Research Paper

Journal of the Korean Society of Mineral and Energy Resources Engineers. 31 October 2018. 383-394
https://doi.org/10.32390/ksmer.2018.55.5.383

ABSTRACT


MAIN

  • 서론

  • 연구지역 지질구조 및 개발현황

  • 현장조사

  •   갱내조사

  •   Test bed 광산 배수 시스템

  •   소프트웨어

  •   경험적 방법에 의한 투수계수의 추정

  •   HC-system

  •   RQD

  •   DI

  •   GCD

  •   LPI

  •   투수계수 추정

  • Test bed 광산 3차원 수리지질모델 구축

  •   해석모델 설정

  •   수리인자

  •   수리해석

  •   추가 갱도 개발 시 갱내 출수량 예측

  •   강수조건에 따른 갱내 출수량 예측

  • 결론

서론

국내 가행광산은 갱도 심부화 및 작업장 규모 증가로 인해 과지압, 통기 및 운반효율 감소, 출수량 증가 등 다양한 문제에 직면하고 있다. 이를 해결하기 위해 다양한 연구가 진행된 바 있지만(Choi et al., 2007; Lee, 2010; Kim et al., 2014), 광산개발에 따른 출수량 예측에 대한 연구는 미흡한 실정이다. 여기에서 출수량이란 갱내로 유입된 갱내수량을 의미한다. 출수량 예측은 효율적인 배수 시스템 설계에 활용이 가능하며, 지하수 유동에 따른 간극수압 분포 변화를 파악하여 갱도와 채광장 안정성 평가에 연계할 수 있다. 또한 폐광 이후 지하수 리바운드(Groundwater rebound)현상 예측 시 결과의 신뢰도를 향상시킬 수 있다. 광산이 폐광된 이후에는 펌핑 작업을 통해 갱내로 유입된 지하수를 광산 외부로 배출시키지 않기 때문에 광산 내의 지하수위가 다시 상승하는 현상이 발생하며 이를 지하수 리바운드라고 한다(Choi et al., 2012).

채광활동에 의해 변화하는 출수량, 지하수 유동, 간극수압의 분포 등을 적절하게 예측하기 위해서는 3차원 수리지질모델 구축이 하나의 대안이 될 수 있다. 국외의 경우 캐나다의 Diavik 광산, 칠레의 Escondida 광산, 인도네시아의 Grasberg와 Batu Hijan 광산 등에서는 3차원 수리지질모델을 개발하여 지하수 흐름을 예측하여 배수 설계에 활용하는 한편, 간극수압 분포를 분석하여 안정성 해석의 입력변수로 활용하고 있으며(Read and Stacey, 2009), 해당 광산의 3차원 수리지질모델을 지속적으로 보완함으로써 예측 결과의 정확도를 높이고 있다. 칠레에 위치한 Chuquicamata 광산에서도 3차원 수리지질모델을 활용하여 배수 설계 및 안정성 평가에 활용하기 위한 연구가 진행된 바 있다(Ortuño et al., 2016). Morton et al.(2008)은 채광장 설계에 간극수압의 영향을 고려하기 위하여 현장에서 간극수압을 측정하여 채광장 설계에 활용하는 연구를 수행하였다. 국내에서는 가곡광산을 대상으로 갱내로 유입되는 지하수 출수량을 파악하기 위한 연구가 진행되었으나 2차원 해석에 국한되어있으며(Yoon, 2011), 3차원 균열망 기법을 활용하여 석회석 광산 갱내로 유입되는 지하수를 예측한 연구(Kim et al., 2013)는 해석영역이 광산 전체가 아닌 갱도 일부분에 한정되었다는 한계를 가진다.

국내․외 연구 동향에서 확인된 바와 같이, 국외에서는 노천 및 갱내채광 광산에 대하여 다양한 소프트웨어를 활용하여 해당 광산의 적합한 수리지질모델을 구축하고 이를 활용하고 있으나, 국내의 경우 이와 관련된 연구가 미흡하다. 따라서 국내광산을 대상으로 광산 전체 규모의 3차원 수리지질모델을 구축하여, 출수량 관리 및 안정성 문제에 좀 더 현실적으로 접근하는 연구가 수행될 필요성이 있다.

