基于块体化程度和云模型的露天矿边坡稳定性分级评价方法-sup-①-_sup-_和大钊.pdf

基于块体化程度和云模型的露天矿边坡稳定性 分级评价方法 ① 和大钊， 胡 斌， 姚文敏， 李立辰， 李华舟 （中国地质大学（武汉） 工程学院，湖北 武汉 ４３００７４） 摘 要 针对当前边坡稳定性分级方法不能全面刻画岩体的完整性且无法同时考虑影响因子随机性和模糊性的问题，引入了块体 化程度概念，并基于云模型理论，提出了一种适用于露天矿岩质边坡的稳定性分级评价方法。 该方法用块体化程度从三维空间角 度描述岩体的完整性；将云模型应用到稳定性分级评价的各个环节，并借助层次分析法和有限差分数值模拟手段，可以充分考虑影 响因子的随机性和模糊性，减小分级评价过程中人为因素的影响。 结合工程实例，验证了该方法的可行性和有效性。 关键词 露天矿山； 边坡； 稳定性分级评价； 块体化程度； 云模型； 层次分析法 中图分类号 ＴＵ４５７文献标识码 Ａｄｏｉ１０．３９６９／ ｊ．ｉｓｓｎ．０２５３－６０９９．２０１７．０４．００２ 文章编号 ０２５３－６０９９（２０１７）０４－０００６－０５ Ｓｔａｂｉｌｉｔｙ Ｇｒａｄｉｎｇ Ｍｅｔｈｏｄ ｆｏｒ Ｏｐｅｎ Ｐｉｔ Ｓｌｏｐｅ Ｂａｓｅｄ ｏｎ Ｂｌｏｃｋｎｅｓｓ ａｎｄ Ｃｌｏｕｄ Ｍｏｄｅｌ ＨＥ Ｄａ⁃ｚｈａｏ， ＨＵ Ｂｉｎ， ＹＡＯ Ｗｅｎ⁃ｍｉｎ， ＬＩ Ｌｉ⁃ｃｈｅｎ， ＬＩ Ｈｕａ⁃ｚｈｏｕ （Ｓｃｈｏｏｌ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｇｅｏｓｃｉｅｎｃｅｓ （Ｗｕｈａｎ）， Ｗｕｈａｎ ４３００７４， Ｈｕｂｅｉ， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ａｉｍｉｎｇ ａｔ ｓｏｌｖｉｎｇ ｄｅｆｉｃｉｅｎｃｉｅｓ ｉｎ ｔｈｅ ｅｘｉｓｔｉｎｇ ｓｔａｂｉｌｉｔｙ ｇｒａｄｉｎｇ ｍｅｔｈｏｄ， ｗｈｉｃｈ ｃａｎ′ｔ ｄｅｌｉｎｅａｔｅ ｔｈｅ ｉｎｔｅｇｒｉｔｙ ｏｆ ｒｏｃｋ ｍａｓｓ ａｎｄ ｔａｋｅ ｂｏｔｈ ｒａｎｄｏｍｎｅｓｓ ａｎｄ ｆｕｚｚｉｎｅｓｓ ｏｆ ｉｎｆｌｕｅｎｃｅ ｆａｃｔｏｒｓ ｉｎｔｏ ａｃｃｏｕｎｔ， ａ ｆａｃｔｏｒ ｏｆ ｂｌｏｃｋｎｅｓｓ ｗａｓ ｉｎｔｒｏｄｕｃｅｄ ｔｏ ｅｖａｌｕａｔｅ ｔｈｅ ｓｔａｂｉｌｉｔｙ ｇｒａｄｅ ｏｆ ｒｏｃｋ ｓｌｏｐｅ ｉｎ ｏｐｅｎ⁃ｐｉｔ ｍｉｎｅ ｂａｓｅｄ ｏｎ ｃｌｏｕｄ ｍｏｄｅｌ ｔｈｅｏｒｙ． Ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｃａｎ ｄｅｎｏｔｅ ｔｈｅ ｒｏｃｋ ｍａｓｓ ｉｎｔｅｇｒｉｔｙ ｕｓｉｎｇ ｂｌｏｃｋｎｅｓｓ ｉｎ ｔｅｒｍｓ ｏｆ ｔｈｒｅｅ⁃ｄｉｍｅｎｓｉｏｎａｌ ｓｐａｃｅ． Ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｃｌｏｕｄ ｍｏｄｅｌ ｔｈｒｏｕｇｈ ｔｈｅ ｗｈｏｌｅ ｐｒｏｃｅｓｓ ｏｆ ｓｔａｂｉｌｉｔｙ ｇｒａｄｉｎｇ， ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｔｈｅ ａｎａｌｙｔｉｃ ｈｉｅｒａｒｃｈｙ ｐｒｏｃｅｓｓ ａｎｄ ｆｉｎｉｔｅ ｄｉｆｆｅｒｅｎｃｅ ｎｕｍｅｒｉｃａｌ ｓｉｍｕｌａｔｉｏｎ， ｃａｎ ｂｒｉｎｇ ｔｈｅ ｐａｒａｍｅｔｅｒｓ′ ｒａｎｄｏｍｎｅｓｓ ａｎｄ ｆｕｚｚｉｎｅｓｓ ｉｎｔｏ ａ ｆｕｌｌ ｃｏｎｓｉｄｅｒａｔｉｏｎ， ｒｅｓｕｌｔｉｎｇ ｉｎ ｔｈｅ ｇｒａｄｉｎｇ ｅｖａｌｕａｔｉｏｎ ｐｒｏｃｅｓｓ ｌｅｓｓ ｅｆｆｅｃｔｅｄ ｂｙ ｓｕｂｊｅｃｔｉｖｅ ｆａｃｔｏｒｓ． Ａｔ ｌａｓｔ， ｔｈｉｓ ｍｅｔｈｏｄ ｉｓ ｖｅｒｉｆｉｅｄ ｔｏ ｂｅ ｆｅａｓｉｂｌｅ ａｎｄ ｅｆｆｅｃｔｉｖｅ ｂｙ ｐｒｏｊｅｃｔ ｐｒａｃｔｉｃｅ． Ｋｅｙ ｗｏｒｄｓ ｏｐｅｎ⁃ｐｉｔ ｍｉｎｅ； ｓｌｏｐｅ； ｓｔａｂｉｌｉｔｙ ｇｒａｄｉｎｇ； ｂｌｏｃｋｎｅｓｓ； ｃｌｏｕｄ ｍｏｄｅｌ； ａｎａｌｙｔｉｃ ｈｉｅｒａｒｃｈｙ ｐｒｏｃｅｓｓ 我国有 ３０％以上的矿山属于露天矿山，随着采矿 工艺水平的提高，露天矿边坡的规模也越来越大，对其 稳定性的分级评价也变得愈发困难。 近年来许多学者 将不同理论方法应用到边坡稳定性分级评价中，如 ＲＭＲ 岩体质量分级［１］、ＢＱ 岩体质量分级［２］、模糊综合 评判法［３］、物元可拓模型［４］、粗糙集理论［５］、灰色理 论［６］、粒子群算法［７］、 集对分析理论［８］、 层次分析 法［９］、云模型［１０］等，这些方法的侧重点各不相同，都取 得了有益的研究成果。 岩体完整性是边坡稳定性分级评价的一个重要指 标，但是目前大多数方法以节理间距、岩体质量指标 ＲＱＤ 值等作为评价指标只能从一维角度衡量岩体完 整性程度，难以准确反映岩体三维空间上受结构面的 切割情况［１１］。 此外，边坡稳定性评价研究中涉及许多 主观经验问题，大多数方法无法综合考虑影响因子的 随机性和模糊性。 针对上述缺陷，本文基于块体化程 度和云模型理论，提出了一种露天矿岩质边坡稳定性 分级评价新方法。 １ 块体化程度 岩体块体化程度的量化指标为块体百分比 Ｋ，定 义为岩体中被结构面切割圈闭形成的块体的体积之和 与岩体总体积的比值，范围为 ０～１００％［１２］，一般采用 表征单元体的块体百分比来表示。 表征单元体指块体 ①收稿日期 ２０１７－０３－０１ 基金项目 国家自然科学基金（４１６７２３１７） 作者简介 和大钊（１９９１－），男，山东泰安人，硕士研究生，主要从事边坡稳定性分析与岩土数值模拟方面的研究。 第 ３７ 卷第 ４ 期 ２０１７ 年 ０８ 月 矿矿 冶冶 工工 程程 ＭＩＮＩＮＧ ＡＮＤ ＭＥＴＡＬＬＵＲＧＩＣＡＬ ＥＮＧＩＮＥＥＲＩＮＧ Ｖｏｌ．３７ №４ Ａｕｇｕｓｔ ２０１７ ChaoXing 百分比达到基本稳定时岩体的临界尺。 块体百分比越 大表示块体化程度越高，岩体完整性越差。 用块体化程度可从三维空间更加全面地描述岩体 的完整程度，并且块体百分比是通过野外结构面调查 的初始数据进行块体计算所得，相比大规模钻探获取 ＲＱＤ 值更加省时省力。 步骤将研究区域内实测的包括层面和随机裂隙 在内的Ⅳ级结构面进行分组统计，利用逆建模方法［１３］ 确定各组结构面的方向、空间位置分布、密度和结构面 的大小，从而建立表征单元体的三维裂隙网络模型，基 于一般块体理论并借助 Ｇｅｎｅｒａｌ Ｂｌｏｃｋ 软件［１４］对随机 块体进行计算识别。 将计算所得的块体数据进行统计 分析并类比土力学中粒径级配累积曲线的概念［１５］，绘 制块体体积累积曲线，根据岩体完整程度定性划分标 准［１６］和文献［１２］给出的岩体块体化程度分类标准，通 过块体百分比和块体体积累积曲线划分岩体完整性程 度，进而评价岩体质量。 ２ 云模型分级评价方法 云模型是李德毅等［１７］提出的一种将概念形式化 表达和分析的理论，主要反映客观世界与人类知识概 念的模糊性、随机性以及二者的关联性。 ２．１ 云模型定义 设 Ｚ 为一个用精确数值表示的定量论域，Ｃ 为 Ｚ 上的定性概念，若定量值 ｘ∈Ｚ，且 ｘ 是定性概念 Ｃ 的 一次随机实现，ｘ 对 Ｃ 的确定度 μ（ｘ）∈［０，１］是具有 稳定倾向的随机数，则 ｘ 在论域 Ｚ 上的分布称为云，每 个 ｘ 称为一个云滴，每朵云都由许多云滴组成，每一个 云滴就是这个定性概念映射到数域空间的一个点。 云模型的数字特征用期望 Ｅｘ、熵 Ｅｎ 和超熵 Ｈｅ 表 征，反映了定性概念的定量特征。 Ｅｘ 反映了概念在论 域空间的中心值；Ｅｎ 是定性概念随机性和模糊性的度 量，反映了云滴的离散程度；Ｈｅ 是描述熵不确定性的 度量，间接反映了云的厚度。 ２．２ 云模型分级评价体系的建立 考虑到露天矿山岩质边坡稳定性影响因子的复杂 性，本文将层次分析法（ＡＨＰ）应用到评语层云模型、 权重云模型和隶属度云模型等构建过程中，使分级评 价过程更加系统化、层次化。 ２．２．１ 评价指标体系 建立评价指标体系是进行稳定性评价的基础，基 于国内现行规范、文献资料、已有研究成果、实验研究 成果、工程地质类比及露天矿山工程实际，采用层次分 析法建立了如图 １ 所示的分级评价指标体系，用块体 化程度指标代替 ＲＱＤ 值和节理间距两项子指标，并针 对露天矿山着重考虑了开挖方式、控制边坡整体稳定 性的软弱层（Ⅲ级结构面）的性质等。 力学参数 d弹性模量GPa a块体百分比 b粘聚力kPa c内摩擦角 e单轴抗压强度MPa i内摩擦角 f 倾向与边坡倾向夹角 g软弱层的层数 h粘聚力kPa j弹性模量GPa n植被覆盖率 k坡高m l坡度 m风化程度 o坡角 s多年平均暴雨天数d p台阶高度m q爆破影响程度 r多年平均降雨量mm t 地表径流条件 u岩土渗透性 v历史最大地震烈度 指标层准则层 岩块 力学参数 软 弱 层 性 质 露 天 矿 岩 质 边 坡 稳 定 性 分 级 评 价 岩 体 性 质 地 形 地 貌 评 语 层 气 象 水 文 开 挖 方 式 图 １ 露天矿岩质边坡稳定性分级评价指标 评价体系的评语层有稳定（Ⅰ）、基本稳定（Ⅱ）、 次不稳定（Ⅲ）和不稳定（Ⅳ）共 ４ 个级别，对应的各指 标分级标准值如表 １ 所示。 ２．２．２ 评语层云模型 正向云发生器是定性到定量的映射，实现了从语 言值表达的定性信息中获得定量范围和分布规律，因 此可以运用正向正态云发生器在体现随机性和模糊性 的基础上实现边坡稳定性分级的定量化。 为提高等级评价结果的可区分性，对边坡稳定性 从 １～９ 进行量化，分值越大表示越有利于边坡的稳定 性，规定区间［１，３），［３，５），［５，７），［７，９］分别对应稳 定性级别为Ⅳ，Ⅲ，Ⅱ，Ⅰ级，各等级对应的云模型数字 特征计算公式为 Ｅｘ ＝ （Ｂｍａｘ ＋ Ｂ ｍｉｎ） ／２ Ｅｎ ＝ （Ｂｍａｘ － Ｂ ｍｉｎ） ／３ Ｈｅ ＝ ０．０２ ■ ■ ■ ■ ■ ■ ■ （１） ７第 ４ 期和大钊等 基于块体化程度和云模型的露天矿边坡稳定性分级评价方法 ChaoXing 表 １ 岩质边坡稳定性评价指标分级标准 稳定性级别ⅠⅡⅢⅣ 岩 体 性 质 ａ０～１０１０～３０３０～６０６０～１００ 力 学 参 数 ｂ＞２５０１２０～２５０６０～１２０＜６０ ｃ＞４０２５～４０１５～２５＜１５ ｄ＞５６１８～５６１．８～１８＜１．