CN112465191A - 隧道突涌水灾害预测方法、装置、电子设备及存储介质 - Google Patents
隧道突涌水灾害预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112465191A CN112465191A CN202011220905.1A CN202011220905A CN112465191A CN 112465191 A CN112465191 A CN 112465191A CN 202011220905 A CN202011220905 A CN 202011220905A CN 112465191 A CN112465191 A CN 112465191A
- Authority
- CN
- China
- Prior art keywords
- water
- tunnel
- disaster
- information
- inrush
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 84
- 239000002689 soil Substances 0.000 claims abstract description 36
- 238000005553 drilling Methods 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000013210 evaluation model Methods 0.000 claims abstract description 6
- 239000011435 rock Substances 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000007499 fusion processing Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 230000005389 magnetism Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 3
- 239000011159 matrix material Substances 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000002352 surface water Substances 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005755 formation reaction Methods 0.000 description 3
- 239000003673 groundwater Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010291 electrical method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种隧道突涌水灾害预测方法，包括S1、雷达遥感反演土壤水信息：S2、综合物探解译隧道区断层和节理信息：S3、GIS提取地形起伏度和地表洼地信息：S4、基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头等信息：S5、构建多因素评价标准，对各影响因子进行赋值评分：S6、采用AHP方法确定评价因子权重：S7、建立GIS评价模型进行突涌水灾害预测。本发明所述的隧道突涌水灾害预测方法建立科学、全面、可视化的隧道突涌水灾害模型，为隧道突涌水预测提供新技术和新方法。
Description
技术领域
本发明属于隧道突涌水灾害预测技术领域，尤其是涉及一种隧道突涌水灾害预测方法、装置、电子设备及存储介质。
背景技术
隧道突涌水是影响隧道施工的最主要灾害，不但影响工程进度，增加建设成本，还易造成隧道塌方等事故，影响建设安全。对隧道突涌水位置进行危险性分析对于隧道勘察设计、建设和运营具有重要意义。目前，常规预测隧道涌水量的方法有地下水动力学法、水文地质比拟法及数值法等。对于地质构造复杂隧道，尤其是西南地区岩溶隧道，其地下水循环复杂多变，地下暗河发育，常规方法很难全面掌握隧道深部的水文地质环境特征，更不能有效提取影响隧道突涌水灾害的因子，隧道突涌水灾害超前预报准确率低，全局性差。
发明内容
有鉴于此，本发明旨在提出一种隧道突涌水灾害预测方法、装置、电子设备及存储介质，以解决利用现有的预测方法造成隧道突涌水灾害预报准确率低，全局性差的问题。
为达到上述目的，本发明的技术方案是这样实现的：
第一方面，本发明实施例提供一种隧道突涌水灾害预测方法，利用雷达遥感反演地表土壤水信息、利用综合物探手段识别断层和节理信息、基于GIS平台提取地形起伏度和地表洼地信息、基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头信息，用于获取隧道突涌水灾害影响因子信息；对影响因子进行赋值评分和加权融合处理，建立隧道突涌水灾害模型，用以进行隧道突涌水灾害预测。
