金属矿山岩体质量评价方法进展与展望

王运森，郑贵平，李元辉，吴钦正

(1.东北大学深部金属矿山安全开采教育部重点实验室，辽宁 沈阳 110819； 2.山东黄金集团有限公司深井开采实验室，山东 烟台 261442)

工程岩体质量客观综合反映了岩体的力学特性和岩体工程地质特征，为岩体的开发利用、岩体稳定性评价以及工程设计参数合理选择等提供了可靠的评价依据[1]。近年来，随着浅部矿产资源的逐渐枯竭，在三高一扰动条件下的深部开采成为未来采矿的发展趋势[2]，用目前的岩体质量评价方法对承受高围压、大变形的岩体进行评价时，分级结果不能有效指导矿山作业。因此，为保证安全高效生产，研究合适的方法对矿山岩体特别是深部工程围岩质量进行评价是非常必要的。

1 岩体质量分级发展历程

岩体质量分级评价初期以定性单因素为主。苏联的罗脱亚克诺夫提出岩石坚固系数分类法、萨瓦连斯基提出岩石单轴抗压强度分类法，美国的TERZAGHI提出岩石载荷分类法，奥地利的LAUFFER提出岩石自稳时间分类法，美国的DEERE提出岩体完整性RQD分类法[3]，这些分类方法多偏重于单指标定性或定量分析，缺乏统一分级标准，且受主观因素影响较大。随后，岩体质量分类向多指标定量方向发展。挪威的BARTON提出了Q系统分类法，南非的BIENIAWSKILS提出了RMR分类法，美国的WICKHAM提出了RSR分类法，国际岩石力学协会提出了ISRM分类法[4]，以上岩体质量分级方法虽然具体选用的评价参数不同，但均考虑了岩石物理力学参数、地质构造、工程状况等多方面因素，是一种综合性的评价方法。

2 金属矿山岩体质量评价方法

2.1 传统的岩体质量分级方法及其改进

当前，挪威的Q系统分类、南非的RMR分类、中国工程岩体BQ分级标准和地下硐室围岩HG分类在地下岩体工程应用较多。而金属矿山中应用较多是RMR和BQ分类法。

2.1.1 RMR分类法及其改进

基于地质力学的RMR分类法，其评分值最初取决于五个参数，后来引入一个修正参数来进一步强调节理裂隙对岩体稳定性产生的不利影响[5]，见式(1)。RMR为六个参数之和，分级结果见表1。

RMR=R1+R2+R3+R4+R5+R6

(1)

式中：R1为岩石抗压强度；R2为岩石质量指标；R3为节理间距；R4为节理状态；R5为地下水状态；R6为修正参数。

表1 岩体质量RMR分类确定的岩体级别Table 1 Rock mass classification by rock mass rating(RMR)

传统的RMR法由于采用固定评分方式对六个参数进行评分，评分过程中存在着人为主观不确定性，因此在复杂地质条件下分级效果差，为此李华等[6]提出AHP法，根据实际情况建立评价指标系统，各评估因素权重值由专家意见重新评估，提高了岩体质量分级的效果。

陈玉民等[7]先引入了岩体损伤系数对RMR分类法进行修正，后又在此基础上加入爆破震动影响系数和采场暴露面积两个影响指标，通过层次分析法计算，得出各影响指标对采场稳定性的权重，建立起了M-IRMR岩体质量与稳定性评价体系，运用此方法在三山岛金矿直属矿区的8个采场进行了采场稳定性评价，并依据评价结果进行采矿参数选择与支护设计，效果较好。

2.1.2 BQ分类法及其改进

中国工程岩体BQ分级标准首先以岩石坚硬程度和岩体完整程度定义了“岩体基本质量”，再根据各类型工程岩体的特点选择其他影响因素对“岩体基本质量”进行修正，最后由修正后的岩体基本质量[BQ]确定岩体质量的级别[8]。BQ通过式(2)计算；修正后的岩体基本质量[BQ]通过式(3)计算。

BQ=90+3Rc+250Kv

(2)

式中：Rc为岩石单轴抗压强度；Kv为岩体完整性系数。

[BQ]=BQ-100(K1+K2+K3)

(3)

式中：K1为地下水修正系数；K2为结构面产状修正系数；K3为初始应力状态修正系数。

王明华等[9]考虑了软弱夹层岩体对岩体质量的影响，对在BQ分类法基础上引入控制性结构面方位修正系数进行了修正，修正方法见式(4)～(5)。

[BQ]xld=[BQ]-100K4

(4)

K4=1-fc/fr

(5)

式中，fc、fr分别为错动带和围岩的摩擦系数。

将修正BQ系统分类方法应用于西南某地下硐室，评价结果与RMR分类法进行比较，发现具有很好的线性关系，且评价结果非常接近。

BQ分类法中K1和K2在确定过程中存在分歧，刘浩等[10]利用加权平均法修正，经过修正后的岩体质量加权平均修正值[BQ]′计算见式(6)。

(6)

