东北大学学报:自然科学版  2017, Vol. 38 Issue (10): 1464-1467  
0

引用本文 [复制中英文]

王训洪, 顾晓薇, 胥孝川, 王青. 基于GA-AHP和云物元模型的尾矿库溃坝风险评估[J]. 东北大学学报:自然科学版, 2017, 38(10): 1464-1467.
[复制中文]
WANG Xun-hong, GU Xiao-wei, XU Xiao-chuan, WANG Qing. Risk Evaluation of Break-Dam in Mine Tailings Pond Based on GA-AHP and Cloud-Matter Element Model[J]. Journal of Northeastern University Nature Science, 2017, 38(10): 1464-1467. DOI: 10.12068/j.issn.1005-3026.2017.10.019.
[复制英文]

基金项目

国家自然科学基金资助项目（51474049，51674062）；国家自然科学基金青年科学基金资助项目（51604061）；辽宁省自然科学基金资助项目（201202075，2014020040）；教育部博士点博导类基金资助项目（20130042110012）；辽宁省教育厅重点实验室基础研究项目（LZ2014020）；沈阳市科技计划项目（F14-231-1-07）

作者简介

王训洪(1990-), 男, 江西鄱阳人, 东北大学博士研究生;
顾晓薇(1971-), 女, 辽宁凤城人, 东北大学教授, 博士生导师;
王青(1962-), 男, 内蒙古兴和人, 东北大学教授, 博士生导师。

文章历史

收稿日期：2016-10-16
Contents              Abstract              Full text              Figures/Tables              PDF
基于GA-AHP和云物元模型的尾矿库溃坝风险评估
王训洪, 顾晓薇, 胥孝川, 王青    
东北大学 资源与土木工程学院, 辽宁 沈阳 110819
收稿日期：2016-10-16
基金项目：国家自然科学基金资助项目（51474049，51674062）；国家自然科学基金青年科学基金资助项目（51604061）；辽宁省自然科学基金资助项目（201202075，2014020040）；教育部博士点博导类基金资助项目（20130042110012）；辽宁省教育厅重点实验室基础研究项目（LZ2014020）；沈阳市科技计划项目（F14-231-1-07）。
作者简介：王训洪(1990-), 男, 江西鄱阳人, 东北大学博士研究生;
顾晓薇(1971-), 女, 辽宁凤城人, 东北大学教授, 博士生导师;
王青(1962-), 男, 内蒙古兴和人, 东北大学教授, 博士生导师。
摘要：为准确评估尾矿库溃坝风险等级，建立了GA-AHP和云物元评估模型.采用德尔菲法对尾矿库溃坝风险因素进行识别，构建了尾矿库溃坝风险评估指标体系；利用遗传层次分析法计算尾矿库溃坝风险指标的权重；对评估指标进行分级，建立了基于GA-AHP和云物元模型的尾矿库溃坝风险评估模型.将所建立的模型运用到实际案例中，利用Matlab软件计算了各评估指标的隶属度和综合隶属度，结果表明，该尾矿库溃坝风险等级为"正常库"，评估结果与尾矿库实际情况吻合.
关键词：尾矿库    溃坝风险评估    遗传层次分析法    云物元模型    隶属度    
Risk Evaluation of Break-Dam in Mine Tailings Pond Based on GA-AHP and Cloud-Matter Element Model
WANG Xun-hong, GU Xiao-wei, XU Xiao-chuan, WANG Qing    
School of Resources & Civil Engineering, Northeastern University, Shenyang 110819, China
Corresponding author: GU Xiao-wei, professor, E-mail:631092969@qq.com
Abstract: For the accurate evaluation on risk level of break-dam in mine tailings pond, a GA-AHP and cloud-matter element model was established. The major risk factors on break-dam were identified by using the Delphi method, and the risk evaluation index system of break-dam was established. The index weights of break-dam in mine tailings pond were calculated by using GA-AHP. The evaluation index was classified to establish the risk assessment model based on the GA-AHP and cloud-matter element model. The established model was applied to practical case, and the Matlab software was used to calculate the subordinate degree. The results showed that the risk of break-dam in the mine tailings pond is normal and the evaluation results are consistent with the practice.
Key Words: mine tailings pond    break-dam risk evaluation    GA-AHP    cloud-matter element model    subordinate degree    

尾矿库是矿山选矿厂用来堆放“废渣”的场所, 是维持选矿厂正常生产的必要基础设施之一, 同时也是具有高势能的人造泥石流的重大危险源, 影响周围生态环境和居民及财产安全.据统计, 国内现有1.2万多座尾矿库, 其中危、险和病尾矿库占30%.近年来, 国内尾矿库溃坝事故时有发生, 尤其是2008年，尾矿库溃坝事故共造成数百人死亡, 直接经济损失高达数亿元, 产生了极其不良的影响[1].因此, 对尾矿库溃坝风险进行有效评估具有重大意义.

