深埋高地应力隧道勘察期岩爆烈度概率分级预测

岩爆是地下工程开挖过程中硬质岩体存储的弹性应变能突然、迅速释放的动态过程。我国西南山区正在建设或拟建大量深埋长大隧道,勘察阶段岩爆的准确预测对有效设计和控制投资十分重要。从隧道工程勘察阶段线路比选与设计需求出发,针对隧道勘查期岩爆灾害预测指标获取难、预测精度低的问题,以该阶段岩爆预测指标的易获取性为前提,利用贝叶斯网络解决不确定性问题的有效性来反映岩爆烈度与各影响因素的相关关系。基于473组岩爆灾害案例,采用4个预测指标（地应力、地质构造、围岩级别和岩石强度）来构建岩爆烈度朴素贝叶斯概率分级预测模型,利用十折交叉验证方法确定模型预测精度达84.47%。将该模型应用于雅安—叶城高速公路跑马山1号隧道岩爆段落,预测结果显示:28次岩爆预测中有24次正确、4次错误,准确率高达85.71%;其中2组错误预测中,现场判别为轻微-中等岩爆,而本文模型预测为轻微岩爆。验证结果表明所建立的贝叶斯网络模型具有良好的预测性能,研究成果可为我国西南山区深埋长大硬岩隧道勘察设计期岩爆灾害预测提供技术支撑。     

Strength of ensemble learning in multiclass classification of rockburst intensity

Rockbust is a violent expulsion of rock due to the extreme release of strain energy stored in surrounding rock mass, leading to considerable damages to underground strucures and equipment, and threatening workers' safety. As the operational depth of engineering projects increases, a larger number of factors influence the mechanism of rockburst. Therefore, accurate classification of rockburst intensity cannot be achieved based on conventional criteria. It is urgent to develop new models with high accuracy and ease to implement in practice. This study proposed an ensemble machine learning method by aggregating seven individual classifiers including back propagation neural network, support vector machine, decision tree, k-nearest neighbours, logistic regression, multiple linear regression and Naïve Bayes. In addition, we proposed nine data imputation methods to replace the missing values in the compiled database including 188 rockburst instances. Five-fold cross validation and the beetle antennae search algorithm are used to tune hyperparameters and voting weights of the individual classifiers. The results show that the rockburst classification accuracy obtained by the classifier ensemble has increased by 15.4% compared with the best individual classifier on the test set. The predictor importance obtained by the classifier ensemble shows that the elastic energy index is the most sensitive input variable for rockburst intensity classification. This robust ensemble method can be extended to solve other classification problems in underground engineering projects.     

基于功效系数法和地应力场反演的深埋长大隧道岩爆预测研究

岩爆是深埋长大隧道面临的主要地质灾害之一,其“孕育-发生-发展”全过程异常复杂,使其成为地下工程中的世界性难题。准确反映地应力变化规律以及区域内地质构造影响,结合实测资料进行岩爆分级预测,对保障隧道前期勘察设计及后期安全施工具有重要意义。根据隧道工程地质资料,通过COMSOL Multiphysics和Rhino建立三维数值计算模型,反演分析得到整个区域的初始地应力场。在综合分析影响岩爆关键因素的基础上,从“储能性-倾向性-突发性”研究角度,选取岩石单轴抗压强度与围岩洞壁最大主应力比(σ_c/σ_max)、围岩洞壁最大切向应力与岩石单轴抗压强度比(σ_θ/σ_c)、岩石强度脆性系数(σ_c/σ_t)及岩石弹性能指数(W_et)作为评价指标。采用熵权法确定指标权重,运用功效系数法加权计算总功效系数值,构建了一种基于功效系数法和地应力场反演的深埋长大隧道岩爆预测模型,并将其应用于川藏铁路桑珠岭隧道。研究结果表明,该模型具有较高的准确性和可靠性,为类似深埋长大隧道岩爆预测提供了一种新的参考。     

