CN117726182A - 多阶段隧洞穿越困难地层突涌水灾害风险预测方法及系统 - Google Patents
多阶段隧洞穿越困难地层突涌水灾害风险预测方法及系统 Download PDFInfo
- Publication number
- CN117726182A CN117726182A CN202410171478.4A CN202410171478A CN117726182A CN 117726182 A CN117726182 A CN 117726182A CN 202410171478 A CN202410171478 A CN 202410171478A CN 117726182 A CN117726182 A CN 117726182A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- risk
- information
- gushing water
- prediction
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 238000004088 simulation Methods 0.000 claims abstract description 38
- 238000010276 construction Methods 0.000 claims abstract description 25
- 238000007477 logistic regression Methods 0.000 claims abstract description 22
- 238000009412 basement excavation Methods 0.000 claims abstract description 18
- 238000013058 risk prediction model Methods 0.000 claims abstract description 17
- 239000011435 rock Substances 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000005553 drilling Methods 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 7
- 230000010287 polarization Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000009933 burial Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 239000003673 groundwater Substances 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 230000018109 developmental process Effects 0.000 description 10
- 238000005755 formation reaction Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000005641 tunneling Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- -1 collapse Substances 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000027648 face development Effects 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了多阶段隧洞穿越困难地层突涌水灾害风险预测方法及系统，包括：获取隧址区一定范围内的水文地质信息、工程地质信息；结合隧洞走向建立模拟区内的水文地质模型，进行数值模拟获取模拟区域渗流场分布；对模拟区域进行宏观的风险分级，初步确定需要开展超前预报的段落；在施工开挖阶段，基于风险分级，结合已开挖洞段的地质信息，确定选用的超前地质预报方法，建立基于超前地质预报信息的风险评价指标体系；基于建立的风险评价指标体系，进行风险等级划分，利用基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级。
Description
技术领域
本发明属于隧洞突涌水灾害风险评价技术领域，尤其涉及多阶段隧洞穿越困难地层突涌水灾害风险预测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
目前的隧洞建设不可避免地在地质条件复杂地区修建隧洞时，会遭遇到断裂、岩溶及破碎地层等不良地质，隧洞建设在穿越地质条件复杂的困难地层时，遭遇到岩溶突涌水、塌方、岩爆等灾害的风险大大增加，极易造成巨大的经济损失与人员伤亡。由于隧洞建设区域地质条件的复杂性及施工过程中的不确定性，在隧洞建设过程中，对突涌水灾害做出更为准确的预测预警，对于保障隧洞安全施工以及避免人员伤亡尤为重要。
在隧道突涌水灾害预测预警方面，目前较为常见的利用监测灾前隧洞内多物理场信息进行的临灾预警，其监测的信息类别很大程度上影响着预测准确度，其不确定性较大，且其监测的风险信息只能反映掌子面一定范围内的信息，只有当掌子面临近灾害水体时，才能得到较为准确的风险信息，对于远距离灾害水体进行风险预测效果较差，有待进一步提高。
