基于多監(jiān)測(cè)參數(shù)融合算法的地?zé)峋晒嗍Ш馀c地層沉降風(fēng)險(xiǎn)預(yù)警模型研究

摘要

地?zé)峋L(zhǎng)期采灌失衡是誘發(fā)地下含水層壓力衰減、區(qū)域性地層不均勻沉降的核心誘因，單一水位參數(shù)預(yù)警存在滯后性，難以提前預(yù)判群體性地質(zhì)風(fēng)險(xiǎn)。本文融合地?zé)峋苫厮髁?、井筒?dòng)水位、井筒溫度場(chǎng)、水泵能耗四大類長(zhǎng)期監(jiān)測(cè)時(shí)序參數(shù)，采用加權(quán)層次分析算法構(gòu)建多參數(shù)融合的采灌失衡與地層沉降風(fēng)險(xiǎn)預(yù)警模型。模型對(duì)單井構(gòu)建長(zhǎng)期運(yùn)行特征基線，分別計(jì)算流量采灌比、水位年衰減速率、溫度場(chǎng)畸變系數(shù)、單位流量能耗系數(shù)四項(xiàng)子指標(biāo)，加權(quán)計(jì)算綜合風(fēng)險(xiǎn)指數(shù)，將風(fēng)險(xiǎn)劃分為安全、關(guān)注、預(yù)警、高危沉降風(fēng)險(xiǎn)四個(gè)等級(jí)；模型同時(shí)引入?yún)^(qū)域相鄰地?zé)峋簠?shù)聯(lián)動(dòng)分析，識(shí)別整片地?zé)醿?chǔ)層的群體性采灌失衡風(fēng)險(xiǎn)，彌補(bǔ)單井研判的局限性。選取華北地?zé)岢两蹈甙l(fā)區(qū)域25口地?zé)峋疄槠?/span>18個(gè)月模型試運(yùn)行，模型提前6個(gè)月預(yù)判出3口高危沉降地?zé)峋[患，促使運(yùn)營(yíng)單位開展加壓回灌改造工程，成功規(guī)避地面沉降災(zāi)害。相較于傳統(tǒng)僅依靠水位閾值預(yù)警方式，該模型風(fēng)險(xiǎn)識(shí)別提前量提升4～5個(gè)月，誤報(bào)率降低70%以上。本文闡述多參數(shù)指標(biāo)篩選、權(quán)重賦值算法、集群聯(lián)動(dòng)研判邏輯以及模型落地應(yīng)用方案，為地?zé)醿?chǔ)層地質(zhì)災(zāi)害前置化防控提供智能化算法支撐，推動(dòng)地?zé)豳Y源開發(fā)從事后治理向風(fēng)險(xiǎn)預(yù)判前置管控轉(zhuǎn)型。

關(guān)鍵詞：地?zé)峋?；采灌失衡；多參?shù)融合算法；地層沉降；風(fēng)險(xiǎn)預(yù)警模型；集群聯(lián)動(dòng)研判

1 引言

我國(guó)北方地?zé)峁┡?guī)模化開發(fā)數(shù)十年以來(lái)，諸多地?zé)釁^(qū)塊普遍存在“重開采、輕回灌"問(wèn)題，開采取水量常年大于回灌補(bǔ)給水量，含水層內(nèi)部承壓水頭持續(xù)下降，松散型含水層骨架失去水體支撐力，土體被壓實(shí)壓縮，進(jìn)而出現(xiàn)地面不均勻沉降、地面裂縫、管網(wǎng)斷裂、建筑地基受損等一系列地質(zhì)災(zāi)害。以往行業(yè)內(nèi)監(jiān)測(cè)地質(zhì)風(fēng)險(xiǎn)大多依靠井下動(dòng)水位單一參數(shù)設(shè)置固定閾值預(yù)警，存在明顯短板：部分地?zé)峋竟┡谒浑A段性下降，春季停止開采后水位快速回彈，屬于季節(jié)性正常波動(dòng)，極易觸發(fā)大量無(wú)效預(yù)警；部分井筒因氣體堵塞、濾網(wǎng)結(jié)垢造成回灌量緩慢衰減，水位下降幅度平緩，單一水位監(jiān)測(cè)無(wú)法及時(shí)捕捉細(xì)微變化趨勢(shì)，等到水位跌破警戒值時(shí)，地層已經(jīng)出現(xiàn)不可逆壓實(shí)損傷。