进一步的，利用雷达遥感反演地表土壤水信息，方法为：
获取多极化合成孔径雷达卫星高分辨率SAR影像，进行雷达遥感影像处理，建立土壤的微波介电常数与其后向散射特征关系，形成土壤含水量反演图。
进一步的，利用综合物探手段识别断层和节理信息，方法为：
基于磁、电、井的综合物探技术，对隧道区岩层的磁场、电阻、声波和孔内摄影信息进行综合判释，获取深部复杂断层和节理特征。
进一步的，基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头信息，方法为：
通过钻孔数据进行Kriging插值，建立三维地质模型，提取隧道地层信息，绘制岩层倾角、褶皱和水位，并进行分类统计。
进一步的，对影响因子进行赋值评分和加权融合处理的方法，包括：
构建多因素评价标准，对各影响因子进行赋值评分；
计算各影响因子权重。
进一步的，对各影响因子进行赋值评分的方法为：
按对隧道突涌水灾害的影响程度，对获取的影响因子构建评分标准，进行分级评分；
计算各影响因子权重的方法为：
按地质、地形、构造和水源信息的一级指标，及获取的影响因子组成的二级指标分别进行相对重要性排序，通过AHP方法计算各影响因子的权重。
进一步的，建立隧道突涌水灾害模型进行隧道突涌水灾害预测的方法为：
将影响因子在GIS平台进行矢量数据栅格化处理；
结合各影响因子的赋值评分，对各影响因子进行栅格重分类；
基于各影响因子的权重，建立多项式评价模型，模型综合考虑不同影响因子的评分以及权重进行叠加计算，得到可视化的突涌水灾害预测分区图。
第二方面，本发明实施例提供一种隧道突涌水灾害预测装置，包括：
信息采集模块，用于获取隧道突涌水灾害影响因子信息；包括，利用雷达遥感反演地表土壤水信息、利用综合物探手段识别断层和节理信息、基于GIS平台提取地形起伏度和地表洼地信息、基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头信息；
赋值评分模块；用于根据对隧道突涌水灾害的影响程度，对各影响因子构建评分标准，进行分级评分；
权重计算模块；用于按地质、地形、构造和水源信息的一级指标，及获取的影响因子组成的二级指标分别进行相对重要性排序，通过AHP方法计算各影响因子的权重；
模型创建模块；用于建立隧道突涌水灾害模型，进行隧道突涌水灾害预测。
第三方面，本发明实施例提供一种电子设备，包括
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述第一方面所述的隧道突涌水灾害预测方法。
第四方面，本发明实施例提供一种计算机可读取存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的隧道突涌水灾害预测方法。
相对于现有技术，本发明所述的隧道突涌水灾害预测方法、装置、电子设备及存储介质具有以下优势：
本发明所述的隧道突涌水灾害预测方法、装置、电子设备及存储介质通过雷达遥感进行地表土壤水反演，采用综合物探手段识别断层和节理信息，基于GIS平台提取地形起伏度和地表洼地信息，基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头等信息，再通过AHP与GIS进行赋值评分和加权融合，建立科学、全面、可视化的隧道突涌水灾害模型，为隧道突涌水预测提供新技术和新方法。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的隧道突涌水灾害预测方法的流程图；
图2为本发明实施例所述的层次分析法建立的隧道突涌水灾害评价体系图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
本实施例提供一种隧道突涌水灾害预测方法做进一步说明。
如图1所示，本发明所述的隧道突涌水灾害预测方法，技术步骤包括：S1、雷达遥感反演地表水信息；S2、综合物探解译隧道区断层和节理信息；S3、GIS提取地形起伏度和地表洼地信息；S4、基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头等信息；S5、构建多因素评价标准，对各影响因子进行赋值评分；S6、采用AHP方法确定评价因子权重；S7、建立GIS评价模型并进行突涌水灾害预测。具体实施方式如下：
S1、雷达遥感反演地表水信息
①雷达遥感图像处理
获取分辨率为1m的C频段多极化合成孔径雷达高分三号卫星数据，地表土壤穿透深度为5cm左右，在隧道研究区范围内选取敏感点进行雷达遥感光谱采集，通过重复测量、降噪和滤波的方式消除反射光谱的误差，保证数据精度。采集条件要求天气晴朗，无云，视野开阔。
