基于数值分析与现场监测自适应数据融合的尾矿库安全评估研究

As we all know, there are thousands of tailing dams in China, and the tailing dam accidents happen frequently in recent years, which caused a widespread concern in the community. The scholars and experts often assess the safety of tailing dams by means of numerical analysis and local field monitoring. The existing numerical analysis and monitoring data are separated and these data need a better mixture. Most of the safety assessments are determined according to one single indicator. As a result, there are usually significant prediction errors which affect the results and accuracy of the safety assessment and this also means that the tailing dams have security risks. Therefore, the research on the basic scientific problems of tailing dam safety assessment based on adaptive data fusion has important theoretical and practical significance. This projection aims to combine organically the traditional numerical analysis with the field monitoring through the adaptive data fusion theory and method. In research work, the characteristic fusion rules are studied and the different safety levels and failure types are determined based on a large number of numerical data for establishing the database of key points and eigenvalues. So the single and separated assessment mode is broken by analysis of adaptive data fusion of multi-source monitoring data to achieve a comprehensive real-time dynamic safety assessments and prediction of tailing dam accidents as well as provide a scientific reference for the disaster prevention and mitigation decisions.

我国目前有上万座尾矿库，近年来尾矿库事故频发，引起了社会各界的普遍关注，学者们常通过宏观数值计算分析和现场局部监测等手段对尾矿库的安全进行评估，现有的数值计算分析与监测数据的研究基本处于分离状态，并没有很好地融合起来，安全评估大部分采用单一参数指标进行判断，从而造成评估结果存在着较大的误差，影响到安全评测的效果与准确度，尾矿库工程存在着安全隐患。因此研究基于自适应数据融合的尾矿库安全评估的基础性科学问题具有重要的理论意义和实际意义。本项目拟利用自适应数据融合理论和方法将传统的数值分析结果与现场的监测数据进行有机结合，研究数值计算中大量数据的特征融合规律，确定尾矿库的不同安全等级及失稳破坏类型，建立关键点与特征值的数据库，并通过与多源监测数据进行自适应数据融合分析，突破目前单一与分离的评估模式，实现对尾矿库安全稳定问题的实时动态综合安全评估与预测预警，为组织防灾减灾工作决策提供科学的依据。

为突破尾矿库单一与分离的安全评估模式，实现对尾矿库更加科学有效地动态综合评估，降低尾矿库溃坝风险，项目从尾矿库多源信息模型构建、远程在线监测系统、数值计算与分析、尾矿坝稳定性的贝叶斯网络建模、数值模拟与监测数据融合的综合评估几个方面围绕“尾矿库安全稳定相关参数及多源敏感因素融合特性研究” 、“尾矿库在线监测传感器优化设置和多源特征数据融合研究”、“决策层自适应数据融合与尾矿库综合安全评估预警研究”三项内容进行了研究。项目研究得到了一系列重要的成果，其中包括：通过贝叶斯网络模型的建立与推理，得到影响尾矿库安全稳定性因素的排序，确定出关键和敏感因素；提出了考虑尾矿库多源影响因素的变权-层次分析评估模型、变权-云物元评估模型和层次分析-熵值-DS证据理论评估模型；依据变权综合理论层次分析法的尾矿库稳定性评价模型对尾矿库进行分级，并考虑尾矿库综合评分、尾矿库运营情况以及通常的评价习惯，将尾矿库分为四个等级并全面地分析各种尾矿库对应的状态及措施；同时建立了尾矿库三维BIM模型，开发了针对尾矿库项目的尾矿库建模模块、空间排水管道建模模块和数据监测点布置插件模块；依据数值计算方法建立尾矿库定量影响因素有效变化范围内的安全系数及对应评分，为评估模型提供依据；建立尾矿库仿真模型及在线评估系统，实现数据源、过滤及多源影响因素作用下的尾矿库实时安全评估。在项目的完成过程中，获得了通过采集监测数据形成的尾矿库监测数据库；通过数值计算模拟所得到的影响尾矿库安全因素的计算结果数据库；通过各级数据融合所建立的各主控因素下综合评估的数据库。这些关键数据将在未来的研究中不断更新与补充，以实现对复杂尾矿库工程安全更加准确和科学的综合评估。本项目解决了多源因素影响条件下尾矿库安全稳定的综合评估问题，以及对尾矿库安全评估的数值模拟和现场监测的自适应数据融合问题。研究成果能够实现对尾矿库事故有效的预测预警，从而降低溃坝风险。