边坡失稳是露天矿山常见的地质灾害,快速确定边坡的稳定状态对于确保矿山安全生产意义重大。利用广义回归神经网络(General regression network,GRNN)的非线性逼近性能并结合遗传算法(Genetic algorithm,GA)的非线性寻优性能对某露天矿山的边坡安全系数进行了预测,结果表明:基于遗传算法优化的广义回归神经网络(GA-GRNN)对露天矿山边坡安全系数的预测结果较为精确,且预测速度较快,为实际工程中快速判断露天矿山边坡的稳定状态提供参考。
我国既有露天矿山边坡失稳绝大多数发生在台阶边坡或组合台阶边坡,这种总体边坡普遍偏安全、台阶边坡或组合台阶边坡普遍偏不安全的事实说明,用相同的设计安全系数标准评价总体边坡稳定性与台阶边坡稳定性的传统方法有待完善。提出边坡稳定性评价精度概念,建立稳定系数误差与边坡设计安全系数相关关系,在此基础上构建近期静态精度与评价期静态设计安全系数、长期动态精度与服务期动态设计安全系数的关系,为边坡设计安全系数的不确定性问题提供一种确定性解决方案。提出大型露天矿山边坡稳定性等精度评价方法,按照结构面空间位置与边坡部位相匹配、结构面规模与边坡规模相匹配的原则,系统全面地找出控制边坡稳定的关键性结构面及其组合,开展边坡稳定性分级分析,将边坡划分成\"稳定的\"和\"可能破坏的\"两种类型;针对可能破坏的总体边坡、组合台阶边坡和台阶边坡,建立边坡稳定性计算模型,找准边坡潜在滑移面所对应的结构面及其潜在滑移方向,开展岩体结构面抗剪强度精细取值,进行边坡稳定性定量计算,实现大型露天矿山边坡稳定性等精度评价,消除稳定系数随机误差以降低边坡稳定性计算的误差水平,提高边坡稳定性评价精度;统一边坡稳定性评价标准,采用相同的设计安全系数评价不同级别边坡的稳定性;均衡不同级别边坡的稳定协调性,确保总体边坡、组合台阶边坡、台阶边坡达到相同的稳定状态。研究表明,大型露天矿山边坡稳定性等精度评价的综合效果,台阶边坡最好、组合台阶次之。