一种提高尾矿坝基于库水位的风险评估精准性的方法

摘要

本发明涉及一种提高尾矿坝基于库水位的风险评估精准性的方法。该方法具体包括：1.对坝体的库水位和风险状态信息进行实时采集和预处理；2.建立库水位和坝体风险状态信息间可能存在的复杂多变性函数关系；3.利用基于相似性测度的加权融合方法对多个函数关系进行融合处理；4.对融合函数进行凸化处理，利用可能性均值和方差获得坝体的风险状态值区间，对坝体进行风险评估，并发布危险等级。本发明的提高尾矿坝风险评估精准性的方法，具有精准性高、工程应用前景广以及便于在系统模块上实现的优点。

说明书

技术领域

本发明涉及一种提高尾矿坝基于库水位的风险评估精准性的方 法，具体为提高尾矿坝基于库水位的风险评估精准性的方法。

背景技术

尾矿坝作为一个重大的人造危险源，对附近的村庄、企业以及居 民等都是一个潜在的威胁。尾矿坝一旦溃坝，不仅涉及到矿山自身的 生产安全，更关系到周边及其下游居民的生命财产安危，极易造成重 大、特大事故，严重威胁着社会的安全稳定。

库水位作为尾矿坝最重要的监测指标，其位置高低严重影响着坝 体的风险状态。在尾矿坝实际运行中，对库水位指标进行实时监测， 并研究其对坝体风险状态的影响，是确保尾矿坝安全运行的必要措 施。但由于坝体结构的动态性、环境的强干扰性及监测系统本身的局 限性等常常使采集的库水位信息具有很大的模糊、随机等不确定性。 另外，坝体的风险状态也是动态变化的，导致库水位与坝体风险状态 间的函数关系是复杂多变的。该复杂多变主要体现在两个方面：第一， 在同一时刻，两者间可能存在多个函数关系，且具有并存性；第二， 随时间的变化，两者间的函数关系也在变化，而不是单一的。所以利 用单一的函数无法描述这种复杂多变的关系，从而造成坝体风险评估 的误判、错判，大大降低了评估的精准性。因此，通过研究两者间的 多变性函数关系，把溃坝事故控制在萌芽状态需要有效的、合理的、 高精准性的坝体风险评估方法。

现有基于库水位的坝体风险评估中，大多文献对库水位的重要性 进行了说明。但总体来说，不是用单一的流体力学函数来表示两者间 的关系，就是侧重于库水位与其他监测指标（如浸润线、坝体位移、 干滩长度）间的权值确定，而针对库水位与坝体风险间多变性关系的 研究鲜有涉及。目前，有研究提出通过随机集可建立系统风险评估中 两类集间的函数关系，但其置信水平的选取是有限的；也有学者在随 机集的基础上，提出了可能性集值映射来解决置信水平有限的问题。 另外，可能性理论作为一种新的不确定性推理方法，其可能性分布还 可以很好地表征库水位及坝体风险状态信息的随机、模糊等不确定 性，为尾矿坝风险评估提供了更准确的描述方法。因此，通过可能性 集值映射及各映射间的加权融合，提高风险评估的精准性具有重要的 科学依据和现实意义。

库水位的监测是由尾矿坝在线监测系统来完成的。在线监测系统 主要由库水位监测子系统、浸润线监测子系统、干滩长度监测子系统， 坝体位移监测子系统与视频监测子系统等组成。代表性的研究内容涉 及各子系统中传感器材料及信号采集系统的研制、综合管理模块的安 全运行、数据采集模块的自检、采集与储存、数据通讯模块的传输、 数据处理模块的可靠性与稳定性以及监测预警模块的预警等方面。实 现系统的一体化、远程、实时、自动分析与评估、智能化是尾矿坝在 线监测系统的发展趋势。不容质疑的是，这些技术的发展虽然一定程 度上提高了坝体风险评估的精准性，但未从问题的根本出发，即未找 到各单指标与坝体风险状态间存在的多变性关系；未利用多变性关系 对坝体进行评估，造成了风险评估的误判、错判，大大降低了评估的 精准性，严重影响了评估效果。

