**基于分段适配的敞开式TBM隧道应变型岩爆智能预警方法**

《Journal of Rock Mechanics and Geotechnical Engineering》:A section-adapted intelligent warning method for strain rockbursts in open TBM tunnels

【字体: 大 中 小 】 时间:2026年01月27日 来源:Journal of Rock Mechanics and Geotechnical Engineering 10.2

编辑推荐:

  在敞开式隧道掘进机(TBM)隧道施工期间,发生在护盾段、主梁段和后梁段的岩爆对人员和设备构成不同的威胁。因此,进行分段适配的岩爆风险预警是必要的。本研究利用三个敞开式TBM隧道的应变型岩爆案例,分析了不同区段的破坏机制、微震(MS)能量密度和MS活动强度的变化

  
在敞开式隧道掘进机(TBM)隧道施工期间,发生在护盾段、主梁段和后梁段的岩爆对人员和设备构成不同的威胁。因此,进行分段适配的岩爆风险预警是必要的。本研究利用三个敞开式TBM隧道的应变型岩爆案例,分析了不同区段的破坏机制、微震(MS)能量密度和MS活动强度的变化规律。此外,研究人员提出了识别应变型岩爆的标准以及确定发生区段的方法。护盾段应变型岩爆(SS-SR)往往比主梁段应变型岩爆(MBS-SR)和后梁段应变型岩爆(PBS-SR)更早发生。因此,需要对SS-SR进行快速预警。通过结合反映岩体结构和应力水平的参数,可以实现MBS-SR和PBS-SR的多源参数预警。研究人员提出了一种分段适配的预警理念,并检验了预警指标与岩爆强度之间的关系,从而建立了针对不同区段应变型岩爆的智能预警方法。具体而言,研究人员开发了一个变分自编码器(VAE)模型,使用MS参数指标预警SS-SR强度。此外,采用域对抗神经网络(DANN)将从SS-SR中学到的特征迁移到MBS-SR和PBS-SR。此外,上述多源参数也被纳入模型中。因此,建立了基于变分-迁移-个性化网络(VTP-Net)的MBS-SR和PBS-SR预警模型。最后,该整体方法被应用于后续未开挖的隧道段,并取得了良好的结果。该框架成功实现了对敞开式TBM隧道中岩爆类型、发生区段和岩爆强度的多任务预警。
**基于分段适配的敞开式TBM隧道应变型岩爆智能预警方法解读**

**1. 研究背景与问题提出**

岩爆是工程岩体在开挖或其他扰动下,累积的弹性势能突然释放导致岩体破坏弹射的动态现象。随着隧道工程向“深埋、长大、集群化”发展,岩爆灾害日益突出。其中,应变型岩爆发生频繁、时空分布广泛、突发性强,对施工人员和设备构成直接威胁,因此对其发生位置、时间和强度的评估方法研究至关重要。

目前,岩爆评估与预警方法众多,包括经验指数法、工程地质分析法、数值分析法、岩石力学试验法和现场监测法。其中,微震(MS)监测是应用最广泛的方法,能有效揭示岩爆发展过程。基于MS监测,学者们发展了一系列预警方法,如利用MS事件日频次和b值进行危险区与强度预测,以及基于描述岩体破裂和断层滑动风险的MS参数进行动态预警。随着人工智能技术的发展,机器学习和深度学习方法(如支持向量机、决策树、深度神经网络等)被引入岩爆预警,推动了预警的智能化进程,实现了对岩爆位置、强度等级和发生概率的较准确预测。

然而,由于岩爆发展过程中存在多重变量和干扰因素,其时间预测进展缓慢,目前主要停留在宽泛的时间预警(如预测可能发生岩爆的时间段或隧道区段)。在钻爆法隧道中,已有研究基于MS信息实现了以爆破循环或钻爆工序为单位的即时时间预警。但在采用敞开式TBM建造的长距离隧道中,沿线路变化的地质条件导致岩爆强度和发生时间不断变化。敞开式TBM的结构特点和施工方式使得岩爆在不同区段(如主梁段、护盾段)和不同时间对施工的影响差异显著。现有针对敞开式TBM隧道的岩爆预警研究很少涉及其时空维度。因此,探究敞开式TBM隧道中岩爆的时空特征并进行时间预警,对于提升施工安全与效率具有重大意义。

**2. 研究内容与方法概述**

本研究旨在解决上述问题,针对敞开式TBM隧道应变型岩爆,开展了分段适配的智能预警方法研究。研究基于三个敞开式TBM隧道(TBM I、II、III)的实测数据,包括岩爆案例、MS监测数据以及施工参数等(样本队列来源于这些隧道的施工记录)。

