雜,地下水類型較齊全,以基巖裂隙水分布最廣,碳酸鹽巖類裂隙溶洞水次之,松散巖類孔隙水面積較小,主要分布于山間洼地和寬谷。
根據(jù)尾礦庫安全管理監(jiān)測(cè)要求,對(duì)該尾礦庫共布設(shè)GPS2035 -0、GPS2053 -0、GPS2053 -1、GPS2053 -2 等4 個(gè)GPS實(shí)時(shí)在線監(jiān)測(cè)點(diǎn),以監(jiān)測(cè)尾礦壩的三維變形量。其中,對(duì)GPS2035 -0 和GPS2053 -0 兩點(diǎn)進(jìn)行了浸潤(rùn)線觀測(cè);對(duì)該尾礦庫的庫水位、干灘和雨量等進(jìn)行監(jiān)測(cè);對(duì)尾礦壩的內(nèi)部?jī)A斜進(jìn)行監(jiān)測(cè)。
以下采用多元線性回歸分析的方法,對(duì)該尾礦庫的浸潤(rùn)線、庫水位的變化對(duì)尾礦壩的變形的影響進(jìn)行分析。
以監(jiān)測(cè)點(diǎn)GPS2035 -0 的X 方向累計(jì)位移量進(jìn)行浸潤(rùn)線分析,計(jì)算數(shù)據(jù)及估值分析結(jié)果,如表1 所示。
估值分析過程為:
1)顯著水平0.900,F(xiàn)(5,5)= 0.289605
顯著水平0.900,F(xiàn)(1,5)= 0.017470
2)模型參數(shù)及回歸系數(shù)顯著性檢驗(yàn):
a0 = 0.108684248
F0 = 0.000210
a1 = 16.196713133
F1 = 9.460905
a2 = -2.195581932
F2 = 6.651043
a3 = 0.007143731
F3 = 0.348892
a4 = 0.004662851
F4 = 2.214967
a5 = -0.000077509
F5 = 0.739957
表1 浸潤(rùn)線回歸分析實(shí)例數(shù)據(jù)表Tab.1 The infiltrate line regression analysis instance data
3)回歸方程顯著性檢驗(yàn):
回歸平方和 2483.117203
回歸方差 496.623441
剩余平方和 72.568070
剩余方差 14.513614
離差平方和 2555.685273
標(biāo)準(zhǔn)誤差 3.809674
F 檢驗(yàn)統(tǒng)計(jì)量 34.217766
相關(guān)系數(shù) 0.985700
4)模型為:
由分析結(jié)果來看,相關(guān)系數(shù)非常接近1,表明X 方向累計(jì)位移量與浸潤(rùn)線及時(shí)間存在明顯的相關(guān)性,需要時(shí)可以根據(jù)所建立的模型從浸潤(rùn)線角度對(duì)位移量進(jìn)行預(yù)測(cè)。
例如,用所建立的模型式(7)來預(yù)測(cè)2012 年11 月23 日、11月30 日X 方向累計(jì)位移量,如表2 所示。
表2 浸潤(rùn)線回歸分析表Tab.2 The infiltrate line regression analysis table
從表2 中可以看出:預(yù)測(cè)值與實(shí)測(cè)值相差較小,說明建模方法正確,所建模型具有一定的參考價(jià)值。
以監(jiān)測(cè)點(diǎn)GPS2035 -0 的X 方向累計(jì)位移量進(jìn)行庫水位分析,計(jì)算數(shù)據(jù)及估值分析結(jié)果,如表3 所示。
表3 庫水位回歸分析實(shí)例數(shù)據(jù)表Tab.3 The water level regression analysis instance data
估值分析過程為:
1)顯著水平0.900,F(xiàn)(5,5)= 0.289605顯著水平0.900,F(xiàn)(1,5)= 0.017470
2)模型參數(shù)及回歸系數(shù)顯著性檢驗(yàn):
a0 = -11.907332324
F0 = 2.527342
a1 = 29.666375411
F1 = 17.747896
a2 = -2.685802626
F2 = 22.916768
a3 = -0.053849185
F3 = 7.711682
a4 = 0.006353861
F4 = 9.622400
a5 = -0.000017653
F5 = 11.736529
3)回歸方程顯著性檢驗(yàn):
回歸平方和 2520.942975
回歸方差 504.188595
剩余平方和 34.742298
