CC BY
12
А.В. Липина, А.И. Маневич
ПЕРСПЕКТИВНЫЕ НАПРАВЛЕНИЯ В ПРОЕКТИРОВАНИИ СЕТЕЙ ПУНКТОВ СБОРА ИНФОРМАЦИИ ПРИ ИНЖЕНЕРНО-ГЕОЛОГИЧЕСКИХ ИССЛЕДОВАНИЯХ НАМЫВНЫХ МАССИВОВ, ОТКОСНЫХ СООРУЖЕНИЙ И ИХ ОСНОВАНИЙ
Рассмотрен метод позиционирования точек сбора инженерно-геологической и гидрогеологической информации. Обоснована применимость разработанного метода построения сетей инженерно-геологического опробования в качестве математического обеспечения САПР. Проведенные исследования показали, что моделирование пространственной изменчивости характеристик гидроотвалов позволяет сократить на 25-30% объемы полевых исследований. Разница между результатами, полученными по традиционной методике и разработанной, не превышает 5%, что укладывается в статистическую погрешность расчетов. Применение рассмотренной математической модели в специализированных САПР для горнодобывающей промышленности позволит повысить качество самих систем автоматизированного проектирования, предназначенных для горнодобывающей промышленности, за счет минимизации количества точек опробования в сети.
Ключевые слова: горное дело, мониторинг, коэффициент запаса устойчивости, инженерно-геологические исследования, складирование горнопромышленных отходов, хвостохранилище, откосные сооружения, проектирование сетей опробования, системы автоматизированного проектирования.
Все виды хозяйственной деятельности разделяются на четыре этапа: планирование, проектирование, разработка (строительство) и эксплуатация. Данная классификация во многом определяет задачи проведения инженерно-геологических
ISSN 0236-1493. Горный информационно-аналитический бюллетень. 2017. № 1. С. 387-395. © 2017. А.В. Липина, А.И. Маневич.
исследований (ИГИ), как в горном деле, так и в других отраслях хозяйствования. Владение необходимым объемом информации об объекте позволяет на каждой стадии ведения деятельности принимать наиболее выгодные и перспективные решения. В то же время инженерно-геологические изыскания, которые являются основным и наиболее достоверным источником информацию о горном объекте, непосредственной прибыли не приносят, к тому же незначительное повышение точности после некоторого уровня (для каждого объекта он свой) требует колоссального увеличения объема исследований. Отсюда следует, что необходимо определить необходимый и достаточный уровень информации, который позволит наиболее рационально управлять объектом [1, 2].
В последнее десятилетие в России и Мире при ведении открытых горных работ значительно увеличилось количество аварийных ситуаций, связанных с оползнями: борт карьера Бингхем-Каньон, отвал разреза «Заречный» и ряд других менее масштабных происшествий. В добывающей промышленности данная тенденция будет сохраняться и далее в связи с усложнением горно-геологических условий ведения работ, ростом объемов отходов, растущим дефицитом минерального сырья, увеличением углов откосных сооружений для минимизации нарушенных площадей и максимального извлечения полезного ископаемого. Аналогичная ситуация складывается и в строительстве: нехватка территорий, освоение участков с уникальными климатическими, ландшафтными и другими характеристиками во многих случаях обусловливают необходимость возведения и эксплуатации зданий и сооружений в горных районах, отличающихся повышенной оползнеопасностью склонов. Анализ нештатных ситуаций на горных предприятиях и крупных строительных площадках показывает, что их основными причинами является нехватка инженерно-геологической информации и нарушение проектных решений [3, 4].
Эксплуатация потенциально оползнеопасных откосов, обладающих низкими значениями коэффициентов запаса устойчивости (менее 1,2) или находящихся в состоянии предельного равновесия, может привести к аварийным ситуациям даже при незначительных изменениях гидрогеологических, инженерно-геологических и сейсмических условий, а также при увеличении техногенной нагрузки на породный массив. Это обусловливает необходимость постоянного контроля состояния потенциально оползневых склонов и откосных сооружений для своевре-
менного принятия необходимых управленческих решений для обеспечения их устойчивости.
