CN104656124A - 一种基于物探方法的多参量综合岩爆预测方法 - Google Patents

Abstract

本发明公开了一种基于物探方法的多参量综合岩爆预测方法，包括：步骤一：根据工程现场实测点的主应力数据，采用径向基函数神经网络，反演计算区域的初始地应力场，获取研究对象的高应力区域分布情况；步骤二：根据步骤一获取的高应力区域分布情况结合现场岩石力学试验，对高应力区域的岩爆强度进行判别；步骤三：采用TSP203系统对岩爆高风险区域进行探测，获取掌子面前方的地层岩性条件，并结合地应力场反演数据，对掌子面前面长距离范围内的岩爆强度进行精细预测。该方法的预测结果可为工程地质人员的现场岩爆预测提供参考，在实际运用过程可结合现场开挖结果和预报结果，进行综合分析，判定掌子面前方岩爆情况。

Description

一种基于物探方法的多参量综合岩爆预测方法

技术领域

本发明涉及一种基于物探方法的多参量综合岩爆预测方法。

背景技术

随着经济建设的高速发展，世界各国已把地下岩土作为新的国土资源增长点，岩土工程正向深部发展，特别是核工业、交通、水利等行业，地下工程规模和深度均出现高速增长。随着地下工程深度的不断增加，工程灾害日趋增多，其中最重要的问题就是高地应力诱发的岩爆灾害。目前对于岩爆的成因、机理还有很多不清楚的地方，如何准确合理地进行岩爆预测，已成为地下工程世界性难题之一。

国内外的研究结果表明，产生岩爆的原因很多，其中主要包括工程开挖、地应力水平、岩石物理力学性质、岩体结构及裂隙分布、地下水等，但在诸多因素中，地层的岩性条件和地应力的大小是产生岩爆与否的两个决定性因素。近几十年来，国内外学者在岩爆预测方面做了大量的研究工作，提出了各种各样的理论和预测方法，主要可归为两大类：一类是理论法，它是基于岩爆机理的预测方法，如应力判据、能量判据等，以及将多种岩爆影响因素综合考虑的综合评判法。另一类是实测法，它是借助一些必要的仪器，对地下工程的现场或岩体直接进行监测或测试，来判别是否有发生岩爆的可能。对于理论法，由于评价指标值难以准确量测及评价方法的诸多问题，理论法的实用性和应用范围受到很大限制。对于现场实测法，如微震监测法、声发射法，其在岩爆的现场原位监测起到了很好的作用，但也存在费用高，操作困难等问题。

发明内容

为解决现有技术存在的不足，本发明公开了一种基于物探方法的多参量综合岩爆预测方法，本发明以研究区域的初始地应力场反演为基础，结合现场岩石力学试验，对岩爆高风险区域进行识别，再采用TSP203探测技术，对掌子面前面长距离范围内岩体参数进行预报预测，从而实现岩爆的精细化预测。本发明可操作性强，应用快速，可为工程地质人员的现场岩爆预测提供参考，其在岩爆预测中是一种新的尝试。

为实现上述目的，本发明的具体方案如下：

基于物探方法的多参量综合岩爆预测方法，包括：

步骤一：根据工程现场实测点的主应力数据，采用径向基函数神经网络，反演计算区域的初始地应力场，获取研究对象的高应力区域分布情况；

步骤二：根据步骤一获取的高应力区域分布情况结合现场岩石力学试验，通过岩爆预测的陶振宇判据和能量判据(表2)，对高应力区域的岩爆强度进行判别；

步骤三：采用TSP203系统对岩爆高风险区域进行探测，获取掌子面前方的地层岩性条件，并结合地应力场反演数据，对掌子面前面长距离范围内的岩爆强度进行精细预测。

所述步骤一中，通过现场实测数据，结合神经网络反演工程区的初始地应力场的计算过程：

(1-1)根据工程实际，通过数值模拟软件建立数值计算模型并建立神经网络模型的学习样本；

(1-2)把步骤(1-1)建立的样本，分成两部分，一部分作为学习样本，一部分作为检验样本，把学习样本代入神经网络模型进行训练，得到输入和输出之间的映射关系；

(1-3)再将检验样本代入步骤(1-2)训练得到的神经网络模型，检查模型的输出结果是否同检验样本一致，如果一致，则说明第二步建立的映射关系满足要求，如果不一致，则重新对学习样本进行训练，直到满足检验样本要求为止；