当前, 国内外学者引入了一些新方法和新理论, 对尾矿库溃坝风险评估进行了许多研究.文献[2]应用概率方法对尾矿库溃坝进行了分析, 量化了影响尾矿库溃坝的不确定性因素.文献[3]将可能性理论和专家调查法相结合对尾矿库溃坝风险评估进行了分析, 通过隶属度函数确定了各个风险评估指标, 利用可能性理论对总风险进行了综合评估.文献[4]以地中海地区的尾矿库为例, 通过分析溃坝前可观察的数据和溃坝后的影响, 运用对应分析方法对尾矿库溃坝风险进行综合评估.这些评估方法在尾矿库溃坝风险评估方面虽取得了一定的成果, 但一些评估指标具有模糊性、随机性, 难以量化, 使评估结果在一定程度上失真.为了让评估结果更具客观性, 本文将遗传层次分析法和云物元模型应用于尾矿库风险评估中, 建立了基于GA-AHP和云物元模型的尾矿库溃坝风险评估模型.

1 研究方法 1.1 云物元模型基本原理

云物元模型是云模型对物元分析方法的改进.物元分析要求事物性质的量值v是一个确定的值, 而现实情况中, v常常具有模糊性和随机性.针对这类情况, 若继续采用一个确定的值去建立物元, 则评估结果不够准确，因此将云模型引入物元分析中将会弥补物元分析的不足.

1.2 云物元模型的计算步骤

1) 构建待评物元:物元一般将事物表示为R=(N, c, v).其中, N为事物名称; c为事物性质; v为事物性质的量值; R为事物的基本元.一个事物通常有多个特征, 用物元表示为

(1)

2) 确定待评物元的标准云:将评估指标因素分级, 评估定级是区间[cmin, cmax].标准云的云参数计算式为

(2)
(3)
(4)

式中:Ex表示期望; En表示熵；He表示超熵; s是常数, s的值是依据评价指标的模糊性和随机性自行调整.

3) 隶属度的计算:由于云模型的引入, 物元分析方法中的隶属度函数将不再使用.云物元模型的隶属度计算步骤如下:

① 根据式(2)~式(4) 计算云的数字特征(Exi, Eni, Hei);

② 生成期望值为En、标准差值为Hx的正态随机数En1;

③ 令数值x为一个云滴, 计算云滴x的隶属度, 隶属度计算公式为

(5)

4) 计算综合隶属度及评估等级判定:风险评估指标属于等级j的综合隶属度为

(6)

评估等级判定:若Kk(U)=maxKj(U), 则评估对象的等级判定为k级.

2 模型的建立与应用 2.1 模型的建立 2.1.1 尾矿库溃坝风险评估指标体系的构建

通过查阅文献[5-8]和尾矿库设计规范, 结合尾矿库自身特性, 遵循全面性、系统性、可操作性及独立性等原则, 采用德尔菲法[9]对尾矿库溃坝的主要影响因素进行了识别, 然后对其主要风险因素进行了归类和整理, 见表 1.

表 1 尾矿库溃坝风险评估指标体系 Table 1 Risk assessment index system of break-dam in mine tailings pond
2.1.2 计算尾矿库溃坝风险指标的权重

1) 判断矩阵的确定:依据表 1, 结合尾矿库溃坝特性及实际调查, 建立一级和二级评估指标的判断矩阵.一级评估指标的判断矩阵为

二级评估指标的判断矩阵为

2) 权重的计算:依据判断矩阵A, A1, A2, A3和A4, 采用遗传层次分析法计算了各评估指标的权重值及一致性指标函数值, 计算结果见表 2.