На сегодняшний день в Российской Федерации разработан и внедрен ряд систем оползневого контроля на горных предприятиях, вдоль железных и автомобильных дорог, а также на крупных строительных площадках, расположенных в горных районах со сложными инженерно-геологическими условиями. Однако сбор данных в этих системах осуществляется разрознено, что не отвечает современным тенденциям в горном и строительном деле, требующим комплексного освоения геологической среды. Сети опробования проектируются на основе опыта разработчика без учета особенностей пространственной и временной изменчивости свойств исследуемого объекта. Результатом такого подхода является в одних случаях избыточность данных, что приводит к лишним затратам (особенно в случаях, когда внедрение систем контроля требует значительных объемов буровых работ или использования дорогостоящего оборудования), в других — получаемая информация является неполной, что значительно снижает качество оценки устойчивости откосного сооружения и проектирования мероприятий по управлению его состоянием.
Многолетний опыт проведения инженерно-геологических работ Горным институтом НИТУ «МИСиС» (бывший МГГУ), МГРИ-РГУУ им. Серго Орджоникидзе, ВНИМИ, ВИОГЕМ и др., показывает, что около 30% точек опробования не дают информации о массиве, иначе говоря, их можно полностью исключить. Современные методы проектирования инженерно-геологических сетей в основном базируются на принципе «последовательного сгущения» в результате чего возникает избыточность: объект заранее разбивается на участки изысканий, при этом такое деление базируется исключительно на опыте инженера. Применив принцип «последовательных приближений», в этом случае исследование массива производится квазиодновременно можно добиться значительного снижения временных и денежных затрат за счет использования современных способов статистики, в первую очередь, кластерного анализа и методов прогнозирования [5].
В любом из вышеизложенных случаев сгущение сети производится последовательно (однако шаг итерации при этом сильно отличается) на основании материалов, полученных на предыдущих этапах. Данный процесс повторяется до тех пор, пока не будет достигнута необходимая в условиях решаемой
ОБЪЕДИНЕНИЕ КЛАСТЕРОВ
□С
ПОИСК ЦЕНТРА НОВОГО КЛАСТЕРА
□С
АНАЛИЗ СОСТОЯНИЯ
Рис. 1. Определение границ ИГ зон по методу В.В. Ческидова
проблемы точность. За нулевой шаг необходимо выбрать такие показатели техногенного массива, которые не изменяются во времени. При районировании на хвостохранилищах и гидроотвалах одним из главных показателей является грансостав, определяемый процессами фракционирования при намыве, этот параметр можно использовать на нулевом шаге изучения. При исследовании массива во времени данная итерация не требует повторения, так как грансостав не изменяется во времени.
Процесс обработки натурных данных и определения положения границ зон на гидроотвале или хвостохранилище в разработанном В.В. Ческидовым методе на каждом из этапов сгущения сети можно представить в виде блок-схеме, представленной на рис. 1 [5, 6].
В представленной схеме наиболее сложной является проблема нормирования шкал. При проведении натурных исследований наблюдается множество показателей для одной пробы. Пусть имеется матрица наблюдений X размерностью «хт, строки которой соответствуют пробам, i = 1,2,...,«, а столбцы содержат значения показателей, j = 1,2,.,т, полученные в точке наблюдения ¡. При исследовании техногенных массивов возникает проблема невозможности сравнения проб, так как большинство показателей измеряются в различных шкалах. Для этого необходимо ввести относительную шкалу схожести объектов между собой, тогда получим новую матрицу симметричную относительно главной диагонали размером «х«, каждый элемент которой будет показывать, в относительных долях единицы, насколько один элемент схож с другим.