(1-4)将现场实测的地应力值，代入训练好的神经网络，计算输出，即可得到实际地层的岩石力学参数和边界条件；

(1-5)将步骤(1-4)反演得到的岩石力学参数和边界条件代入数值计算模型，经过计算即可得到模型中任意一点的地应力值。

步骤(1-1)中，建立神经网络模型的学习样本的过程为：根据工程实际岩体力学参数和边界条件的取值范围，建立不同的岩体力学参数和边界条件的组合，代入数值计算模型，进行计算，获得与该组合相对应的测试分析点的地应力值，最后把获得对应的测试分析点的地应力值作为输入，相应的岩石力学参数和边界条件的组合作为输出，建立学习样本。

所述岩体力学参数包括岩石弹性模量、泊松比和密度，边界条件包括x和y两个方向的侧压力系数。

所述步骤三中，采用TSP203系统对岩爆高风险区域进行探测时，TSP203系统通过在掘进面后方一定距离内的钻孔中施以微型爆破来发射信号，爆破引发的地震波在岩体中以球面的形式向四周传播，其中一部分向隧道前方传播，当地震波遇到岩石波阻抗差异界面时，部分地震信号反射回来，反射信号经接收传感器转换成电信号并放大，对反射信号进行频谱分析、带通滤波、初至拾取、炮能均衡、速度分析、深度偏移等操作就可确定不良地质体的位置、产状、性质等相关参数。

对现场采集到的TSP数据，通过TSPwin软件处理，获得P，SH和SV波的深度偏移剖面、岩石物理力学参数。根据我国工程岩体分级标准GB50218-94，岩体完整性系数Kv>0.55时岩体为较完整岩体，其是岩爆发生的有利条件。

选择岩体完整性系数Kv作为岩爆的判别指标，Kv<0.55时无岩爆发生，0.55<Kv<0.75时可发生中低烈度的岩爆，Kv>0.75时可发生严重岩爆，岩体完整性系数Kv计算公式为：

$K_v={\left(\frac{V_p}{V_d}\right)}^2$

式中：V_p为岩体的纵波波速，V_d为岩块的纵波波速；通过TSP系统探测的岩体纵波波速值，再结合岩块的纵波波速值，即可确定预测洞段的Kv值。

所述步骤三中，岩爆判别时，以岩体完整性系数Kv值为主，结合横波资料、泊松比、纵横波偏移图等参数，对掌子面前方岩爆情况进行综合判定，获取掌子面前方的地层岩性条件，并结合地应力场反演数据，对掌子面前面长距离范围内的岩爆强度进行精细预测。

本发明将地应力场反演和地质超前预报等物探方法将结合来实现岩爆的精细化探查。采用地应力反演能够很好对掌子面前方的地应力场的分布情况进行探查，区分高低应力场的分布情况，提供岩爆发生的应力指标。隧道地质超前预报能够很好对掌子面前方的地质情况进行探查，识别岩体的完整程度、地下水的发育情况及结构面的性质，提供岩爆发生的岩性指标。地应力场反演来获取掌子面前方应力场的分布情况，地质超前预报来获取掌子面前方的岩性情况。

本发明的有益效果：

本发明首先根据工程现场实测点的主应力数据，采用径向基函数神经网络，反演计算区域的初始地应力场，获取研究对象的高应力区域分布情况。再结合现场岩石力学试验，对高应力区域的岩爆强度进行判别。最后采用TSP203系统对岩爆高风险区域进行探测，获取掌子面前方的地层岩性条件，并结合地应力场反演数据，对掌子面前面长距离范围内的岩爆强度进行精细预测。