岩爆等级判定的距离判别分析方法及应用

将距离判别分析方法应用于岩爆等级判定问题。选用洞室围岩最大的切向应力σθ、岩石单轴抗压强度σc、抗拉强度σt、岩石弹性能量指数Wet作为岩爆等级判定的距离判别分析模型判别因子,以工程中实际岩爆情况及数据作为训练样本,进行分析计算,建立岩爆等级判定的距离判别分析模型。运用该分析模型对国内外工程实际岩爆情况进行判定,判别结果与工程实际完全相符。将该模型应用到诸（暨）永（嘉）高速公路括苍山隧道工程的岩爆情况预测中,判别结果与实际情况相符。研究表明,岩爆等级判定的距离判别分析方法,判别能力强,误判率低,是解决岩爆等级判定的一条有效途径。     

基于组合赋权的岩爆倾向性预测灰评估模型及应用

提出一种用以确定岩爆灾害评价中各指标权重的组合赋权（GEM-GW）方法。该方法依据信息熵理论,对基本熵权法进行改进,理论上解决熵权法在某些情况下不适用的问题,并引入欧几里得距离函数,使得主、客观权重之间和偏好系数间的差异程度一致,从而获得理想的综合权重。在该基础上,根据岩爆的成因及特点,选取影响岩爆的主要评价指标,同时对灰色聚类法进行优化,建立基于组合赋权的岩爆倾向性预测灰评估模型。利用该模型,对国内外一些重大深部岩石工程岩爆案例进行分析,并与模糊综合评判法、属性综合评判法、未确知测度评价法和物元分析法及实际情况进行比较。研究结果表明,该模型预测结果与实际情况吻合较好,预测精度较高,从而验证该模型的有效性及实用性。研究方法为岩爆灾害的准确预测提供一种切实可行的途径。     

基于熵权-正态云模型的岩爆烈度分级预测研究

岩爆是深埋地下工程主要的工程地质灾害之一,其烈度分级预测是必须解决的岩石工程重大问题。针对岩爆烈度分级的不确定性,选取岩石单轴抗压强度与抗拉强度比σ_c/σ_t、切向应力与岩石单轴抗压强度比σ_θ/σ_c、弹性变形能指数Wet和岩石完整性系数K_v等定量化指标建立评价指标体系,应用熵权法确定各评价指标权重,结合云理论建立了岩爆烈度分级预测的熵权-正态云模型。以国内外12组典型岩爆工程实例对所建模型进行检验,并与逼近理想解法、高斯径向基函数法的判别结果及实际情况进行对比。为进一步考察该模型的有效性和实用性,利用该模型对终南山公路隧道工程竖井的岩爆实例进行分析。研究结果显示,基于熵权-正态云模型的岩爆判别预测结果与实际岩爆情况较吻合,表明熵权-正态云模型在研究岩爆烈度分级预测中具有良好的实用性和可靠性,可为深部地下工程岩爆烈度分级预测提供一种新思路。     

地下工程岩爆预测的综合集成方法

鉴于地下工程中岩爆预测的各种方法的局限性以及预报准确率低的现状,提出了地下工程岩爆综合集成预测的学术思路。这种学术思路将定性预测与定量预测相结合、单因素预测与多因素预测相结合,引入处理复杂性问题行之有效的非线性科学理论,对岩爆进行综合集成预测。详细介绍了岩爆预测的综合集成方法,包括：地质分析预测法、应力强度比法、层次分析—模糊评判法和神经网络法,并将其应用于雅砻江某水电站交通隧道岩爆预测中,取得了较好的效果。     

基于AE时间序列的岩爆预测模型

根据现场岩爆监测中声发射（AE）时间序列的特点,采用小波神经网络与突变理论,建立了一种新的岩爆预测模型。该模型首先针对监测到的声发射建立小波神经网络模型,对声发射时间序列进行了拟合与预测;再运用突变理论对预测的声发射建立了岩爆突变预测模型。通过实例分析表明,声发射的预测精度较高,岩爆预测结果与现场情况一致,证明了该模型工程实用性较强。     

