千米深井自然崩落法礦山塊度預測及分布規律研究

摘要：針對國外某斑巖型銅礦自然崩落法塊度預測，基于礦區工程地質調查、地應力測試、自然崩落設計等參數，采用Monte Carlo模擬技術和BCF軟件分析和預測崩落塊度、放出塊度和卡斗情況。預測分析結果表明：該礦山初始塊度大塊率較高，初始塊度體積大于2 m3占比為44.19 %～48.01 %。放出塊度在崩落初期大塊率較高，隨著放礦高度增大，放出塊度逐漸降低，尤其是在60 m放礦高度時由原有的20 %～25 %降低為10 %左右。對比分析了4種不同尺寸聚礦槽卡斗情況，在崩落初期漏斗堵塞率均大于20 %，放礦過程中易產生堵塞；當聚礦槽尺寸增大至12 m×5.0 m時，聚礦槽堵塞程度明顯緩和。該研究成果為自然崩落法礦山采礦設計和放礦控制提供了重要依據。

關鍵詞：深部開采；自然崩落法；塊度預測；放礦高度；大塊率；初始塊度；BCF系統；聚礦槽

[中圖分類號：TD853.36 文章編號：1001-1277（2025）02-0013-05 文獻標志碼：A doi：10.11792/hj20250202 ]

引言

自然崩落法［1-5］，作為一種依賴礦體自身重力作用使其受壓失穩而產生自然坍塌并實行控制出礦的采礦方法，特別是在低品位厚大礦床的開采中，該方法以其成本低、效率高、安全性好的特點受到廣泛關注。然而，自然崩落法的有效應用離不開對礦巖崩落塊度的準確預測和控制［6-12］。

礦巖崩落塊度預測［13-17］的重要性首先體現在其對采礦效率和安全性的直接影響。在自然崩落過程中，礦巖塊度的分布和大小直接關系到礦石的回收率和出礦效率。通過對礦巖崩落塊度的預測，可以更加精確地制定采礦計劃，合理安排放礦工作，從而提高礦石回收率和出礦效率。同時，準確的塊度預測也有助于避免或減少大塊礦石堵塞放礦口等安全問題，提高采礦作業的安全性。因此，崩落塊度預測成為自然崩落法研究過程中尤為重要的一環。

本文針對國外某斑巖型自然崩落法礦山，結合礦區工程地質條件和自然崩落開采設計等，采用Monte Carlo模擬技術和BCF（Block Cave Fragmention，BCF）軟件分別進行了不同區域初始塊度、放礦塊度和聚礦槽卡斗預測與分析，為提升自然崩落法采礦設計可靠性提供技術支撐。

1工程概況

某斑巖型銅礦位于塞爾維亞波爾市以南6 km處，其開發的銅礦床為地中海斑巖成礦帶上的超大型銅金礦床。該礦山上礦帶為高品位的銅金礦，下礦帶為斑巖型銅礦，埋藏深度700～2 200 m；以Cu邊際品位0.30 %圈定，下部礦帶礦石量2 049.55 Mt，Cu金屬量15.70 Mt，Cu平均品位0.77 %。

由于下部礦帶礦床規模巨大，采用分期建設方案。一期工程開采-800 m標高以上礦體，采用自然崩落法，箕斗主井、副井開拓；生產規模45 kt/d，基建期5 a，預計2026年底投產。該銅礦自然崩落區域空間位置關系見圖1。一期工程開采中段距地表埋深1 176 m，為千米深井開采；根據上礦帶地應力實測規律，-800 m中段最大主應力為37 MPa，屬高應力環境。

2分析方法與參數

2.1分析方法與工具

塊度預測方法［18-21］主要有間接法、圖像法和節理網絡模擬法。間接法主要是通過RQD、節理發育情況等來評價礦石塊度；圖像法是通過圖像識別來分析礦石塊度。本次研究采用節理網絡模擬法，即一種根據節理空間展布狀態及節理面條件的統計分析結果，采用Monte Carlo模擬技術模擬節理面對巖體的切割情況，并利用有關崩落和放礦過程的力學知識，預測崩落礦石塊度的分布。