８ ｅ＞１５０８０～１５０５０～８０＜５０ 软 弱 面 性 质 ｆ＞９０６０～９０３０～６０＜３０ ｇ＜２２～５５～８＞８ 力 学 参 数 ｈ＞２０１０～２０４～１０＜４ ｉ＞２５１５～２５１０～１５＜１０ ｊ＞１０５～１０１～５＜１ 地 形 地 貌 ｋ＜５０５０～１００１００～１５０＞１５０ ｌ＜１５１５～３０３０～４５＞４５ ｍ未风化微风化中风化强风化 ｎ＞３０１５～３０５～１５＜５ 开 挖 方 式 ｏ＜５０５０～６５６５～８０＞８０ ｐ＜８８～１２１２～１５＞１５ ｑ小较小较大大 气 象 水 文 ｒ＜５００５００～１ ０００１ ０００～１ ５００＞１ ５００ ｓ０～５５～１５１５～２５＞２５ ｔ好较好较差差 ｕ好较好较差差 地震烈度ｖ＜３３～５５～８＞８ 式中 Ｂｍａｘ和 Ｂｍｉｎ分别为某等级标准的最大和最小边 界，熵（Ｅｎ）的计算根据 ３Ｅｎ 规则，超熵（Ｈｅ）可根据变 量的模糊阈度进行调整，这里取 ０．０２。 云模型的 ３ 个数字特征确定后，在 ＭＡＴＬＡＢ 中可 将评语层生成对应的云模型。 各等级都是由以期望为 中心的大量云滴构成的，云滴的随机与模糊分布体现 了评语层的随机性和模糊性。 ２．２．３ 权重云模型 权重的确定是稳定性评价的关键，也是评价过程 中最容易受到专家主观性影响的环节。 常用的减弱主 观性影响的方法是层次分析法［９］、熵权法［１８］等。 本文 通过构建基于云模型标度的稳定性影响因子两两比较 判断矩阵对层次分析法进行改进，云模型的标度准 则［１９］如表 ２ 所示。 表 ２ 云模型标度准则 稳定性影响因子 重要性定义 标度值云模型 Ｃ （Ｅｘ，Ｅｎ，Ｈｅ） Ｂｉ比 Ｂｊ 重要 绝对的Ｃ４（９，０．３３，０．０５） 强烈的Ｃ３（７，０．３３，０．０５） 明显的Ｃ２（５，０．３３，０．０５） 稍微的Ｃ１（３，０．３３，０．０５） Ｂｉ与 Ｂｊ同样重要Ｃ０（１，０，０） Ｂｉ不如 Ｂｊ 重要 稍微的Ｃ５（１／３，０．３３／９，０．０５／９） 明显的Ｃ６（１／５，０．３３／２５，０．０５／２５） 强烈的Ｃ７（１／７，０．３３／４９，０．０５／４９） 绝对的Ｃ８（１／９，０．３３／８１，０．０５／８１） 对所构造的两两比较判断矩阵作一致性检验后， 采用方根法对判断矩阵中的元素按式（２） ～ （４）计算 权重云模型的数字特征，Ｅｘ 越大则权重越大。 Ｅｘｉ＝ Ｅｘｉ ∑Ｅｘｉ ＝ ∏ ｎ ｊ ＝ １ Ｅｘｉｊ １ ｎ ∑ ｎ ｉ ＝ １ ∏ ｎ ｊ ＝ １ Ｅｘｉｊ １ ｎ （２） Ｅｎｉ＝ Ｅｎｉ ∑Ｅｎｉ ＝ ∏ ｎ ｊ ＝ １ Ｅｘｉｊ ∑ ｎ ｊ ＝ １ Ｅｎｉｊ Ｅｘｉｊ ■ ■ ■ ■ ■ ■ ２ ■ ■ ■ ■ ■ ■ ■ ■ １ ｎ ∑ ｎ ｉ ＝ １ ∏ ｎ ｊ ＝ １ Ｅｘｉｊ ∑ ｎ ｊ ＝ １ Ｅｎｉｊ Ｅｘｉｊ ■ ■ ■ ■ ■ ■ ２ ■ ■ ■ ■ ■ ■ ■ ■ １ ｎ （３） Ｈｅｉ＝ Ｈｅｉ ∑Ｈｅｉ ＝ ∏ ｎ ｊ ＝ １ Ｅｘｉｊ ∑ ｎ ｊ ＝ １ Ｈｅｉｊ Ｅｘｉｊ ■ ■ ■ ■ ■ ■ ２ ■ ■ ■ ■ ■ ■ ■ ■ １ ｎ ∑ ｎ ｉ ＝ １ ∏ ｎ ｊ ＝ １ Ｅｘｉｊ ∑ ｎ ｊ ＝ １ Ｈｅｉｊ Ｅｘｉｊ ■ ■ ■ ■ ■ ■ ２ ■ ■ ■ ■ ■ ■ ■ ■ １ ｎ （４） ２．２．４ 隶属度云模型 隶属度由专家打分确定，根据表 １ 所示岩质边坡 稳定性评估指标及各等级标准值，由多位专家针对矿 区实际情况对各指标进行 １～９ 打分，分值越大表示越 有利于边坡的稳定性。 逆向云发生器可以基于统计原 理将一定数量的精确数据转换为以数字特征表示的定 性概念，由专家打分情况，根据逆向云发生器原理，由 式（５） ～（７）将专家打分情况转换为以数字特征表示 的隶属度云模型。 