朱万成教授：金属矿山地质灾害风险预警方法类别、存在问题与发展趋势

1 金属矿山地质灾害风险预警方法类别

金属矿山地质灾害风险监测预警技术，是确保矿山人员和设备安全的重要保障，也可为优化开采方案、提升经济效益提供重要依据。因此，灾害风险精准预警已成为工矿企业的迫切需求及科研单位的研究热点。监测数据挖掘、数值模拟分析等方法因具有独特优点，已成为灾害预警的重要手段。此外，云计算、物联网、大数据等信息技术的发展，助力了岩石力学与信息工程领域的交叉融合，为灾害风险的智能预警提供了可能。

1.1 基于监测数据挖掘的地质灾害风险预警方法

监测数据挖掘的地质灾害风险预警方法旨在利用多源采动岩体力学响应数据时效性强、可真实反应岩体力学响应特征的优势，挖掘多源多模态感知数据与岩体损伤破裂过程的映射关系，分析致灾关键因素与灾变前兆特征，归纳总结出灾害发生的通用范式。其中，指标判据法和数学模型法是国内外学者普遍关注的灾害预警方法。

1.1.1 指标判据法

指标判据法是在大量历史案例与理论分析的基础上，形成的灾害分级评价标准，具有简单实用、参评变量物理意义明确等优点，被广泛应用在岩爆、滑坡等地质灾害的预警工作之中。例如，李鹏翔等对能量储存指数、脆性指数等静态的岩爆预警指标的发展进行了综述，指出这些指标在工程勘察设计阶段的指导意义显著，但由于地质条件及开采工艺的差异性，会对预警结果的有效性造成显著影响，且难以实现实时动态预警。为解决上述问题，学者们尝试引入实时监测数据，建立动态预警指标体系，例如，冯夏庭院士团队采用微震监测技术对巷道岩爆灾害进行了实时监测，形成了岩爆案例库；归纳了微震数据驱动的岩爆灾害预警经验公式，并给出了相应的预警阈值，实现了灾害风险的评价。虽然监测数据驱动下的动态预警指标体系解决了静态指标体系时效性差、预警准确率低的问题，但各指标对应的灾害等级阈值需根据现场条件进行修正，具有极强的不确定性，难以实现精准定义，经常会出现漏报与误报的问题。

1.1.2 数学模型法

数学模型法是在监测数据基础上，挖掘多源监测数据与灾变的非线性映射关系，从而实现灾害的综合预警，该方法的考虑因素较为全面，且主观因素较小，具有较好的应用前景。从本质上讲，灾害预警是一种分类问题，旨在得出监测数据与岩体稳定性状态的关系，根据是否依赖历史数据与预警指标，可将数学模型法分为以模糊综合评价为代表的综合评判法，和以人工神经网络为代表的机器学习法。

（1）综合评判法

综合评判法旨在对多源多模态指标进行融合，从而解决不同指标的预警结果存在冲突的问题，其中模糊数学理论、云模型、D-S证据理论是常用的综合评判算法。总体而言，虽然综合评判法无需大量历史数据支撑，同时避免了指标评判模型容易出现各指标评价结果存在冲突的问题，但该方法对于指标权重的确定主观性极强，且预警阈值的设定与矿山地质与生产条件密切相关，确定出合理的预警阈值非常困难，影响了该方法的准确性。发展灾害案例挖掘算法，提取隐藏在灾害案例之中的致灾关键信息，形成考虑历史案例的指标权重与阈值构建方法，将是提升该方法有效性的重要途径。

（2）机器学习法

机器学习法旨在从海量历史数据中挖掘致灾关键特征，建立监测数据与灾害风险状态之间的非线性映射关系，并在此基础上，结合实时采集数据，实现灾害的动态预警。机器学习算法的飞速发展为灾害的精准预测预警创造了良好条件，其本质在于构建多源数据与岩体稳定性之间的非线性映射关系，因此如何选取合适指标作为输入集是实现风险精准评判的一大关键问题。此外，当前基于机器学习的预警方法大多缺乏力学内涵，虽然通过大量数据训练，可实现风险评估，但是这种“黑盒”模型可解释性不强，难以得到普遍认可。此外，虽然机器学习法可在一定程度上降低预警前兆特征提取的复杂性及预警阈值设定的主观性，但其对有效历史数据的需求量大，预警准确性与历史数据覆盖范围呈正相关。然而，目前历史数据搜集难度大，部分研究机器学习算法的样本量仅在几十量级水平，不利于构建普适性强的模型。建立开放的地质灾害案例库系统、实现灾害案例大数据的开源共享，将成为提高机器学习预警深度与精度的有效途径。