采用工程岩体分级标准和加权平均修正分别计算[BQ]值和[BQ]′值，然后在白音诺尔矿业有限公司北矿区进行岩体质量分级，对比结果发现运用加权平均法修正后的BQ法更合适。

2.2 智能岩体质量评价方法

2.2.1 神经网络法

人工神经网络是模仿生物神经系统的“智能”信息处理系统，始于20世纪40年代，最近以“阿尔法狗”为代表的深度学习智能系统掀起了又一次应用高潮。目前BP神经网络是发展最成熟的、在岩体工程中运用最为广泛一种神经网络模型[11]。

冯夏庭是最早将神经网络用于岩体工程中的学者之一[12-13]。文献[12]探讨了PDP模型学习岩体分级的方法，建立了各种地质及工程因素与岩体的等价级别之间非线性映射，利用学习后的网络及权值识别新的岩体的等价级别；文献[13]建立了基于神经网络的知识获取、知识表示、知识库管理和运用程序，并用于岩体质量评价，不仅效率高，而且开辟了建立岩石力学专家系统的新途径。李强[14]在金川二矿区试验段巷道采用以巷道收敛变形为定量指标，以1 198 m水平采准巷道试验段的岩体为样本，对BP网络进行训练，建立模型，用建立好的BP网络模型在1 218 m水平采准巷道进行岩体质量分级，其结果与按BQ岩体质量分级一致，但简单易行，且可以减少工作量。马明辉等[15]利用BP神经网络、概率神经网络利用相同的学习测试数据进行岩体分级实验，结果表明概率神经网络收敛速度快，在岩体质量分级中预测准确率高，能保证最优解。万凯军等[16]从围岩介质特性、环境条件以及工程因素3个方面系统分析了影响岩体质量分级的因素指标，采用四层网络结构构建了围岩质量分级的BP神经网络模型，以某矿山竖井选取工程实例建立学习样本并训练与检验，结果具有较好的收敛性，在岩体质量分级中具有很好的实用性。

2.2.2 可拓学理论法

可拓学理论以形式化的模型，从定量和定性两个角度来处理矛盾问题。基于可拓学的岩体分类方法能够根据实际工程岩体多方面考虑因素的种类和数量，最大限度地利用实验和工程调查的成果，能够在统一的评价模型下把评价因素由单一的确定值转换为区间值从而使评价的结果更加精确[17]。王彦武[18]融合RMR法和Q法的评价指标，建立基于可拓学和模糊数学的多指标模糊评价模型并对某地下磷矿巷道围岩质量进行评价，结果表明，该方法综合了两者优点，更符合实际，可满足地下岩体质量分级的需要。郭其林等[19]在新田岭钨矿矿岩质量评价中，建立了岩体质量评价的物元模型，能够较好地反映新田岭钨矿岩的质量等级及与其他质量等级的“距离”，具有较好的适用性。刘爱华等[20]在新疆东戈壁矿岩体质量评价中，建立基于物元和可拓集介关联函数的工程岩体可拓评价方法，发现可拓学评价结果比RMR法和Q法更准确，可在生产中使用。

2.2.3 模糊综合评价法

模糊数学为研究主观性较强、难以用精确数学准确描述的问题提供了一种简便而有效的数学方法[21]。岩体质量分级就是这种多影响因素的模糊问题，因此，得到了人们广泛的研究与应用。陆兆溱等[22]等在综合考虑了RMR法与Q法的评价因素，引入评分机制来评价定性因素对围岩稳定的影响，运用模糊数学对岩体质量来进行评价，取得了良好的评价效果。唐绍辉[23]主要考虑了岩体结构和地应力的影响，根据模糊变换准则及最大隶属原则，运用模糊综合判据方法对安庆铜矿1号矿体进行了岩体质量评价。苏永华等[24]选取RQD、单轴抗压强度、岩体完整系数和岩石软化系数作为评价指标，对东北某大型铁矿胶带运输系统运输硐室的岩体进行了分级研究，结果表明改方法简单且易于把握，可方便应用于矿山现场。刘志祥等[25]等选取6个关键因素作为评判指标，采用数值特征分析方法和模糊统计方法来确定其隶属函数，对三山岛金矿围岩质量进行评价，建立模糊综合评判模型判定围岩等级，研究结果与现场工程实际吻合，具有良好的适用性。

2.2.4 灰色聚类法

在矿山岩体质量评价中可以采集到的信息较少，而影响矿岩质量的因素众多，难以确定各种因素间的关系。灰色聚类把聚类指标对应白化数按照灰类进行归纳、聚类，能够很好解决这一具有“灰色”性质问题[26]，因此许多专家学者将其应用于岩体质量分级研究中。雷学文等[27]运用灰色聚类法，针对金山店铁矿矿岩特征，选取5个评价指标，建立灰类白化函数，对77个工程段的矿岩稳定性进行分级，并应用此分级结果选择支护形式和确定支护参数，结果符合实际。杨仕教等[28]选取单轴抗压强度等5项指标应用灰色定权聚类法对丰山铜矿北缘采区矿岩质量进行了综合分级，分级的结果符合工程实际。