对雷达卫星采集的SAR图像进行辐射定标、复数转强度/幅度、多视处理，通过滤波器对雷达图像数据进行自适应滤波，采用几何校正处理方法进行地理编码，并将地理编码后的数据转化成DB数据，即后向散射系数数据。
②建立土壤的微波介电常数及其后向散射特征关系
a.建立土壤介电特性与含水量关系
干土与水的介电常数分别为3和80，反差巨大，通过Dobson半经验模型，建立土壤复介电常数与含水量关系：
εs＝(1.01+0.44ρs)2-0.062
式中，εm为土壤复介电常数；εs为土壤基质介电常数；α为形状因子，取0.65；β为束缚水修正系数，由土壤质地决定；mv为土壤体积含水量；εfw为土壤自由水的介电常数；ρb为土壤体密度；ρs为土壤中固态物质密度。
b.建立雷达后向散射系数与介电常数关系
通过Oh经验模型建立不同极化方式下后向散射系数的比值与地表粗糙度、介电常数和入射角的关系：
式中，p是同极化比，q是交叉极化比，粗糙度和含水量范围是0.1＜ks＜6.0，2.6＜kl＜19.7，0.09＜mv＜0.31，s是均方根高度，l是相关长度，k是波数，mv是含水量，θ为入射角，Г0为表面最低点反射系数，
ε为介电常数。
③全极化雷达遥感土壤含水量反演建模
对GF－3数据进行处理，得到区域后向散射系数数据，结合野外调查点地理坐标，从影像上提取与地面土壤含水量采样点一一对应的后向散射系数。并利用这种一一对应关系通过统计分析的方法确定基于雷达遥感数据的土壤含水量反演图。
S2、综合物探解译隧道区断层和节理信息
基于磁、电、井“三维一体”综合物探技术，解译断层位置和破碎带宽度，通过孔内全景式数字摄影划分节理发育程度。
①磁电法解译断层
a.磁法判释断层
根据不同磁性的岩石地层产生不同的磁场原理，通过固定翼无人机，采用质子旋进磁力仪，进行高精度磁测(精度大于5nT)。进行磁测数据处理与转换，包括向上延拓抑制浅层干扰，水平导数突显方向构造，化磁极降低斜磁化的影响，简化磁场形态等。
根据磁测数据处理后结果进行目视解译，解译标志包括有一定走向的台阶或线性梯度带、两侧重磁异常特征的分界线、异常的错动或轴错位、异常等值线的规则性扭曲、等值线异常宽度突变带等。根据建立的解译标志，通过目视解译对隧道研究区范围进行大范围综合判释，得到断层分布信息。
b.高密度电法验证断层
针对磁法判释断层分布信息，将电极按固定距离对断层沿线布置高密度测线进行精准验证。采用自动采集系统测定地层电阻率的变化，对测量数据进行预处理，剔除噪点，绘制剖面电阻率等值线，对岩层电阻率异常变化进行反演计算，进行断层验证。
②综合测井解译岩体节理信息
采用声波速度、自然电位和孔内全景式数字摄影测量等综合测井技术，直接在钻孔内对隧道范围内岩层进行测试，根据测井曲线响应特征值法及交会图法建立测井信息与岩体信息的联系，划分岩体节理发育程度。
S3、GIS提取地形起伏度和地表洼地信息
首先获取隧道研究区范围的高分影像，提取高精度DEM信息，再通过GIS平台地图代数计算地形起伏度和地表洼地。
①提取高精度DEM
获取隧道研究区范围内高分影像并建立数字高程模型，在ENVI5下基于立体像对的方式提取DEM。提取过程包括提取立体像对、定义地面控制点、交互式定义连接点、设置DEM投影参数、对于有厚云地方手动修改高程文件。
②计算地形起伏度和地表洼地
a.计算地形起伏度
计算隧道研究区范围内的地形起伏度，即最高点海拔高度与最低点海拔高度的差值。将获取的高精度DEM导入GIS平台，进行Spatial Analysis分析，并进行NeighborhoodStatistics计算，以12m×12m矩形邻域为边界，提取最大值，记为A，提取最小值，记为B，通过栅格计算器进行[A]－[B]运算，即可得到每个栅格为中心的确定邻域范围内的地形起伏度。
b.计算地表洼地
通过GIS平台对高精度DEM进行水文分析，计算隧道区域内的流向、汇和分水岭，设置倾斜点位置，分区统计每个洼地贡献区域出口的最低点高程，通过地图代数叠加计算得到地表洼地图。
S4、基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头等信息
基于隧道研究区范围内钻孔数据，将钻孔坐标信息投影到研究区平面图上，对钻孔地层按时代成因进行主亚层分类编号，根据钻孔属性数据快速自动生成纵向二维地层剖面图，并进行人工比对和修改。
构建三维空间场景，以三角网作为三维地质实体单元，建立能够表达各层面之间的拓扑关系，通过剖面矫正器进行剖面比对和连接。同时将同一地层的顶底面作为插值对象，采用Kriging方法进行插值，建立三维地质模型。布设沿隧道走向测线，在三维场景中通过剖分断面提取隧道位置的地质地层、岩层倾角、褶皱形态和隧道顶部水头压力等信息，并进行分类统计。
S5、构建多因素评价标准，对各影响因子进行赋值评分
选取地层岩性、岩层倾角、地形起伏度、地表洼地、断层构造、褶皱构造、节理裂隙、水头高度和土壤水含量等9个影响因子作为隧道突涌水灾害指标，构建多因素评价标准，按各因素对突涌水灾害影响程度进行分类评分。
①地层岩性