研究人员首先分析了不同区段应变型岩爆的发生特征与预警理念。基于隧道结构、支护体系及人员设备分布,将敞开式TBM隧道划分为盾构段、主梁段和后梁段。通过统计分析发现,盾构段应变型岩爆(SS-SR)发生频率最高,但主梁段应变型岩爆(MBS-SR)和后梁段应变型岩爆(PBS-SR)对施工影响更大。由此提出了分段适配的预警哲学:SS-SR预警核心是“快速响应”,需在开挖预警单元前发出;MBS-SR和PBS-SR预警核心是“多源融合”,允许一定的预警时滞。

接着,研究人员建立了基于MS特征的应变型岩爆发生区段识别方法。通过分析MS破裂机制发现,应变型岩爆以拉伸破裂为主,其剪切破裂比例低于5%。引入了微震能量密度(MED)和微震活动强度(MAI)及其最大变化值(SMAI)来表征能量积聚与活动强度演化。研究发现,SS-SR发生前的最大对数微震能量密度(log10MED)超过0.4,或开挖过程中LMAIMAI(一个与MAI和SMAI相关的距离指标)小于1。而MBS-SR发生前log10MED<0.4且LMAIMAI≥1,PBS-SR发生前log10MED<0.4且LMAIMAI<1。基于这些特征建立了识别标准。

在此基础上,研究人员针对不同区段岩爆的差异性,建立了相应的智能预警模型。为解决岩爆样本类别不平衡和噪声问题,采用了MixUp数据增强方法。对于SS-SR,预警需要快速响应,因此选取六个MS参数(累积和即时的事件数、能量、视体积)作为输入,构建了基于变分自编码器(VAE)的预警模型。VAE作为自监督特征学习模块,能有效提取低维、结构化的潜在特征,提升模型的泛化能力。对于MBS-SR和PBS-SR,其发展周期较长,允许融合多源信息。因此,在MS参数基础上,额外引入了能反映岩体结构(如即时岩爆坑深度的截断平均值dt、现场贯入指数FPI的标准差σFPI)和应力水平的参数。由于MBS-SR和PBS-SR样本稀缺,研究人员采用了迁移学习策略。以样本丰富的SS-SR作为源域,MBS-SR和PBS-SR作为目标域,利用域对抗神经网络(DANN)进行特征迁移。最终,构建了融合VAE、DANN和个性化特征融合模块的变分-迁移-个性化网络(VTP-Net),分别用于MBS-SR和PBS-SR的预警。

**3. 研究结果与讨论**

研究结果表明,所建立的VAE模型在SS-SR预警中表现优异,训练集和测试集准确率分别达到92%和93.1%。基于VTP-Net的MBS-SR预警模型准确率为93.3%,PBS-SR预警模型准确率为84.6%。将该分段适配智能预警方法应用于TBM I隧道后续开挖段(K22+000–K29+000),预警准确率分别为:SS-SR 90.3%,MBS-SR 85.7%,PBS-SR 80%,且无漏报。实际工程应用中,成功预警了一起轻微的MBS-SR,验证了方法的有效性。

在讨论部分,研究人员分析了不同区段岩爆发展过程中MAI的演化差异:SS-SR呈“快速升高”特征,MBS-SR呈“缓慢升高”特征,PBS-SR呈“快速升高→相对平静→再次显著升高”特征。据此,提出了基于能量控制方法的分段适配防控策略与时机:SS-SR应在预警单元开挖前采取措施以减少能量积聚;MBS-SR应在预警单元从盾尾暴露后及时采取措施释放或吸收能量;PBS-SR则应贯穿整个发展过程,在开挖前后采取预释放能量、喷射混凝土加强岩体等措施。研究人员指出,预警阈值需在后续工程中用更多案例数据进行验证和动态优化。

**4. 研究结论**

本研究得出的主要结论如下:
(1)敞开式TBM隧道中,SS-SR的发生频率远高于MBS-SR和PBS-SR,但给定强度等级下,后两者对施工影响更大、威胁更高。因此提出了分段适配的预警理念。
(2)通过分析围岩破裂机制(剪切破裂比例)、能量积聚(MED)和MS活动强度(MAI)演化特征,提出了应变型岩爆的识别标准以及发生区段的识别方法。
(3)根据各区段岩爆发展与发生特征的差异,建立了分段的预警指标体系和智能预警模型。针对SS-SR,建立了基于MS参数指标的VAE预警模型;针对MBS-SR和PBS-SR,采用DANN方法将从SS-SR学到的特征进行迁移,并纳入反映岩体结构和应力水平的多源预警参数,建立了基于VTP-Net的预警模型。
(4)通过对后续开挖段的成功预警,有效验证了所提出的敞开式TBM隧道应变型岩爆识别方法和分段适配预警模型的可靠性。
(5)通过分析不同区段应变型岩爆发展过程中MAI的演化差异,开发了基于能量控制方法的分段适配防控策略,明确了各区段应变型岩爆防控的合适时机和关键措施。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号