1.2 基于数值模拟分析的地质灾害风险预警方法

数值模拟模型具有可直观展示岩体损伤破裂化过程、揭示灾变机理等优势，已成为当下最为流行的地质灾害风险预警方法。大量学者采用连续、离散介质模型综合分析了采场岩体的稳定性状态，实现了致灾过程的预测与损伤状态的透明化。其中，诸如FLAC3D等连续介质数值模拟软件，因具有求解速度快、本构模型丰富等优点，被广泛应用于岩体稳定性分析评价中。本研究团队为阐明爆破扰动和蠕变耦合作用对新城金矿主竖井周边围岩的影响，将损伤力学理论引入FLAC3D有限差分模拟软件，预测了开采扰动下岩体的损伤状态，为矿山安全开采提供了保障。

虽然基于数值模拟分析的地质灾害风险预警方法在表征灾变过程和揭示灾变机理方面优势显著，但由于岩体的非均质性、各向异性以及外界生产扰动的不确定性，使得数值模型存在物理边界、微元力学参数时空变异性表征困难，地质与支护模型随着开采现状更新滞后、预警精度难以保障等问题。为此，进一步将监测数据挖掘和数值模拟分析方法相融合、实现优势互补，将成为地质灾害预警研究的主要方向。

1.3 监测—模拟相结合的灾害预警方法

监测数据挖掘的灾害预警模型可描述监测数据与岩体损伤破裂的非线性关系，具有较高的时效性，但模型依赖监测数据的质量，灾害风险预测预警效果不稳定，且无法清晰表征灾变机理；基于数值模拟分析的地质灾害风险预警模型虽然具有分析准确、可清晰表征灾变机理等优点，但是由于岩体的非均质性和各向异性，使得数值模型在力学参数选取、边界条件设置、几何模型构建等方面均具有极强的不确定性，且其求解复杂问题效率低，难以满足时效性要求，为此，融合两种方法优点的监测—模拟相结合的灾害预警方法，逐渐成为灾害预警研究的热点。近年来，该方向的研究聚焦于2个方面：① 将能够反映岩体力学响应的监测数据与数值模拟参数的标定方法相融合，提高数值模型的精度，实现灾害的超前预测。② 鉴于数值模型具有不确定性强的特征，开展数值模型力学参数、物理边界等关键环节不确定性表征方面的研究。

总体上，学者们针对监测和模拟相结合的致灾过程分析方法的研究，已取得了诸多成果，但当前监测、模拟灾害预警方法的结合主要是依赖监测数据修正数值模拟参数，且暂无完善的智能化参数修正理论与方法，同时针对几何模型的智能更新、边界条件的自适应调节等理论与技术仍不成熟，尚不能实现监测数据驱动下的数值模型不确定性因素智能化表征与动态模拟。因此，有必要将人工智能算法、云计算等技术引入监测—模拟相结合的灾害预警方法中，实现监测数据驱动的力学参数标定智能化、物理边界表征自动化、模型更新即时化、灾害预警过程动态化，从而为灾害的智能预测预警提供重要的理论和技术支撑。

1.4 灾害风险云端管控技术

灾害风险云端管控技术是岩石力学、信息工程领域交叉融合的产物，旨在通过物联网、云计算等技术完成灾害预警方法的云端化，达到矿山风险状态的透明化、灾害预警智能化的目的。按照数据融合程度划分，该领域的研究成果主要包括单指标阈值驱动及多源数据融合混合驱动的灾害风险预测预警云端管控技术。针对单指标阈值驱动的灾害风险预测预警云端管控技术，旨在基于物联网等技术，搭建岩体力学响应的云端监控平台，实现采动岩体力学响应的透明化，同时通过设定阈值的方式，从而实现灾害的动态预警。该技术是实现灾害预警最简单且行之有效的方法，被广泛应用于国内各大矿山，取得了显著成效。

为实现灾害预警的智能化，学者们开始尝试将室内试验研究所得的数据融合算法与云计算相融合，逐步形成了多源数据融合混合驱动的灾害风险预测预警云端管控技术，初步实现了先进预警技术的云端化集成与现场落地。本研究团队讨论了监测数据挖掘与数值模拟分析驱动的灾害预测方法的优缺点，提出了一种现场监测和数值模拟相结合的灾害预测预警方法，解决了监测数据驱动模型机理表征难、预警结果不可靠及数值模拟模型物理边界不确定性强的问题，在此基础上，基于云计算、物联网等技术，搭建了现场监测和数值模拟相结合的金属矿山采动灾害监测预警云平台，形成了一套可复制的地质灾害预测预警架构，在新城金矿、阿尔哈达铅锌矿等矿山得到应用推广。