본 연구의 test bed 광산은 현재 개발 중인 갱도에서 출수량이 급격하게 증가하고 있어, 향후 효율적인 개발 계획 수립을 위해 출수량 예측이 필요한 실정이다. 문헌 및 현장조사, 계측자료를 바탕으로 Itasca 社의 MINEDW를 이용하여 3차원 수리지질모델을 구축하였고, 이를 통해 강수량 변화 및 추가 갱도 개설에 따른 갱내 출수량 변화에 대하여 분석하고자 하였다.

연구지역 지질구조 및 개발현황

연구지역은 충북 제천시에 위치한 석회석 광산으로서 지질은 영월형 조선누층군에 해당하는 영흥층 및 문곡층(삼태산층)과 이를 부정합으로 덮는 평안누층군의 갑산층 및 후기에 관입한 암맥류 및 제4기 충적층으로 구성되어있다. 문곡층(삼태산층)은 연구지역의 최하위 지층으로 동부와 서부에 배사습곡구조의 축부를 따라 2회 반복되어 분포한다. 연구지역의 전체적인 주향/경사는 대체로 N30W/75~90SW를 갖고 주향을 따라 분포하며 북서방향으로 침강된 습곡축을 갖는 습곡구조에 의해 측방으로 수회 반복되는 특징을 나타낸다(KORES, 2012).

Test bed 광산은 중단채광법(Sub-level stoping)을 적용하여 채광을 진행하고 있으며, 갱도의 규격은 높이 10 m, 폭 7 m이다. 하1~4단까지는 채광이 완료되었으며, 현재 하5단에서 채광이 진행 중이다. 배수는 각 편별로 저수조를 개설하여 수중 펌프(30마력 2대) 및 다단 펌프(100마력 1대, 50마력 2대)를 이용하여 갱내수를 갱외로 배수하고 있다.

현장조사

갱내조사

3차원 수리지질모델 구축을 위해 필요한 단층 현황, 갱내수 출수지점 파악 및 출수량 측정, 집수정의 위치 파악 등을 위해 갱내조사를 수행하였다. 갱내 측벽 및 상반은 주로 석회암으로 이루어져 있으며 부분적으로 돌로마이트와 셰일이 혼재한다. 하2단에서 5단까지 유사한 방향성을 갖는 대규모 단층이 존재하였으며 대부분의 갱내수가 이 단층을 통해 출수되고 있었다. Fig. 1은 갱내조사 위치 표시 및 단면도를 나타낸 것이다. 갱내수가 출수되는 2개의 단층을 확인하였는데, 특히 A, B, C지점을 지나가는 단층에서는 건기나 우기에 관계없이 가장 많은 갱내수가 출수되었고, D, E, F, G지점에서 관찰된 단층에서는 간헐적으로 갱내수가 출수되고 있었다. Table 1은 각 위치에서 측정된 단층의 방향성을 정리한 것이다.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F1.jpg
Fig. 1.

Locations of field survey in study area.

Table 1. Result of field survey in study area

LocationsFault
AN50E/90
BN55E/90
CN30E/90, N70E/90
DN80E/90
EN70E/90
FN80E/90, N45E/90
GN60E/90

Test bed 광산 배수 시스템

Fig. 2는 test bed 광산의 배수 시스템을 도식화한 것이다. Test bed 광산의 배수 시스템은 30, 50, 100마력 펌프를 이용하여 갱외로 갱내수를 배수시킨다. 하1단과 하2단의 갱도는 약 0.5°경사로 하향 굴진되어 있어 갱내수가 자연적으로 하3단에 위치하는 주집수정으로 모이게 된다. 하5단에서 출수되는 갱내수는 30마력 펌프를 통해 하4단에 위치하는 집수정으로 이동되고 여기서 다시 50마력 펌프를 통해 하3단에 위치하는 주집수정으로 이동된다. 하3단에 위치한 주집수정에서는 수위센서가 장착되어 있어 평상시에는 일정 수위에 도달하면 자동으로 100마력 펌프를 통해 갱외의 저장탱크로 갱내수를 이동시킨다. 또한 강수량이 증가하는 7, 8월에는 50마력 예비 펌프를 두어 100마력 펌프와 50마력 펌프를 수동으로 전환시켜 24시간 동안 갱내수를 배수시킨다.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F2.jpg
Fig. 2.

Drainage system of the mine.