При проектировании всех нижеописанных инженерно-геологических сетей использовалось преобразование, в котором в
качестве нулевого уровня выступает среднее значение, а в качестве интервала варьирования — усредненное Евклидово расстояние от нулевого значения [7]:
Апробация разработанного метода проводилась на основе изысканий прошлых лет: выявлялись точки опробования, не дающие информацию об объекте, таким образом, были полученные новые сете ИГИ на гидроотвале «Лог Шамаровский» Михайловского ГОКа и гидроотвале «Бековский» Бачатского угольного разреза. Результаты проектирования сетей представлены на рис. 2 и 3 соответственно
Проведенные исследования показали, что моделирование пространственной изменчивости характеристик гидроотвалов позволяет сократить на 25—30% объемы полевых исследований. Разница между результатами, полученными по традици-
Рис. 2. Инженерно-геологическая сеть опробования гидроотвала «Лог Шамаровский», построенная с помощью разработанного метода: 1 - упорная призма; 2 — вспомогательные дамбы обвалования; 3 — границы заполнения гидроотвала; 4 — водоотводная канава; 5 — промоина; 6 — границы ИГ зон, полученные обычным способом; 7 — границы ИГ зон, полученные с помощью разработанного метода; 8, 9, 10 — точки опробования первой, второй и третьей итераций соответственно
(1)
м 100 0 100 200 300 м
Рис. 3. Инженерно-геологическая сеть опробования с распределенной плотностью гидроотвала «Бековский»: 1 — контур территории гидроотвала; 2 — упорная призма; 3 — изолинии мощностей намывных масс; 4, 5 — точки опробования первой и второй итераций соответственно; 6 — горизонталь основания гидроотвала; 7 — горизонтали местности; 8, 9 — границы ИГ участков, полученные существующим и разработанным методами; 10 — точки опробования техногенных отложений
онной методике и разработанной, не превышает 5%, что укладывается в статистическую погрешность расчетов.
Выбранный способ определения статистического расстояния: Евклидова мера — достаточно четко позволяет разграничивать пробы, оно распределено экспоненциальным законом по фронту намыва, что не противоречит физическим основам фракционирования. Изменение по пространственной координате Евклидова расстояния позволяет позиционировать точки опробования, как на первом этапе построения сети, так и на этапе сгущения, без использования дополнительных операций.
Разработанная математическая модель отличается гибкостью, соответственно легко расширяема. Любой из этапов нормирования данных или разбиения объектов на кластеры может быть заменен другим статистическим способом, что позволяет применять полученный метод для различных объектов, обладающих пространственной изменчивостью.
Важнейшим преимуществом рассматриваемой модели, является тот факт, математический аппарат, используемый при
проектировании инженерно-геологический сетей опробования однозначен, соответственно легко формализуем на ЭВМ. Результаты расчетов представляются в виде дендрограмм и таблиц, исследователь может отслеживать все этапы работы алгоритма. На сегодняшний день в рамках изысканий на техногенных массивах можно говорить, о принципиально новом способе ведения работ, в котором минимизирована роль человеческого фактора, следовательно, и субъективность исследований [8].
Использование статистических способов построения инженерно-геологических сетей в корне меняет процесс исследования на массивах. Выбранный метод предполагает определение и уточнение всех границ участков одновременно, что не возможно при последовательном исследовании массива. Применение рассмотренной математической модели в специализированных САПР для горнодобывающей промышленности позволит повысить качество самих систем автоматизированного проектирования, предназначенных для горнодобывающей промышленности, за счет минимизации количества точек опробования в сети.
СПИСОК ЛИТЕРАТУРЫ
1. Бондарик Г.К., Ярг Л. А. Инженерно-геологические изыскания: учебник. 2-е изд. — М.: КДУ, 2008.
2. Ческидов В. В. Разработка метода построения сетей инженерно-геологических исследований техногенных массивов: Автореферат диссертации на соискание ученой степени канд. тех. наук. — М.: МГГУ, 2012. — 168 с.
