张永权

（广东省有色金属地质局九三三队，广东 肇庆 526060）

近年来，以大数据技术为核心的智慧矿山系统建设已得到了广泛应用，智慧矿山模式主要在监管运营、高效率的设备信息读取和数据化的动态仿真等方面具有前所未有的优势，矿山作业可以直接借助数据系统平台的方式进行作业整体管控，全面提升作业效率和作业安全性[1]。在数据平台当中，结合大数据整合实现的BIM可视化模型建构，则能够对矿山岩土的真实工况进行模拟仿真，并能够对后续作业状况进行精确预演，在矿山作业中，应用价值极高。

1 传统矿山作业中岩土工程勘察工作难点问题

1.1 岩土信息获取较为困难

传统岩土勘察的工作环境相对复杂，不同岩体、地质环境所需要运用的勘察测量工具也较多，部分地质体可能深埋于地面以下，对于勘察作业技术要求也较高[2]。此外，在勘察中，还会使用其他钻探等工具设备来开展勘察工作，工作难度较高，相应的岩土实地信息获取的难度也相对较高。

1.2 勘察风险较大

与勘察难度相对应的是勘察作业的风险较高，在一些矿山作业当中，很多岩体特征表现并不明显，岩土勘察很难在一开始便完成对于岩土状况相对宏观的认知，一些不表现在地面上的溶洞、涵洞、土洞等，都有课程产生对于安全性的影响，在未进行有效的不良状况勘察之前，勘察作业也有可能面临到因地质环境过于复杂所带来的种种风险。

1.3 信息形式较为混乱

传统勘察所完成的地质岩土的信息整理方式相对落后，勘察报告主要以纸面形式进行呈现，对于信息的整理、基于信息对于矿山环境的还原来说，都有一定的难度。一些情况较为复杂的矿山环境中，还需要运用大量的文字报告来对其岩土情况加以描述，无疑进一步增加了矿山信息整理的难度，整体矿山岩土的信息形式较为混乱，在一定程度上影响了后续作业工序。

2 大数据背景下的矿山技术升级

2.1 大数据技术特征

大数据的基本特征在与应用的数据体量十分庞大，系统能够对海量数据进行特征量的挖掘、分析和应用，完成人工数据分析无法得到的数据结论。在大数据应用背景下，数据分析方式也逐渐以可视化的形式进行呈现，与单一的数据表现不同，可视化形式将真实场景进行模拟，对于工程项目的管理来说，更有助于高效、准确地进行分析和判断[3]。矿山所开展的岩土工程勘察项目主要需要进行地质情况测绘和相应的勘探，在工程中，需要作业人员进行原位测试和现场检验等环节，而在大数据的应用中，现场检验环节可以借助大数据等信息技术提供辅助能力，进而提高工程质量和安全性。

2.2 矿山技术升级

以大数据技术为核心的现代智慧矿山系统在当前的矿山工程中应用逐渐广泛，智慧矿山系统以大数据为核心，融入物联网、人工智能等先进技术，搭建了能够实现信息分析和信息共享的中央管控平台，最终实现对矿山状况的数字化集成和课时显示。技术层面智慧矿山主要以搭建分布式信息获取源为中央集成式信息处理中心为基本架构，实现多点信息获取和中央处理相互结合的运作模式，对于数字化的矿山作业体系建设而言，具有决定性的升级作用。而在系统层面，以BIM技术为代表的仿真模拟技术手段，使得矿山工程项目作业能够以真实、可视化的形式呈现在系统平台之上，最终以模型的方式对真实场景进行呈现。图1为运用BIM技术进行真实模拟的矿山图像，与传统岩土勘察的图像绘制相比，三维、真实、精准是BIM技术应用下大数据优势的体现。

图1 BIM技术呈现的矿山仿真图像

3 大数据技术应用下矿山岩土工程勘察项目的工作形式创新

3.1 建构岩土勘察项目管理体系

岩土勘察是矿山勘察项目当中的重要一环，主要在矿山施工之前对所属矿山的地理环境、地质条件和岩土情况进行调查分析，给出基础建议。在大数据技术应用背景下，岩土勘察环节也需要针对技术应用进行重新的调整和安排，以满足实际勘察项目的技术需要。