BCF［18］軟件是一個用于評價自然崩落法放礦點塊度分布的軟件，其塊度分析系統采用節理網絡模擬法來確定原始塊度，并用經驗法則來預測崩落塊度和放出塊度。該軟件是目前自然崩落法塊度預測中應用最多的分析系統之一。BCF塊度分析系統塊度預測基本流程見圖2。

2.2主要參數

1）初始塊度參數。初始塊度［16］是指從周圍巖體分離出來的巖石塊度，主要輸入參數有：①節理；②巖體強度；③崩落面方向；④應力。根據前期工程地質調查和地應力測試結果，該礦山的初始塊度預測主要參數見圖3。

2）放出塊度參數。放出塊度［22］是指礦巖從某一高度脫離頂板起，在放礦過程中不斷碰撞、磨損、破裂后，最終到達放礦點的礦石塊度。假設放礦高度為150 m，則放出的塊度結果是巖石從150 m高運動至放礦口的巖石塊度。該礦山放出塊度預測主要參數見表1。

3塊度預測與分析

3.1初始塊度分析

國際上通常將體積大于2 m3的大塊所占百分比作為礦體產生大塊的衡量標準［23］。從初始塊度運行結果來看，該礦山初始塊度大塊塊度較高，初始塊度體積大于2 m3占比為44.19 %～48.01 %；平均塊度體積為1.09～1.19 m3；最大塊度體積為13.80～21.71 m3。該礦山各勘探線區域大于2 m3的初始塊度占比和平均塊度體積分布見圖4。

該礦山初始塊度累積體積分布曲線見圖5。以0勘探線為界，對初始塊度預測結果進行統計分析，0勘探線以北區域初始塊度相對較小，塊度體積多小于1.14 m3，大于2 m3塊度占比多為45 %左右；0勘探線以南區域初始塊度也相對均勻，塊度體積多小于1.17 m3，大于2 m3塊度占比多在47 %左右。

3.2放出塊度分析

根據礦山開采規劃，平均放礦高度為185 m，此次研究取放礦高度20～185 m，遞增梯度為40 m，即從放礦高度20 m開始，每增加40 m計算一次放出塊度體積，直至達到最大放礦高度。

900勘探線—800勘探線放出塊度體積累積分布曲線見圖6。從放出塊度運行結果來看：放出塊度在放礦過程中塊度減小，放礦高度越高，放出塊度越小。當放礦高度為20 m時，900勘探線—800勘探線塊度體積大于2 m3占比為20.79 %，平均塊度體積為0.66 m3；隨著放礦高度的增加，塊度體積不斷減小，至放礦高度為180 m時，放出塊度體積大于2 m3占比降低至0.90 %，平均塊度體積降至0.13 m3。

各勘探線間的放出塊度變化趨勢見圖7。放礦高度從20 m增大至220 m，放出塊度體積占比明顯大幅減小。從各勘探線不同放礦高度下大于2 m3的塊度體積占比趨勢來看，總體上在放礦高度20 m時，大于2 m3的塊度體積占比為20 %～25 %；放礦高度60 m和100 m時，大于2 m3的塊度體積占比明顯下降，尤其是在60 m放礦高度時由原有的20 %～25 %降低至10 %左右。分析原因為該礦山巖石單軸抗壓強度57.31 MPa，強度較低；MRMR值40～42，巖體質量評分值也不高；隨著放礦高度增大，放礦過程中的碰撞、磨損作用使得放出塊度體積整體偏小，可以預見，這一區域內的卡斗狀況相對也會低些。

4聚礦槽卡斗分析

4.1聚礦槽方案

卡斗分析是根據放出塊度結果來決定放礦漏斗中卡斗情況，該模塊的目的是預測潛在卡斗情況；該分析方法認為，當巖塊個數少于25個（5×5）且占據了放礦漏斗40 %的面積時，就可能發生卡斗現象。根據底部結構布置和放礦管理等因素考慮，該礦山聚礦槽尺寸方案見表2。