與此同時(shí)，流量、溫度、水泵能耗等參數(shù)均包含儲(chǔ)層變化的特征信息：采灌流量比值可以直觀反映水資源收支平衡狀態(tài)；井筒溫度場(chǎng)異常畸變，代表地下水徑流通道發(fā)生改變；同等取水流量下水泵能耗逐年升高，說(shuō)明含水層透水性能下降、水流阻力變大，是地層孔隙被壓實(shí)的早期特征。單一參數(shù)只能反映局部工況變化，多參數(shù)相互融合，能夠剔除季節(jié)性干擾、設(shè)備故障帶來(lái)的虛假異常，精準(zhǔn)識(shí)別儲(chǔ)層緩慢惡化趨勢(shì)。

為解決傳統(tǒng)預(yù)警模式滯后、誤報(bào)率高的行業(yè)痛點(diǎn)，本文以層次分析法為核心，將流量采灌均衡性、水位長(zhǎng)期衰減趨勢(shì)、地?zé)醿?chǔ)層溫度穩(wěn)定性、抽水能耗變化四項(xiàng)關(guān)鍵指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，結(jié)合專家經(jīng)驗(yàn)賦予合理權(quán)重，計(jì)算地?zé)峋C合風(fēng)險(xiǎn)指數(shù)；同時(shí)引入?yún)^(qū)域地?zé)峋郝?lián)動(dòng)分析邏輯，當(dāng)多口相鄰地?zé)峋匠霈F(xiàn)風(fēng)險(xiǎn)指標(biāo)上升時(shí)，判定為區(qū)域性儲(chǔ)層承壓下降風(fēng)險(xiǎn)，實(shí)現(xiàn)單井精細(xì)化預(yù)警、區(qū)域群體性地質(zhì)風(fēng)險(xiǎn)雙重研判，為自然資源監(jiān)管部門開展限流開采、強(qiáng)化回灌改造提供充足整改窗口期。

2 多參數(shù)融合預(yù)警模型整體設(shè)計(jì)

模型分為基礎(chǔ)數(shù)據(jù)預(yù)處理、單項(xiàng)指標(biāo)量化評(píng)分、層次分析法權(quán)重賦值、綜合風(fēng)險(xiǎn)等級(jí)判定、區(qū)域集群聯(lián)動(dòng)研判五大模塊，所有運(yùn)算邏輯搭載在云端監(jiān)管平臺(tái)中，每日自動(dòng)調(diào)取地?zé)峋畷r(shí)序監(jiān)測(cè)數(shù)據(jù)完成風(fēng)險(xiǎn)迭代計(jì)算。

2.1 基礎(chǔ)數(shù)據(jù)預(yù)處理

平臺(tái)調(diào)取地?zé)峋辽龠B續(xù)12個(gè)月的歷史監(jiān)測(cè)數(shù)據(jù)，剔除設(shè)備檢修、機(jī)組停機(jī)、傳感器故障等異常工況下的無(wú)效數(shù)據(jù)，構(gòu)建該井專屬的穩(wěn)態(tài)運(yùn)行基線數(shù)據(jù)庫(kù)。將每日取水總流量、回灌總流量、日均動(dòng)水位、井筒梯度溫度、深井泵日均能耗進(jìn)行標(biāo)準(zhǔn)化歸一化處理，消除不同地?zé)峋睢?chǔ)層條件、機(jī)組型號(hào)帶來(lái)的參數(shù)數(shù)值差異，讓不同地?zé)峋g的指標(biāo)具備橫向?qū)Ρ刃浴?/span>

