《Journal of Rock Mechanics and Geotechnical Engineering》:Cross-fault tunnel resilience under creep and seismic hazards: A CNN-driven probabilistic quantification framework
编辑推荐:
断层穿越隧道的长期运营安全受到蠕滑断裂与地震的组合作用威胁。本研究提出一种新型机器学习辅助韧性评估框架,用于定量评估此类多灾种条件下断层穿越隧道的结构稳健性(robustness)与可恢复性(recoverability)。首先,建立了一个考虑围岩、隧道结构与
断层穿越隧道的长期运营安全受到蠕滑断裂与地震的组合作用威胁。本研究提出一种新型机器学习辅助韧性评估框架,用于定量评估此类多灾种条件下断层穿越隧道的结构稳健性(robustness)与可恢复性(recoverability)。首先,建立了一个考虑围岩、隧道结构与断层带相互作用的数值模型,并通过既有试验数据进行验证,以确保其可靠性。基于不同断层破裂变形与地震激励下结构响应的分析,研究人员优化了一种卷积神经网络(CNN)架构,用于预测衬砌变形与应变演化。利用CNN预测结果,研究人员通过平面概率需求模型开展了以断层破裂变形和地震激励为表征指标的隧道脆弱性分析,该模型将隧道衬砌性能指标与灾害强度相关联。随后,通过综合隧道损伤概率、经济损失系数与多种恢复模式,建立了综合性能函数。最后,系统考察了蠕滑速率、地震强度及恢复特征等关键参数对隧道韧性的影响。所提出的方法为断层穿越隧道的基于性能设计、快速高效韧性评估及灾后恢复规划提供了快速且具有工程实用性的理论基础。
中文标题:断层穿越隧道在蠕滑与地震灾害作用下的韧性:一种基于卷积神经网络的概率量化框架
该文发表于《Journal of Rock Mechanics and Geotechnical Engineering》,围绕活动断层区山岭隧道在长期蠕滑错动与后续地震激励共同作用下的服役安全问题,提出了一套机器学习辅助的多灾种韧性评估框架。研究背景在于,穿越断层带隧道往往不可避免地处于活动断层和强震区,运营期内不仅可能遭受断层蠕滑造成的持续错动损伤,还会受到地震动叠加放大作用,导致衬砌开裂、剪切破坏、挤压变形及功能退化。现有研究虽已从试验、数值模拟和概率分析等方面揭示断层错动—地震共同作用下的损伤机理,并开展了部分脆弱性评价,但仍存在三方面突出问题:其一,多灾种耦合作用下的不确定性较强,传统分析框架在衬砌损伤和变形评估方面适用性有限;其二,同时考虑断层破裂强度与地震强度的脆弱性量化模型仍较缺乏;其三,灾后恢复过程与全生命周期韧性演化研究明显不足,且高精度有限元(FEM)计算成本过高,制约了工程应用。因此,开展面向断层穿越隧道多灾种条件的韧性量化研究具有明确的工程需求与理论价值。
针对上述问题,研究人员构建了一个面向断层穿越隧道的多灾种韧性评估体系,用于同时量化结构稳健性与可恢复性。研究首先建立考虑围岩—衬砌—断层带相互作用的三维数值模型,模拟断层蠕滑破裂及后续地震作用下隧道的动态响应;随后引入一维卷积神经网络(1D-CNN)作为代理模型,对衬砌径向变形率与最大塑性应变时程进行快速预测;在此基础上,研究构建双强度指标下的平面概率需求模型与脆弱性曲面,以断层滑移位移和峰值地面加速度(PGA)作为灾害强度指标,定量获得不同损伤状态概率;再进一步结合修复系数、经济损失函数与四类恢复模型,建立隧道性能函数Q(t),并通过对恢复历时内性能积分计算韧性指标R。研究表明,该框架既能揭示蠕滑错动对后续地震损伤的放大效应,也可系统刻画不同恢复路径下韧性的演化规律,从而为断层穿越隧道的抗灾设计、韧性评价和灾后修复策略优化提供依据。
从方法上看,研究主要采用了三类关键技术。第一,基于ABAQUS建立三维非线性有限元模型,采用两阶段模拟策略,先施加断层蠕滑错动,再在继承应力场、位移场和损伤状态基础上输入地震SV波加速度时程,以再现协同灾害作用过程。第二,构建1D-CNN深度学习模型,以断层滑移位移时程和地震PGA时程为输入,以衬砌径向变形率(RDR)和最大塑性应变时程为输出,对400组工况数据进行训练、验证和预测,以降低高维参数组合下的计算负担。第三,建立双强度指标平面概率需求模型、脆弱性曲面及基于损失—恢复耦合的韧性计算方法,其中恢复阶段考虑线性、三角函数、负指数与正指数四种恢复函数。地震动样本来源于PEER数据库,共选取8条基岩地震波,并按0.1g间隔缩放至0.1g–1.0g。
以下结合论文主体结果,对各部分内容进行概括。
3.1 FE Modeling process