4.2卡斗預測與分析

聚礦槽下口寬對于崩落礦石是否能夠放出影響很大，以方案1下口寬4.5 m和方案3下口寬5.0 m為例，其不同放礦高度下聚礦槽卡斗預測與分析結果見圖8。

從不同尺寸聚礦槽卡斗運行結果來看，該礦山卡斗預測分布規律如下：

1）卡斗與放礦高度關系。分析不同尺寸聚礦槽卡斗情況，最大堵塞率發生在放礦初始階段，即放礦高度20 m；在放礦高度增加至60 m時，堵塞率由16.4 %～23.0 %下降至9.0 %～10 %，堵塞率明顯下降；隨著放礦高度的增加，堵塞率下降至5 %以下。

2）卡斗與聚礦槽寬度的關系。從對比方案來看，在聚礦槽下口寬都為4.5 m，上口寬為10 m時最大堵塞率為22.99 %，上口寬為15 m時最大堵塞率為22.22 %；聚礦槽下口寬為5.0 m，上口寬為12 m時最大堵塞率為16.24 %，上口寬為15 m時最大堵塞率為16.21 %。從2組對照分析來看，聚礦槽下口寬對堵塞率影響更大。

5結論

1）初始塊度從總體看，大塊率比較高，以體積2 m3為單位對塊體大小進行劃分，初始塊度體積大于2 m3占比為44.19 %～48.01 %，平均塊度體積為1.09～1.19 m3，最大塊度體積為13.80～21.71 m3。

2）放礦高度從20 m增大至220 m，二次塊度體積占比明顯大幅減小。從各勘探線不同放礦高度下大于2 m3的塊度體積占比趨勢來看，總體上在放礦高度20 m時，大于2 m3的塊度體積占比為20 %～25 %；放礦高度60 m和100 m時，大于2 m3的塊度體積占比明顯下降，尤其是在60 m放礦高度時由原有的20 %～25 %降低為10 %左右；隨著放礦高度增大，放礦過程中的碰撞、磨損作用使得二次塊度體積整體偏小，可以預見，這一區域內的卡斗狀況相對也會低些。

3）針對不同聚礦槽尺寸進行了卡斗狀況分析與預測，在崩落的初始階段，幾乎所有勘探線間的漏斗堵塞率均大于20 %，放礦過程中易產生堵塞；當聚礦槽尺寸增大至12 m×5.0 m時，在崩落的初始階段，各勘探線間的區域仍可產生少量堵塞；隨著放礦高度的增加，部分區域的堵塞率已趨于零，堵塞程度明顯緩和。

［參考文獻］

［1］于少峰，吳愛祥，韓斌.自然崩落法在厚大破碎礦體中的應用［J］.金屬礦山，2012（9）：1-4．

［2］艾敏，楊玉婷，許志發，等.國內外自然崩落法研究與應用現狀［J］.中國水運（下半月），2018，18（11）：241-243.

［3］郭鴻德，朱先艷，郭楠，等.夜長坪鉬礦自然崩落采礦法小型工業試驗研究［J］.黃金，2016，37（5）：36-40.

［4］劉育明.自然崩落法的發展趨勢及在銅礦峪礦二期工程中的技術創新［J］.采礦技術，2012，12（3）：1-4，28.

［5］蘭啟城.自然崩落采礦法創新技術設計及應用［J］.黃金，2018，39（7）：49-53.

［6］劉歡，任鳳玉，何榮興，等.自然崩落法巖體可崩性研究現狀與展望［J］.中國礦業，2023，32（7）：95-104.

［7］高鵬舉，周禮.黃山南銅鎳礦采礦方法優化選擇及應用［J］.黃金，2019，40（6）：35-39.

［8］SOMEEHNESHIN J，ORAEE?MIRZAMANI B，ORAEE K.Analytical model determining the optimal block size in the block caving mining method［J］.Springer India，2015，45（2）：156-168.

［9］RAFIEE R，ATAEI M，KHALOOKAKAIE R，et al.Numerical modeling of influence parameters in cavabililty of rock mass in block caving mines［J］.International Journal of Rock Mechanics and Mining Sciences，2018，105：22-27.