2.2 四項(xiàng)核心量化指標(biāo)計(jì)算

1. 采灌均衡指數(shù)：以年度為周期計(jì)算回灌總水量與開采總水量的比值。比值無(wú)限趨近于1代表采灌平衡；比值持續(xù)低于0.8，代表長(zhǎng)期水量虧空，含水層得不到有效補(bǔ)給。該指標(biāo)是判斷采灌失衡最核心基礎(chǔ)指標(biāo)，反映水體收支狀態(tài)。

2. 水位衰減速率指標(biāo)：采用線性擬合算法計(jì)算全年動(dòng)水位變化斜率，區(qū)分冬季供暖短期水位下降與全年持續(xù)性衰減。若年度水位持續(xù)下沉，說(shuō)明儲(chǔ)層承壓能力不斷減弱，是地層沉降的直接誘因。

3. 溫度場(chǎng)畸變系數(shù)：對(duì)比井筒不同深度地層溫度歷史基線，若地層原有溫度梯度出現(xiàn)紊亂，代表地下水流通道堵塞或者含水層孔隙被壓實(shí)，地?zé)崃黧w運(yùn)移路徑發(fā)生改變。

4. 單位取水能耗系數(shù)：統(tǒng)計(jì)每抽取100m3地?zé)崴牡碾娔?。在機(jī)組無(wú)前提下，該數(shù)值逐年上升，代表含水層透水性能變差，孔隙結(jié)構(gòu)緩慢壓實(shí)，屬于地層沉降早期隱性特征指標(biāo)。

2.3 層次分析法權(quán)重賦值

結(jié)合地?zé)岬刭|(zhì)領(lǐng)域?qū)＜乙?guī)范、國(guó)內(nèi)多地地?zé)峋两蛋咐龔?fù)盤結(jié)果，對(duì)四項(xiàng)指標(biāo)賦予差異化權(quán)重：采灌均衡指數(shù)權(quán)重占比45%，為決定性指標(biāo)；水位衰減速率權(quán)重30%；溫度場(chǎng)畸變系數(shù)權(quán)重15%；單位取水能耗系數(shù)權(quán)重10%。各項(xiàng)指標(biāo)按照0～100分進(jìn)行打分，指標(biāo)越趨近穩(wěn)態(tài)基線得分越高，風(fēng)險(xiǎn)越高則得分越低，最終加權(quán)求和得到綜合風(fēng)險(xiǎn)得分。按照得分劃分四級(jí)風(fēng)險(xiǎn)：85～100分為安全區(qū)間；70～84分為關(guān)注區(qū)間；50～69分為預(yù)警區(qū)間；50分以下為高危沉降風(fēng)險(xiǎn)區(qū)間。

2.4 區(qū)域集群聯(lián)動(dòng)研判機(jī)制

模型增設(shè)集群研判邏輯：同一地?zé)醿?chǔ)層區(qū)塊內(nèi)，超過(guò)三分之一地?zé)峋竭M(jìn)入關(guān)注區(qū)間，區(qū)域整體提升為區(qū)域預(yù)警；多口地?zé)峋懤m(xù)進(jìn)入高危區(qū)間，平臺(tái)判定為區(qū)域性地層沉降重大風(fēng)險(xiǎn)，向市級(jí)自然資源監(jiān)管部門推送區(qū)域性專項(xiàng)告警，督促整片地?zé)釁^(qū)塊統(tǒng)一開展回灌系統(tǒng)升級(jí)、階段性限采作業(yè)，避免大范圍地質(zhì)災(zāi)害發(fā)生。

3 模型運(yùn)行流程與預(yù)警處置閉環(huán)

模型每日凌晨自動(dòng)對(duì)上一日全量監(jiān)測(cè)數(shù)據(jù)進(jìn)行運(yùn)算更新風(fēng)險(xiǎn)等級(jí)，不同風(fēng)險(xiǎn)等級(jí)對(duì)應(yīng)分級(jí)處置流程：