Test bed 광산 내의 출수량을 정량적으로 파악하기 위해 하3단의 주집수정에서 갱외로 배출되는 배수관에 유량계(단위: m3)를 설치하였다(Fig. 3). 측정기간은 16년 6월에서 17년 7월까지이며, 16년 12월부터 17년 2월까지는 유량계가 동파되어 측정이 불가능하였다. Table 2는 측정이 불가능한 기간을 제외한 월 평균 출수량을 정리한 것이다. 16년 7월에 출수량이 가장 많았으며, 16년 11월에 출수량이 가장 적었다. 집중 강수가 발생한 16년 7월에는 일 평균 1,223 m3/day의 갱내수가 출수되었고 낮은 강수량을 기록한 16년 11월에는 일 평균 198 m3/day의 갱내수가 출수되었다. 또한 약 11개월 간 측정된 일 평균 출수량은 654 m3/day이다.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F3.jpg
Fig. 3.

Installation of flowmeter.

Table 2. Measured amount of groundwater inflow

DateAmount of groundwater inflow (m3/day)
Jun-16599
Jul-161,223
Aug-16940
Sep-16811
Oct-16341
Nov-16198
Mar-17562
Apr-17693
May-17536
Jun-17581
Jul-17707

소프트웨어

3차원 수리지질모델 구축을 위해 본 연구에서 사용한 소프트웨어는 Itasca 社에서 개발한 MINEDW이다. MINEDW는 갱내 및 노천광산의 3차원 배수 시뮬레이션에 특화된 소프트웨어이며, 유한요소법에 기반을 두고 있다. 개발된 이후 여러 광산의 3차원 수리지질모델에 활용되어 적용성이 검증되었으며, 단층 등 지하수 유동에 큰 영향을 미치는 지질구조, 광산 및 주변 지형을 유연하게 모델링 할 수 있고 발파에 의한 이완영역을 고려한 모델링이 가능한 장점이 있다. 또한 구축된 모델을 이용하여 채광단계에 따른 지하수 유입량 예측 및 간극수압 분포 분석이 가능하고 이 결과를 역학해석 소프트웨어의 입력 변수로 활용이 가능하다(Itasca, 2012).

경험적 방법에 의한 투수계수의 추정

암반의 투수계수를 측정하기 위해 실시하는 lugeon test와 같은 현장 시험법은 비교적 신뢰성이 있는 결과를 얻을 수 있지만 시험 자체의 적용 가능성과 시간에 대한 문제 및 시험비용이 크게 드는 단점이 있다. 그동안의 연구들을 살펴보면 주로 심도가 증가할수록 암반의 투수계수는 감소할 것이라는 개념을 기반으로 암반의 투수계수를 추정하는 방법이 제안되었고 비교적 쉽고 빠르게 예측할 수 있는 특징을 갖는다(Snow, 1969; Wei et al., 1995). 그러나 암반의 투수계수를 예측하는 것과 관련해 심도만이 유일한 인자는 아니기 때문에 다소 신뢰성이 낮을 수 있는 단점이 있다. 암반의 수리적 특성은 지반의 응력조건, 불연속면의 방향성 및 경사각, 균열의 비연속성, 충진물질, 균열면의 특징 등에 따라 매우 다양하게 나타날 수 있기 때문에 신뢰성 및 적용성이 높은 암반의 투수계수를 산출하기 위해서는 이러한 인자들이 고려되어야 할 필요성이 있다.

HC-system

본 연구에서는 현장 시험을 통해 투수계수를 직접 측정하지 못하였기 때문에, HC-system을 이용하여 현장 암반의 투수계수를 예측하였다. HC-system은 Hsu et al.(2011)에 의해 제안된 경험적 방법으로 암질 지수(RQD), 심도 지수(DI), 단층점토 함량 지수(GCD), 암종에 따른 투수 지수(LPI)로 구성된 네 가지 인자를 기반으로 암반의 투수계수를 추정한다. RQD, DI, GCD, LPI 값이 결정되면 식 (1)을 이용해 HC 값을 구할 수 있고 식 (2)를 통해 투수계수를 예측할 수 있다.

$$HC=(1-\frac{RQD}{100})\;\cdot\;DI\;\cdot\;(1-GCD)\;\cdot LPI$$ (1)
$$K=2.93\times10^{-6}\times HC^{1.380}$$ (2)

RQD

RQD는 전체 시추 코어 길이(RS)에 대한 10 cm 이상의 코어 길이의 합(RT)의 비를 백분율로 표시한 것으로 식(3)으로 계산된다.