综合考虑以上情况可以看出，急需一种方法来专门用于解决库水 位与坝体风险状态间的多变性关系及库水位对坝体的影响，以完善尾 矿坝在线监测系统的风险评估能力。

发明内容

本发明为了解决现有尾矿坝风险评估中因单一函数无法有效描 述库水位与坝体风险状态间的复杂关系所导致的风险评估精准性低 的问题，提供了一种提高尾矿坝基于库水位的风险评估精准性的方 法。

本发明是采用如下的技术方案实现的：一种提高尾矿坝基于库水 位的风险评估精准性的方法，包括以下步骤：

利用尾矿坝的库水位监测子系统对库水位监测信息x′进行实时 采集，并将库水位监测信息x′转化为高斯随机模糊变量转换方 法为：在相同时间间隔Δt内连续记录库水位监测信息x′，进行k次， 每次记录信息20～30次，每次记录的库水位监测信息x′记为一组， 将每组库水位监测信息进行标准化得到库水位标准化信息x，计算每 组库水位标准化信息x的均值M_k和方差σ_k，构建库水位高斯随机变 量x_k～N(M_k,)，将均值M_k转化为三角模糊数三角模糊数可 能性分布函数为且b_k＝c_k，a_k为最小的均值，d_k为最大的均值，b_k，c_k为数量最多的可能性均值，将库水位高斯随机 变量x_k转化成高斯随机模糊变量${\pi }_{{\stackrel{\overline{~}}{\xi }}_k}\left(x_k\right)=\underset{M_k}{\sup }\left\{{\pi }_{{\tilde{M}}_k}\left(s\right)\right|x_k~N(M_k,{\sigma }_k^2)\},$s 为三角模糊数取值空间；

利用专家系统对采集的库水位监测信息x′进行分析，获得坝体风 险状态信息y_k，并将其转化为梯形随机模糊变量转换方法为： 由专家系统根据坝体的安全评判标准利用层次分析法对与k组库水 位监测信息x′同一时间段内的坝体状态进行评判，获得k组库水位监 测信息对应的k组坝体风险状态信息y_k，将k组坝体风险状态信息 y_k转化为梯形随机模糊变量即坝体风险状态信息为梯形随机模 糊变量其中，a′_k、b′_k、c′_k、d′_k由专家系统确定；

建立高斯随机模糊变量(x_k)与梯形随机模糊变量(y_k)间 的多变性函数，将k组高斯随机模糊变量(x_k)和k组梯形随机模 糊变量(y_k)分别用可能性合成规则进行合成，得到库水位监测合 成信息(x)和坝体风险状态合成信息(y)，式中∨为取大运算符，然后确定库水位监测合成信息(x)和坝体风 险状态合成信息(y)的落影：式中λ∈[0,1]和A_λ分别为 库水位监测合成信息(x)的置信水平和落影；α∈[0,1]和B_α分别为 坝体风险状态合成信息(y)的置信水平和落影，利用扩张原理建立 库水位监测合成信息(x)和坝体风险状态合成信息(y)的联合 落影：式中∪为并运算符，Y为坝体风 险状态信息y_k的取值空间，为库水位监测合成信息(x)落影A_λ的补，获得合成后的库水位监测合成信息(x)和坝体风险状态合成 信息(y)间的联合函数关系(x,y)；库水位标准化信息x在取值 空间X内不唯一时，即其取值是变化的，则用模糊集x₀∈X来表示 库水位标准化信息x，将(x₀,y)进行标准化处理，获得库水位监测 合成信息(x)与坝体风险状态合成信息(y)的多变性函数关系： π_ζ(x₀,y)＝(1-A(x₀))∨A(x₀)B(y)，式中

