三山島金礦開采環境生成與預測研究

趙 龍，李海龍

(山東黃金礦業(萊州)有限公司三山島金礦)

引 言

地下采場空間環境生成往往較為復雜，傳統平面設計使得工程技術人員不能直接獲取巷道系統的空間分布特征。為了在地下采場開采時獲得完整的采場空間環境，國內外學者進行了大量研究。江記洲等[1]根據地下金屬礦山巷道的空間立體幾何特征，采用圓柱面投影的方法將三維點云數據轉換為二維離散的點云數據，使用三角剖分的方法建立穩定可靠的三角網及二三維點云之間的拓撲關系，并針對國內地下礦山的巷道開展了三維激光掃描和三維重建試驗，對巷道的三維模型成功進行了實體模型重建,相較于傳統的三維建模方式，該種方法對巷道空間三維環境再現的精準率得到了極大的提高。李學軍等[2]提出了基于Supermap平臺開發采礦巷道三維可視化系統的各項功能模塊和具體的操作方法，達到了理想的使用效果；靳德武等[3]通過采集各種地質動態信息，構建了可視化的采場結構三維充水模型，最終應用在采場底板突水監測預警工作中，為井下水害防治提供了新的解決思路；石信肖等[4]使用三維激光掃描儀獲取煤礦巷道點云數據，并進行三維精細化模型建立，研究了狹長型海量巷道點云數據精細建模問題，借助某煤礦點云數據驗證了三維激光技術在巷道建模的可行性，為數字化礦山建設提供了精細化三維可視化模型。

在地下采場中，地應力隨著開采深度的增大逐步增高且變得越來越復雜。高地應力導致的井下安全作業問題也日益凸顯，而對于地質條件較為復雜的情況，則有可能出現巖爆、冒頂、片幫等安全事故。為了能夠實現對深部金屬礦開采物理環境的精準監測，國內外學者進行了大量的研究。徐文全等[5]為研究礦山采動空間圍巖應力演化規律及其導致煤巖失穩問題，基于靜水壓原理開發了采動應力監測傳感裝置，通過現場采動應力實測，實時獲取工作面煤巖體采動應力變化趨勢，為采場安全作業提供保障；FILIPPO等[6]通過光纖布拉格光柵(FBG)傳感器研發了光纖傳感系統來監測試件的變化情況，以精準監測鋼筋拱頂。張宇等[7-8]將光纖光柵傳感器用于硐室圍巖變形(應變)監測，光纖光柵傳感器具有更高的可靠性和連續性，采場環境感知效果好，驗證了光纖光柵傳感器在深部地下采場內監測的可靠性。

山東黃金礦業(萊州)有限公司三山島金礦(下稱“三山島金礦”)位于山東省萊州市，目前采用規?；療o人采礦技術，為了保障開采設備在采場內安全作業，開展了地下采場環境生成及預測研究，以期為礦山安全高效開采提供技術支撐。

1 三山島金礦試驗采場開采設計

地下金屬礦規?；療o人采礦技術示范區選取地點為三山島金礦西山礦區西南翼-630 m到-645 m分段水平，試驗采場范圍1440勘探線—1520勘探線。為滿足三山島金礦的生產需求和示范區安全作業的要求，針對規?；療o人開采工藝和開采裝備的特點，在開采過程中使用智能開采裝備鑿巖、裝藥，智能裝藥車完成炮孔裝藥作業后，利用井下的無線起爆網絡在地面集控進行遙控起爆，采用下向中深孔落礦嗣后充填連續采礦法開采(見圖1)。集群開采工藝示范區布置在-645 m分段，在-645 m分段內沿礦體走向布置試驗采場。采場礦體傾角45°，平均水平厚度15 m，炮孔采用下向扇形中深孔布置，傾角50°。礦房垂直礦體走向布置，寬8 m，高15 m，長度為礦體水平厚度。

圖1 下向中深孔落礦嗣后充填連續采礦法示意圖

1)采準工程布置。在-630 m分段水平，主斜坡道聯絡道處(已充填工程端部)掘進平巷至礦體端部，作為新的沿脈巷道，在沿脈巷道內掘進穿脈巷道貫通礦體，為下階段施工做準備。在-645 m分段水平，在現有沿脈平巷內向礦體側掘進平巷，縮短礦體與沿脈巷道的距離，沿礦體走向掘進新的沿脈巷道，減少后續出礦穿的工程量。

2)切割工程。切割工程由底部中段在礦體上盤沿礦體傾角掘進切割天井，先以礦房端部切割天井為初始自由面爆破形成切割槽，為后續爆破工作提供自由面。采場初步爆破完成后，出礦后的采空區即為該采場后續爆破的自由面。

3)鑿巖爆破及出礦。使用智能鑿巖臺車在-630 m分段以下向50°傾角鉆鑿扇形炮孔，待切割天井施工完畢，即可進行試驗采場爆破、出礦工作。出礦工作在-645 m分段水平出礦穿中進行，每次崩落的礦石由智能鏟運機運至10號溜井，溜井口配置有固定破碎機，可通過破碎機自主作業系統對大塊礦石進行二次破碎。