该方法的预测结果可为工程地质人员的现场岩爆预测提供参考，在实际运用过程可结合现场开挖结果和预报结果，进行综合分析，判定掌子面前方岩爆情况。

附图说明

图1神经网络反演地应力场流程图；

图2三维地质模型网格划分；

图3引水隧洞轴线方向最大主应力等值线图；

图4 P波深度偏移图；

图5岩体物性图。

具体实施方式

下面结合附图对本发明进行详细说明：

基于物探方法的多参量综合岩爆预测方法，首先根据工程现场实测点的主应力数据，采用径向基函数神经网络，反演计算区域的初始地应力场，获取研究对象的高应力区域分布情况。通过现场实测数据，结合神经网络反演工程区的原始应力场的计算过程如图1所示。

(1)根据工程实际，通过数值模拟软件建立地质力学模型。根据工程实际岩体力学参数和边界条件的取值范围，建立不同的岩石力学参数和边界条件的组合，代入数值计算模型，进行计算，获得与该组合相对应的测试分析点的地应力值。最后把获得对应的测试分析点的地应力值作为输入，相应的岩石力学参数和边界条件的组合作为输出，建立学习样本。

(2)把上一步建立的样本，分成两部分，一部分作为学习样本，一部分作为检验样本。把学习样本代入神经网络模型进行训练，得到输入和输出之间的映射关系。

(3)再将检验样本代入上一步训练得到的神经网络模型，检查模型的输出结果是否同检验样本一致。如果一致，则说明第二步建立的映射关系满足要求，如果不一致，则重新对学习样本进行训练，直到满足检验样本要求为止。

(4)将现场实测的地应力值，代入训练好的神经网络，计算输出，即可得到实际地层的岩石力学参数和边界条件。

(5)将反演得到的岩石力学参数和边界条件代入数值模型，经过计算即可得到模型中任意一点的地应力值。

然后结合现场岩石力学试验，对高应力区域的岩爆强度进行判别，利用TSP203系统对岩爆高风险区域进行探测。TSP203系统通过在掘进面后方一定距离内的钻孔中施以微型爆破来发射信号，爆破引发的地震波在岩体中以球面的形式向四周传播，其中一部分向隧道前方传播，当地震波遇到岩石波阻抗差异界面时，部分地震信号反射回来，反射信号经接收传感器转换成电信号并放大，对反射信号进行频谱分析、带通滤波、初至拾取、炮能均衡、速度分析、深度偏移等操作就可确定不良地质体的位置、产状、性质等相关参数。对现场采集到的TSP数据，通过TSPwin软件处理，可以获得P，SH和SV波的深度偏移剖面、岩石物理力学参数等成果。根据我国工程岩体分级标准(GB50218-94)，岩体完整性系数Kv>0.55时岩体为较完整岩体，其是岩爆发生的有利条件。选择岩体完整性系数Kv作为岩爆的判别指标，一般认为Kv<0.55时无岩爆发生，0.55<Kv<0.75时可发生中低烈度的岩爆，Kv>0.75时可发生严重岩爆。岩体完整性系数Kv计算公式为：

$K_v={\left(\frac{V_p}{V_d}\right)}^2$

式中：V_p为岩体的纵波波速，V_d为岩块的纵波波速。

通过TSP探测的岩体纵波波速值，再结合岩石的纵波波速值，即可确定预测洞段的Kv值。考虑到TSP系统探测的准确性及岩爆发生的复杂性，在实际岩爆判别时，以岩体Kv值为主，结合横波资料、泊松比、纵横波偏移图等参数，对掌子面前方岩爆情况进行综合判定，获取掌子面前方的地层岩性条件，并结合地应力场反演数据，对掌子面前面长距离范围内的岩爆强度进行精细预测。

工程应用实例

本发明应用于江边水电站岩爆预测中。江边水电站位于四川省甘孜藏族自治州东南部，地处九龙县境内的雅砻江左岸一级支流九龙河下游河段上。引水隧洞由进水口至调压井段，洞线长度约8.5km，开挖洞径8.4m，隧洞埋深100～1694m。引水隧洞白龙庙滑坡体下游穿越山脊，埋深较大，一般为300～1694m，全线埋深>300m的洞段长4824m，占总长度的53％，属深埋隧洞。