3. Ческидов В. В. Инженерно-геологическое обеспечение управления состоянием массивов горных пород на оползнеопасных территориях // Горная промышленность. — 2015. — № 1 (119). — С. 84.
4. Ческидов В. В. Инженерно-геологическое обеспечение при строительстве линейных объектов в условиях северного Кавказа / II Международная научно-практической конференция «Актуальные вопросы технических наук в современных условиях», 2015. — СПб., 2015. — С. 104—108.
5. Ческидов В. В. Проектирование сетей инженерно-геологического опробования на техногенных массивах горнодобывающей промышленности // Горный информационно-аналитический бюллетень. — 2012. — № 12. — С. 367—371.
6. Ческидов В. В. Инженерно-геологическое районирование территории проектируемого юго-западного отвала вскрышных пород ОАО «Стойленский ГОК» // Горный информационно-аналитический бюллетень. — 2015. — № 11. — С. 24—31.
7. Шитиков В. К., Розенберг Г. С., Зинченко Т. Г. Количественная гидроэкология: методы системной идентификации. — Тольятти, ИЭВБ РАН, 2003. — 463 с.
8. Ческидов В. В. Перспективы использования САПР при инженерно-геологических изысканиях на открытых горных разработках // Горный информационно-аналитический бюллетень. — 2011. — № 11. — С. 355-361.
9. Гальперин А. М. Геомеханика открытых горных работ. — М.: МГГУ, 2003. — 471 с.
10. Родионова И. А., Липина С. А., Журавель В. П., Пушкарев В. А. Обеспечение экологической безопасности: государственное управление арктическим регионом // Современные проблемы науки и образования. — 2015. — № 1—1. — С. 624.
11. Nivlet P., Fournier F., Royer J. J. A New Nonparametric Discriminant Analysis Algorithm Accounting for Bounded Data Errors // Mathematical Geology. — 2002. — № 2 (34).
12. Viktorov A. Risk assessment based on the mathematical model of diffuse exogenous geological processes // Mathematical Geology. — 2007. — № 8(39).
13. Vijay Pakhmode, Himanshu Kulkarni, Deolankar S. B. Hydrological-drainage analysis in watershed-programme planning: a case from the Deccan basalt, India // Hydrogeology Journal, Springer-Verlag GmbH. — 2003. — № 11. ii^
КОРОТКО ОБ АВТОРАХ
Липина А.В. — студентка, e-mail: a.v.lipina@mail.ru, Институт Экотехнологий и инжиниринга, НИТУ «МИСиС», Маневич А.И. — младший научный сотрудник, студент, e-mail: alm-94@yandex.ru, МГИ НИТУ «МИСиС».
Gornyy informatsionno-analiticheskiy byulleten'. 2017. No. 1, pp. 387-395. A.V. Lipina, A.I. Manevich PERSPECTIVE TRENDS IN DESIGNING THE NETWORKS TO COLLECT INFORMATION OF PLATFORM AT ENGINEERING-GEOLOGICAL STUDIES OF WAVE-BUILT SOLID MASS, SLOPING STRUCTURES AND THEIR FOUNDATIONS
This article describes a method of positioning the collection of geotechnical and hydro-geological data points. The method is based on detecting variation of rock properties in space and time. This approach reduces the cost of testing and laboratory testing without losing reliability of the data to assess the condition of man-made arrays and their bases. Applicability of developed constructing networks geotechnical testing method as software of computer-aided design systems.
One of the main reasons for the large man-made disasters in the practice of mining and construction is the lack of information on the properties and state of the subsurface rock (rock mass). Getting geotechnical data process requires significant financial and time expenses, but the end result of it does not bring immediate tangible assets. Due with the above facts, we can conclude: the question of the development of new testing methods for designing networks in the study of rock mass is relevant to modern science.