Ｅｘ ＝ ｘ ＝ １ ｎ ∑ ｎ １ ｘｉ（５） Ｅｎ ＝ π ２ １ ｎ ∑ ｎ １ ｘｉ－ Ｅｘ（６） Ｈｅ ＝Ｓ２ － Ｅｎ２＝ １ ｎ － １∑ ｎ ｉ－１ （ｘｉ－ ｘ） ２ － Ｅｎ２ （７） ２．２．５ 综合评价结果云模型 将权重云模型参数与对应的隶属度云模型参数进 行加权平均运算，得到综合评价结果云模型参数，最终 通过综合评价结果云模型判定边坡稳定性等级。 ３ 实例应用 ３．１ 工程概况 峨胜水泥石灰石露天矿山位于四川省峨眉山市， 矿区面积１．９５ ｋｍ２，核定生产规模１ ２００ 万吨／ 年，设计 开采标高 １ ３７６～９５０ ｍ。 矿区地层为单斜构造，与矿 床开采直接有关的地层为二叠系下统茅口组和栖霞组 ８矿 冶 工 程第 ３７ 卷 ChaoXing 灰岩地层，含多层贯通性的缓倾软弱夹层，两地层之间 为梁山组软弱层，厚度约 ５ ～ ２０ ｍ。 矿区地质条件复 杂，不同规模的结构面大范围发育，软弱层的存在以及 各种内外因素的影响导致矿区边坡频繁发生不同规模 的变形破坏，极大地危害了矿区的安全作业，对该矿山 边坡进行稳定性分级评价并指导矿山安全生产建设刻 不容缓。 由于矿区范围较大，不同区域的工程地质条 件存在较大差异，根据工程实际将矿区划分为 Ａ ～ Ｅ 共 ５ 个分区，见图 ２，各分区内的工程地质性质相对 一致。 图 ２ 矿区工作台阶及分区 ３．２ 矿区块体化程度 基于 Ｄｉｐｓ 软件对矿区内实测的结构面进行分组 统计，如图 ３ 所示。 由图 ３ 可知，共有 ４ 组优势结构 面，大多数裂隙岩体的 ＲＥＶ 尺寸在 ４～１２ 倍结构面间 距之间［２０］，由于各组结构面的间距都小于 ０．５ ｍ，因此 选取边长为 ６ ｍ 的立方体为表征单元体。 图 ３ 实测结构面等密度图 根据前述流程建立表征单元体三维裂隙网络模 型，由 Ｇｅｎｅｒａｌ Ｂｌｏｃｋ 软件的计算结果绘制块体体积累 积曲线，如图 ４ 所示。 可见，各区曲线均又宽又陡，说 明大块体和小块体的体积相差悬殊，岩体较不均匀；各 区块体体积百分比均在 ３０％ ～６０％之间，为中度块状 化岩体，根据块体化程度描述的岩体质量等级为Ⅲ级， 各区岩体完整性由差至好依次为 Ｅ、Ｂ、Ａ、Ｃ、Ｄ 区。 块体体积/m3 60 50 40 30 20 10 0 0.00010.010.10.0011101001000 累积体积百分比/ ■ ▲ ■▲○△■▲ ■▲ ■ ▲ ■ ▲ ■ ▲ ■ ■ ▲ ▲ ▲ A区 B区 C区 D区 E区 ○ △ ○△ ○△ ○△ ○△ ○ △ ○ ○ ○ △ △ △ 图 ４ 块体模型及其体积曲线 ３．３ 矿区边坡稳定性分级评价 各影响因子的相对重要性可以参考已有研究成 果［２１－２２］中的权重值大小，块体化程度的相对重要性综 合节理间距和 ＲＱＤ 值的总体重要程度考虑，对于岩体 和软弱层的变形及强度参数以及地震烈度等 ７ 个评价 指标的相对重要性，采用有限差分数值模拟的方法来 消除主观人为因素的影响，具体方法为运用 ＦＬＡＣ３Ｄ 软件，以峨胜矿区 １２７０ 平台以上边坡为工程实例，建 立如图 ５ 所示的边坡模型，模型自上而下分别为上部 岩体（灰岩）、软弱层和下部基岩（灰岩），在上部岩体 前缘设置一监测点。 图 ５ 边坡计算模型 计算平衡时监测点位置的 ｘ 方向位移值为 ５．０５ ｍｍ， 分别将 ７ 个评价指标的参数值降低 １０％，根据位移相 对增量百分比确定各参数的相对重要性，计算结果如 表 ３ 所示。 综合考虑表 ３ 中数据及其他方法中确定的评价因 子的权重确定各因子的云模型标度判断矩阵，计算得 出各影响因子的权重云参数如表 ４ 所示。 ９第 ４ 期和大钊等 基于块体化程度和云模型的露天矿边坡稳定性分级评价方法 ChaoXing 表 ３ 位移增量统计 指标位移值／ ｍｍ增量百分比／ ％ ｂ５．０６５０．２９７ ｃ５．０５０ ｄ６．１６４２２ ｈ５．１２５１．４８５ ｉ破坏 ｊ５．２１７３．３０７ ｖ５．８１５１５．１４９ 表 ４ 稳定性影响因子权重云参数 影响因子ＥｘＥｎＨｅ影响因子ＥｘＥｎＨｅ ａ０．０８２０．０２１０．０３３ｌ０．０５８０．０４９０．０１７ ｂ０．０１６０．０６４０．０６８ｍ０．０２６０．０５１０．１４３ ｃ０．０１１０．０９２０．０２７ｎ０．０２６０．０５１０．０１６ ｄ０．０５７０．０３４０．０３５ｏ０．０３４０．０３４０．０７８ ｅ０．０５９０．０１７０．０５７ｐ０．０２２０．０４６０．０８４ ｆ０．０６８０．０３００．０１８ｑ０．０４８０．０３２０．１０２ ｇ０．０５６０．０２５０．０２４ｒ０．０３５０．０５１０．０６４ ｈ０．０２００．１６７０．０３２ｓ０．０２８０．０６４０．０５８ ｉ０．１２４０．０１２０．０１９ｔ０．０４７０．０１６０．０１１ ｊ０．０２５０．０６６０．０４３ｕ０．０４６０．０２４０．０１１ ｋ０．０４４０．０１８０．０３４ｖ０．０６８０．０３６０．０２６ 由 １０ 位专家基于峨胜矿区的地质资料、工程地质 调查及实验成果对各指标打分，根据专家打分计算得 到 Ａ～Ｅ 区的隶属度云模型数字特征，与表４ 中的权重 云模型参数进行加权平均运算，最终得到各区的综合 评价结果云模型参数（表 ５）和云模型（图 ６）。 表 ５ 评价结果云模型参数 分区ＥｘＥｎＨｅ Ａ５．２１９０．０３２０．０２５ Ｂ４．９２８０．０３６０．０２９ Ｃ６．５８４０．０４１０．０３３ Ｄ５．５７６０．０２８０．０２４ Ｅ５．７４８０．０２７０．０３０ 边坡稳定性等级 1.1 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 102468753910 隶属度 B ADEC ⅠⅡⅢⅣ 图 ６ 评价结果云模型 由图 ６ 可以直观地看出，各区的评价结果不是一 个确定的点，而是由大量云滴表征的，这充分体现了稳 定性分级评价中的随机性和模糊性；云滴都集中在相 应的期望附近，说明专家意见较为一致，评价结果的随 机性和模糊性较小，评价结果是可信的。 云模型的期 望大小可以判定其稳定性程度，期望值越小表示稳定 性越低，因此边坡稳定性程度由低至高依次为 Ｂ、Ａ、 Ｄ、Ｅ、Ｃ，Ｃ 区边坡稳定性介于Ⅱ～Ⅰ级，稳定性较高；Ｄ 区和 Ｅ 区边坡稳定性为Ⅱ级，基本稳定；Ｂ 区和 Ａ 区 稳定性介于Ⅲ～ Ⅱ级，稳定性较差。 这与各区实际情 况较为一致Ｃ 区边坡整体稳定，存在少量滚石；Ｄ 区 和 Ｅ 区边坡存在落石和小规模崩塌；Ｂ 区和 Ａ 区边坡 稳定性较差，存在贯通性的朝向临空面的整体变形位 移，曾发生多次较大规模的滑坡。 根据不同区域边坡的稳定性分级评价结果合理采 取相应的监测或防治措施，必要时对开采设计方案进 行调整。 ４ 结 论 １） 针对露天矿岩质边坡稳定性影响因子的复杂 性，应用层次分析法建立了露天矿岩质边坡稳定性分 级评价指标体系。 该评价指标体系着重考虑了实际工 程中影响较大且普遍存在的软弱夹层，并用岩体块体 化程度描述岩体三维方向上的完整程度，比用节理间 距和 ＲＱＤ 值从一维角度描述更加全面准确，节省人力 物力。 ２） 将云模型应用于稳定性分级评价中的评语层、 权重和隶属度确定等环节，充分考虑了各环节中不可 避免的模糊性与随机性。 