$A\left(x_0\right)=\left\{{\pi }_{\stackrel{\overline{~}}{\xi }}\left(x_0\right)\right|x_0\in \overline{\stackrel{~}{\xi }}(\lambda ,\alpha )\}=\{{\pi }_{\overline{\stackrel{~}{\xi }}}\left(x_0\right)|x_0\in A_{\lambda }\},$

$B\left(y\right)=\left\{{\pi }_{\overline{\stackrel{~}{\eta }}}\left(y\right)\right|y\in \overline{\stackrel{~}{\eta }}(\lambda ,\alpha )\}=\{{\pi }_{\overline{\stackrel{~}{\eta }}}\left(y\right)|y\in B_{\lambda }\};$

利用基于相似性测度的加权融合法对上述多变性函数π_ζ(x₀,y) 中的函数进行融合处理，融合方法为：当λ、α取值不同时，得到的 库水位监测合成信息(x)与坝体风险状态合成信息(y)间的可 能性函数也不同，从多变性函数π_ζ(x₀,y)中选取n个可能性函数 π₁,π₂,…,π_n，计算n个函数中两两函数间的相似性测度， $S({\pi }_i,{\pi }_j)=(1-|x_{{\pi }_i}-x_{{\pi }_i}\left|\right)\times \frac{\min (P_l\left({\pi }_i\right),P_l\left({\pi }_j\right))}{\max (P_l\left({\pi }_i\right),P_l\left({\pi }_j\right))}\times \frac{\min (A\left({\pi }_i\right),A\left({\pi }_j\right))+\min (w_{{\pi }_i},w_{{\pi }_j})}{\max (A\left({\pi }_i\right),A\left({\pi }_j\right))+\max (w_{{\pi }_i},w_{{\pi }_j})}$，式中，i,j＝1,2,…,n，且i≠j，分别为函数π_i和π_j的重心； P_l(π_i)、A(π_i)分别为函数π_i的周长和面积，P_l(π_j)、A(π_j)分别为函 数π_j的周长和面积；分别为函数π_i和π_j的最大值，建立相 似性测度S(π_i,π_j)的相似性矩阵D，根据相似性矩阵D计算各可能性 函数的信任度β_i，将其作为第i个可能性函数π_i的权值，进行加权融 合，得到融合函数${\pi }_F(x_0,y)=\underset{i=1}{\overset{n}{\Sigma }}{\beta }_i{\pi }_i(x_0,y);$

对融合函数π_F(x₀,y)进行凸化处理，计算出凸化处理后函数的 可能性均值M和可能性方差σ²，给出坝体的风险状态值区间 [M-σ,M+σ]，根据划分尾矿坝的危险等级方法，得出坝体危险等 级。

本发明首先监测了k组库水位监测信息x′，为统一量纲，将其进 行标准化，求得库水位标准化信息x的均值M_k和方差σ_k，构建库水 位高斯随机变量特别得将均值M_k转化为三角模糊数 将库水位标准化信息x为高斯随机模糊变量 ${\pi }_{{\stackrel{\overline{~}}{\xi }}_k}\left(x_k\right)=\underset{M_k}{\sup }\left\{{\mu }_{{\tilde{M}}_k}\left(s\right)\right|x_k~N(M_k,{\sigma }_k^2)\},$再利用专家系统对采集的库水位监 测信息x′进行分析，获得坝体风险状态信息y_k，并将其转化为梯形 随机模糊变量将获得的高斯随机模糊变量 ${\pi }_{{\stackrel{\overline{~}}{\xi }}_k}\left(x_k\right)=\underset{M_k}{\sup }\left\{{\mu }_{{\tilde{M}}_k}\left(s\right)\right|x_k~N(M_k,{\sigma }_k^2)\}$和梯形随机模糊变量 合成库水位与坝体风险状态间的多变性函数 π_ζ(x₀,y)＝(1-A(x₀))∨A(x₀)B(y)，然后再计算多变性函数 π_ζ(x₀,y)＝(1-A(x₀))∨A(x₀)B(y)中两两函数之间的相似度，计算出 各函数的信任度β_i，对多变性函数π_ζ(x₀,y)＝(1-A(x₀))∨A(x₀)B(y) 中的函数进行加权融合，得到融合函数再 对融合函数凸化处理后，得到凸化处理后函数的可能性均值M和可 能性方差σ²，给出坝体的风险状态值区间[M-σ,M+σ]，便可根据 划分尾矿坝的危险等级方法，得出尾矿坝的风险等级；将库水位监测 信息和坝体风险状态信息分别转化成三角随机模糊变量和梯形随机 变量，不仅描述了信息的随机性，而且也描述了其模糊性，使信息的 描述更准确，为两者间映射关系的建立提供了更准确的信息，利用可 能性集值映射建立库水位监测信息和坝体风险状态信息间的多变性 函数关系，可以从不同的侧面来反映坝体的风险状态，不仅解决了单 一映射关系无法描述这种复杂关系的问题，而且提高了坝体风险评估 的精准性，本发明求得库水位与坝体风险状态间的多变性函数包含多 个库水位与坝体风险状态间的函数关系，将这些函数关系加权融合求 得的融合函数就包含了库水位与坝体风险状态间的动态性关系，该融 合函数就能表达出库水位与坝体风险状态间的复杂性关系，由此得出 的风险状态值区间[M-σ,M+σ]就能较全面、准确的反应出坝体的 风险状态。