表 2 评估指标权重 Table 2 Evaluation index weight
2.1.3 尾矿库溃坝风险指标分级

依据尾矿库设计规范及安全管理对相关评价指标的要求, 参考国内外学者对尾矿库溃坝风险等级的研究成果[5-8], 对尾矿库溃坝风险评估指标进行分级.针对评估指标中的定性指标通过百分制打分法, 分为4个等级:正常库、病库、险库和危库, 见表 3.

表 3 尾矿库溃坝风险指标分级 Table 3 Classification of break-dam risk index
2.2 模型应用

以辽宁省某尾矿库为例，某安全评价中介机构采用安全检查表法对其溃坝风险进行评估, 其评估结果为“正常库”.

采用本文所建立的模型对其溃坝风险进行评估.根据现场实际数据收集及咨询工作人员, 确定了各二级评估指标值, 如表 4所示.

表 4 二级评估指标值 Table 4 Secondary assessment index values

根据表 2~表 4和式(2)~式(6), 采用Matlab软件计算该实际案例中各评估指标的隶属度和综合隶属度, 综合隶属度结果见表 5.

表 5 综合隶属度 Table 5 Integrated subordinate degree

Kk(U)=maxKj(U)=K4(U)=0.051 7, 可以判定该实际案例尾矿库溃坝风险为“正常库”, 与上述某安全评估中介机构所评估的结果一致, 验证了该模型的有效性和适用性.

3 结论

1) 采用德尔菲法对尾矿库溃坝风险的主要影响因素进行了识别, 风险来源主要包括4个方面:浸顶溃决、失稳溃决、渗流破坏和安全管理, 将这4类风险细化为11个二级风险指标, 构建了尾矿库溃坝风险评估指标体系.

2) 针对尾矿库溃坝风险评估因素中许多因素的模糊性和随机性, 将云模型和物元分析方法应用到尾矿库溃坝风险评估中, 有效地保留了评估指标的模糊性和随机性.

3) 以辽宁省某尾矿库为例对所建立的模型进行验证, 利用Matlab软件计算了各评估指标的隶属度和综合隶属度, 得出该尾矿库溃坝风险为“正常库”, 与某安全评价中介机构采用安全检查表法得出的结果相符, 表明所建立的基于GA-AHP和云物元模型的尾矿库溃坝风险评估模型对评估尾矿库溃坝风险是有效的.

参考文献
[1] Rico M, Benito G, Salgueiro A R, et al. Reported tailings dam failures:a review of the European incidents in the worldwide context[J]. Journal of Hazardous Materials, 2008, 152(2): 846–852. DOI:10.1016/j.jhazmat.2007.07.050
[2] Ramly H E, Morgenstern N R, Crueden D M. Probabilistic stability analysis of a tailings dyke on presheared clay shale[J]. Canadian Geotechnical Journal, 2003, 40(1): 192–208. DOI:10.1139/t02-095
[3] Corinne C, Aurelie T, Gilles M. A dam assessment support system based on physical measurements, sensory evaluations and expert judgements[J]. Measurement, 2011, 44(1): 192–201. DOI:10.1016/j.measurement.2010.09.042
[4] Salgueiro A R, Pereira H G, Rico M T, et al. Application of correspondence analysis in the assessment of mine tailings dam breakage risk in the Mediterranean region[J]. Risk Analysis, 2008, 28(1): 13–23. DOI:10.1111/risk.2008.28.issue-1
[5] Pan J, Song Y, Zeng Q, et al. Influence factors analysis of seismic liquefaction risk for tailings dam[J]. Electronic Journal of Geotechnical Engineering, 2015, 20(10): 4167–4180.
[6] Li Q M, Zhang X K, Wang Y H, et al. Risk index system and evaluation model for failure of tailings dams[J]. Journal of Hydraulic Engineering, 2009, 40(8): 989–994.
[7] Zhong D H, Sun Y F, Li M C. Dam break threshold value and risk probability assessment for an earth dam[J]. Natural Hazards, 2011, 59(1): 129–147. DOI:10.1007/s11069-011-9743-6
[8] Edinger E. Gold mining and submarine tailings disposal:review and case study[J]. Oceanography, 2012, 25(2): 184–199. DOI:10.5670/oceanog
[9] Gurrera R J, Caroff S N, Cohen A, et al. An international consensus study of neuroleptic malignant syndrome diagnostic criteria using the Delphi method[J]. Journal of Clinical Psychiatry, 2011, 72(9): 1222–1230. DOI:10.4088/JCP.10m06438