|
3 采矿业
目前我国正处于高速发展时期，人口膨胀需要开发矿产资源满足人民的物质生活的提高。采矿造成的土地利用变化虽然发展了经济，但造成了严重的环境污染，尤其是对水土流失和河流泥沙带来极其不利影响。这种影响国内外有很多实例。豫陕晋接壤区人烟稀少，林草茂密，80年代后期，国营和个体企业');">企业纷纷投入开采金矿，在1万多平方公里的范围内有开采点3000个，年产黄金30万两，虽带来了可观的经济效益，但直接破坏植被168km2，侵蚀模数由1030增加到1458t/km2.a，同时弃石废渣1645万m3，暴雨时形成人造泥石流和滑坡。采矿不仅造成了严重的水土流失，而且其废弃物严重污染当地水质。该矿区大小选矿厂和个体土法混汞碾佯者鳞次栉比，所产生的废水中含汞、铅等有害物质注入当地水系，致使水资源受到污染带毒，既不能饮用，也不能灌溉。铜铁矿冶炼排放的SO2等有害气体所及之处，危害植物生长 [9]。
|
黄河中游大型煤田，地处多沙粗沙区，处在暴雨多发地带，水土流失本来就非常严重，再加上大规模的开采煤炭，植被破坏殆尽，占用土地，造成地表地下土层松动，移动大量岩石土体，一遇暴雨极易形成滑坡、崩塌等重力侵蚀，更加剧了水土流失。在美国约有1500个大型烟煤露天采矿厂，占地3237km2，既不平整又无植被。在肯塔基州麦克克里郡，研究露天采矿对洪水和水质的影响表明：坎恩流域1957～1958年的输沙量为1082t/km2，同一时期，附近的亥尔顿流域的输沙量仅为19t/km2，亥尔顿流域内没有采矿[10](见图2)，含沙量增加了数十倍，且泥沙颗粒变粗。不仅如此，采矿活动对河流泥沙影响可能在数十年后才显示出来。 |
|
|
|
图2 开矿与无矿小流域暴雨的输沙率与径流关系
Comparison between the sediment discharge andrunoff in mining area and the neighbouringwatershed without mining |
|
图2给出了坎恩流域矿区与亥尔顿流域无矿区和准格尔煤田与其相邻的无矿业皇甫川流域的产沙率的对比[11]。在同样的径流条件下，采矿业导致水流含沙量和输沙率增大了10倍以上。
表1 神经网络模型预报开矿时及投产后产流产沙量(单位：产流量104m3；产沙量104t)
Runoff rate and sediment yield of opening up a mine and putting into production with ANN forecast model
|
|
|
|
土地利用类型 |
露天 |
工业广场及工民区 |
居民 |
坑口 |
运输 |
取水 |
其它 |
合计 |
|
|
|
|
开矿前产沙量 |
13.0 |
59.3 |
78.9 |
6.8 |
91.0 |
14.3 |
427.0 |
690.3 |
|
|
|
|
估算值 |
71.8 |
172.9 |
230.2 |
19.7 |
828.2 |
41.7 |
427.0 |
1791.5 |
|
|
神网 产流量 |
142.5 |
321.4 |
547.3 |
36.1 |
1144.2 |
65.8 |
758.7 |
3015.8 |
|
基建期 |
预报值 产沙量 |
91.2 |
160.7 |
218.9 |
25.3 |
915.3 |
52.6 |
439.5 |
1873.5 |
|
|
产沙误差 |
-27.0 |
7.1 |
4.9 |
-28.4 |
-10.5 |
-26.1 |
-2.9 |
-4.6 |
|
|
增沙量(神网) |
78.2 |
101.4 |
140.0 |
18.5 |
824.3 |
38.3 |
12.5 |
1183.2 |
|
|
|
|
估算值 |
82.4 |
160.4 |
213.5 |
15.5 |
709.9 |
37.9 |
451.5 |
1671.1 |
|
|
神网 产流量 |
132.9 |
293.8 |
482.0 |
26.6 |
1358.7 |
53.3 |
563.6 |
2910.8 |
|
过渡期 |
预报值 产沙量 |
77.1 |
146.9 |
192.8 |
18.6 |
815.2 |
42.6 |
468.3 |
1761.5 |
|
|
产沙误差 |
6.4 |
8.4 |
9.7 |
-20.0 |
-14.8 |
-12.4 |
-3.7 |
-5.4 |
|
|
增沙量(神网) |
64.1 |
87.6 |
113.9 |
11.8 |
724.2 |
28.3 |
41.3 |
1071.2 |
|
|
|
|
估算值 |
92.9 |
83.4 |
104.3 |
7.3 |
325.4 |
18.8 |
476.4 |
1108.5 |
|
|
神网 产流量 |
172.3 |
243.8 |
253.2 |
26.7 |
860.2 |
28.0 |
466.0 |
2050.2 |
|
投产期 |
预报值 产沙量 |
103.4 |
97.5 |
93.7 |
16.3 |
430.1 |
19.6 |
497.8 |
1258.4 |
|
|
产沙误差 |
-11.3 |
-16.9 |
10.2 |
-123.3 |
-32.2 |
-4.3 |
-4.5 |
-13.5 |
|
|
增沙量(神网) |
90.4 |
38.2 |
14.8 |
9.5 |
339.1 |
5.3 |
70.8 |
558.1 |
|
|
|
由于皇甫川流域无采矿业，所以选择了相邻流域的准格尔矿区作为算例，利用人工神经网络模型计算开矿引起的产流产沙量进行对比，见图2。网络的输入层单元数为46个，输出层为2，通过学习确定隐层单元数为10，网络稳定后结构为46-10-2。网络参数为：β＝0.25；α=0.7；E=0.15。对比方法采用经验估算法，参见文献[10]。计算对比结果见表1和图3。无论是哪一种土地利用类型，开矿后都加剧了土壤侵蚀，侵蚀最为严重的类型当属运输类。在矿山建设初期比任何时期侵蚀都要严重。
4 应用神经网络模型预报各种土地利用类型的产流产沙量与土地利用变化总趋势
|
|
|
|
图3 不同土地利用类型开矿前后产沙量估算值与
神经网络预报值对比
Comparison between the sediment yield estimationvalue and ANN forecast
value per mining area |
|
流域产流产沙预报，影响因素多，物理机制复杂，采用数理方法建立降雨、产流和产沙之间的关系模型，通过计算来研究流域的水沙变化特性。然而在建模过程中边界条件不明确、模型自身的假设条件、参数率定的复杂性和数值计算的不稳定性影响了计算精度，其应用受到限制。而经验和随机模型需要大量的详尽资料，况且其建立要求有扎实的理论基础和丰富的实践经验，应用很不方便。对于一个流域来讲，卡口站的水文观测资料容易得到，但降雨、汇流与产沙过程资料较难获得。再加上人类活动强度的增加，导致许多无法量化的事件。应用人工神经网络技术建模，可以避免这些缺陷，神经网络只注重起始条件和最终结果，能够通过部分准确样本自学习来体现各因子间的复杂的内在联系，比以往的计算模型有更好的适应性和稳定性。神经网络并不需要编制每个处理单元的算法，只需总观组织整个网络。
上一页 [1] [2] [3] 下一页 |
用户登录 
新用户注册 