隧道所穿越地层岩性决定突涌水灾害的水文地质条件，按可溶盐岩、透水性高的沉积岩、火成岩和变质岩、泥岩和页岩等黏土岩进行分类评分，见下表。
表1不同岩性赋值条件
②岩层倾角
岩层倾角对地下水流方向具有重要影响，岩层倾角越小，地下水越易顺层流动，对隧道突涌水影响越大，据此进行分类评分，见下表。
表2不同岩层倾角赋值条件
③地形起伏度
依据地形起伏度大的地方地表径流速度快，降雨难以入渗，与隧道突涌水灾害呈负相关。根据步骤S3提取的地形起伏度信息进行分类评分，见下表。
表3地形起伏度的赋值条件
④地表洼地
地表洼地反映地表水的集聚能力，地表水越富集，对隧道突涌水灾害影响越大。根据步骤S3提取的地表洼地信息进行分类评分，见下表。
表4不同洼地深度赋值条件
⑤断层构造
断裂带规模越大，破碎带影响范围越宽，岩层储水和导水性就越好，隧道发生突涌水的几率就越大。根据步骤S2综合物探解译成果进行分类评分，见下表。
表5不同断层影响范围赋值条件
⑥褶皱构造
褶皱构造作用越强烈，转折端角度越大，岩石越疏松，渗透系数越大，为隧道突涌水灾害提供了储水空间和导水通道。根据地质图及钻孔纵断面信息，按褶皱转折端角度进行分类评分，见下表。
表6不同褶皱类型赋值条件
⑦节理裂隙
节理裂隙作为地下水补充的重要通道，节理裂隙发育越严重，隧道突涌水灾害发生的几率越大。根据步骤S2解译节理信息，进行分类评分，见下表。
表7不同节理裂隙发育程度赋值条件
⑧水头高度
隧道顶部水头高度大小是隧道发生突涌水灾害的直接因子，按水头高度进行分类评分，见下表。
表8水头高度分级赋值条件
⑨土壤水含量
地表土壤水含量直接反应地下水补给来源，通过步骤S1雷达遥感反演地表土壤水含量信息进行分类评分，见下表。
表9土壤水含量反演信息赋值条件
S6、采用AHP方法确定评价因子权重
以隧道突涌水灾害预测为目标层，以地质条件、地形条件、构造条件和水源条件为一级指标准则层，以步骤S1～S4提取的9个评价因子为二级指标方案层，建立层次分析评价体系，见图2。
选定本领域有一定影响力的专家组，对准则层四个条件进行重要性打分和排序。根据AHP判断矩阵标度原则构造一级指标判断矩阵，利用和积法计算矩阵的特征向量，进行归一化处理。对计算结果进行CR一致性检验，当CR<0.1时，判断矩阵具有满意一致性。当CR＝0.1时，判断矩阵具有较好一致性；当CR>0.1时，判断矩阵不符合一致性原则，需重新调整矩阵。
按上述原则，对方案层即二级指标层(地层岩性、岩层倾角、地形起伏度、地表洼地、断层构造、褶皱构造、节理裂隙、水头高度和土壤水含量)按图2隶属度关系进行归集并分别建立判断矩阵，求得特征向量，进行归一化处理和一致性检验。将一级指标层和二级指标层权重进行乘积计算，得到各影响因子最终权重值。
S7、建立GIS评价模型并进行突涌水灾害预测
基于步骤S1～S4提取的九个影响因子在GIS平台进行矢量数据栅格化处理，栅格单元大小为1m×1m，每个栅格单元存储了包括研究对象的影响因子信息。基于步骤S5建立的评分标准，对各个影响因子进行栅格重分类。
基于步骤S6确定的各个影响因子权重，建立多项式评价模型，模型综合考虑不同权重的影响因子并进行叠加计算，如下所示：
H＝A1×X1+A2×X2+K+Ai×Xi
式中：H为评价结果，Xi为各评价因子，Ai为权重。
将上述公式通过GIS平台栅格计算器功能进行实现，并按标准差、几何间隔、自然断点法和相等间隔等方法确定灾害分区标准并进行重分类，通过掩膜方法划分隧道突涌水灾害敏感区进行突涌水灾害预测。
本实施例提供一种隧道突涌水灾害预测装置，包括：
信息采集模块，用于获取隧道突涌水灾害影响因子信息；包括，利用雷达遥感反演地表土壤水信息、利用综合物探手段识别断层和节理信息、基于GIS平台提取地形起伏度和地表洼地信息、基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头信息；
赋值评分模块；用于根据对隧道突涌水灾害的影响程度，对各影响因子构建评分标准，进行分级评分；
权重计算模块；用于按地质、地形、构造和水源信息的一级指标，及获取的影响因子组成的二级指标分别进行相对重要性排序，通过AHP方法计算各影响因子的权重；
模型创建模块；用于建立隧道突涌水灾害模型，进行隧道突涌水灾害预测。
其中，隧道突涌水灾害预测装置的各个模块的工作过程已记载在上述实施例中，这里不再赘述。
本发明实施例还提供一种电子设备，包括存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述所述的隧道突涌水灾害预测方法。
