Het afbakenen van homogene zones voor mechanische eigenschappen van rotsvoegen in dagbouwhellingen op basis van een multi-indicator stacked generalization-model

Waarom de sterkte van verborgen scheuren ertoe doet

Hoger dan de vrachtwagens en graafmachines in een dagbouwmijn bepaalt de stabiliteit van de getrapte rotswanden of een werkdag routinematig verloopt of in een ramp eindigt. Deze wanden zijn geen massieve blokken maar worden doorsneden door talloze natuurlijke scheuren en naden, zogenaamde voegen. De toestand van de dunne rotsoppervlakken langs die voegen beïnvloedt sterk of een helling standhoudt of bezwijkt. Deze studie laat zien hoe een moderne, data-gedreven aanpak gebieden met vergelijkbare voegkwaliteit over een mijnwand in kaart kan brengen, en zo een duidelijker, objectiever beeld geeft van waar hellingen het veiligst zijn en waar het grootste risico ligt.

Gebarsten gesteente is niet allemaal hetzelfde

In een dagbouwmijn verdelen ingenieurs het gesteente vaak in “homogene zones” – gebieden waar het gesteente zich ongeveer hetzelfde gedraagt. Traditionele systemen, zoals lang gebruikte ratings voor gesteentekwaliteit, comprimeren veel waarnemingen tot enkele scores. Die zijn nuttig voor brede beslissingen, maar kunnen fijnmazige verschillen vervagen die juist langs voegoppervlakken van belang zijn. Voegen variëren in sterkte, in hoe gemakkelijk ze afbreken bij wisselend nat- en droogworden, in mate van verwering en in onderlinge afstand. Een hele helling als één uniform blok behandelen loopt het risico zwakkere subzones over het hoofd te zien waar een falen waarschijnlijker begint.

Meten wat echt de hellingveiligheid bepaalt

De auteurs richten zich rechtstreeks op de mechanische eigenschappen van voegwanden in een grote dagbouwmijn voor lood-zink in Yunnan, Zuidwest-China. Binnen een enkele zandsteenformatie verzamelden zij 153 gesteentemonsters en maten zorgvuldig vijf sleutelindicatoren. Deze omvatten hoe sterk het voegoppervlak is in compressie (gemeten met een terugslaghamer op blootliggende voegen), hoe goed het gesteente bestand is tegen verkrumbling bij herhaald nat- en droogworden, twee metingen die de mate van verwering weergeven, en hoeveel voegen er per lengte-eenheid door het gesteente lopen. Samen vangen deze metingen hoe waarschijnlijk het is dat voegen verzwakken, opengaan en wegschuiven onder het gewicht van een mijnhelling.

Van veldgegevens naar slimme zonering

In plaats van te vertrouwen op één waarderingsschema of één type model, kozen de onderzoekers voor een machine-learningstrategie genaamd stacked generalization. Eenvoudig gezegd leren meerdere verschillende algoritmen eerst patronen in de data en geven ze elk hun voorspellingen over tot welke subzone elk monster behoort. Een laatste “meta”-model leert vervolgens hoe die meningen het beste gecombineerd kunnen worden tot één betrouwbaardere beslissing. Om het systeem te helpen subtiele, kromlijnige relaties tussen de vijf indicatoren en het gesteentegedrag te herkennen, breidden de auteurs de ruwe metingen uit met kwadraten en kruisproducten, en gebruikten daarna een informatiegebaseerde filter om alleen de meest informatieve termen te behouden.

Vier zones, één helling

Met 53 monsters waarvan de subzones in het veld waren vastgesteld, trainden en stemden de onderzoekers zes gangbare machine-learningmodellen af en bouwden vervolgens een stacked model uit de drie best presterende modellen. Dit ensemble bereikte een gebalanceerde nauwkeurigheid van ongeveer 94 procent bij het classificeren van gesteentemonsters in vier subzones, duidelijk beter dan elk afzonderlijk model. De overige 100 monsters, verzameld op visueel ambiguë locaties, werden daarna door het stacked model aan zones toegewezen. Het plotten van alle 153 geclassificeerde punten op een geologische kaart van de groeve toonde vier duidelijke homogene zones over de helling, elk met een kenmerkende voegsterkte, verweringsgraad en voegdichtheid.

Wat dit betekent voor veiligere mijnen

Voor mijnplanners en veiligheidsingenieurs levert dit een realistischer kaart op van waar hellingen van nature sterker of zwakker zijn. In plaats van aan te nemen dat één reeks gesteenseigenschappen overal geldt, kunnen zij in stabiliteitsberekeningen en numerieke simulaties verschillende mechanische parameters toewijzen aan elke zone. Dit helpt om te preciseren waar versterking, drainage of ontwerpwijzigingen het meest dringend nodig zijn, terwijl onnodige conservatisme elders wordt vermeden. Hoewel het huidige werk is gebaseerd op één zandsteenmijn, rust de aanpak op metingen die in de meeste gesteentetypen uitgevoerd kunnen worden. Met meer data van andere locaties kan dit stacked modeling-kader een standaardmethode worden om gedetailleerde voegwandmetingen om te zetten in praktische, zonegebaseerde richtlijnen om dagbouwhellingen op de lange termijn veilig te laten blijven staan.

Bronvermelding: Yu, X., Zheng, A., Ye, J. et al. Delineating homogeneous zones for rock joint wall mechanical properties in open-pit mine slope based on a multi-indicator stacked generalization model. Sci Rep 16, 5117 (2026). https://doi.org/10.1038/s41598-026-35547-w

Trefwoorden: hellingstabiliteit, dagbouw, rotsvoegen, machine learning, geotechnische zonering