基于模糊C-均值算法粗糙集理论的云模型在岩爆等级评价中的应用

岩爆等级评价具有模糊性和不确定性,而粗糙集理论的云模型对处理模糊性和不确定性问题具有独特优势,由此提出了基于模糊C均值（简称FCM）算法粗糙集的云模型理论在岩爆等级评价中的新模型。该模型选用岩石单轴抗压强度 、洞室围岩最大的切向应力 、岩石单轴抗拉强度 和岩石弹性能量指数Wet作为岩爆等级评价因子,依据岩爆分级标准计算各评价因子隶属于不同岩爆等级的云数字特征。同时,以国内外40例岩爆工程为研究对象,运用基于FCM算法的粗糙度理论进行因子属性重要性评价,计算各评价因子权重。根据正向正态云发生器,得到待评样本的综合确定度,由最大综合确定度判定岩爆级别。研究表明：该模型的评价结果与实际情况基本一致,具有一定的可行性,为岩爆预测提供了一种新的研究方法与思路。     

基于隧洞超前地质探测和地应力场反演的岩爆预测研究

岩爆是高地应力地区影响地下工程施工的主要地质灾害,岩爆预测已成为地下工程的世界性难题之一。地层的岩性条件和地应力的大小是影响岩爆发生的两个最根本因素,对这两个因素的准确判别将直接关系到岩爆预测的成功与否。根据工程的区域地质资料,利用FLAC3D程序建立了该区域的数值计算模型,并结合工程现场实测点的主应力数据,采用径向基函数神经网络,反演了计算区域的初始地应力场。基于现场岩石力学试验和TSP203探测技术,获取了岩爆高风险区域的地层岩性条件。最后结合地应力反演数据和TSP探测结果,对掌子面前面长距离范围内的岩爆强度进行精细预测。工程实际应用表明,该方法可操作性强,岩爆预测结果与实际开挖情况较吻合。     

Application of spatial prediction techniques to defining three-dimensional landslide shear surface geometry

This study explores the application of interpolating and non-interpolating spatial prediction algorithms to interpreting shear surface geometries. A number of spatial prediction techniques have been tested, and the most appropriate algorithms for the Downie Slide dataset have been selected based on the root mean squared error (RMSE) determined from cross-validation. Visual assessment of reasonable spatial patterns has allowed for final selection of algorithms that produce geologically realistic results. Through this process, the performance of a number of interpolation algorithms has been tested in terms of accuracy and the development of reasonable spatial patterns. The goal of this study has been: (a) to develop a methodology for interpolating three-dimensional shear surface geometries and (b) to assess which interpolation methods are most appropriate for the interpretation of the Downie Slide basal slip surface geometry, based quantitatively on RMSE and qualitatively on the geological “trueness” of the geometric output.     

Intelligent modelling of clay compressibility using hybrid meta-heuristic and machine learning algorithms

Compression index Ccis an essential parameter in geotechnical design for which the effectiveness of correlation is still a challenge.This paper suggests a novel modelling approach using machine learning(ML)technique.The performance of five commonly used machine learning(ML)algorithms,i.e.back-propagation neural network(BPNN),extreme learning machine(ELM),support vector machine(SVM),random forest(RF)and evolutionary polynomial regression(EPR)in predicting Cc is comprehensively investigated.A database with a total number of 311 datasets including three input variables,i.e.initial void ratio e0,liquid limit water content wL,plasticity index Ip,and one output variable Cc is first established.Genetic algorithm(GA)is used to optimize the hyper-parameters in five ML algorithms,and the average prediction error for the 10-fold cross-validation(CV)sets is set as thefitness function in the GA for enhancing the robustness of ML models.The results indicate that ML models outperform empirical prediction formulations with lower prediction error.RF yields the lowest error followed by BPNN,ELM,EPR and SVM.If the ranges of input variables in the database are large enough,BPNN and RF models are recommended to predict Cc.Furthermore,if the distribution of input variables is continuous,RF model is the best one.Otherwise,EPR model is recommended if the ranges of input variables are small.The predicted correlations between input and output variables using five ML models show great agreement with the physical explanation.     