本发明实施例提供一种计算机可读取存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的隧道突涌水灾害预测方法。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。上述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.隧道突涌水灾害预测方法，其特征在于：利用雷达遥感反演地表土壤水信息、利用综合物探手段识别断层和节理信息、基于GIS平台提取地形起伏度和地表洼地信息、基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头信息，用于获取隧道突涌水灾害影响因子信息；对影响因子进行赋值评分和加权融合处理，建立隧道突涌水灾害模型，用以进行隧道突涌水灾害预测。
2.根据权利要求1所述的隧道突涌水灾害预测方法，其特征在于，利用雷达遥感反演地表土壤水信息，方法为：
获取多极化合成孔径雷达卫星高分辨率SAR影像，进行雷达遥感影像处理，建立土壤的微波介电常数与其后向散射特征关系，形成土壤含水量反演图。
3.根据权利要求1所述的隧道突涌水灾害预测方法，其特征在于，利用综合物探手段识别断层和节理信息，方法为：
基于磁、电、井的综合物探技术，对隧道区岩层的磁场、电阻、声波和孔内摄影信息进行综合判释，获取深部复杂断层和节理特征。
4.根据权利要求1所述的隧道突涌水灾害预测方法，其特征在于，基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头信息，方法为：
通过钻孔数据进行Kriging插值，建立三维地质模型，提取隧道地层信息，绘制岩层倾角、褶皱和水位，并进行分类统计。
5.根据权利要求1所述的隧道突涌水灾害预测方法，其特征在于，对影响因子进行赋值评分和加权融合处理的方法，包括：
构建多因素评价标准，对各影响因子进行赋值评分；
计算各影响因子权重。
6.根据权利要求5所述的隧道突涌水灾害预测方法，其特征在于：对各影响因子进行赋值评分的方法为：
按对隧道突涌水灾害的影响程度，对获取的影响因子构建评分标准，进行分级评分；
计算各影响因子权重的方法为：
按地质、地形、构造和水源信息的一级指标，及获取的影响因子组成的二级指标分别进行相对重要性排序，通过AHP方法计算各影响因子的权重。
7.根据权利要求1所述的隧道突涌水灾害预测方法，其特征在于，建立隧道突涌水灾害模型进行隧道突涌水灾害预测的方法为：
将影响因子在GIS平台进行矢量数据栅格化处理；
结合各影响因子的赋值评分，对个影响因子进行栅格重分类；
基于各影响因子的权重，建立多项式评价模型，模型综合考虑不同影响因子的评分以及权重进行叠加计算，得到可视化的突涌水灾害预测分区图。
8.隧道突涌水灾害预测装置，其特征在于，包括：
信息采集模块，用于获取隧道突涌水灾害影响因子信息；包括，利用雷达遥感反演地表土壤水信息、利用综合物探手段识别断层和节理信息、基于GIS平台提取地形起伏度和地表洼地信息、基于钻孔数据的三维地质建模获取岩性、倾角、褶皱、水头信息；
赋值评分模块；用于根据对隧道突涌水灾害的影响程度，对各影响因子构建评分标准，进行分级评分；
权重计算模块；用于按地质、地形、构造和水源信息的一级指标，及获取的影响因子组成的二级指标分别进行相对重要性排序，通过AHP方法计算各影响因子的权重；
模型创建模块；用于建立隧道突涌水灾害模型，进行隧道突涌水灾害预测。
9.一种电子设备，其特征在于，包括
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1－7任一项所述的隧道突涌水灾害预测方法。
10.一种计算机可读取存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1－7任一项所述的隧道突涌水灾害预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011220905.1A CN112465191B (zh) | 2020-11-11 | 2020-11-11 | 隧道突涌水灾害预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011220905.1A CN112465191B (zh) | 2020-11-11 | 2020-11-11 | 隧道突涌水灾害预测方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112465191A true CN112465191A (zh) | 2021-03-09 |
| CN112465191B CN112465191B (zh) | 2022-12-09 |
Family
ID=74826091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011220905.1A Active CN112465191B (zh) | 2020-11-11 | 2020-11-11 | 隧道突涌水灾害预测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112465191B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113269714A (zh) * | 2021-04-07 | 2021-08-17 | 西南交通大学 | 隧道掌子面涌水水头高度智能识别方法及确定装置 |