5. 安全區(qū)間：系統(tǒng)僅留存風(fēng)險(xiǎn)臺(tái)賬，不推送任何告警信息；

6. 關(guān)注區(qū)間：向運(yùn)維企業(yè)推送運(yùn)維提醒，建議月度復(fù)測(cè)回灌管路、排查回灌井是否存在氣體堵塞、濾網(wǎng)結(jié)垢問(wèn)題；

7. 預(yù)警區(qū)間：向?qū)俚貐^(qū)縣監(jiān)管專員與運(yùn)維企業(yè)同時(shí)下發(fā)整改工單，要求在三個(gè)月內(nèi)完成回灌系統(tǒng)優(yōu)化，提升回灌水量，每月上傳采灌監(jiān)測(cè)臺(tái)賬復(fù)核風(fēng)險(xiǎn)變化趨勢(shì)；

8. 高危沉降風(fēng)險(xiǎn)：監(jiān)管部門強(qiáng)制下發(fā)開采限流通知，暫停高強(qiáng)度開采，運(yùn)維單位必須開展加壓回灌、井筒洗井疏通等工程改造，直至綜合風(fēng)險(xiǎn)得分回升至安全區(qū)間，經(jīng)監(jiān)管部門復(fù)核后方可恢復(fù)原有開采規(guī)模。

整套流程實(shí)現(xiàn)“算法研判-分級(jí)告警-工單整改-復(fù)核銷項(xiàng)"閉環(huán)管控。

4 工程應(yīng)用實(shí)測(cè)結(jié)果分析

選取華北某地?zé)岢两蹈甙l(fā)縣域的25口中深層地?zé)峋_展為期18個(gè)月的模型試運(yùn)行工作，同步保留原有單一水位閾值預(yù)警作為對(duì)照組。

在模型運(yùn)行期間，多參數(shù)融合模型先后識(shí)別出6口處于關(guān)注區(qū)間的地?zé)峋\(yùn)維企業(yè)日常運(yùn)維排查，消除了回灌濾網(wǎng)堵塞、井筒氣堵等隱患；后期3口地?zé)峋C合評(píng)分持續(xù)低于50分，判定為高危沉降風(fēng)險(xiǎn)，平臺(tái)推送高危告警。監(jiān)管部門立即下達(dá)限流開采指令，運(yùn)維企業(yè)為三口井加裝加壓回灌設(shè)備，改造完成后連續(xù)半年采灌比穩(wěn)定維持在0.95以上，動(dòng)水位逐步回升，綜合風(fēng)險(xiǎn)評(píng)分回升至安全區(qū)間，規(guī)避了地層沉降風(fēng)險(xiǎn)。

反觀對(duì)照組依靠單一水位閾值預(yù)警系統(tǒng)，這三口高危地?zé)峋敝了坏凭溟撝挡虐l(fā)出告警，此時(shí)地層已經(jīng)出現(xiàn)輕微壓實(shí)現(xiàn)象，后期水位回升速度遠(yuǎn)慢于提前干預(yù)的地?zé)峋?。?shù)據(jù)統(tǒng)計(jì)得出：傳統(tǒng)水位預(yù)警平均提前1個(gè)月識(shí)別風(fēng)險(xiǎn)，本融合算法模型可提前6個(gè)月識(shí)別隱性風(fēng)險(xiǎn)；全年傳統(tǒng)水位系統(tǒng)出現(xiàn)近百次季節(jié)性波動(dòng)誤報(bào)警，融合模型僅出現(xiàn)29次關(guān)注級(jí)別提醒，誤報(bào)率大幅下降71%，極大減輕了監(jiān)管人員與運(yùn)維人員的無(wú)效工作負(fù)擔(dān)。同時(shí)模型識(shí)別出整片區(qū)塊有7口井同步進(jìn)入關(guān)注區(qū)間，平臺(tái)啟動(dòng)集群聯(lián)動(dòng)預(yù)警，監(jiān)管部門統(tǒng)一出臺(tái)區(qū)域地?zé)峋\(yùn)維管理細(xì)則，規(guī)范所有站點(diǎn)月度回灌巡檢制度，防范了區(qū)域性群體性采灌失衡風(fēng)險(xiǎn)。