专家系统由多位尾矿坝风险评估专家组成，各位专家根据公认的 尾矿坝的安全评判标准利用层次分析法得出尾矿坝风险状态信息，各 位专家得出的尾矿坝风险状态信息在可预测的范围内，因此由尾矿坝 风险状态信息转化的梯形随机模糊变量为确定的变量。

上述的一种提高尾矿坝基于库水位的风险评估精准性的方法，根 据不同的λ和α值从多变性函数π_ζ(x₀,y)中选取n个函数 π₁,π₂,…,π_n时，λ和α在0.75～0.95间选值，选出的多变性函数可靠， 进而最后得出的风险状态值区间[M-σ,M+σ]更准确和全面。

按“新九分法”将尾矿坝的危险等级划分为五个区域如下表：

危险程度 危险值（W） 危险等级 稍有危险，可以接受 ＜0.09 A 一般危险，需要注意 0.09～0.27 B 显著危险，需要整改 0.27～0.54 C

高度危险，需立即整改 0.54～0.99 D 极度危险，停库整改 ＞0.99 E

当库水位监测信息为模糊集[0.68,0.72]时，利用本发明和流体力 学方法对坝体进行风险评估，结果相比如下表：

局部隶属因子Q_i是指坝体的风险状态值区间位于各危险等级区 间的长度与坝体的风险状态值区间长度的比值，即式中； L(W)为坝体的风险状态值区间的长度；L_i为坝体风险状态值区间位 于第i个危险等级的长度，由上表可知，用流体力学法对库水位监测 信息进行评估时，坝体的风险状态为C等级，即存在显著危险，需要 整改；而利用本发明所得的评估结果为：属于C等级的可能性为 15.38%、属于D等级的可能性为84.62%，根据局部隶属因子的最大 值属于的危险等级作为坝体的风险状态，也就是说，当库水位为模糊 集[0.68,0.72]时，坝体的危险等级处于D级，即存在高度危险，应立 即进行整改；因此本发明在描述坝体的动态变化性及监测信息的不确 定性方面具有重要优越性，且该风险评估方法具有合理、高精准性、 工程应用前景广等优点，对于尾矿坝的安全管理具有非常重要的意 义。

本发明的提高尾矿坝基于库水位的风险评估精准性的方法不仅 具有实用性强、精准性高、工程应用前景广等优点，而且还为库水位 和坝体风险状态信息提供了更准确的描述方法，可容易地嵌入到尾矿 坝在线监测系统中，满足系统的一体化、自动分析与评估的需求，对 坝体的风险评估具有很高的应用价值。