勘察工程师需要在大数据系统当中完成四个环节的工作，分别是勘察任务书编制、勘察可行性分析、初步勘察和详细勘察四个阶段。其中勘察任务书编制完成后需要在系统当中提交给设计工程师和总工程师，分别对任务书进行审核，通过审核后，返还到勘察工程师，由勘察工程师根据审核意见对任务书进行调整，并编制可行性勘察报告[4]。可行性报告提交设计工程师，进行方案优化设计，再有造价工程师对整个勘察过程进行投资核算，总工程师对方案进行审核，并要求设计工程师和造价工程师对方案和预算进行调整，通过最终审核后，再由勘察工程师进行初步勘察工作和详细勘察。大数据信息系统之中，勘察作业和管理运行机制都直接通过信息共享的方式来完成，实现工作效率的提升。

3.2 进行矿山模型创建

大数据技术的应用能够通过系统平台进行矿山环境的模拟，其中BIM主要运用三维仿真方式，对实地情况进行数据建模。在矿山的岩土勘察中，BIM主要进行场地建模和地质建模两个环节的工作，其中场地建模主要针对场地环境进行模拟创建，依托矿山数据进行地貌、管网分布等方面的信息内容完成创建。在进行场地模型分析中，勘察工程师便能够结合模型当中所呈现的建构物分布情况、基础形式和埋深情况等工程环境要素，进行勘察方案的编制。对于可能存在的安全性、勘察管理方面的问题，则可以直接通过仿真模型的模拟实验来对矿山在勘察中可能发生的种种情形进行模拟。地质模型主要针对矿山当中的地质信息和岩土力学参数信息等进行防身创建，通过BIM仿真降低信息冗余和信息失真问题，帮助对岩土情况进行直观的呈现。BIM仿真当中需要具备地质空间信息、地质构造情况、岩土构成、岩土参数等重要信息。与此同时，BIM模型还必须要完成对矿山当中岩层状态、断层情况、褶皱或裂隙等情况进行呈现，帮助不同专业工作人员能够直接通过系统平台的方式，从自身专业角度对地质状况进行理解和分析。同样，平台操作过程中也可以通过运用交互手段，与其他部门之间进行协同，避免因信息壁垒、信息孤岛等问题导致的流程繁琐，影响勘察工作效率。

3.3 勘察技术全面升级

通过合理运用大数据技术，改善原有勘察工作的实际项目工作方式，提高工程项目的整体质量。在大数据应用下的技术升级层面，技术提升主要是地质形态管理以及岩土参数分析等两个方面的能力。首先是地质形态管理方面，岩土勘察中，地质形态主要是指地表之下各类物体的分布情况和实际状态情况等，前述明确在矿山施工中，因地下环境可能相对复杂，容易导致作业风险，因此需要借助钻探、物探等手段，对地质体情况进行探查。常见的探查对象有采空区、溶洞、暗穴等，并获取其中存在的不良现象。在以往的工程中，需要依靠技术过硬的专业勘察人员，通过界面判断的方式，对地下环境进行预估，同时运用灵活的技术手段，对是否存在不良地质体或者存在软弱结构等进行分析。大数据技术的应用能够更为精准地对地质情况进行分析判断，降低对于人工作业、人员经验的依赖，在地质形态的管理当中，运用大数据比对、大数据分析等方式，能够有效提升地质分析效率，避免因人员职业素养不足所造成的误判。

此外，在岩土参数的取样分析当中，大数据也有着引领技术升级的意义和价值。岩土参数确定中，需要勘察人员通过现场取样和室内实验等方式，开展采样分析，获得当前的岩土参数。但是如风化岩、淤泥、黄土等无法进行实验室分析，需要进行原位试验，导致工作难度加大。大数据技术则可以通过动态环境信息检测、遥感数据等方式，对所在地的土壤环境进行数据采集，并借助同类型数据比对，对所在矿山的各类型岩土状况作出数据统计，最终获取岩土精确的数值参数，解决以往勘察过程中面临的种种难题，有效提升岩土勘察工作质量，充分发挥大数据技术优势。