$$RQD=\frac{R_S}{R_T}\times100\%$$ (3)

DI

암반의 투수계수에 대한 심도의 영향을 고려하기 위한 DI는 식 (4)로 계산된다. 여기서, LT는 보어홀 전체의 길이이고, LC는 암반투수시험 시 보어홀 내에 패커(Packer)가 위치한 깊이이다. DI 값은 항상 0보다 크고 1보다 작으며 암반의 투수계수가 높을수록 그 값은 증가한다.

$$DI=1-\frac{L_c}{L_T}$$ (4)

GCD

GCD는 식 (5)로 계산된다. RG는 단층점토가 포함된 코어의 두께를 나타내며 RT는 전체 코어 길이, RS는 전체 코어 중 10 cm 이상인 코어 길이의 합이다. GCD 값은 항상 1보다는 작고 0보다는 크다. GCD 값이 클수록 단층점토 함량이 높음을 나타내기 때문에, GCD 값이 클수록 전체 코어에 대한 투수계수는 감소한다.

$$GCD=\frac{R_G}{R_T-R_S}$$ (5)

LPI

일반적으로 암석은 그 종류에 따라 구성성분, 입도, 조직, 색 등의 고유한 특성을 갖는다. 예를 들어, 퇴적암의 경우 굵은 입도를 갖으며 잘 분급된 것일수록 실트나 점토와 같은 작은 크기로 구성된 퇴적암과 비교했을 때 더 높은 투수계수를 가질 것이다. 따라서 암석의 종류는 암반의 투수계수를 평가할 수 있는 하나의 인자로 고려될 수 있다. Table 3은 Hsu et al.(2011)이 제안한 다양한 암종에 따른 LPI 값을 나타낸다.

Table 3. Description and ratings for lithology permeability index

LithologyLPI
Sandstone1.00
Silty Sandstone0.95
Dolomite0.70
Limestone0.70
Shale0.50
Sandy Shale0.60
Granite0.15
Basalt0.15
Argillaceous Sandstone0.85
S.S. interbedded with some Sh.0.75
Alternations of S.S & Sh.0.65
Sh. interbedded with some S.S.0.60
Alternations of S.S & Mudstone0.55
Siltstone0.30
Sandy Siltstone0.40
Argillaceous Siltstone0.20
Claystone0.30
Mudstone0.20
Sandy Mudstone0.40
Silty Mudstone0.30

투수계수 추정

본 연구에서는 시추조사가 수행되지 않았기 때문에 Palmstorm(1982)이 제안한 식 (6)을 이용하여 RQD를 산정하였다.

$$RQD=115-3.3J_V$$ (6)

여기서, JV는 체적절리계수를 의미한다. Fig. 1의 A, B, C를 BH-1, D, E, F, G를 BH-2, H, I, J, K를 BH-3으로 그룹을 나누어 현장조사를 통해 체적절리계수(JV)를 구하고 Palmstorm(1982)에 의해 고안된 식 (6)을 이용해 RQD 값을 산출하였다. 또한 DI와 관련된 변수인 LT 값은 각 그룹별로 지표로부터 최하단에 위치한 C, G, K의 바닥면 심도까지의 깊이로 정하였고, LC 값은 각 그룹별로 지표로부터 현장조사를 수행한 각 위치의 벽면 중심부의 심도까지의 깊이로 정하였다. 각 현장조사 위치별 GCD 값의 경우 균열 틈새에 존재하는 단층점토가 보이지 않아 0으로 가정하였고, LPI 값은 Table 3을 통해 0.7로 정하였다.

Test bed 광산 3차원 수리지질모델 구축

해석모델 설정

해석영역은 test bed 광산을 중심으로 가로(1,500 m) × 세로(1,500 m) 크기로 설정하였다(Fig. 4). 해석을 위한 격자망(mesh) 구성은 주 관심영역인 갱도가 위치하는 지점(Fig. 4a)에는 격자크기를 50 m2, 갱도 주변 지역(Fig. 4b)에는 격자크기를 500 m2, 하천(Fig. 4c)과 그 외 지역은(Fig. 4d) 5,000 m2으로 구성하여 모델링을 수행하였다. MINEDW에서는 해석영역의 지형변화를 고려하기 위해 등고선을 이용하여 만들어진 surface 모델을 사용한다. Fig. 5a는 test bed 광산 지역의 수치지형도의 등고선을 추출하여 만들어진 surface 모델을 나타낸다. 고도가 가장 높은 지점인 586 m로부터 0 m까지 수직방향으로 풍화토, 풍화암, 석회암 순서로 레이어를 설정한 뒤(Fig. 5b), 단층, 갱도를 모델에 삽입하여 수리해석을 위한 기본 해석모델을 완성하였다.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F4.jpg
Fig. 4.