附图说明

图1为本发明的流程图。

图2为用高斯随机模糊变量表示的3组标准化后库水位监测 信息的分布图。

图3为用梯形随机模糊变量表示的3组准化后坝体风险状态 信息的分布图。

图4为准化后库水位监测信息(x)与准化后坝体风险状态信息 (y)间的多变性函数图。

图5为根据流体力学法得到的库水位与坝体风险状态信息间的函 数图。

图6为本发明得到的库水位与坝体风险状态信息间的函数图。

具体实施方式

一种提高尾矿坝基于库水位的风险评估精准性的方法，包括以下 步骤：

利用尾矿坝的库水位监测子系统对库水位监测信息x′进行实时 采集，并将库水位监测信息x′转化为高斯随机模糊变量转换方 法为：在相同时间间隔Δt内连续记录库水位监测信息x′，进行k次， 每次记录信息20～30次，每次记录的库水位监测信息x′记为一组， 将每组库水位监测信息进行标准化得到库水位标准化信息x，计算每 组库水位标准化信息x的均值M_k和方差σ_k，构建库水位高斯随机变 量将均值M_k转化为三角模糊数三角模糊数可 能性分布函数为且b_k＝c_k，a_k为最小的均值，d_k为最大的均值，b_k，c_k为数量最多的可能性均值，将库水位高斯随机 变量x_k转化成高斯随机模糊变量${\pi }_{{\stackrel{\overline{~}}{\xi }}_k}\left(x_k\right)=\underset{M_k}{\sup }\left\{{\pi }_{{\tilde{M}}_k}\left(s\right)\right|x_k~N(M_k,{\sigma }_k^2)\},$s 为三角模糊数取值空间；

利用专家系统对采集的库水位监测信息x′进行分析，获得坝体风 险状态信息y_k，并将其转化为梯形随机模糊变量转换方法为： 由专家系统根据坝体的安全评判标准利用层次分析法对与k组库水 位监测信息x′同一时间段内的坝体状态进行评判，获得k组库水位监 测信息对应的k组坝体风险状态信息y_k，将k组坝体风险状态信息 y_k转化为梯形随机模糊变量即坝体风险状态信息为梯形随机模 糊变量其中，a′_k、b′_k、c′_k、d′_k由专家系统确定；

建立高斯随机模糊变量(x_k)与梯形随机模糊变量(y_k)间 的多变性函数，将k组高斯随机模糊变量(x_k)和k组梯形随机模 糊变量(y_k)分别用可能性合成规则进行合成，得到库水位监测合 成信息(x)和坝体风险状态合成信息(y)，式中∨为取大运算符，然后确定库水位监测合成信息(x)和坝体风 险状态合成信息(y)的落影：式中λ∈[0,1]和A_λ分别为 库水位监测合成信息(x)的置信水平和落影；α∈[0,1]和B_α分别为 坝体风险状态合成信息(y)的置信水平和落影，利用扩张原理建立 库水位监测合成信息(x)和坝体风险状态合成信息(y)的联合 落影：式中∪为并运算符，Y为坝体风 险状态信息y_k的取值空间，为库水位监测合成信息(x)落影A_λ的补，获得合成后的库水位监测合成信息(x)和坝体风险状态合成 信息(y)间的联合函数关系π′_ζ(x,y)；库水位标准化信息x在取值 空间X内不唯一时，即其取值是变化的，则用模糊集x₀∈X来表示 库水位标准化信息x，将π′_ζ(x₀,y)进行标准化处理，获得库水位监测 合成信息(x)与坝体风险状态合成信息(y)的多变性函数关系： π_ζ(x₀,y)＝(1-A(x₀))∨A(x₀)B(y)，式中

$A\left(x_0\right)=\left\{{\pi }_{\stackrel{\overline{~}}{\xi }}\left(x_0\right)\right|x_0\in \overline{\stackrel{~}{\xi }}(\lambda ,\alpha )\}=\{{\pi }_{\overline{\stackrel{~}{\xi }}}\left(x_0\right)|x_0\in A_{\lambda }\},$