5 模型現(xiàn)存不足與優(yōu)化方案

其一，模型權(quán)重為固定專家賦值，無(wú)法適配不同地質(zhì)結(jié)構(gòu)儲(chǔ)層（裂隙型熱儲(chǔ)、孔隙型熱儲(chǔ)）的差異化特征。后續(xù)可以引入機(jī)器學(xué)習(xí)算法，基于不同地質(zhì)區(qū)塊的歷史沉降案例進(jìn)行模型訓(xùn)練，實(shí)現(xiàn)權(quán)重自適應(yīng)優(yōu)化，讓模型適配不同地質(zhì)條件地?zé)峋?/span>

其二，當(dāng)前模型未接入地層沉降觀測(cè)儀實(shí)測(cè)地表位移數(shù)據(jù)，后續(xù)可將地表沉降監(jiān)測(cè)數(shù)據(jù)作為模型最終校驗(yàn)參數(shù)，形成“地下多參數(shù)預(yù)判+地表位移實(shí)測(cè)校驗(yàn)"雙重驗(yàn)證體系，進(jìn)一步提升模型可靠性。

其三，對(duì)于新建地?zé)峋?，缺乏長(zhǎng)期基線數(shù)據(jù)，模型初期無(wú)法精準(zhǔn)研判風(fēng)險(xiǎn)，可通過(guò)調(diào)取周邊同區(qū)塊成熟地?zé)峋€作為參考基線，待本井積累一年運(yùn)行數(shù)據(jù)后自動(dòng)替換專屬基線。

6 結(jié)論

針對(duì)傳統(tǒng)地?zé)峋揽繂我凰粎?shù)預(yù)警地層沉降風(fēng)險(xiǎn)滯后性強(qiáng)、季節(jié)性波動(dòng)誤報(bào)率高的痛點(diǎn)，本文構(gòu)建基于層次分析法的流量、水位、溫度場(chǎng)、能耗多參數(shù)融合風(fēng)險(xiǎn)預(yù)警模型。模型通過(guò)四項(xiàng)核心運(yùn)行指標(biāo)量化打分加權(quán)計(jì)算綜合風(fēng)險(xiǎn)等級(jí)，同時(shí)配套區(qū)域地?zé)峒郝?lián)動(dòng)研判機(jī)制，既能夠?qū)崿F(xiàn)單口地?zé)峋[性采灌失衡風(fēng)險(xiǎn)的早期識(shí)別，也可以預(yù)判整片地?zé)醿?chǔ)層的群體性地質(zhì)災(zāi)害隱患。經(jīng)過(guò)縣域地?zé)峋?/span>18個(gè)月的現(xiàn)場(chǎng)實(shí)測(cè)驗(yàn)證，該模型相比傳統(tǒng)預(yù)警方式大幅提前風(fēng)險(xiǎn)識(shí)別窗口期，顯著降低無(wú)效誤報(bào)警次數(shù)，配套分級(jí)工單整改閉環(huán)體系，可以推動(dòng)地?zé)岬刭|(zhì)風(fēng)險(xiǎn)從事后災(zāi)害治理轉(zhuǎn)變?yōu)榍爸没L(fēng)險(xiǎn)管控。

該多參數(shù)融合預(yù)警模型可無(wú)縫接入?yún)^(qū)域地?zé)嵩贫吮O(jiān)管平臺(tái)，作為地?zé)崛驍?shù)字化監(jiān)管體系的核心算法模塊，廣泛應(yīng)用于國(guó)內(nèi)各大地?zé)峁┡_發(fā)區(qū)塊，為自然資源主管部門管控地?zé)衢_采強(qiáng)度、保護(hù)地下含水層結(jié)構(gòu)穩(wěn)定性、防范區(qū)域性地層沉降地質(zhì)災(zāi)害提供智能化、數(shù)據(jù)化的科學(xué)決策依據(jù)，助力地?zé)豳Y源長(zhǎng)期可持續(xù)、綠色規(guī)范化開發(fā)利用。

有此類深井地溫項(xiàng)目，歡迎新老客戶朋友垂詢!