Construction of test bed mine model.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F5.jpg
Fig. 5.

Construction of hydrogeologic model.

수리인자

모델에 적용된 수리인자는 Table 5와 같다. 풍화토, 풍화암의 수리인자는 참고문헌(Hahn, 2015)을 통해 적용하였고, 단층의 경우 풍화암의 수리인자와 동일하게 적용한 사례(Yoo, 2011)가 있어 풍화암과 동일한 수리인자를 적용하였다. Limestone(1)은 참고문헌(Goodman, 1989)을 통해 적용하였고, Limestone(2)는 Table 4의 A, B, D, H, I, Limestone(3)은 C, E, J, Limestone(4)는 F, G, K의 투수계수 평균값을 사용하였다. 또한, 비저류계수와 비저유율은 참고문헌(Zghibi et al., 2011; Heath, 1983)을 통해 적용 하였으며, test bed가 위치한 지역의 강수자료(KMA, 2017)를 참고하여 Table 6과 같이 월별 일 평균 강수량을 적용하였다.

Table 4. The calculated results for HC-system

Locations1-(RQD100)DI1-GCDLPIHCHydraulic conductivity (m/sec)
A0.20.35210.70.0494.60 × 10-8
B0.250.19710.70.0352.82 × 10-8
C0.20.02310.70.0031.07 × 10-9
D0.20.34510.70.0484.48 × 10-8
E0.20.22810.70.0321.98 × 10-8
F0.20.10410.70.0158.55 × 10-9
G0.350.01510.70.0041.34 × 10-9
H0.60.37410.70.1572.28 × 10-7
I0.550.20410.70.0788.73 × 10-8
J0.350.08210.70.0201.80 × 10-9
K0.350.00810.70.0025.31 × 10-10

Table 5. Hydraulic parameters for test bed mine model

Hydraulic conductivity (m/sec)Specific
storage
Specific
yield
KXKYKZ
Weathered soil10-410-410-40.0010.005
Weathered rock5-65-65-60.0010.005
Limestone110-610-610-60.00160.18
28.9-88.9-88.9-80.00160.18
37.6-97.6-97.6-90.00160.18
42.3-92.3-92.3-90.00160.18
Fault5-65-65-60.0010.005

Table 6. Amount of precipitation in study area

DateAmount of precipitation (mm/day)
Jun-161.4
Jul-1615.0
Aug-163.7
Sep-161.5
Oct-163.5
Nov-160.7
Dec-161.9
Jan-170.3
Feb-171.1
Mar-170.8
Apr-172.3
May-170.4
Jun-172.3
Jul-1715.0
Aug-178.6
Sep-171.4
Oct-170.7
Nov-170.3

수리해석

Test bed 광산 주변에 존재하는 제천 고암 관측소와 영월 관측소에서 측정된 지하수위 기록(GIMS, 2017)을 참고하여 초기 지하수위 예측 모델링을 수행한 결과를 토대로 수리지질모델의 측면 경계조건과, 하천경계, 초기 지하수위를 설정하였다(Fig. 6). 모델영역 내에 갱내 출수가 발생하는 지점에 drain point를 설정하였다. 또한 총 해석시간은 16년 6월부터 17년 12월까지이며, 한 달 간격으로 해석 결과를 기록하였다.

해석 결과, 평균 출수량이 690 m3/day로 현장에서 측정된 평균 출수량 654 m3/day에 비해 약 5.5 % 가량 높게 나타났다. 현장에서 유량계를 통해 측정된 출수량은 하3단의 주집수정에 모인 갱내수를 펌프를 통해 갱외로 배출하는 양이다. 하지만, 갱내에서 출수되는 지하수가 모두 하3단의 주집수정에 모이는 것은 아니기 때문에 실제 갱내 출수량은 654 m3/day보다는 다소 많을 것으로 판단된다.