$B\left(y\right)=\left\{{\pi }_{\overline{\stackrel{~}{\eta }}}\left(y\right)\right|y\in \overline{\stackrel{~}{\eta }}(\lambda ,\alpha )\}=\{{\pi }_{\overline{\stackrel{~}{\eta }}}\left(y\right)|y\in B_{\lambda }\};$

利用基于相似性测度的加权融合法对上述多变性函数π_ζ(x₀,y) 中的函数进行融合处理，融合方法为：当λ、α取值不同时，得到的 库水位监测合成信息(x)与坝体风险状态合成信息(y)间的可 能性函数也不同，从多变性函数π_ζ(x₀,y)中选取n个可能性函数 π₁,π₂,…,π_n，计算n个函数中两两函数间的相似性测度， $S({\pi }_i,{\pi }_j)=(1-|x_{{\pi }_i}-x_{{\pi }_i}\left|\right)\times \frac{\min (P_l\left({\pi }_i\right),P_l\left({\pi }_j\right))}{\max (P_l\left({\pi }_i\right),P_l\left({\pi }_j\right))}\times \frac{\min (A\left({\pi }_i\right),A\left({\pi }_j\right))+\min (w_{{\pi }_i},w_{{\pi }_j})}{\max (A\left({\pi }_i\right),A\left({\pi }_j\right))+\max (w_{{\pi }_i},w_{{\pi }_j})}$，式中，i,j＝1,2,…,n，且i≠j，分别为函数π_i和π_j的重心； P_l(π_i)、A(π_i)分别为函数π_i的周长和面积，P_l(π_j)、A(π_j)分别为函 数π_j的周长和面积；分别为函数π_i和π_j的最大值，建立相 似性测度S(π_i,π_j)的相似性矩阵D，根据相似性矩阵D计算各可能性 函数的信任度β_i，将其作为第i个可能性函数π_i的权值，进行加权融 合，得到融合函数${\pi }_F(x_0,y)=\underset{i=1}{\overset{n}{\Sigma }}{\beta }_i{\pi }_i(x_0,y);$

对融合函数π_F(x₀,y)进行凸化处理，计算出凸化处理后函数的 可能性均值M和可能性方差σ²，给出坝体的风险状态值区间 [M-σ,M+σ]，根据划分尾矿坝的危险等级方法，得出坝体危险等 级。

上述的一种提高尾矿坝基于库水位的风险评估精准性的方法，根 据不同的λ和α值从多变性函数π_ζ(x₀,y)中选取n个函数 π₁,π₂,…,π_n时，λ和α在0.75～0.95间选值。

具体实施时，λ和α不宜低于0.6，一般在0.75～0.95间选值，得出的 多变性函数关系可靠；在对融合函数π_F(x₀,y)进行凸化处理，按照以 下规则处理：对于任意区间y∈[y_p,y_p+1]来说，如果 π_F(x₀,y_p)≤π_F(x₀,y_p+1)，则当π_F(x₀,y)≤π_F(x₀,y_p)时 π_F(x₀,y)＝π_F(x₀,y_p)；如果π_F(x₀,y_p)≥π_F(x₀,y_p+1)，则当 π_F(x₀,y)≤π_F(x₀,y_p+1)时π_F(x₀,y)＝π_F(x₀,y_p+1)；式中，y_p、y_p+1为极大值所对应的横坐标，且p＝1,2,…,r-1，r为极大值个数。计算 凸化处理后函数的可能性均值M和可能性方差σ²， $\{\left(\begin{array}{c}M={\int }_0^1(a_1\left(\mu \right)+a_2\left(\mu \right))\mathrm{\mu d\mu }\\ {\sigma }^2={\int }_0^1\frac{1}{6}[a_1\left(\mu \right)+a_2\left(\mu \right){]}^2\mathrm{\mu d\mu }\end{array}\right);$式中，μ∈[0,1]为凸化处理后函数的置 信水平；a₁(μ)，a₂(μ)分别为μ置信水平下区间的两个端点。