近年来虽然灾害风险云端管控技术得到了飞速发展，但实际的灾害预警研究中，大部分是基于指标预警阈值进行灾害的动态预警，同时存在着“重采集、轻分析、重监测、轻预警”的问题，大量灾害预警算法仍然停留在实验室研究阶段，难以适应现场监测数据不稳定、不完整的工况，还需要进一步加强学科交叉研究，实现具有岩石力学内涵的灾害预警方法在云端化集成，推动理论研究成果的现场落地，从而实现灾害的智能化预测预警。

2 存在问题与发展趋势

2.1 存在问题

金属矿山灾害智能监测预警技术是保障矿山安全生产的重要手段，虽然近年来矿山灾害监测预警技术得到了飞速发展，但由于金属矿山具有岩体的强非均质性与各向异性、生产活动的高强度性与动态性、生产环境的恶劣性、致灾因素的多元性等特征，使得灾害监测预警存在以下技术难题。

2.1.1 多源力学响应数据难以高精度连续协同感知

采动岩体力学响应数据是灾害监测预警的基础，但由于感知设备的多样性及环境的恶劣性，使得多源多模态采动岩体力学响应数据难以实现高精度连续采集与协同处理，主要存在如下3个层面问题：

（1）数据通信协议不统一。在实际的监测预警工作中，常会引入不同设备商的岩体力学响应感知设备，以达到多源多模态协同监测的目的，但不同设备厂商应用的数据传输协议存在显著差异，甚至部分厂商采用私密的通信协议，存在信息割裂问题，极有可能产生数据孤岛，严重影响了多源多模态采动力学响应数据的协同处理。

（2）恶劣环境下感知精度难以保障。矿山环境的恶劣性极易对监测数据造成影响，诸如多点位移计、锚杆测力计等测点式监测设备，可能受到电脉冲影响，从而出现异常的阶跃；雷达、InSAR等测面式监测设备容易受到积雪等地表覆盖物的影响，致使测量数据显著偏离实际；监控视频易受弱光、粉尘等影响，对图像识别精度产生影响。虽然学者们尝试设计相关算法以解决上述问题，但多用于后验式分析，时效性难以保障，如何结合感知设备工作原理，将算法嵌入到设备底层，以保障数据采集精度，是当下亟须解决的关键技术问题。

（3）数据无线传输的可靠性差。金属矿山环境复杂，存在许多天然或人造障碍物，尤其在地下矿山中，复杂巷道结构和高并发的数据传输与电磁等信号的干扰，加之高强度的生产工作，给数据传输的可靠性带来了严峻挑战，甚至出现设备故障等问题，从而对数据的完整性和连续性造成影响，阻碍灾害预警算法的稳定运行。

2.1.2 灾害预测预警模型参数难以精准选取

数据挖掘模型和数值模拟分析模型是地质灾害智能预测预警的常用模型，但由于岩体的非透明性及地质灾害发生的随机性，使得各类型灾害预测预警模型关键参数的选取具有极强的不确定性，主要存在如下问题：

（1）数据挖掘模型风险评判指标及预警阈值选取困难。风险评价指标及预警阈值的选取是灾害精确预警的关键，然而，由于矿山地质条件的复杂性，使得预警指标和预警阈值的选取难以形成统一标准，虽然一些学者提出切线角等无量纲预警指标，在一定程度上实现了预警阈值的统一，但在指标无量纲处理过程中依旧需要提供平均变化率等参数，难以实现实时精确反演，尤其在数据质量不佳时，基本无法完成指标的无量纲化处理。本研究团队提出了基于案例挖掘的预警指标确定方法，虽然在一定程度上解决了预警阈值选取困难问题，但案例的搜集与案例基因库的表达工作量巨大，有限的案例数据难以实现预警阈值的精确选取。

（2）数值模拟分析模型参数时空变异性动态表征困难。岩体力学参数、多物理场边界及几何模型精确设定是获取可靠数值模拟结果的关键，但由于地质体的非透明性与非均质性、生产环境的动态更替、开采工作的动态开展，使得岩体力学参数、多物理场边界及几何模型均呈现出显著的时空变异性，传统的静态模拟方法难以完成上述参数的动态表征，致使数值模拟结果愈发偏离现实，从而显著影响了灾害预测预警的可靠性。虽然，近年来在岩体力学参数表征、地应力等物理边界反演、精细化地质建模等方面的研究均取得了显著进展，但大多处于理论方法研究水平，难以满足动态模拟的时效性要求。本研究团队初步探索了岩体力学参数时空变异性的动态表征及动态模拟技术，搭建了监测—模拟相结合的灾害预警云平台，初步实现了微震数据驱动的力学参数时空变异性动态表征，但距离实现数值模型整体的动态更新与高时效动态模拟的最终目标，还有很长的路要走。