研究人员基于实际工程建立了典型山岭复合式衬砌隧道模型,隧道宽15.8 m、高14.2 m,初期支护采用C30混凝土,二次衬砌采用C35混凝土,并设置HPB300钢筋笼。断层类型设定为具有蠕滑特征的走滑断层,倾角60°,断层带宽20 m。为减弱边界效应,有限元模型尺寸取150 m × 130 m × 300 m。研究采用两阶段模拟:先完成地应力平衡和断层位移控制加载,再将断层错动后的应力场、位移场及损伤状态作为初始条件,施加地震加速度时程。断层最大位移设置为0.1–0.5 m,对应年蠕滑速率100–500 mm/a;地震动则选取8条基岩波并缩放至0.1g–1.0g。该部分说明了数值模型的工程背景、边界条件与多灾种加载流程,为后续动态响应分析奠定基础。
3.2 Material constitutive models
在材料模型方面,衬砌混凝土采用混凝土损伤塑性(CDP)模型,钢筋采用双线性弹塑性模型,围岩和断层破碎带采用Mohr-Coulomb弹塑性本构,断层滑移面采用COH3D8黏聚单元模拟,以表征断层界面相对位移及开闭行为。研究还通过复现既有断层破裂试验结果,对数值模型合理性进行了验证。该部分的核心结论是:所建立的三维有限元模型能够较合理地再现断层破裂作用下隧道损伤和变形特征,从而支撑后续协同灾害响应模拟与韧性评估。
3.3 One-dimensional convolutional neural network
考虑到双强度参数组合会带来大量有限元计算,研究人员引入1D-CNN作为代理模型。网络结构由输入层、3个卷积层、1个全连接层和输出层组成,不设置池化层,以适应相对有限的数据规模。模型输入为断层滑移位移时程与地震动时程,输出为衬砌RDR与最大塑性应变时程。400组数据中,240组用于训练,80组用于验证,80组用于预测。结果表明,随着训练轮次增加,RMSE与损伤函数L显著下降并趋于稳定,最终RMSE为0.035,L为0.001,R
2达到0.97;径向收敛变形与塑性应变预测曲线与数值模拟结果高度吻合。该部分说明,1D-CNN能够在保证精度的前提下显著降低隧道多灾种脆弱性与韧性计算的成本。
4.1 Probabilistic demand model for tunnels under synergistic effects of fault rupture deformation and seismic excitation
在损伤机理分析中,研究选取500 mm/a蠕滑1年并叠加0.5g地震工况,对围岩与衬砌变形破坏特征进行讨论。结果显示,断层滑移面附近围岩和衬砌均出现显著剪切损伤,塑性破坏主要集中在断层破碎带范围内;不同断面表现出拱底、拱顶严重塑性损伤以及明显的水平、竖向径向收敛。最大收敛方向与断层错动方向一致,表现为挤压—拉伸—剪切复合破坏。由此可见,单一指标难以全面反映隧道在协同灾害下的性能状态,因此研究采用包含塑性应变与径向收敛率的综合损伤指标DM。进一步地,研究基于有限元与CNN响应数据建立了平面概率需求模型,揭示滑移距离和PGA增大时,衬砌性能显著下降,且二者与DM呈明显正相关关系。
4.2 Fragility surfaces for cross-fault tunnels under synergistic effects of fault rupture deformation and seismic excitation
在平面概率需求模型基础上,研究构建了断层破裂强度—地震强度双指标脆弱性曲面。结果表明,不同损伤状态下损伤概率随蠕滑速率与PGA变化的规律并不相同:轻微和中等损伤的概率先升后降,而严重损伤与倒塌概率则随两类强度指标增大而单调上升。更重要的是,断层蠕滑会显著放大后续地震损伤。当蠕滑速率为100 mm/a时,PGA由0.1g升至1.0g,倒塌概率由0.004%增至10.68%;当蠕滑速率为500 mm/a时,同样的PGA增长会使倒塌概率由0.153%升至39.09%。该部分的结论十分关键:断层错动与地震作用之间并非简单线性叠加,而是存在显著的协同放大效应,且蠕滑速率越高,地震致损放大越明显。
5.1 Tunnel performance curves at different creep-slip rates
基于损伤概率、修复系数和恢复函数,研究建立了性能函数Q(t),并分析不同蠕滑速率下的性能演化。以PGA = 1.0g为例,蠕滑速率分别为100、300和500 mm/a时,经历1年蠕滑后隧道性能分别降至0.962、0.913和0.880;随后地震作用使性能进一步骤降至0.499、0.316和0.241。由此表明,较高蠕滑速率不仅会加速前期性能劣化,还会显著加重后续地震致损程度,体现出累积损伤效应。