| CN113487116A (zh) * | 2021-08-10 | 2021-10-08 | 中铁二院工程集团有限责任公司 | 富水复合地层隧道涌水量预测方法 |
| CN113807740A (zh) * | 2021-09-30 | 2021-12-17 | 上海交通大学 | 山岭铁路隧道涌水径流水文灾害风险评估系统 |
| CN113901547A (zh) * | 2021-09-29 | 2022-01-07 | 中铁第一勘察设计院集团有限公司 | 岩溶区隧道突水预警方法、系统、电子设备和介质 |
| CN115479540A (zh) * | 2022-09-14 | 2022-12-16 | 西南交通大学 | 一种基于激光扫描的岩溶突水灾害量级评估方法和系统 |
| CN116384129A (zh) * | 2023-04-10 | 2023-07-04 | 重庆中环建设有限公司 | 一种公路隧道穿越岩溶地层时灾害特征的预测方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102262247A (zh) * | 2011-04-28 | 2011-11-30 | 吉林大学 | 隧道突水超前预测装置及预测方法 |
| CN106296475A (zh) * | 2016-07-29 | 2017-01-04 | 山东大学 | 隧道及地下工程突涌水灾害多类型证据合成评估方法 |
| CN106570647A (zh) * | 2016-11-08 | 2017-04-19 | 北京师范大学 | 基于地下水污染风险评价的傍河水源地水质安全预警方法 |
| CN106991258A (zh) * | 2017-05-10 | 2017-07-28 | 中铁第五勘察设计院集团有限公司 | 一种建立隧道工程地质纵断面图的方法 |
| CN107423524A (zh) * | 2017-08-16 | 2017-12-01 | 西安理工大学 | 一种长埋深隧洞突涌水灾害危险性等级预判的方法 |
| CN108090665A (zh) * | 2017-12-13 | 2018-05-29 | 山东大学 | 基于一维x条件下梯形云模型的岩溶隧道突水风险确定方法 |
| CN108536927A (zh) * | 2018-03-22 | 2018-09-14 | 广西信达高速公路有限公司 | 一种估算深埋隧道等效断面突涌灾害烈度的方法 |
| CN109977574A (zh) * | 2019-04-02 | 2019-07-05 | 中国科学院遥感与数字地球研究所 | 一种基于改进Freeman-Durden极化分解模型的土壤水分反演方法 |
| CN110646854A (zh) * | 2019-09-24 | 2020-01-03 | 贵州顺康路桥咨询有限公司 | 一种基于模糊层次分析法的隧道综合超前地质预报方法及系统 |
| CN110705795A (zh) * | 2019-10-09 | 2020-01-17 | 中铁隧道局集团有限公司 | 基于综合超前地质预报技术的隧道涌突风险等级模糊预测方法 |
| CN111738495A (zh) * | 2020-05-27 | 2020-10-02 | 山东大学 | 一种地下工程突涌水灾害预测与互馈调控方法及系统 |
| CN111832813A (zh) * | 2020-06-24 | 2020-10-27 | 山东大学 | 一种海底隧道断层活化突水预测方法及系统 |
-
2020
- 2020-11-11 CN CN202011220905.1A patent/CN112465191B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102262247A (zh) * | 2011-04-28 | 2011-11-30 | 吉林大学 | 隧道突水超前预测装置及预测方法 |
| CN106296475A (zh) * | 2016-07-29 | 2017-01-04 | 山东大学 | 隧道及地下工程突涌水灾害多类型证据合成评估方法 |
| CN106570647A (zh) * | 2016-11-08 | 2017-04-19 | 北京师范大学 | 基于地下水污染风险评价的傍河水源地水质安全预警方法 |
| CN106991258A (zh) * | 2017-05-10 | 2017-07-28 | 中铁第五勘察设计院集团有限公司 | 一种建立隧道工程地质纵断面图的方法 |