2.1.3 灾害智能监测预警系统尚不完善

灾害智能监测预警系统是采矿工程和信息工程学科交叉融合的产物，被视为实现灾害风险预测预警最有效的方法之一。在国家政策的大力扶持下，当前市场上涌现出了大量灾害智能监测预警系统，但系统总体呈现出“重采集，轻分析、重监测，轻预警”等现象，主要存在如下问题：

（1）灾害智能预警算法理论研究与现场应用脱节。灾害智能预警模型的研究大多采用基于历史数据的后验式分析方法，致使模型在现场推广过程中存在问题。一方面，历史数据难以反映当前和未来的情况，在一定程度上难以完全满足未来新型灾害预测预警的需要；另一方面，后验式建模过程中，获取高质量的数据集是建立高精度预警模型的关键，但由于环境感知技术存在的不足，使得环境监测过程中极易出现实时监测数据质量不佳甚至缺失等问题，难以满足灾害预警模型的数据要求，使得预警模型在实际应用中效果不理想，难以实现现场落地与推广，导致灾害预警算法理论研究与现场应用脱节。

（2）智能预警系统研发缺乏技术人才储备。灾害智能监测预警系统是采矿工程和信息工程学科交叉融合的产物，其中采矿工程负责丰富系统的内涵，信息工程专注于系统界面设计与研发。但由于缺乏兼顾信息工程与采矿工程的技术人才，难以满足搭建兼顾内涵丰富及高展示度预警系统的需求。而一些设备厂商及信息技术企业侧重于以设定监测物理量的阈值作为预警依据，同时建立高展示度的预警系统。这类系统的预警更依赖于专业人员的主观判断，呈现出“重采集，轻分析，重监测，轻预警”问题，但在一定程度上能满足短临预警的需要及相关安全生产规范要求，在市场上更受欢迎。

2.2 发展趋势

为适应矿产资源开采向深部及高寒、高海拔等环境恶劣区域发展的趋势，金属矿山灾害风险监测预警技术需要在多灾种高性能、专用特种智能感知技术与装备，标准化数据通信协议与架构，监测—模拟相结合的灾害智能预警技术及地质灾害监测预警平台与数字孪生技术4个方向谋求突破，各方向层层递进，在灾害风险监测预警技术中扮演着重要角色，构成了下图所示的金字塔形发展模式，各方向详细内容论述如下。

金属矿山监测预警关键技术层级关系

（1）多灾种高性能、专用特种智能感知技术与装备。获取实时、精确的采动岩体力学响应数据是灾害监测预警的关键，然而在矿山复杂、恶劣的条件下，通用的感知设备难以满足抗干扰、低能耗、高精度等需求。为了保障采动岩体力学响应感知数据获取的精确性和稳定性，未来需要结合环境感知设备的工作原理和监测环境的特征，研究特定环境下的故障自动诊断、噪声数据智能甄别和感知数据智能校准等算法。同时，结合边缘计算、低功耗高带宽通信等技术，研发多种适用于不同灾害类型的高性能、专用特种智能感知技术和装备，以实现多源力学响应信息的精确、完整、连续采集，为灾害风险的预测预警创造条件。

（2）标准化数据通信协议与架构。通信协议的标准化是多源多模态数据协同管控的基础，是实现灾害智能化监测预警的关键，然而目前通信协议不统一的现状不利于矿山灾害风险智能监测预警技术的发展，形成标准化数据通信协议与架构是解决上述问题的有效途径，是消除数据孤岛，实现多模态数据云端综合管控的重要保障。当前，华为技术有限公司本着推动采矿行业统一标准和统一架构的目标，研发了具有自主知识产权的“矿鸿”操作系统，以统一的接口和协议标准，解决了不同厂商设备的协同互通问题，初步形成了标准化数据通信协议与架构。尽管目前“矿鸿”操作系统研发与应用处于起步阶段，但是它所采用的标准化数据通信协议和架构思路在未来必将获得长足的发展。