应用云模型改进的层次分析 法，借鉴已有方法的研究成果、专家经验和有限差分数 值模拟的定量研究成果，最终确定各评价指标的权重， 可以最大程度地减少权重确定过程中主观因素的影 响，使最终的评价结果更合理。 ３） 将该方法应用到峨胜水泥石灰石露天矿山稳 定性分区分级评价，得到了各区的稳定性级别，与实际 情况对比，验证了该方法的可行性和有效性。 参考文献 ［１］ 王乐华，李建荣，李建林，等． ＲＭＲ 法评价体系的修正及工程应用 ［Ｊ］． 岩石力学与工程学报， ２０１３（ｓ２）３３０９－３３１６． ［２］ 邬爱清，汪 斌． 基于岩体质量指标 ＢＱ 的岩质边坡工程岩体分 级方法［Ｊ］． 岩石力学与工程学报， ２０１４，３３（４）６９９－７０６． ［３］ 张勇慧，李红旭，盛 谦，等． 基于模糊综合评判的公路岩质边坡 稳定性分级研究［Ｊ］． 岩土力学， ２０１０，３１（１０）３１５１－３１５６． ［４］ 康志强，周 辉，冯夏庭，等． 大型岩质边坡岩体质量的可拓学理 论评价［Ｊ］． 东北大学学报自然科学版， ２００７，２８（１２）１７７０－ １７７４． ［５］ 王广月，崔海丽，李 倩． 基于粗糙集理论的边坡稳定性评价中因 素权重确定方法的研究［Ｊ］． 岩土力学， ２００９，３０（８）２４１８－２４２２． （下转第 １３ 页） ０１矿 冶 工 程第 ３７ 卷 ChaoXing 时间/h 50 45 40 35 30 306912181521 45.5 MPa 32.5 MPa 19.5 MPa 26.0 MPa 24 轴向应变/10-5 图 ２ 蠕变试验拟合曲线 ４ 结 论 １） 试样在各级荷载作用的瞬间，轴向应变与荷载 成比例增长；当应力水平处于稳定状态时，试样轴向应 变随时间延长逐渐增大并趋于稳定，且蠕变应变随应 力水平增长呈上升趋势。 ２） 试样内部存在微小裂隙，且这些裂隙在荷载作 用下不断闭合，导致试样瞬时弹性模量随应力水平提 高而增长。 ３） 蠕变试验曲线与 Ｂｕｒｇｅｒｓ 模型理论曲线较吻 合，表明该模型能较好地描述该矿区岩石的蠕变特性， 对于分析预测矿山稳定性有一定参考价值。 参考文献 ［１］ 周宏伟，谢和平，左建平． 深部高地应力下岩石力学行为研究进展 ［Ｊ］． 力学进展， ２００５，３５（１）９１－９９． ［２］ 刘佑荣，唐辉明． 岩体力学［Ｍ］． 武汉中国地质大学出版社， １９９９． ［３］ 杨圣奇． 岩石流变力学特性的研究及其工程应用［Ｄ］． 南京河海 大学岩土工程研究所， ２００６． ［４］ 曹 平，刘业科，蒲成志，等． 一种改进的岩石黏弹塑性加速蠕变力 学模型［Ｊ］． 中南大学学报（自然科学版）， ２０１１，４２（１）１４２－１４６． ［５］ 王来贵，何 峰，刘向峰，等． 岩石试件非线性蠕变模型及其稳定 性分析［Ｊ］． 岩石力学与工程学报， ２００４，２３（１０）１６４０－１６４２． ［６］ 袁海平，曹 平，许万忠，等． 岩石粘弹塑性本构关系及改进的 Ｂｕｒｇｅｒｓ 蠕变模型［Ｊ］． 岩土工程学报， ２００６，２８（６）７９６－７９９． ［７］ Ｗｉｌｆｒｉｅｄ Ｈａｅｂｅｒｌｉ，Ｂｅｒｎａｒｄ Ｈａｌｌｅｔ，Ｌｕｋａｓ Ａｒｅｎｓｏｎ，ｅｔ ａｌ． Ｐｅｒｍａｆｒｏｓｔ ｃｒｅｅｐ ａｎｄ ｒｏｃｋ ｇｌａｃｉｅｒ ｄｙｎａｍｉｃｓ［Ｊ］． Ｐｅｒｍａｆｒｏｓｔ ａｎｄ Ｐｅｒｉｇｌａｃｉａｌ Ｐｒｏｃｅｓｓｅｓ， ２００６， １７（３）１８９－２１４． ［８］ Ｃｈｕｎｈｅ Ｙａｎｇ， Ｄａｅｍｅｎ Ｊ Ｊ Ｋ， Ｊｉａｎ⁃Ｈｕａ Ｙｉｎ． Ｅｘｐｅｒｉｍｅｎｔａｌ ｉｎｖｅｓｔｉｇａｔｉｏｎ ｏｆ ｃｒｅｅｐ ｂｅｈａｖｉｏｒ ｏｆ ｓａｌｔ ｒｏｃｋ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｏｃｋ Ｍｅｃｈａｎｉｃｓ ａｎｄ Ｍｉｎｉｎｇ Ｓｃｉｅｎｃｅｓ， １９９９，３６（２）２３３－２４２． ［９］ 林卫星，柳小胜，欧任泽． 