5.2 Tunnel performance curves at different PGA intensity
在保持蠕滑速率为500 mm/a不变时,研究比较了0.3g、0.6g和1.0g三种PGA下的性能演化。蠕滑阶段结束时残余性能相同,均约为0.8795;但后续地震作用后,性能分别降至0.620、0.394和0.241。说明地震强度越高,结构性能衰减越快、破坏越严重。该结果明确了后续地震事件强度对断层穿越隧道结构完整性的显著控制作用。
5.3 Tunnel performance curves at different recovery model functions
研究进一步比较四种恢复模型对性能恢复路径的影响。结果显示,在相同灾害情景下,不同恢复函数对应的初始恢复速率和恢复历程差异显著。负指数恢复模型在早期恢复阶段表现最优,平均性能最高;正指数模型恢复最慢,表现最差;线性和三角函数模型介于两者之间。以500 mm/a–1.0g工况为例,负指数、线性、三角函数和正指数模型对应韧性分别为0.802、0.757、0.756和0.712,负指数模型较正指数模型提高11.19%。说明恢复资源的前期快速投入有利于显著提升韧性。
5.4 Influence of different recovery models on tunnel resilience
在韧性定量方面,研究通过对Q(t)在恢复期内积分,系统分析蠕滑速率、PGA和恢复模式的作用。结果显示,在恢复模型和蠕滑速率固定时,韧性随PGA升高而持续降低。例如在线性恢复模型、500 mm/a条件下,PGA为0.1g、0.5g和1.0g时韧性分别为0.940、0.866和0.757。另一方面,在PGA = 1.0g、负指数恢复模型下,蠕滑速率由100 mm/a增至500 mm/a时,韧性由0.931降至0.802。不同恢复模式也会造成明显差异,在500 mm/a、0.5g条件下,韧性由正指数模型的0.8469升至负指数模型的0.885。该部分说明,断层蠕滑、地震强度和恢复路径共同控制断层穿越隧道的韧性水平。
5.5 Discussion on critical influence factors on tunnel resilience
研究对代表性工况进行了综合比较,进一步说明三类关键因素的相对影响。在500 mm/a–0.5g工况下,三角函数、负指数、线性和正指数模型韧性分别为0.866、0.885、0.866和0.847;负指数模型较正指数模型高4.48%。在负指数恢复模型下,若从100 mm/a–0.5g工况出发,蠕滑速率增至500 mm/a会使韧性下降17.3%,而将地震强度升至1.0g则使韧性下降4.02%。这表明在本文设定范围内,蠕滑速率对韧性的影响幅度可大于地震强度提升造成的影响。作者据此指出,工程上若难以避免穿越断层破碎带,应优先考虑低蠕滑区选线、增强结构抗断层错动与抗震能力,并优化修复资源配置,以提升多灾种条件下的基础设施安全性。
讨论部分表明,现有断层穿越隧道韧性评价通常偏重单一地震作用,而忽视断层蠕滑造成的时间累积损伤及其对地震破坏的放大作用;同时,传统恢复模型往往过于简化,难以反映现场恢复条件差异。本文通过将时间依赖的蠕滑影响、多模式恢复函数以及1D-CNN高效代理计算纳入同一框架,提升了断层穿越隧道多灾种韧性评估的完整性与实用性。不过作者也指出,本文未进一步考虑断层变形与地震强度之间的相关性,未来仍需扩展至更多破裂机制、更多地震特征及构件—系统层级联动恢复度量,以实现更精细的韧性评价。
研究结论部分可译述如下:
本研究建立了一个用于评估断层穿越隧道在断层破裂变形与地震激励协同作用下韧性的机器学习辅助方法体系,并系统分析了蠕滑速率、地震强度与恢复模型对韧性的影响。研究人员提出的框架能够同时量化稳健性与可恢复性,并通过1D-CNN显著提升计算效率,从而支持多灾种情景分析。研究建立并验证了三维数值模型,随后构建的1D-CNN代理模型表现稳定,RMSE、L和R
2分别达到0.035、0.001和0.97。基于CNN生成的响应数据,研究构建了双灾种概率需求模型及相应脆弱性曲面,结果表明先期蠕滑会显著放大地震损伤,例如PGA由0.1g增至1.0g时,100 mm/a蠕滑速率下倒塌概率增加10.7%,而500 mm/a时增加38.9%。此外,隧道韧性随蠕滑速率和地震强度增加而降低;恢复模型选择同样显著影响韧性,其中代表早期快速修复的负指数恢复模型表现最佳,其韧性最高可比正指数模型高11.19%。总体而言,该研究提出的断层穿越隧道协同灾害韧性评估框架,能够系统量化结构稳健性与可恢复性,并可通过调整数值模型参数推广至不同断层破裂类型下的隧道抗震韧性评价,为工程减灾优先级制定和风险管理提供科学依据。