4)回采順序。試驗采場回采順序采用“隔一采一”的方式，即將礦塊劃分為一步采礦房和二步采礦柱，先采一步驟礦房，再回采二步驟間柱和頂柱。由-630 m分段沿脈巷道進入礦體開采區域，每隔一個礦房即可進行一個工作面的開采，先對一號礦房進行回采，礦房開采完畢，架設隔板，由-630 m分段對礦房進行尾砂膠結充填，待充填體達到一定的強度后，再對二號礦房進行開采，后續再進行充填作業，保證采場頂板的穩定性。

2 三山島金礦試驗采場空間環境生成

2.1 試驗采場空間點云數據采集

針對-645 m分段試驗采區內采場空間環境的生成方法，主要采用三維激光掃描進行采場三維空間數據的獲取[9]，采集工作主要包括設站點選擇、儀器架設、參數設定等。本次掃描采用的三維激光掃描儀型號為徠卡P40，具體參數見表1，其外觀見圖2。

現場數據采集時主要設站點位于穿脈巷道與分段平巷的交界點，對于穿脈巷道中三維激光覆蓋不到的點，則深入到穿脈巷道與回采巷道交界點進行掃描。由于巷道內實施掃描工作較地面環境更為狹小，在巷道走向上容易出現突出巖塊遮擋激光的現象，造成空間環境感知不夠完整的現象，針對此種可能發生的情況，在穿脈巷道和回采巷道內每隔5 m設置一個設站點，盡量使巷道內的點都被掃描到，具體設站點布置見圖3。

圖3 試驗采場三維激光掃描儀設站點布置示意圖

2.2 試驗采場空間點云數據處理

三維點云數據在獲取過程中會受到多種外界因素如被掃描物體表面的干濕程度、風力和風向、施工粉塵、移動的車輛、人員等的影響，造成點云數據產生噪點，需要在后期數據處理中剔除噪點。同時多區域點云數據的拼接、坐標轉換也是后期點云數據處理工作的重要內容。因此，三維激光掃描獲得的現場三維點云數據處理工作主要包括點云數據降噪、點云數據拼接與坐標轉換、點云數據分類、點云數據精簡、紋理映射及巖體表面形態提取等?？臻g環境生成時還要對掃描區域內的各類屬性要素進行識別提取，對無法分辨或判識不確定的，需要按先外后內進行調繪。

在凸起或凹陷物體的臨界邊緣，激光觸碰到目標體后可能會接收到2個甚至更多的反射信號。在實際掃描過程中，由于巷道圍巖對激光的反射性較弱，而巷道中管線及其他設施材料對激光的反射性較強，因此會導致某些部位掃描回來的點云數據產生一定的厚度積累甚至偏離物體表面。對于這種非實體表面點云數據，采用人工交互方法時則不容易剔除，針對該種情況，選擇采用算法自動進行點云數據的局部降噪，這里主要采用由Abdul Nurunnabi等提出的MCMD-Z自動降噪算法，算法具體步驟為：

輸入：Npi點pi的鄰域點集，個數記為k。

輸出：點pi的鄰域點集中正常點索引和異常點索引。

(1)

步驟2：遍歷點pi的鄰域點集中的所有點，計算出各自到擬合平面的正交距離OD。

(2)

步驟3：計算所有鄰域內點的Rz-score。

j=1,2,…,k

(3)

式中:medianm=1,2,…,k(ODm)為求取鄰域內所有點OD值的中值;MAD(OD)=1.483medianm=1,2,…,k(ODm)|ODj-medianm=1,2,…,k(ODm)|。

步驟4：逐個遍歷鄰域內所有點，判斷各自Rz-score是否小于2.5，如果小于，則為正常點，否則為異常點，分別對應存儲點索引到對應容器中。

使用MCMD-Z自動降噪算法處理完畢的巷道三維空間點云數據表現形態見圖4。

圖4 試驗采場空間點云數據處理后圖像

3 三山島金礦試驗采場物理環境生成

3.1 試驗采場物理環境感知裝置

為了實時準確地感知試驗采場在回采過程中采場圍巖的應力、位移、滲壓等物理環境數據變化情況，實現開采裝備作業過程中采場物理環境的實時可視化監測，研制了一套采場物理環境感知裝置。選取精度高、性能良好的光纖光柵傳感器用于實時采集試驗采場的應力、位移、滲壓等物理環境數據[10-12]，為試驗采場回采過程中開采裝備的安全作業提供采場物理環境實時變化數據。采場物理環境感知精度可達到99 %以上。采場物理環境感知裝置和光纖光柵傳感器見圖5。

圖5 采場物理環境感知裝置與光纖光柵傳感器

3.2 試驗采場光纖光柵傳感器安裝

根據-645 m分段開采示范區巖體的物理力學特性，利用Flac3D軟件對試驗采場進行三維建模，并對試驗采場采礦設計回采過程進行數值模擬，得到巷道內部位移、應變等物理環境變化情況(見圖6)。通過對模擬結果分析得出，在回采過程中采場圍巖的最大主應力和最大位移主要出現在頂板位置。根據數值模擬結果和現場試驗條件，確定試驗采場內物理環境數據采集點的最佳布置方案。