数值计算模型采用在ANSYS中建模，然后将网格导入FLAC3D软件进行计算。三维数值模型如图2所示。待反演的参数主要可分为岩体的力学参数和边界条件参数，其中岩体力学参数主要有岩石弹性模量、泊松比和密度，边界条件主要有x和y两个方向的侧压力系数。按图1流程对研究区域的初始地应力场进行反演。RBF神经网络参数采用3层结构来设计，输入节点9个，输出节点10个，给定误差ε＝0.01。图3为引水隧洞轴线剖面的最大主应力等值线图。从图3可以看出，引水隧洞沿线的初始地应力受地形和区域构造应力场的影响较大。根据反演结果，该区域最大主应力约为-90MPa，引水隧洞沿线的最大主应力值在引5+600～+900范围内，大小约为-37.24Mpa，方向约为S52°E，与区域主应力方向基本一致。断层破碎带和蚀变带附近的最大主应力值明显低于同一高程上的其它区域，与工程实际情况相符。

将工程前期勘测资料中6个测点的地应力实测值与该6个测点初始地应力的反演结果进行比较，比较结果见表1。由表1可知，反演结果的最大误差为20.8％，最小误差为0.72％，可见初始地应力反演结果是基本正确的。

表1反演地应力值同实测地应力值比较

从初始地应力场的反演结果可以得出，引水隧洞沿线的最大主应力值在引5+600～+900范围内，该位置正处于蚀变带影响的范围之内。对蚀变带附近(引5+620)的岩样进行岩石力学试验，测取岩石单轴抗压强度及弹性能量指数，结果如表3所示。结合引5+620处的初始应力场的反演结果，对引5+620处进行隧洞开挖后的二次应力场分析，得出开挖后的最大主应力σ1为39.94Mpa，再由表2陶振宇判据和弹性能量指数判据可知该硐段具有发生中等岩爆的可能。

表2岩爆判据

注：R_c为单轴抗压强度；σ₁为最大主应力；W_et为弹性能量指数；

表3岩石力学试验结果及岩爆预测

为进一步探测掌子面前方的岩爆情况，进行TSP探测。掌子面桩号为引5+650，传感器桩号为引5+587，共激发24炮，炮点距1.5m，接收器置于隧道右边墙上。考虑到预测结果的准确性，本次TSP超前预报的范围为引5+650～+770。

对TSP203系统采集到的数据用TSPwin软件处理后，可得到预测洞段P波深度偏移图(见图4)、SH波深度偏移图和岩体物性图(见图5)。由图5可得预测硐段的岩体纵波波速值，范围为4156m/s～5124m/s，可得预测硐段的Kv值，范围为0.53～0.81，预测硐段Kv值的变化趋势与Vp值得变化趋势基本一致。以预测硐段的Kv值为主，再结合横波资料、泊松比、纵横波偏移图等参数进行超前地质预报及岩爆预测分级，判定结果如表4所示。在现场的实际操作过程中，首先引5+620处岩石单轴抗压强度值对预测硐段引5+650～+770的岩石单轴抗压强度值进行估算，并结合地应力的反演数据，对预测硐段的岩爆等级进行初步分析。再以探测得到的纵横波偏移图、岩体物性图等参数对预测硐段进行分段，最后以岩体波速及宏观岩体地质条件对各硐段进行岩爆强度预测。

表4岩爆预测结果对照表

TSP预测结果显示引5+710～+740段岩爆强度为中等强度，其它硐段岩爆等级为弱岩爆～中等岩爆。现场开挖揭示在引5+695～+720段在隧道右拱肩及拱顶发生了较强程度的岩爆，每次开挖后3-8小时岩爆最严重，最长持续时间超过24小时，岩爆时声响较大，多发出轰轰声，掉块较多。开挖后实际对照结果表明，该方法的岩爆预测结果和实际揭露的情况基本一致，整个预报硐段的岩爆趋势还是较为吻合。该方法的预测结果可为工程地质人员的现场岩爆预测提供参考，在实际运用过程可结合现场开挖结果和预报结果，进行综合分析，判定掌子面前方岩爆情况。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.基于物探方法的多参量综合岩爆预测方法，其特征是，包括：

