准确获取岩体不连续性的空间分布特征是确保工程安全的基本前提。不连续性的存在、方向、间距和连通性直接影响岩体的稳定性，并影响与开挖、支护设计和选址相关的决策。历史上的多次事故表明，对内部不连续性的理解不足可能导致严重后果。一个典型的例子是1959年法国Malpasset大坝的崩塌，在设计过程中严重低估了左岸片麻岩中的低角度不连续性。在水库蓄水后，这些不连续性成为潜在的滑动面，最终引发了造成500多人伤亡的灾难性坍塌。类似的地质灾害在现代工程中仍然时有发生。因此，开发可靠的技术来表征不连续体的内部几何形状具有重要的工程意义（Yang等人，2020年；Wang等人，2023年）。
传统的研究内部不连续性的方法主要依赖于孔洞成像和钻进过程中测量的技术（MWD）。数字全景孔洞摄像系统可以获取孔洞壁的高分辨率图像，通过图像解释和空间解析几何学可以提取不连续性的几何参数（Ge等人，2019年；Wang等人，2026年）。最近的研究越来越多地采用基于深度学习的图像识别技术来自动化识别孔洞图像中的不连续性（Liu等人，2024年；Bai等人，2025年；Li等人，2024年；Li等人，2026年），而其他研究则专注于结构简单情况下的参数自动提取（Wang等人，2016年；Wang等人，2017年；Zou等人，2021年）。尽管孔洞成像可以提供详细的几何信息，但其应用在隧道建设中常常受到成本、数据量和操作复杂性的限制，尤其是在需要在短时间内反复调查许多孔洞的情况下。
与此同时，MWD技术利用钻机在钻进过程中的动态响应来推断岩石状况。自Barr和Valet（1985年）、Pfister（1985年）、Scoble和Peck（1987年）以及Schunnesson（1990年）的开创性工作以来，许多研究建立了钻进参数与岩体性质之间的经验关系。一个广泛观察到的现象是，断裂或弱区会导致钻进速率显著增加，并且在短距离内扭矩或推力发生变化（Khorzoughi等人，2018年；Manzoor等人，2020年）。最近的研究提出了结合钻进速率、旋转压力、推力等参数的复合指数，以增强在复杂条件下的断裂和微裂纹的检测能力（Liu等人，2018年；Liu等人，2023年；Wang等人，2025a）。最近的发展集中在开发仪器化的旋转钻进系统上，以高精度自动测量岩石性质并识别岩层界面（Ma等人，2025年；Long等人，2025年）。此外，准确确定时间序列中的钻进参数对于稳健的岩石强度估计至关重要（Yue等人，2025年）。然而，钻进过程受到复杂钻头相互作用的影响。例如，钻进效率和关键碎屑大小与断裂机制密切相关（Wang等人，2025b）。此外，钻进响应不仅受岩石结构的影响，还受到环境条件的影响，如水对岩石各向异性的软化效应（Ding和He，2024年）以及高温和围压下的脆性-延性转变（Wang等人，2025c）。
尽管取得了这些进展，大多数现有的基于MWD的研究都集中在单个孔洞沿线的局部断裂检测上，即确定不连续性是否存在以及大致位于钻进方向上的位置。相比之下，如何从多孔钻进数据中推断不连续面的三维空间分布却鲜有关注。在当前的实践中，不连续性的方向通常是从孔洞图像或地质图中推断出来的，而钻进数据主要用作辅助指标。直接将多孔钻进参数转换为内部不连续性的3D信息的系统工作流程仍然缺乏。
为了解决这一差距，本研究提出了一种基于多孔钻进速率的方法来预测岩体内部不连续性的空间分布。该方法基于两个关键思想。首先，使用一种简单但稳健的差分聚类算法识别与不连续性相关的钻进速率异常，这有助于区分与不连续性相关的突然、不连续的速率增加与由碎裂或风化区域引起的逐渐增加的速率。其次，从同一隧道面的多个孔中提取的异常点共同反演出一个或多个不连续面。使用一种与RANSAC概念相关但针对此处考虑的小点集确定性的详尽样本一致性程序，来搜索在规定的距离容忍度内最大化内点数量的平面。
应用范围：需要注意的是，所提出的方法专门适用于采用钻爆法建造的硬岩隧道。在这种情况下：
1. 岩体主要是完整且坚硬的，为钻进速度提供了稳定的基准。
2. 异常主要是由弱结构面或断裂带引起的，表现为由于钻进阻力丧失而导致的穿透速率显著增加。
3. 如软岩挤压或泥浆引起的卡钻等复杂情况可能会降低钻进速度，这些情况不在本研究的范围之内。
4. 假设岩性变化发生在比该方法针对的离散断裂更大的尺度上。
本文的其余部分组织如下。第2节详细介绍了所提出的方法，包括异常钻进速率的识别、多孔最优平面的估计以及合成验证模型的构建。第3节将该方法应用于青岛第二海底隧道NK9 + 926至NK9 + 956段的三孔水平钻进方案，其中预测的不连续性与孔洞远程观测图像进行了比较。第4节总结了主要结论，讨论了与理想化平面假设、误差累积和有限现场样本量相关的局限性，并概述了未来工作的方向。