Fig. 7은 현장에서 측정된 출수량과 수리지질모델에서 예측된 출수량을 나타낸다. 예측된 출수량은 측정된 출수량과 증가 폭은 다르지만 전반적인 추세는 비슷한 경향을 보이는 것으로 나타났다. 따라서 유량계가 동파된 기간 동안 예측된 출수량도 어느 정도 신뢰성을 가질 수 있을 것으로 판단된다.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F6.jpg
Fig. 6.

Selected constant head boundary condition.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F7.jpg
Fig. 7.

Measured and simulated groundwater inflow to underground mine.

추가 갱도 개발 시 갱내 출수량 예측

Test bed 광산은 현재 하1~4단까지 채광이 이루어지고 있으며 하5단은 개발 중에 있다. 그러나 하5단을 굴착하는 과정에서 갱내 출수량이 급격하게 증가하고 있는 상황이다. 따라서 구축된 test bed 광산의 수리지질모델을 활용하여 향후 개발 예정인 추가 갱도가 굴착 되었을 때, 발생하는 출수량을 예측해 보았다. 이를 위해 Fig. 8과 같이 실제 채광 계획과 동일하게 하4단 바닥 레벨을 기준으로 8 m 간격으로 하5단, 하6단, 하7단을 순차적으로 모델 내에 적용하였고 수리인자, 해석시간, 강수량은 앞서 수행한 수리해석과 동일 조건으로 설정하여 해석을 수행하였다.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F8.jpg
Fig. 8.

Three-dimensional implementation of additional mine drifts (level 1-7).

해석 결과, 평균 출수량은 각기 877 m3/day, 1,145 m3/day, 1,549 m3/day로 나타나 하1~4단의 평균 출수량 690 m3/day에 비해 1.27, 1.66, 2.24배로 증가하는 것으로 예측되었다.

현재 test bed 광산은 강수량이 증가하는 7, 8월에는 100마력 펌프와 50마력 예비 펌프를 수동으로 전환시켜 24시간 동안 배수를 시키고 있는 상황이다. 16년 7, 8월, 17년 7월 현장에 설치된 유량계를 통해 계측된 갱내 출수량은 1,223, 940, 707 m3/day로 추가 갱도 개발 시 예측된 평균 출수량들과 비슷하거나 낮은 수준이다. 따라서, 추가 갱도 개발 시 예측된 결과를 토대로 본다면 현재 배수 시스템으로는 심부로 개발을 진행할수록 급속하게 증가하는 출수량을 감당하기 다소 어려워 보이며 이를 대처할 수 있도록 추가 집수정 및 펌프 증설이 필요하다고 판단된다.

강수조건에 따른 갱내 출수량 예측

Test bed 광산이 위치하는 지역에 발생하는 강수량은 하절기 중 장마철에 약 70 % 이상이 집중되어 갱내 출수량이 증가하고 있는 실정이다. 따라서 강수량의 변화가 test bed 광산의 갱내 출수량에 미치는 영향을 구축된 수리지질모델을 통해 예측해 보았다. Fig. 9는 최근 30년간 연구지역의 7, 8월 강수량 중 가장 비가 많이 내린 월의 일 평균 강수량을 나타내며 최대 36 mm/day, 평균 15 mm/day의 강수량을 보였다. 앞서 수행한 추가 갱도 개발 시 갱내 출수량 예측과 동일한 해석조건에서 7, 8월의 일 평균 강수량을 36 mm/day를 적용한 경우와 비록 현실적이지는 않지만 극한의 조건일 때 출수량을 살펴보기 위해 최대 일 평균 강수량을 50 % 증가한 54 mm/day를 적용하여 해석을 수행하였다.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F9.jpg
Fig. 9.

The average amount of precipitation per day in July and August during 30 years at the target area.

Fig. 10은 강수량 변화에 따른 갱내 출수량을 나타낸다. 값의 증감은 다르지만 전반적인 추세는 유사하게 나타났다. 하1~4단의 경우(Fig. 10a) 강수량이 36, 54 mm/day로 증가함에 따라 발생되는 평균 출수량은 925, 1,295 m3/day로 하1~4단의 평균 출수량 690 m3/day에 비해 1.33, 1.87배로 증가하였다. 하1~5단의 경우(Fig. 10b) 강수량이 증가함에 따라 발생되는 평균 출수량은 1,221, 1,592 m3/day로 하1~5단의 평균 출수량 877 m3/day에 비해 1.39, 1.82배 증가하였다. 하1~6단의 경우(Fig. 10c) 출수량은 1,598, 2,182 m3/day로 하1~6단의 평균 출수량 1,145 m3/day에 비해 1.4, 1.91배 증가하였으며, 하1~7단의 경우(Fig. 10d) 출수량은 2,234, 3,382 m3/day로 하1~7단의 평균 출수량 1,549 m3/day에 비해 1.44, 2.18배 증가하는 것으로 나타났다. 이를 통해 집중 강수에 따라 증가하는 갱내 출수량은 적게는 1.33배, 많을 때는 2.18배의 증가가 발생하는 것으로 예측되었다.

http://static.apub.kr/journalsite/sites/ksmer/2018-055-05/N0330550502/images/ksmer_55_05_02_F10.jpg
Fig. 10.

Amount of groundwater inflow estimated by 3d model with various precipitation.

실제 test bed 광산에서는 17년 7월 일 평균 강수량 15 mm/day가 발생하였을 때, 출수되는 갱내수를 감당하지 못해 하2단에 임시적으로 추가 집수정을 만들고 50마력 펌프를 설치하여 배수를 실시한 사례가 있다. 이때 발생한 강수량은 최근 30년간 연구지역의 7, 8월 일 평균 강수량과 동일한 수준으로 매년 강수량이 증가하는 7, 8월에는 추가 집수정 및 펌프 설치가 불가피 할 것으로 판단된다. 이는 생산 활동을 지연시켜 광산의 채광효율을 저하시키는 원인이 될 수 있다. 따라서, 계절적인 영향으로 인한 돌발적인 출수량을 대처할 수 있도록 추가 배수 시스템 설계가 필요할 것으로 판단된다.

결론

본 연구에서는 현장조사 및 계측을 통해 3차원 수리지질모델링을 수행하여 test bed 광산의 갱내 출수량을 예측하였다. 또한 강수량 변화 및 추가 갱도 개설에 따른 갱내 출수량 변화에 대하여 분석하고자 하였다. 연구의 주요 결과를 요약하면 다음과 같다.

1. 갱내 평균 출수량 분석 결과, 690 m3/day로 현장에서 측정된 출수량 654 m3/day에 비해 약 5.5 % 가량 높게 나타났다. 그러나 현장에서 유량계를 통해 측정된 출수량 데이터는 오직 하3단의 주집수정에서 펌프를 통해 갱외로 배출되는 양이기 때문에 654 m3/day보다는 다소 많을 것으로 사료되어 예측된 출수량은 어느 정도 신뢰성을 갖는다고 판단된다.

2. 하5단, 하6단, 하7단이 순차적으로 개발이 진행될 경우 발생하는 출수량 분석 결과, 평균 출수량은 각기 877 m3/day, 1,145 m3/day, 1,549 m3/day로 하1~4단에 비해 1.27, 1.66, 2.24배로 증가하는 것으로 예측되었다.

3. 30년간 test bed 지역의 7, 8월 일 평균 강수량 15 mm/day, 최대 일 평균 강수량 36 mm/day, 최대 일 평균 강수량을 50 % 증가한 54 mm/day를 적용하여 출수량을 분석한 결과, 갱내 출수량은 적게는 1.33배, 많을 때는 2.18배의 증가하는 것으로 예측되었다.

4. 지속 가능한 광산 개발을 위해서는 현재 test bed 광산의 배수 시스템으로는 채광작업이 유지되기가 어려워 보이며 심부로 개발을 진행할수록 급속하게 증가하는 출수량과 계절적인 영향으로 인한 돌발적인 출수량을 대처할 수 있는 추가 집수정 및 펌프 증설이 필요하다고 판단된다.

5. 본 연구에서 구축된 3차원 수리지질모델을 통해 광산개발이 진행되는 동안에 보다 현실적이고 유연한 배수 설계 및 채광계획 수립을 위한 유용한 자료로 활용이 가능할 것으로 기대되며, 광산 주변에 대한 추가적인 지질조사 자료 확보와 장기적인 현장 출수량 모니터링을 통해 주기적으로 모델 보정이 이루어진다면, 출수량 예측에 대한 신뢰도를 더 높일 수 있을 것으로 판단된다.

Acknowledgements

본 연구는 2016년도 강원대학교 대학회계 학술연구조성비(관리번호-520160197)로 수행되었으며, 지원에 감사드린다.