| CN107423524A (zh) * | 2017-08-16 | 2017-12-01 | 西安理工大学 | 一种长埋深隧洞突涌水灾害危险性等级预判的方法 |
| CN108090665A (zh) * | 2017-12-13 | 2018-05-29 | 山东大学 | 基于一维x条件下梯形云模型的岩溶隧道突水风险确定方法 |
| CN108536927A (zh) * | 2018-03-22 | 2018-09-14 | 广西信达高速公路有限公司 | 一种估算深埋隧道等效断面突涌灾害烈度的方法 |
| CN109977574A (zh) * | 2019-04-02 | 2019-07-05 | 中国科学院遥感与数字地球研究所 | 一种基于改进Freeman-Durden极化分解模型的土壤水分反演方法 |
| CN110646854A (zh) * | 2019-09-24 | 2020-01-03 | 贵州顺康路桥咨询有限公司 | 一种基于模糊层次分析法的隧道综合超前地质预报方法及系统 |
| CN110705795A (zh) * | 2019-10-09 | 2020-01-17 | 中铁隧道局集团有限公司 | 基于综合超前地质预报技术的隧道涌突风险等级模糊预测方法 |
| CN111738495A (zh) * | 2020-05-27 | 2020-10-02 | 山东大学 | 一种地下工程突涌水灾害预测与互馈调控方法及系统 |
| CN111832813A (zh) * | 2020-06-24 | 2020-10-27 | 山东大学 | 一种海底隧道断层活化突水预测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张文泉: "岩溶隧道突涌水危险性的多级模糊综合评价", 《西安科技大学学报》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113269714A (zh) * | 2021-04-07 | 2021-08-17 | 西南交通大学 | 隧道掌子面涌水水头高度智能识别方法及确定装置 |
| CN113269714B (zh) * | 2021-04-07 | 2023-08-11 | 西南交通大学 | 隧道掌子面涌水水头高度智能识别方法及确定装置 |
| CN113487116A (zh) * | 2021-08-10 | 2021-10-08 | 中铁二院工程集团有限责任公司 | 富水复合地层隧道涌水量预测方法 |
| CN113487116B (zh) * | 2021-08-10 | 2023-04-07 | 中铁二院工程集团有限责任公司 | 富水复合地层隧道涌水量预测方法 |
| CN113901547A (zh) * | 2021-09-29 | 2022-01-07 | 中铁第一勘察设计院集团有限公司 | 岩溶区隧道突水预警方法、系统、电子设备和介质 |
| CN113807740A (zh) * | 2021-09-30 | 2021-12-17 | 上海交通大学 | 山岭铁路隧道涌水径流水文灾害风险评估系统 |
| CN115479540A (zh) * | 2022-09-14 | 2022-12-16 | 西南交通大学 | 一种基于激光扫描的岩溶突水灾害量级评估方法和系统 |
| CN115479540B (zh) * | 2022-09-14 | 2023-06-30 | 西南交通大学 | 一种基于激光扫描的岩溶突水灾害量级评估方法和系统 |
| CN116384129A (zh) * | 2023-04-10 | 2023-07-04 | 重庆中环建设有限公司 | 一种公路隧道穿越岩溶地层时灾害特征的预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112465191B (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112465191B (zh) | 隧道突涌水灾害预测方法、装置、电子设备及存储介质 | |
| CN111927552B (zh) | 基于天空地勘察技术的复杂山区长大深埋隧道勘察方法 | |
| Watlet et al. | Imaging groundwater infiltration dynamics in the karst vadose zone with long-term ERT monitoring | |
| Enge et al. | From outcrop to reservoir simulation model: Workflow and procedures | |
| Habib et al. | Impact of interpolation techniques on the accuracy of large-scale digital elevation model | |