（3）监测—模拟相结合的灾害智能预警技术。数据挖掘模型和数值模拟分析模型存在优劣互补的特征，两者相结合的灾害预警模型被视为最有效的预警方式。当前监测—模拟相结合的灾害预警模型虽然得到了发展，但是在预警阈值量化、模型参数不确定性表征等方面仍存在一定的不足。需要进一步建立数据开放、共享的大型灾害案例基因库，完善基于机器学习算法的预警指标体系量化构建方法；发展具有自学习、自优化特征的数据驱动灾害智能预警模型，解决数据驱动模型关键参数的不确定性及动态性问题；发展监测数据驱动的数值模型力学参数、物理边界、几何网格模型时空变异性动态表征方法，解决数值模拟分析模型的不确定性问题；发展多源多模态数据融合的灾害预测预警模型，完成数据挖掘模型和数值模拟分析模型的多维度、跨尺度融合，实现灾害风险易发性、易损性及风险性的精准评估与灾害的动态预警。

（4）地质灾害监测预警平台与数字孪生技术。地质灾害智能监测预警平台是了解矿山灾害风险状态、实现矿山风险管控的必要途径。但当前的预警平台存在“重采集，轻分析，重监测，轻预警”等问题，需要进一步结合监测—模拟相结合的灾害预警算法，丰富预警平台内涵。此外，数字孪生等技术的兴起为地质灾害监测预警平台注入了新的活力，为其发展带来了新的机遇。其中，发展矿山地质灾害风险数字孪生技术，能够实现矿山灾害风险评估的智能化和灾害风险状态的透明化，已成为未来矿山灾害监测预警平台发展的主要趋势。

作者简介

朱万成，东北大学二级教授、资源与土木工程学院院长，采矿工程和工程力学专业博士研究生导师，国家杰出青年科学基金获得者（2016—2020），国家“万人计划”科技创新领军人才（2018—2020），德国洪堡学者（2006—2007），中国青年科技奖获得者（2013），国家重点研发计划项目首席科学家（2022—2024）。从事岩石损伤破坏机理与矿山动力灾害预警及防控技术研究，发表SCI论文100余篇，论著他引12000余篇次，兼任中国岩石力学与工程学会常务理事、国际杂志IJRMMS副主编（2017以来）和《岩石力学与工程学报》《金属矿山》等多个杂志的编委。

朱万成教授一直从事岩石损伤与破裂过程及其诱发矿山动力灾害的机理研究。围绕着“岩体损伤与破裂及其致灾机理”这一科学问题，以“岩体损伤”为主线，考虑岩体结构特征和“三高”赋存环境（可统称为致灾环境）的影响，提出了煤岩体参数及损伤的表征方法，构建了“三高一扰动”条件下岩石损伤与破裂的本构关系，发展了岩石损伤与破裂过程数值模拟方法，通过实验研究和数值模拟研究揭示了“三高一扰动”下岩石的损伤与破裂过程及其诱发岩爆、突水等矿山动力灾害的致灾机理；建立了现场监测与数值模拟相结合的矿山采动致灾过程分析方法，研发了矿山采动灾害风险监测预警云平台，相关成果在河钢石人沟铁矿，山东黄金新城金矿、阿尔哈达铅锌矿，鞍钢矿业弓长岭露天矿、大孤山露天矿,紫金矿业乌拉根铅锌矿、巨龙铜矿等矿山得以应用，用于矿山边坡滑坡和空区垮塌灾害的预测预警，通过现场技术措施的实施，防控了矿山动力灾害的发生，取得了显著的经济和社会效益。

成果来源

朱万成, 徐晓冬, 李磊，等. 金属矿山地质灾害风险智能监测预警技术现状与展望[J]. 金属矿山, 2024(1):20-44.

《金属矿山》简介

《金属矿山》由中钢集团马鞍山矿山研究总院股份有限公司和中国金属学会主办，主编为中国工程院王运敏院士，现为北大中文核心期刊、中国科技论文统计源期刊（中国科技核心期刊）、中国精品科技期刊（F5000顶尖学术论文来源期刊）、中国百强报刊、RCCSE中国核心学术期刊（A）、中国期刊方阵双百期刊、国家百种重点期刊、华东地区优秀期刊，被美国化学文摘（CA）、美国剑桥科学文摘（CSA）、波兰哥白尼索引（IC）、日本科学技术振兴机构数据库（JST）等世界著名数据库收录。主要刊登金属矿山采矿、矿物加工、机电与自动化、安全环保、矿山测量、地质勘探等领域具有重大学术价值或工程推广价值的研究成果，优先报道受到国家重大科研项目资助的高水平研究成果。根据科技部中国科技信息研究所发布的《2024中国科技期刊引证报告（核心版）》，《金属矿山》核心总被引频次位列26种矿业工程技术学科核心期刊第1位；根据中国知网发布的《中国学术期刊影响因子年报》（2024版），《金属矿山》学科影响力位居73种矿业期刊第9位。

供稿：朱万成等

编排：戴颖熠

审核：王小兵