References

1
Choi, Y.S., Sunwoo, C. and Park, H.D., 2007. Analysis of optimal haulage routes for dump trucks in large open pit mines. J. Korean Society Of Mineral and Energy Resources Engineers, 44(6), 477-491.
2
Choi, Y.S., Baek, H.J., Cheong, Y.W., Shin, S.H., Kim, G.M. and Kim, D.H., 2012. GRAM model analysis of groundwater rebound in abandoned coal mines. Tunnel & Underground Space, 22(6), 373-382.
10.7474/TUS.2012.22.6.373
3
Goodman, R.E., 1989. Introduction to Rock Mechanics (2th Ed.),Vol. 2, Wiley, New York, USA, 34p.
4
Hahn, J.S., 2015. Hydrogeology and Groundwater modelling (2th Ed.), Vol. 1, Naeha, Seoul, Korea, p.617-631.
5
Heath, R.C., 1983. Basic Ground-Water Hydrology(1th Ed.), Vol. 2220, USGS, Colorado, USA, 9p.
6
Hsu, S., Lo, H., Chi, S. and Ku, C., 2011. Developments in Hydraulic Conductivity Research(1th Ed.), Vol. 1, Intechopen, London, United Kingdom, p.133-158.
7
Itasca, 2012. MINEDW User Manual, Itasca Consulting Group, Inc.
8
Kim, D.H., Kim, G.M., Choi, Y.S. and Baek, H.J., 2013. A Study on the Hydraulic Modelling of the Rockmass in a Limestone Mine. J. Korean Society Of Mineral and Energy Resources Engineers, 50(1), 113-123.
10.12972/ksmer.2013.50.1.113
9
Kim, J.W., Kim, M.S., Lee, D.K., Park, C., Jo, Y.D., and Park, S.G., 2014. Stability analysis of mine roadway using laboratory tests and in-situ rock mass classification. Tunnel & Underground Space, 24(3), 212-223.
10.7474/TUS.2014.24.3.212
10
Korea Meteorological Administration, 2017.11.30, http://www.kma.go.kr.
11
Korea Resources Corporation, 2012. Present condition of OO mine, KORES Report, Wonju, Korea, p.1-4.
12
Lee, D.K., 2010. Numerical flow analysis for optimal arrangement and diameter of a duct in working face of limestone mines. J. Korean Society of Mineral and Energy Resources Engineers, 47(6), 938-947.
13
Morton, K.L., Muresan, M.C. and Debswana, F.R., 2008. Importance of pore pressure monitoring in high walls. J. South. African Inst. Min. Metall., 108(11), 225-238.
14
National Groundwater Information Center, 2017.11.30, http://www.gims.go.kr.
15
Ortu-o, F., Ávalos. P. and Araya, R., 2016. Pore-pressure model for transition studies from an open pit to underground mine at Chuquicamata. Applied Numerical Modelling in Geomechanics-2016, Itasca, Lima, Peru, p.525-529.
16
Palmstorm, A., 1982. The volumetric joint count-a useful and simple measure of the degree of rock jointing. Proc. of the 4th Int. Cong. Int. Assoc. Eng. Geol., IAEG, Delhi, India, p.221-228.
17
Read, J. and Stacey, P., 2009. Guidelines for Open Pit Slope Design, Csiro Publishing, Clayton, Australia, 320p.
18
Snow, D.T., 1969. Anisotropic permeability of fractured media. Water Resources Research, 5(6), 1273-1289.
10.1029/WR005i006p01273
19
Yoo, J.H., Kim, Y.K., Chung, C.H., 2011. A Case Study on the Design of Tunnel Excavation in Geological Anomalies. Tunnel and Underground Space, 21(5), 341-348.
20
Yoon, Y.K., 2011. Evaluation of Groundwater Flow through Rock Mass around Development Openings of Mine. Tunnel and Underground Space, 21(5), 370-376.
21
Wei, Z.Q., Egger, P. and Descoeudres, F., 1995. Permeability predictions for jointed rock masses. International J. Rock Mechanics, Mineral Science and Geomechanics, 32(1), 251-261.
22
Zghibi, A., Zouhri, L. and Tarhouni, J., 2011. Groundwater modelling and marine intrusion in the semi-arid system (Cap-Bon, Tunisia). Hydrological Process, 25(11), 1822-1836.
10.1002/hyp.7948
페이지 상단으로 이동하기