某交通线路色季拉山隧道高地应力岩爆风险定量预测研究

岩爆是在高地应力区域中进行地下隧道建设时所面对的主要风险之一,具有突发性、高危害性等特点。实现岩爆的破坏程度定量化预测,对高地应力区域地下工程的设计与施工具有重要的指导意义。本文通过收集大量国内外典型岩爆隧道的特征参数并进行统计分析,建立了一种能够预测最大爆坑深度的岩爆风险量化预测模型,同时结合室内力学试验、岩体强度损伤准则和地应力场多元线性回归反演等理论和方法,对新建某交通线路色季拉山隧道岩爆风险进行了定量化预测,并与国内巴玉隧道岩爆风险进行相似工程案例对比分析。得出以下结论:(1)本文根据岩爆隧道应力强度比与爆坑深度之间线性统计关系所建立的岩爆预测模型,可实现岩爆风险的量化预测及评估。(2)色季拉山隧道地应力场受构造作用控制明显,同时,全线地应力普遍较高,加之隧道沿线硬岩段落占比大且岩爆倾向性高,高地应力岩爆风险突出。(3)预测色季拉山隧道中等以上等级岩爆风险段落可达12 188 m,占隧道全长的32.1%,岩爆将主要发生在弱风化花岗岩、闪长岩以及埋深较大的片麻岩段落中。(4)色季拉山隧道预测最大爆坑深度为3.42 m,小于已贯通的巴玉隧道实测最大爆坑深度(3.5 m),在合理的防控措施下可认为色季拉山隧道的岩爆风险总体可控。     

基于Bayes判别分析方法的地下工程岩爆发生及烈度分级预测

在岩爆发生和烈度分级预测的距离判别分析模型的基础上,结合地下工程岩爆的特点和Bayes判别分析理论,提出了地下工程岩爆发生及烈度分级预测的Bayes判别分析方法。综合分析影响岩爆主要因素,选取最大切向应力 、岩石抗压强度 、岩石抗拉强度 和弹性能量指数 作为判别因子建立岩爆预测的Bayes判别分析模型,并利用回代估计法对误判概率进行估计。利用国内外一些重大深部地下工程实例作为学习的样本进行训练建模,经过训练后的模型回判估计的误判率为0。利用该模型对国内3处典型的隧道岩爆情况进行预测,结果与实际情况符合得很好。研究结果表明,Bayes判别模型在岩爆发生可能性及烈度分级预测中具有良好的适用性和有效性。     

基于功效系数法的岩爆烈度分级预测研究

岩爆是高地应力区岩质隧道施工过程中经常发生的工程地质灾害,对其发生的可能性及其烈度分级预测一直是隧道工程世界性难题之一。基于功效系数法的基本原理,在综合考虑岩爆的关键影响因素基础上,选取?θ /?c 、?c /?t、Wet和Is作为评价因子,建立了一种新的岩爆烈度分级预测模型。利用国内外典型岩爆工程实例对所建模型进行检验,判别结果与实际岩爆等级相符,且与集对分析法和可拓方法判别结果基本一致,表明运用功效系数法对岩爆烈度进行预测是合理的、可行的。再运用功效系数法对苍岭隧道岩爆危险性进行判别,预测结果与实际情况一致,说明基于功效系数原理的岩爆预测新方法具有较高的准确性和可靠性,且简单、易懂、可操作性强,具有良好的工程应用前景。     

爆破对岩爆产生作用的初步探讨

几个典型工程实例表明，岩爆发生的控制性因素主要是应力与岩性的关系，开挖爆破对岩爆的发生起着某种重要的作用，但这种作用一直未得到充分地认识。文章分析了开挖爆破产生的应力波在围岩中的传播及对围岩的影响：爆破产生的P波和Rayleigh波将分别在围岩中形成垂直和平行于围岩表面的拉张破裂面，这些破裂面可能是微观的，也可能是宏观的，它们为岩爆的发生提供了物质基础。文章最后通过岩爆实例及深井稳定性问题指出：开挖爆破不仅是岩爆的诱发性因素，在某条件下而且是一种控制性因素。     

分离式隧道非同步开挖岩爆预测研究

分离式隧道是深埋长大高速公路隧道施工的主要方式,鉴于两洞的施工进度不同,利用先开挖洞的岩爆发生情况,对后开挖洞的岩爆发生情况进行了预测,并采用有限元数值模拟进行计算分析。结果表明,当初始应力场中的水平应力和竖向应力相当时,随着研究区侧压力系数的增大和净距的减小,后开挖洞拱底发生岩爆的强度会随之增大。当初始应力场中的水平应力占主导地位时,随着研究区侧压力系数的增大和净距的减小,后开挖洞拱顶发生岩爆的强度会随之减少。通过实际工程对计算分析结果进行了验证,结果表明,隧道实际发生岩爆的情况和计算结果较为吻合。     

基于声音信号的室内岩爆动态预测方法

利用自主研发的真三轴岩爆试验机,在室内再现了应变型岩爆过程,并对岩爆过程中的声音信号进行监测。采用梅尔倒谱系数、谱质心、短时平均过零率等可定量化描述声音特性的组合指标作为岩爆过程典型破坏现象声音信号的特征提取信息,在此基础上结合适用于处理小样本、非线性分类问题的高斯过程机器学习方法,建立岩爆过程典型破坏现象识别的高斯过程模型,由此实现室内岩爆过程典型破坏现象的智能识别。进而,针对岩爆传统预测方法侧重于趋势预测而不能判别岩爆过程发展阶段的不足,采用智能识别+趋势预测的动态识别策略,以岩爆发生前夕的平静期、谐波均值、色谱向量均值等声音特征指标的变化规律作为岩爆前兆信息,提出一种多层次递进式的岩爆动态预测方法。室内岩爆的预测结果表明,该方法是可行的,为未来建立基于声音的现场岩爆预测方法奠定试验基础。     

直墙拱形巷(隧)道岩爆试验及劈裂与剪切分析

针对岩爆试验及监测研究的不足,开展了直墙半圆拱形巷（隧）道岩爆单轴压缩试验、声波监测及岩爆破裂的劈裂与剪切分析。结果表明,巷（隧）道围岩呈现起伏粗糙破裂面和劈裂后的薄块体,试样整体也呈现出明显的劈裂岩爆现象;波速可以很好地反映围岩内部损伤演化进程,将围岩波速由持续不变到开始变小点作为临界损伤点,可以通过监测波速变化进行围岩岩爆的预测预报;通过监测声波波形尤其是对波形稀疏、周期变长的监测,可以很好地掌握围岩内部的全程发展变化情况;通过综合监测声波的波速、波形稀疏、周期变长,达到定性、定量相结合,及时、准确地预测、预报岩爆,以保障人员、设备安全;得出了由应力强度比和压拉比来判定劈裂岩爆发生的综合表达式以及与应力强度比岩爆烈度分级标准相对应的压拉比数值;劈裂岩爆发生的应力强度比即应力判据在0.27～0.80之间（R为10～30时）;随着满足劈裂岩爆发生的应力强度比的增大,其越接近满足剪切破坏条件,破坏主要形式将向剪切破坏方向发展。     

四川康定某深埋隧道花岗岩岩爆物理模拟实验研究

四川康定折多山某隧道因其埋深大、构造应力高度集中,在修建过程中极易产生岩爆.为探索折多山某隧道花岗岩段不同深度条件下岩爆机制,利用真三轴岩爆实验系统,开展了不同深度下的花岗岩岩爆物理模拟实验.借助应力监测、高速摄像和声发射等系统,从声、光、力等多角度研究了折多山某隧道花岗岩岩爆的阶段特征、时间特征、主要破坏方式、裂纹演化等规律.结果表明:折多山花岗岩岩爆具有时滞性特征(time delaying rockburst,TDR),在500~1 100 m不同埋深条件下,约770 m为折多山花岗岩单面临空真三轴强度的临界深度;不同深度下的岩爆有明显阶段特征,可分为平静期、劈裂成板、板折剥落、整体弹射4个阶段;声发射特征揭示折多山花岗岩岩爆主要为张拉破坏,随深度增加,张拉裂纹逐渐增加,剪切裂纹逐渐减少;根据岩爆时应力差与单轴抗压强度比值将折多山花岗岩岩爆分为3种破坏模式:小颗粒弹射破坏、岩板劈裂破坏、岩屑混合弹射破坏;且应力比值$ \left({\sigma }_{v}-{\sigma }_{h1}\right)/{\sigma }_{c} $越大,岩爆烈度越大.