充填体单轴压缩蠕变特性试验研究［Ｊ］． 矿冶工程， ２０１５，３５（５）１－３． ［１０］ 李 娜，曹 平，衣永亮，等． 分级加卸载下深部岩石流变实验及 模型［Ｊ］． 中南大学学报（自然科学版）， ２０１１，４２（１１）３４６５－ ３４７１． 引用本文 曾华凯，陈建宏，杨 珊． 某矿区岩石蠕变力学特性研究［Ｊ］． 矿冶工程， ２０１７，３７（４）１１－１３． （上接第 １０ 页） ［６］ 陈志波，简文彬． 边坡稳定性影响因素敏感性灰色关联分析［Ｊ］． 防灾减灾工程学报， ２００６，２６（４）４７３－４７７． ［７］ 梅胜全，梅小平． 应用免疫粒子群算法进行边坡稳定性分析［Ｊ］． 地下空间与工程学报， ２００９，５（６）１２６７－１２７１． ［８］ 秦植海，秦 鹏． 高边坡稳定性评价的模糊层次与集对分析耦合 模型［Ｊ］． 岩土工程学报， ２０１０（５）７０６－７１１． ［９］ 黄建文，李建林，周宜红． 基于 ＡＨＰ 的模糊评判法在边坡稳定性 评价中的应用［Ｊ］． 岩石力学与工程学报， ２００７，２６（ｓ１）２６２７－ ２６３２． ［１０］ 张 军，陈征宙，刘登峰． 基于云模型的岩质边坡稳定性评估研 究［Ｊ］． 水文地质工程地质， ２０１４，４１（６）４４－５０． ［１１］ 陈庆发，韦才寿，牛文静，等． 一种基于块体化程度理论的裂隙岩 体巷道顶板稳定性分级方法研究［Ｊ］． 岩土力学， ２０１４（１０） ２９０１－２９０８． ［１２］ 刘晓非． 裂隙岩体块体化程度研究［Ｄ］． 北京中国地质大学（北 京）水资源与环境学院， ２０１０． ［１３］ 于青春，大西有三． 岩体三维不连续裂隙网络及其逆建模方法 ［Ｊ］． 地球科学⁃中国地质大学学报， ２００３，２８（５）５２２－５２６． ［１４］ 于青春，薛果夫，陈德基． 裂隙岩体一般块体理论［Ｍ］． 北京中 国水利水电出版社， ２００７． ［１５］ 陈仲颐，周景星，王洪瑾． 土力学［Ｍ］． 北京清华大学出版社， １９９４． ［１６］ ＧＢ５０２１８－９４， 工程岩体分级标准［Ｓ］． ［１７］ 李德毅，孟海军． 隶属云和隶属云发生器［Ｊ］． 计算机研究与发 展， １９９５（６）１５－２０． ［１８］ 赵 博，徐卫亚，梁桂兰． 基于熵权的边坡稳定性评价物元可拓 模型及其应用［Ｊ］． 水电能源科学， ２０１３（１）１１９－１２２． ［１９］ 张秋文，章永志，钟 鸣． 基于云模型的水库诱发地震风险多级 模糊综合评价［Ｊ］． 水利学报， ２０１４（１）８７－９５． ［２０］ 张贵科，徐卫亚． 裂隙网络模拟与 ＲＥＶ 尺度研究［Ｊ］． 岩土力学， ２００８，２９（６）１６７５－１６８０． ［２１］ 武 震，李文秀，雷 振，等． 露天铁矿边坡稳定性分析方法［Ｊ］． 矿冶工程， ２０１７（１）１８－２０． ［２２］ 彭岩岩，汪 虎，解 毅，等． 南芬露天铁矿边坡稳定性有限元分 析［Ｊ］． 矿冶工程， ２０１５（１）１０－１３． 引用本文 和大钊，胡 斌，姚文敏，等． 基于块体化程度和云模型的露 天矿边坡稳定性分级评价方法［Ｊ］． 矿冶工程， ２０１７，３７（４）６－１０． ３１第 ４ 期曾华凯等 某矿区岩石蠕变力学特性研究 ChaoXing