步骤一：根据工程现场实测点的主应力数据，采用径向基函数神经网络，反演计算区域的初始地应力场，获取研究对象的高应力区域分布情况；

步骤二：根据步骤一获取的高应力区域分布情况结合现场岩石力学试验，通过岩爆预测的陶振宇判据和能量判据，对高应力区域的岩爆强度进行判别；

步骤三：采用TSP203系统对岩爆高风险区域进行探测，获取掌子面前方的地层岩性条件，并结合地应力场反演数据，对掌子面前面长距离范围内的岩爆强度进行精细预测。

2.如权利要求1所述的基于物探方法的多参量综合岩爆预测方法，其特征是，所述步骤一中，通过现场实测数据，结合神经网络反演工程区的初始地应力场的计算过程：

(1-1)根据工程实际，通过数值模拟软件建立数值计算模型并建立神经网络模型的学习样本；

(1-2)把步骤(1-1)建立的样本，分成两部分，一部分作为学习样本，一部分作为检验样本，把学习样本代入神经网络模型进行训练，得到输入和输出之间的映射关系；

(1-3)再将检验样本代入步骤(1-2)训练得到的神经网络模型，检查模型的输出结果是否同检验样本一致，如果一致，则说明第二步建立的映射关系满足要求，如果不一致，则重新对学习样本进行训练，直到满足检验样本要求为止；

(1-4)将现场实测的地应力值，代入训练好的神经网络，计算输出，即可得到实际地层的岩石力学参数和边界条件；

(1-5)将步骤(1-4)反演得到的岩石力学参数和边界条件代入数值计算模型，经过计算即可得到模型中任意一点的地应力值。

3.如权利要求2所述的基于物探方法的多参量综合岩爆预测方法，其特征是，步骤(1-1)中，建立神经网络模型的学习样本的过程为：根据工程实际岩体力学参数和边界条件的取值范围，建立不同的岩体力学参数和边界条件的组合，代入数值计算模型，进行计算，获得与该组合相对应的测试分析点的地应力值，最后把获得对应的测试分析点的地应力值作为输入，相应的岩石力学参数和边界条件的组合作为输出，建立学习样本。

4.如权利要求3所述的基于物探方法的多参量综合岩爆预测方法，其特征是，所述岩体力学参数包括岩石弹性模量、泊松比和密度，边界条件包括x和y两个方向的侧压力系数。

5.如权利要求1所述的基于物探方法的多参量综合岩爆预测方法，其特征是，所述步骤三中，采用TSP203系统对岩爆高风险区域进行探测时，TSP203系统通过在掘进面后方一定距离内的钻孔中施以微型爆破来发射信号，爆破引发的地震波在岩体中以球面的形式向四周传播，其中一部分向隧道前方传播，当地震波遇到岩石波阻抗差异界面时，部分地震信号反射回来，反射信号经接收传感器转换成电信号并放大，对反射信号进行频谱分析、带通滤波、初至拾取、炮能均衡、速度分析、深度偏移操作就可确定不良地质体的位置、产状、性质及其他相关参数。

6.如权利要求5所述的基于物探方法的多参量综合岩爆预测方法，其特征是，对现场采集到的TSP数据，通过TSPwin软件处理，获得P，SH和SV波的深度偏移剖面、岩石物理力学参数，根据我国工程岩体分级标准GB50218-94，岩体完整性系数Kv>0.55时岩体为较完整岩体，其是岩爆发生的有利条件。

7.如权利要求6所述的基于物探方法的多参量综合岩爆预测方法，其特征是，选择岩体完整性系数Kv作为岩爆的判别指标，Kv<0.55时无岩爆发生，0.55<Kv<0.75时可发生中低烈度的岩爆，Kv>0.75时可发生严重岩爆，岩体完整性系数Kv计算公式为：

$K_v={\left(\frac{V_p}{V_d}\right)}^2$

式中：V_p为岩体的纵波波速，V_d为岩块的纵波波速；通过TSP系统探测的岩体纵波波速值，再结合岩块的纵波波速值，即可确定预测洞段的Kv值。

8.如权利要求1所述的基于物探方法的多参量综合岩爆预测方法，其特征是，所述步骤三中，岩爆判别时，以岩体完整性系数Kv值为主，结合横波资料、泊松比、纵横波偏移图等参数，对掌子面前方岩爆情况进行综合判定，获取掌子面前方的地层岩性条件，并结合地应力场反演数据，对掌子面前面长距离范围内的岩爆强度进行精细预测。