剩余方差 6.948460
離差平方和 2555.685273
標(biāo)準(zhǔn)誤差 2.635993
F 檢驗(yàn)統(tǒng)計(jì)量 72.561204
相關(guān)系數(shù) 0.993180
4)模型為:
由分析結(jié)果來看,相關(guān)系數(shù)非常接近1,表明X 方向累計(jì)位移量與庫水位及時(shí)間存在明顯的相關(guān)性,需要時(shí)可以根據(jù)所建立的模型從庫水位角度對(duì)位移量進(jìn)行預(yù)測(cè)。
例如,用所建立的模型式(8)來預(yù)測(cè)2012 年11 月23 日、11月30 日X 方向累計(jì)位移量,如表4 所示。
表4 庫水位回歸分析表Tab.4 The water level regression analysis table
從表4 中可以看出:預(yù)測(cè)值與實(shí)測(cè)值相差較大,這是因?yàn)閹焖皇茱L(fēng)力等自然界影響較大,監(jiān)測(cè)數(shù)據(jù)很難達(dá)到較高精度;因此,由變形量、時(shí)間、庫水位建立的模型精度達(dá)不到由變形量、時(shí)間、浸潤(rùn)線建立的模型精度,也就是說由變形量、時(shí)間、浸潤(rùn)線建立的模型更具有參考價(jià)值。
浸潤(rùn)線、庫水位是引起尾礦壩變形的兩個(gè)很重要的水文因素。一方面,浸潤(rùn)線的高低標(biāo)志著土石壩體含水量的多少,壩體含水量的多少又與其變形關(guān)系密切;另一方面庫水位的變化直接影響土石壩體浸潤(rùn)線位置的變動(dòng),因而也影響土壩體的變形。
采用多元線性回歸的分析法法,由變形量、時(shí)間、浸潤(rùn)線可建立分析預(yù)測(cè)數(shù)學(xué)模型;同樣,由變形量、時(shí)間、庫水位也可建立分析預(yù)測(cè)數(shù)學(xué)模型。但是,鑒于浸潤(rùn)線監(jiān)測(cè)技術(shù)比較成熟,監(jiān)測(cè)數(shù)據(jù)精度較高,而庫水位受風(fēng)力、尾礦排放量等外界因素影響較大,監(jiān)測(cè)數(shù)據(jù)很難達(dá)到較高精度;因此,由變形量、時(shí)間、浸潤(rùn)線建立的數(shù)學(xué)模型精度高于由變形量、時(shí)間、庫水位建立的數(shù)學(xué)模型精度。從實(shí)例分析得出,由變形量、時(shí)間、浸潤(rùn)線建立的數(shù)學(xué)模型得到的預(yù)測(cè)值與實(shí)測(cè)值相差較小,而由變形量、時(shí)間、庫水位建立的數(shù)學(xué)模型得到的預(yù)測(cè)值與實(shí)測(cè)值相差較大,這說明由變形量、時(shí)間、浸潤(rùn)線建立的模型比由變形量、時(shí)間、庫水位建立的數(shù)學(xué)模型更具有參考價(jià)值。
[1] 王運(yùn)敏,項(xiàng)宏海,汪斌,等.尾礦庫安全監(jiān)測(cè)技術(shù)規(guī)范[S].北京:國(guó)家安全生產(chǎn)監(jiān)督管理總局,2011:9.
[2] 修延霞,候凱. 卡爾曼濾波在大壩變形中的應(yīng)用[J]. 城市勘測(cè),2010(1):92 -94.
[3] XIAO Jie,ZHANG Jin.Analysis and application of automatic deformation monitoring data for buildings and structures of mining area[J].Transactions of Nonferrous Metals Society of China,2011,21(S3):516-522.
[4] 郭朝陽.尾礦庫壩體變形規(guī)律初探[J]. 中國(guó)高新技術(shù)企業(yè),2009(15):43.
[5] 張培基.水壩變形觀測(cè)[M].北京:測(cè)繪出版社,1981:21.
[6] 黃聲享,尹暉,蔣征. 變形監(jiān)測(cè)數(shù)據(jù)處理[M]. 武漢:武漢大學(xué)版社,2003:110 -112.
[7] 張勇.不同地方基準(zhǔn)轉(zhuǎn)換數(shù)值分析的計(jì)算研究[D]. 昆明:昆明理工大學(xué),2008:35.
[8] 武漢大學(xué)版社測(cè)繪學(xué)院測(cè)量平差學(xué)科組.誤差理論與測(cè)量平差基礎(chǔ)[M].武漢:武漢大學(xué)出版社,2003:102 -106.