UDC 624.131.3; 622:51-7
Research has shown that modeling the spatial variability characteristics of slurry pumps can reduce by 25-30% the volume of fieldwork. The difference between the results obtained by the traditional method and developed, do not exceed 5%, which fits in with statistical error of calculations. The use of statistical methods for constructing geotechnical networks change the research process on the solid mass.The method chosen involves the definition and specification of the boundaries of all areas simultaneously, which is not possible with the serial mass study. The use of a mathematical model discussed in specialized CAD software for the mining will improve the quality of the computer-aided design systems for mining industry, by minimizing the number of sampling points in the network.
Key words: mining, monitoring, safety factor, stability coefficient, geotechnical surveys, engineering geology, storage of mining-industrial wastes, storage of mining waste, tailing dump, sloping structures, designing testing networks, computer-aided-design, CAD.
AUTHORS
LipinaA.V., Student, e-mail: a.v.lipina@mail.ru,
Institute of Ecotechnology and Engineering, National University of Science and Technology «MISiS», 119049, Moscow, Russia, Manevich A.I., Junior Researcher, Student, e-mail: alm-94@yandex.ru, Mining Institute, National University of Science and Technology «MISiS», 119049, Moscow, Russia.
REFERENCES
1. Bondarik G. K., Yarg L. A. Inzhenerno-geologicheskie izyskaniya: uchebnik. 2-e izd. (Geotechnical surveys: the textbook: Textbook, 2nd edition), Moscow, KDU, 2008.
2. Cheskidov V. V. Razrabotka metodapostroeniya setey inzhenerno-geologicheskikh issle-dovaniy tekhnogennykh massivov (Development of a method of constructing networks geotechnical studies technogenic massifs), Candidate's thesis, Moscow, MGGU, 2012, 168 p.
3. Cheskidov V. V. Gornayapromyshlennost'. 2015, no 1 (119), pp. 84.
4. Cheskidov V. V. II Mezhdunarodnaya nauchno-prakticheskoy konferentsiya «Aktual'nye voprosy tekhnicheskikh nauk v sovremennykh usloviyakh» (Actual problems of engineering science in modern conditions. II International scientific-practical conference, 2015), Saint-Petersburg, 2015, pp. 104-108.
5. Cheskidov V. V. Gornyy informatsionno-analiticheskiy byulleten'. 2012, no 12, pp. 367-371.
6. Cheskidov V V. Gornyy informatsionno-analiticheskiy byulleten'. 2015, no 11, pp. 24-31.
7. Shitikov V. K., Rozenberg G. S., Zinchenko T. G. Kolichestvennaya gidroekologiya: metody sistemnoy identifikatsii (Quantitative hydroecology: system identification techniques), Tol'yatti, IEVB RAN, 2003, 463 p.
8. Cheskidov V. V. Gornyy informatsionno-analiticheskiy byulleten'. 2011, no 11, pp. 355-361.
9. Gal'perin A. M. Geomekhanika otkrytykh gornykh rabot (Geomechanics open pit mining), Moscow, MGGU, 2003, 471 p.
10. Rodionova I. A., Lipina S. A., Zhuravel' V. P., Pushkarev V. A. Sovremennye prob-lemy nauki i obrazovaniya. 2015, no 1-1, pp. 624.
11. Nivlet P., Fournier F., Royer J. J. A New Nonparametric Discriminant Analysis Algorithm Accounting for Bounded Data Errors. Mathematical Geology. 2002, no 2 (34).
12. Viktorov A. Risk assessment based on the mathematical model of diffuse exogenous geological processes. Mathematical Geology. 2007, no 8(39).
13. Vijay Pakhmode, Himanshu Kulkarni, Deolankar S. B. Hydrological-drainage analysis in watershed-programme planning: a case from the Deccan basalt, India. Hydro-geology Journal, Springer-Verlag GmbH. 2003, no 11.
