从微震监测到靶向加固：一种面向深埋隧道稳定性的数据驱动仿真方法

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》：From microseismic monitoring to targeted reinforcement: a data-driven simulation approach for deep tunnel stability

　　

摘要

深层硬岩隧道在高地应力与爆破扰动耦合作用下，极易发生局部岩体损伤。此类损伤复杂的时空演化过程使得其实时识别与防控面临重大挑战。本研究以某具体深埋硬岩隧道工程为背景，开发了一种基于能量诱导损伤表征与局部损伤条件下动态支护分析方法，主要利用三维数值模拟，结合微震监测与声速测试数据。通过建立能量耗散与岩体力学参数退化之间的定量关系，实现了数值模型中损伤演化过程的动态更新。同时，采用声速测试来刻画损伤分带特征与空间分布，为数值模拟结果提供对照基准。此外，分析了损伤的空间分布特征、能量响应规律及其对支护参数变化的敏感性。结果表明：（1）岩体损伤表现出显著的不对称性，高损伤区集中于右侧肩墙，对能量积聚与裂纹扩展起主导作用。整体损伤主要发展于距洞壁5~16 m范围内。（2）微震分析获得的损伤场与声速测试结果吻合良好，揭示高度损伤的开挖区延伸约1.2 m；（3）累积能量与表观体积的快速增长以及能量指数的下降可作为损伤加速演化的有效前兆指标；（4）联合支护方案优于单一参数加固措施，将峰值损伤变量从1.0降低至0.45，并显著缩减损伤影响范围。

引言

随着开挖深度的增加和地质条件的日益复杂，高地应力作用下深埋硬岩隧道的失稳已成为地下工程中的主要挑战（Chen et al., 2024, He et al., 2017, Wang et al., 2022）。开挖引起的变形与损伤可能威胁地下结构的稳定性，尤其在存在复杂地质构造和软弱带时更为突出（Zhao et al., 2024a）。局部支护被广泛采用以缓解这些危害，但其有效性取决于对损伤区域的及时识别以及对围岩损伤演化过程的准确理解。由于岩体非均质性、复杂地质构造以及隐蔽的地下环境，损伤演化难以实时量化，这限制了支护系统的设计与自适应调整（Ahmed et al., 2020, Zhang et al., 2024a）。

微震（MS）监测为追踪岩体破裂发展提供了有效手段。通过结合地震监测与震源定位技术，微震系统可以识别微破裂事件的位置、能量、震级和表观应力，从而揭示岩体在开挖过程中的力学响应（Lockner, 1993, Ning et al., 2025, Riemer and Durrheim, 2012）。凭借连续监测能力，微震技术已广泛应用于隧道掘进、采矿、地下储气以及水电工程等领域，在动态岩体灾害的预测与预警方面展现出 considerable 价值（Le?niak and Isakow, 2009, Vinoth and Ajay Kumar, 2014, Dou et al., 2018, Salvoni and Dight, 2016）。以往研究表明，微震事件既与新形成的裂隙有关，也与既有不连续面的滑动有关，而释放的能量则反映了岩体内部的损伤积累（Cai et al., 2001, Qian et al., 2025）。然而，微震监测主要描述损伤的时空分布特征，关于损伤区域的范围和严重程度信息有限。因此，其在支护设计和损伤控制中的应用仍受到一定限制。

数值模拟是研究开挖过程中岩体行为的重要工具。它可以在给定边界条件下重现应力场与变形场的演化，并为破坏机制和支护性能提供有价值的洞见（Li et al., 2022a, Neuner et al., 2020; Li et al., 2023）。例如，Lu等（2025）开发了一种基于能量的岩爆预测方法，并成功再现了开挖诱发的地震活动和岩爆过程。然而，传统数值方法通常依赖于应力型或应变型破坏准则，如Hoek-Brown准则和应变软化Mohr-Coulomb模型来描述岩体损伤（Yang et al., 2020, Zhang et al., 2019）。尽管这些方法能够捕捉整体力学响应，但往往难以再现由开挖扰动引起的局部化与非均质损伤，尤其是在渐进式岩爆发展过程中（Li et al., 2022）。因此，模拟结果与现场观测之间的差异较为常见，降低了数值预测在灾害评估和支护设计中的可靠性。

为提高损伤评估的准确性，将现场监测与数值模拟相结合日益受到关注。特别是微震监测提供了裂纹活动的实时信息，而数值模拟则揭示了控制损伤演化的力学过程。二者的结合因此为数据驱动的损伤分析提供了一个有前景的框架（Xu et al., 2014, Sun et al., 2025, Zhao et al., 2017）。Tang等（2015）将微震监测与数值建模相结合，通过考虑损伤区域的刚度与强度退化来评估岩体的动态稳定性。Zhao等（2021）利用微震数据与矩张量分析评估采矿过程中的损伤、应力和应变演化。Zhou等（2023）在流固耦合条件下开发了针对节理岩体的三维微震驱动损伤模型。Ma等（2025）进一步提出了损伤驱动的数字孪生框架，用于评估高拱坝的结构劣化。尽管这些研究推动了微震驱动数值建模的发展，但它们主要聚焦于损伤识别与稳定性评价。与现有的基于微震的损伤评估方法相比，动态损伤参数更新、时空损伤演化模拟以及损伤信息反馈至支护设计等方面的集成仍有待加强。本研究将微震获得的能量直接引入数值模型，以动态更新损伤相关的力学性质，同时模拟开挖过程中围岩损伤场的时空演化。所得损伤信息进一步用于识别关键区域、确定局部加固的时机与位置，并评估不同支护方案。