| Voeckler et al. | Estimating regional-scale fractured bedrock hydraulic conductivity using discrete fracture network (DFN) modeling | |
| Jacquemyn et al. | Multi-scale three-dimensional distribution of fracture-and igneous intrusion-controlled hydrothermal dolomite from digital outcrop model, Latemar platform, Dolomites, northern Italy | |
| CN109343125B (zh) | 一种基于探地雷达的红壤关键带地下结构空间预测方法 | |
| Jayeoba et al. | 2-D electrical resistivity tomography for groundwater exploration in hard rock terrain | |
| CN109490985A (zh) | 一种地球物理勘测系统和方法 | |
| Kumari et al. | Application of multi-criteria decision making (MCDM) and electrical resistivity tomography (ERT) techniques for identification of groundwater recharge zone (s) in granitic hard rock aquifer | |
| Baroncini‐Turricchia et al. | Integrating MRS data with hydrologic model‐Carrizal Catchment (Spain) | |
| Chen et al. | Research on the improvement of single tree segmentation algorithm based on airborne LiDAR point cloud | |
| Friedel et al. | Data-driven modeling for groundwater exploration in fractured crystalline terrain, northeast Brazil | |
| Tafila et al. | Investigating groundwater recharge potential of Notwane catchment in Botswana using geophysical and geospatial tools | |
| Yin et al. | A location-based multiple point statistics method: modelling the reservoir with non-stationary characteristics | |
| Bandara et al. | Spatial distribution of landslides induced by the 2004 Mid-Niigata prefecture earthquake, Japan | |
| CN114488327B (zh) | 基于地面基点的水平磁场与井中垂直磁场联合测量方法 | |
| CN115857028A (zh) | 基于非接触观测法的水文地质参数的时空定量表达方法 | |
| CN115327663A (zh) | 深部矿产资源勘查用空-地-井立体地球物理探测方法 | |
| Xiong et al. | Water inrush analysis of the Longmen Mountain Tunnel based on a 3D simulation of the discrete fracture network | |
| CN107765341A (zh) | 一种确定地层剩余密度的方法 | |
| CN114114396A (zh) | 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 | |
| CN114398696A (zh) | 一种碱性花岗型铀矿床三维精细建模方法 | |
| Amini et al. | Anomaly enhancement in 2D electrical resistivity imaging method using a residual resistivity technique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |