摘要
近年来，基于微震监测的岩爆预警方法已经逐渐成为深埋隧道岩爆预警的重要方法。然而由于微震活动性易受不同施工措施及地质条件的作用而发生改变，深埋隧道岩爆往往表现出不同的前兆特征，给岩爆的准确预警带来重大挑战。为了更好的配合施工的顺利进行，保障施工人员及设备的安全，需要开展高精准微震监测与岩爆预警方法研究。 本文提出了基于计算机视觉的信号类型识别网络，用于区分六种不同类型的微震信号;提出了基于图像分割的PickNet到时拾取网络，用于拾取P、S波到时;提出了适合于隧道条件下的微震定位方法，以及基于P、S波走时误差的震源定位误差估计方法;提出了基于开挖岩体应力状态的岩爆类型划分准则，以及应力调整型岩爆的孕育周期识别及预警方法;提出了基于循环神经网络的卸荷型岩爆智能预警方法，通过输入连续几日已发生岩爆记录和微震数据等参数，自识别微震活动性受不同洞段地质条件控制而发生的改变;总结了锦屏二级引水隧道滞后型岩爆的规律，开展了滞后型岩爆的机理研究和现场监测;最后，将提出的微震监测与岩爆预警方法应用于引汉济渭隧道岩爆长期监测预警实践。取得的主要研究成果如下: (1)提出的信号类型识别网络在引汉济渭工程的波形样本中，测试集准确率达到96.4％,并且在实际应用和相似工程中都表现出优秀的识别准确率;提出的PickNet到时拾取模型，与不同的到时拾取算法比较，具有更高的拾取精度和较低的误拾取率。设计的基于P、S波到时的粒子群定位方法，比单纯使用P波定位的精度更高。 (2)根据岩体应力状态的不同，可以把岩爆分为卸荷型岩爆、应力调整型岩爆和滞后型岩爆。岩爆的孕育过程可以用力学模型来对应，通过视应力、视体积的演化趋势，识别岩体所处的应力应变状态，建立震源力学与岩爆孕育力学模型的内在联系，进而实现岩爆预警。 (3)提出的RNN模型在TBM第一掘进段测试集上，预测岩爆发生的准确率达到85％,预测岩爆等级的准确率达到65.6％,具备岩爆的预测能力。输入参数的验证结果表明，“过去一日发生的最大岩爆等级”作为输入参数对于该智能预警模型是必不可少的，而序列型输入对于预测准确率也有提升。对第二掘进段的样本进行了重新训练，得到测试集预测岩爆发生的准确率达到92.2％,预测岩爆等级的准确率达到82.4％。 (4)在恒定的高应力作用下，岩石的破坏表现出明显的时间效应，微裂纹会随着时间的推移而缓慢扩展。当岩体内损伤累积到一定程度，即使没有明显的外界扰动，岩体仍可能失稳并触发岩爆;岩爆的工程案例表明，岩爆区围岩在开挖阶段微震活动频繁，随着应力调整逐渐稳定，微震事件逐渐减少，但高能量密度的微震事件不断发生。 (5)引汉济渭引水隧道的岩爆监测预警案例表明，将智能筛选、到时拾取应用于微震数据的实时处理与自动震源解译，将岩爆智能预警方法应用于开挖前预判卸荷型岩爆的风险与等级，将岩爆孕育周期识别方法应用于评估支护结构的稳定性及岩爆防治措施有效性，在长期的岩爆监测预警工作中，取得了实践的验证。
NETL