渗流条件下隧道微震源定位的创新方法：NFBG传感器与GWO-SA混合算法的优化策略

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》：Microseismic source localization in tunnels under seepage conditions: an optimized approach using NFBG sensors and the GWO-SA hybrid algorithm

本文针对渗流条件下隧道围岩失稳灾害预警的难题，创新性地开发了高灵敏度窄带宽光纤光栅（NFBG）传感器，并提出了结合灰狼优化器（GWO）与模拟退火（SA）算法的非线性微震源定位方法。该GWO-SA混合算法有效融合了全局搜索与局部优化能力，通过正演模拟与大岗山隧道现场试验验证，其在定位精度、计算效率及抗干扰鲁棒性方面均优于传统方法，为隧道施工安全提供了关键技术支撑。

　　

Highlight

设计原理

为了有效捕捉隧道渗流环境中围岩失稳相关的微震事件，微震传感器的响应频率必须不低于1250 Hz。因此，本研究开发的微震传感器频率响应范围为1–1500 Hz，理论灵敏度约为60 pm/g。为满足复杂隧道环境中监测传感器的高灵敏度要求，采用了窄带宽光纤光栅（NFBG）作为核心传感元件。

微震源定位的目标函数

为获取震源的真实参数，需要基于震源参数构建一个目标函数，并通过最小化该目标函数来逼近真实的微震源位置。地震波从震源传播到传感器的走时由震源与传感器之间的距离以及波速决定。假设震源位于 (x₀, y₀, z₀)，第i个传感器的位置为 (x_i, y_i, z_i)。

均匀介质模型

均匀介质模型是许多定位算法的理想化假设，可用于验证这些算法的正确性和基本性能。为评估不同算法对不同位置发生的微震事件的定位能力，建立了一个渗流环境下隧道围岩失稳灾害的正演模拟模型。该模型有效模拟了隧道工程中可能遇到的相对均匀的地质条件。

项目概况

大岗山隧道位于四川省西南部山区中部，处于青藏高原东南缘向四川盆地过渡地带，隶属雅安市石棉县挖角乡。隧道穿越围岩等级为III、IV和V级。当地地层主要以花岗岩为主，风化强烈但相对坚硬，呈块状结构。

讨论

(1) 本文提出的渗流条件下隧道微震源定位优化方法应用前景广阔，但仍存在一定局限性。首先，传感器布设方案受隧道实际施工环境限制，在极其复杂的地质条件下难以完全实施。其次，微震信号的采集和定位精度易受现场强干扰噪声影响。

(2) 本研究开发的NFBG传感器灵敏度显著高于现有DFB-FL和传统电学传感器，但在极端恶劣环境下的长期稳定性仍需进一步验证。

(3) GWO-SA混合算法在定位精度和效率上表现出色，但其参数设置对最终结果有较大影响，未来可研究自适应参数调整策略以提升其鲁棒性。

结论

(1) 本研究开发了一种高灵敏度NFBG传感器，与现有DFB-FL和传统电学传感器相比，显著提高了微震信号采集的精度和环境适应性。

(2) 提出了一种结合灰狼优化算法和模拟退火算法（GWO-SA）的非线性微震源定位方法，兼具全局搜索和局部优化能力，有效提升了定位精度和计算效率。