近期研究表明，深层岩体损伤与裂纹扩展及能量耗散过程密切相关。结构面影响应力波的传播与能量衰减，从而影响岩体中的裂纹生长、局部应力重分布与损伤积累（Chai et al., 2025）。此外，现场调查显示，高地应力下的开挖诱发岩体破坏既包含拉伸破坏也包含剪切破坏，主导破坏机制随局部地质条件变化而不同（Zhao et al., 2024b; Dong et al., 2021）。这些裂隙的演化与合并伴随着能量耗散以及可测量的声学或微震响应，为利用监测数据进行损伤表征提供了物理基础（Hao et al., 2026）。在此背景下，本研究开发了面向深埋硬岩隧道损伤评估与局部支护优化的微震驱动框架。首先，将微震事件能量引入三维数值模型，以动态更新围岩力学性质并模拟开挖诱发损伤的演化过程。其次，利用现场声速测试评估模拟所得的损伤分布。第三，识别快速损伤发展前的微震响应特征，以确定局部支护的适宜时机。最后，评估不同支护方案的损伤控制效果。通过上述流程，所提出的框架将实时微震监测与定量损伤表征、数值损伤演化、现场验证以及定向支护决策联系起来，从而为深埋硬岩隧道的动态稳定性评估与自适应支护提供了实用方法。

## 工程背景

本研究基于中国西南地区某深埋隧道工程，该工程采用钻爆法施工，全长约24公里，最大埋深约2000米。所研究的区段主要由轻度风化、高强花岗岩组成，整体完整性较好，岩体类别为Ⅲ级。在深埋效应与反复爆破扰动的共同作用下，局部应力集中……

## 岩体损伤范围

岩体损伤范围决定了影响区的划分。在地震学中，震源半径常被用作表征岩体损伤范围的标准，其中Brune模型和Madariaga模型应用最为广泛（Brune, 1970, Madariaga, 1976）。鉴于Madariaga模型在描述震源半径方面精度更高，本研究选取基于圆形断裂面假设的模型作为计算震源……的方法。

## 基于微震数据的围岩损伤数值模拟

本研究提出了一种基于微震监测数据的围岩能量损伤表征与动态局部支护方法。通过整合微震监测数据，该方法有助于深入分析隧道的动态响应特征。数值模拟的具体实施流程如图7所示，详细的变量计算见第3节。

## 基于声波法的损伤区域测试与验证

声波测量的可靠性受信号频率和环境噪声两方面影响。在深埋隧道中，爆破作业、钻探活动和机械设备可能产生低频振动，干扰波形识别和初至拾取。为减小这些影响，本研究采用RSM-SY6(C)智能声波分析仪进行现场纵波速度测试。该设备的最小采样间隔为0.1 μs……

## 关于微震演化特征的预警时段

关于损伤区域的局部支护，微震监测的震源参数可以分析岩体的活动状态。结合多个参数，可实时表征岩体的损伤特征，为局部支护提供预警时段（Ma et al., 2020, Li et al., 2022a, Li et al., 2023a, Li et al., 2022b, Li et al., 2022c, Li et al., 2023b, Liu et al., 2019, Chen et al., 2024）。

事件的能量指数为该事件……与……之比。

## 结论

本研究主要基于微震监测数据，辅以数值模拟和现场测试，分析了深埋硬岩隧道围岩损伤的分布特征、演化过程以及局部动态支护效果。主要结论如下：

（1）建立了微震能量驱动的损伤模型并与数值模拟耦合，实现了岩体力学参数的动态更新与持续损伤表征……

## CRediT作者贡献声明

**Tongyan Fan**：撰写——初稿，软件。
**Qinghe Zhang**：撰写——审阅与编辑，监督。
**Wenxuan Dong**：形式分析，数据管理。
**Xiaorui Wang**：可视化，方法学。
**Changrui Duan**：资源。
**Jingguo Li**：资源，调查。

## 利益冲突声明

作者声明，不存在可能影响本文所述工作的已知竞争性经济利益或个人关系。

## 致谢

本工作得到国家自然科学基金（42472344）、安徽省自然科学基金项目（2308085ME153）以及国家重点实验室开放基金项目（HNKY2024YB302）的资助。

Tongyan Fan | Qinghe Zhang | Wenxuan Dong | Xiaorui Wang | Changrui Duan | Jingguo Li