［10］周益龍，王寧.自然崩落采礦法計算機放礦控制技術［J］.黃金，2002，23（6）：11-15.

［11］陳曉云，范文錄，夏長念，等.自然崩落法礦巖崩落塊度研究現狀與趨勢［J］.中國礦山工程，2020，49（3）：17-19，25.

［12］張東紅.自然崩落法的巖石力學工作與礦石崩落塊度［C］ ∥《礦業研究與開發》編輯部.中國有色金屬學會第五屆學術年會論文集.長沙：《礦業研究與開發》編輯部，2003：86-87，113.

［13］李強，程文文.長山壕金礦自然崩落采礦法礦巖崩落塊度預測研究［J］.黃金，2019，40（11）：36-38.

［14］馬從安，張峰，裴青彥，等.自然崩落法放礦品位預測研究［J］.礦業研究與開發，2010，30（2）：16-18.

［15］江飛飛，李向東，張華軍，等.急傾斜厚大礦體自然崩落塊度預測及分布規律研究［J］.礦業研究與開發，2014，34（2）：6-9，36.

［16］陳江川，李興平，李偉明.夜長坪鉬礦自然崩落法塊度預測及控制技術研究［J］.采礦技術，2017，17（3）：19-20，32.

［17］孫偉，馮興隆，劉華武，等.普朗銅礦自然崩落法開采風險因素分析［J］.中國金屬通報，2018（9）：42-43，45.

［18］荊永濱，趙新濤，馮興隆.節理巖體礦巖塊度三維模擬研究［J］.黃金科學技術，2018，26（3）：357-364.

［19］李光，劉育明，范文錄，等.眼前山鐵礦礦巖崩落塊度預測研究［J］.中國礦山工程，2019，48（5）：14-16，20.

［20］楊嘯，楊志強，高謙，等.基于節理網絡模擬和分形理論預測礦巖體塊度［J］.太原理工大學學報，2015，46（3）：318-322.

［21］陳小偉，劉育明，葛啟發，等.基于BCF軟件的自然崩落法礦巖崩落塊度預測研究［J］.中國礦山工程，2019，48（6）：6-9.

［22］李響，賈明濤，王李管，等.基于蒙特卡羅隨機模擬的礦巖崩落塊度預測研究［J］.巖土力學，2009，30（4）：1 186-1 190.

［23］于潤滄.采礦工程師手冊：下冊［M］.北京：冶金工業出版社，2009：198.

Study on block size prediction and distribution patterns in a kilometer?deep"mine using the natural caving method

Tong Jianhua1，2

（1. Zijin Mining Group Co.， Ltd.;" 2. Serbia Zijin Mining Co.， Ltd. ）

Abstract：Focusing on block size prediction for a porphyry?type mine abroad using the natural caving method， this study， based on the parameters such as engineering geological survey， ground stress testing， and natural caving design，" employed the Monte Carlo simulation technique to analyze and predict caving block size， extracted block size， and funnel blockages. The prediction results indicate that the initial block size exhibits a high proportion of large blocks， with blocks larger than 2 m3 accounting for 44.19 %-48.01 %. During the early stage of extraction， the extracted block size also showed a high proportion of large blocks， but this gradually decreased with increased draw height， particularly at 60 m， where the proportion dropped from the initial 20 %-25 % to approximately 10 %. A comparative analysis of funnel blockages in 4 drawpoints of different sizes revealed that all funnels experienced a blockage rate of over 20 % in the early caving stage， with frequent blockages during ore extraction. However， enlarging the drawpoint size to 12 m×5.0 m significantly mitigated blockage severity. This research provides critical insights for mining design and extraction control in mines using the natural caving method.

Keywords：deep mining; natural caving method; block size prediction; draw height; large block proportion; initial block size; BCF system; drawpoint

基金項目：“十四五”國家重點研發計劃項目（2022YFC2903904）

作者簡介：童建華（1970—），男，工程師，從事有色金屬礦山建設、技術工藝與管理工作；E?mail：913619493@qq.com