圖6 數值模擬回采過程巷道內部物理環境

在試驗采場開始回采前，利用鑿巖臺車完成光纖光柵傳感器布置孔的鉆孔作業(見圖7)。在傳感器布置孔鉆孔作業完成后立即進行光纖光柵傳感器的安裝作業(見圖8)，并對安裝后的傳感器工作狀態進行測試，測試正常之后進行傳感器布置孔的注漿作業，在注漿完成后開始對采場的物理環境數據進行實時采集和儲存[13-16]。

圖7 鑿巖臺車鉆孔作業現場

圖8 傳感器安裝作業現場

3.3 試驗采場物理環境數據采集

在光纖光柵傳感器安裝完成后，利用采場物理環境感知裝置對采場的物理環境參數(位移、應變、滲壓等)進行實時采集。物理環境感知裝置的測量頻率10 Hz，8個測量通道，每個通道最多可掛載17個傳感器，工作電壓220 V，功耗10 W。使用時，先將光纖光柵傳感器通過光纖與環境感知裝置連接，然后使用網線將環境感知裝置與電腦連接，實現試驗采場物理環境變化的可視化。在試驗采場開始回采時通過采場環境感知裝置，可以實現對試驗采場回采過程中采場圍巖的位移、應變、滲壓等各項物理環境數據的實時采集和儲存(見圖9)。

圖9 采場物理環境數據采集

4 三山島金礦試驗采場物理環境預測研究

由于回采巷道與采場內的物理環境隨礦石的采出進度、開采深度、巷道斷面尺寸和礦巖性質等因素影響呈現規律性分布，可通過一部分已經回采采場監測點的數據變化特征，預測相鄰采場物理環境變化。BP神經網絡在非線性關系預測領域有著十分明顯的優勢[17]，因此選用BP神經網絡算法建立采場物理環境預測模型。

4.1 預測模型構建

根據BP神經網絡的特性，試驗采場物理環境預測模型的訓練主要包含以下幾個步驟：

1)確定初始連接權值、層與層節點之間閾值。

2)對訓練集和測試集進行歸一化處理。

3)選擇遞推函數，迭代計算各層輸出值。

4)定義目標精度，迭代出符合精度的結果。

5)若迭代不收斂，則改變步驟1)后重復計算。

本文采用的BP神經網絡預測模型主要包含輸入層、隱含層和輸出層。研究表明，當隱含層為一層時已經有較好的非線性映射效果[18]，但為保證足夠的預測精度和較快的計算速度，本文采用隱含層層數為2的神經網絡模型。網絡傳遞選用S型傳遞函數(見式(4))和逆向傳播誤差函數(見式(5))不斷調節閾值和網絡權值，并最終使誤差函數F達到期望值。

(4)

(5)

式中：x為激活層的輸入；f(x)為激活層的輸出；ti為期望輸出；Oi為網絡的計算輸出；n為輸出解的個數。

神經網絡的輸入層包括到工作面距離l、巷道斷面面積S、回采進度t、監測點坐標(x,y,z)、埋深h、巖石變形參數(彈性模量E、泊松比v)、巖石強度參數(抗壓強度σc、抗拉強度σt、內聚力C、內摩擦角φ)等輸入變量；輸出層包括應力σ和位移u等輸出變量。

4.2 預測模型訓練

提取若干采場開采過程中各物理環境監測數據；其中選取不同回采巷道斷面尺寸，不同開采深度，共500組數據。對500組數據集中訓練，訓練次數設定為2 000次，將訓練集輸入到神經網絡中得到神經網絡預測模型。利用BP神經網絡預測模型得到試驗采場臨近采場位移、應變預測結果，見圖10、圖11。從圖10、圖11可以看出：現場監測提取值與BP神經網絡模型的預測值基本擬合。應力最大誤差為0.05 MPa，位移最大誤差為0.33 mm，與實際測量值誤差在5 %以內。

圖10 實測位移與預測結果對比

圖11 實測應力與預測結果對比

5 結 語

利用三維激光掃描儀對試驗采場進行掃描，然后通過對三維激光掃描獲得的現場三維點云數據進行點云數據降噪、點云數據拼接與坐標轉換、點云數據分類、點云數據精簡等處理，完成了試驗采場的空間環境生成；并對采場物理環境生成方法進行研究，利用Flac3D軟件對試驗采場回采過程進行數值模擬和分析，確定回采過程應力集中和位移較大的區域，在這些區域布置高精度的光纖光柵傳感器，利用性能穩定的光纖將光纖光柵傳感器與研制的采場物理環境感知裝置連接，實時采集并存儲采場的位移、應變、滲壓等物理環境數據；通過BP神經網絡算法建立試驗采場物理環境預測模型，能夠快速預測臨近采場回采中的物理環境變化，對開采裝備的安全運行和試驗采場的安全生產有著重要的指導意義。