3 存在的问题及讨论

1) 金属矿山开采是一个动态的过程，开采工程有其自身的特点，不同于水利水电工程、公路隧道工程等其他岩体工程，只有深刻认识这些特点，才能有效的开展矿山岩体评价的研究。在采动影响下岩体本身一直在动态变化，岩体初始裂隙不断孕育发展，围岩在爆破等外力作用下，新的裂隙不断产生和发育，随着开采工作的完成，裂隙逐渐达到一个新的平衡。如何对这样一个复杂的动态发展变化的对象进行快速评价，为研究提出了新的课题。现有的评价体系在很多时候并没有考虑开挖区域的矿山生命周期内的动态变化，因此不能对大规模地下开采过程中的岩体质量做出准确判断。

2) 目前岩体质量评价方法多是在浅部岩体工程的基础上完善的，随着金属矿山开采不断向深部发展，采矿作业环境发生显著变化，岩体长期承受高围压和高开采扰动，岩石的破坏形式由脆性向延性转化，并且表现出流变特性，这些变化导致现在的评价方法在深部岩体中不完全适用。

3) 矿山在进行现场调查、科学研究、取样实验时多是针对某一区域，获得的数据具有局限性和不连续性；很多现场调查测量是分部门进行的，由于各部门间缺乏沟通和交流，不能进行横向比较；加上数据多是个人化管理，人员频繁流动会导致数据的遗失。这些原因致使不能系统的管理数据，获得的基础数据也就不能被充分利用，很多时候往往具备数据，却不能进行快速的岩体质量评价。

4) 目前矿山在进行岩体质量评价后，通常是以文字描述或者简单平面图的形式表达，不能以三维可视化的形式展示整个开采区域的岩体质量。岩体质量分级情况不能直观表达，矿山技术人员无法准确方便的掌握某一区域的岩体质量，在进行采矿设计时只能凭经验判断，不能实现安全高效地开采。

综上所述，开采工程具有“动态性”特点，“动态”性的内涵包括：客观对象动态发展，必须跟踪监测；主观认识随采矿发展逐步深化，具有阶段性，需要不断修正计算的条件和参数，稳定性评价也是动态的；开采工程的时效性，实时提供数据采集分析的客观条件。因此，研究“动态”过程下的矿岩评价，才符合开采过程下矿岩随时间发展变化的特点，只有建立操作简单、成本低廉、刻画动态发展变化的评价模型才能更好的为矿山安全高效生产的目的提供支撑。

4 研究展望

1) 现在金属矿山的岩体质量评价多是在某一工程节点进行，不能实现动态连续评价。未来的岩体质量评价，应向着快速、实时、可视化的方向发展，借助计算机技术建立快速评价系统，运用不同的方法进行多元化的岩体质量评价，实现对开采区域的动态评价。

2) 改进目前常用的RMR法和Q法等岩体质量评价方法，研究适用于深部岩体的评价方法。根据深部开采岩石特殊的力学行为与破坏形式，在评价指标中引入高地应力、高地温、含水率等，同时考虑采场结构、采矿方法、空顶面积、爆破方式等对岩体稳定性的影响，实现对深部岩体质量的准确评价。

3) 近年来，计算机技术的迅速发展和地球物理学理论的不断成熟，特别是数字化地震监测技术的应用，极大促进了微震监测技术在冲击矿压和矿震监测预报中的应用，目前国内的高冲击及强矿震危险矿区几乎都建立了各种不同监测尺度的微震监测系统。三维层析技术、数字摄影技术、激光扫描、微震监测等一系列先进技术的问世，为矿岩快速动态评价这种复杂问题的研究提供了科学帮助和可能性。各种可视化及仿真模拟技术可运用于实现结构面赋存状态的三维再现；深度学习敏感性数学计算方法、数值模拟技术等现场试验难以实现的科学研究方法和技术可广泛运用于区域工程稳定性影响方面的相关研究。这些都为深部开采影响下岩体演化评价的研究提供了可能。

4) 实现岩体质量的快速评价，必须有数据支持。目前岩体力学数据管理方式还比较落后，未来应借助大数据库系统，建立可将岩石物理力学参数、矿区地质情况、现场监测数据、回采参数集成于一体的综合信息云管理平台。将现场监测和日常测试所获得的数据及时入库，根据现场开采条件的变化及时调取不同的参数进行岩体质量评价。

5) 为了保证运用效果，未来金属矿山岩体质量的评价结果，应采用更直观的方式展示出来。可建立集成矿山开采环境、开采对象、开采工程的模型，借助三维云图或等值面形式，运用全息投影技术或多屏拼接显示系统，将岩体质量分级结果以动态可视化的形式表征。