另外，还有技术中还存在利用相关指标体系进行风险预测，需要说明的是，现有某些技术在影响隧洞突涌水灾害的风险因素中选择主要因素构建指标体系进行风险预测，其因素选择较为宏观，面对实际施工过程中不同施工洞段独特的隧洞情况，很难进行个性化、精细化的突涌水风险预测且其预测范围不明确，在实际应用中存在一定的局限性。
发明内容
为克服上述现有技术的不足，本发明提供了多阶段隧洞穿越困难地层突涌水灾害风险预测方法，在设计阶段、施工开挖阶段及灾害治理阶段等多个阶段进行风险等级综合评判，在施工开挖阶段，采用超前地质预报手段获取掌子面前方更远范围内的灾害水体精细信息，对掌子面前方一定范围进行风险等级预警，其预测结果更加贴近真实情况且预测范围更广。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
第一方面，公开了多阶段隧洞穿越困难地层突涌水灾害风险预测方法，包括：
获取隧址区一定范围内的水文地质信息、工程地质信息；
结合隧洞走向建立模拟区内的水文地质模型，进行数值模拟获取模拟区域渗流场分布；
对模拟区域进行宏观的风险分级，初步确定需要开展超前预报的段落；
在施工开挖阶段，基于风险分级，结合已开挖洞段的地质信息，确定选用的超前地质预报方法，建立基于超前地质预报信息的风险评价指标体系；
基于建立的风险评价指标体系，进行风险等级划分，利用基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级。
作为进一步的技术方案，获取隧址区一定范围内的水文地质信息、工程地质信息之前还包括：
对隧洞轴线上的不良地质条件进行分类，推断隧洞轴线上不良地质的区域；
针对隧洞轴线上不良地质的区域，获取隧址区一定范围内的水文地质信息、工程地质信息。
作为进一步的技术方案，基于超前地质预报信息的风险评价指标体系中，风险评价指标分为围岩特性、隧洞参数以及地下水发育情况三个大方面，具体包括：岩性参数、岩层发育情况、隧洞埋深、隧洞半径、隧洞开挖方式、含水体位置、形态、涌水量、隧洞内水压指标；
其中，岩性参数通过地震波法获得；
岩层发育情况由隧道掌子面素描获取；
隧洞埋深、隧洞半径、隧洞开挖方式由设计资料获得；
通过激发极化法反演获取掌子面前方含水体的位置及形态；
基于激发极化弛豫时间与渗透系数的关系，获取渗透系数分布进而进行渗透系数反演，最终实现涌水量预测；
隧洞内水压通过钻杆装载水压传感器的钻机钻孔过程测量得到。
作为进一步的技术方案，利用基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级：
（1）
（2）
上式中是自变量，包括风险评价指标体系中的各个评价指标，W是因变量，其值域为（/>），/>是常数项，/>是回归系数，/>表示各自变量因素对应的权重值，i=0，1，2,/>，n。
作为进一步的技术方案，基于logistic回归的隧道突涌水风险预测模型中的回归系数通过最大似然估计方法进行估算，此方法通过多次迭代测试不同的值，从而优化对数几率的最佳拟合，所有这些迭代都会产生对数似然函数，逻辑回归会试图最大化该函数，从而找到最佳参数估计值。
作为进一步的技术方案，基于logistic回归的隧道突涌水风险预测模型中线性回归若线性条件不符合，对x进行转换，以满足线性回归的要求，对求解系统进行了logit转换。
作为进一步的技术方案，P的值域为（0，1），输出的P值代表的是给定风险评价指标x条件下，隧洞发生突涌水的概率。
第二方面，公开了多阶段隧洞穿越困难地层突涌水灾害风险预测系统，包括：
信息获取模块，被配置为：获取隧址区一定范围内的水文地质信息、工程地质信息；
数值模拟模块，被配置为：结合隧洞走向建立模拟区内的水文地质模型，进行数值模拟获取模拟区域渗流场分布；
对模拟区域进行宏观的风险分级，初步确定需要开展超前预报的段落；
风险评价指标建立模块，被配置为：在施工开挖阶段，基于风险分级，结合已开挖洞段的地质信息，确定选用的超前地质预报方法，建立基于超前地质预报信息的风险评价指标体系；
风险等级预测模块，被配置为：基于建立的风险评价指标体系，进行风险等级划分，利用基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级。
以上一个或多个技术方案存在以下有益效果：
本发明技术方案将隧洞突涌水灾害风险评价分为设计阶段风险分级、施工开挖阶段风险分级和灾害治理阶段可掘性风险分级三个阶段，循序渐进，风险评价范围由大到小，由粗到细，在保证评价结果的前提下，具有广泛的适用性。
本发明技术方案在施工开挖阶段风险分级过程中，选用超前地质预报方法来获得风险指标信息，不仅能获得掌子面附近的信息，还能获得掌子面前方一定范围内的风险指标信息，可以按距离分段对掌子面前方30米范围进行精细化风险等级评价，更加接近灾害水体，大大提高了风险评价的范围及风险预测的准确性。
本发明技术方案建立突涌水风险评价指标体系时，考虑隧洞突涌水的影响因素，利用层次分析法从围岩特性、隧洞参数以及地下水发育情况三个大方面确定了隧洞突涌水风险的评价指标体系，可以处理复杂条件下的隧洞突涌水问题，利用一种基于logistic回归的隧道突涌水风险预测模型进行风险预测，其预测结果是介于0和1之间的概率值，结果直观易解释，且因变量可以是定性变量，利用大量数据对模型进行训练后，其预测准确率较高。
本发明技术方案不同于以往的风险评价指标体系，将超前地质预报信息引入风险评价指标体系，将地质信息与超前地质预报信息结合起来，解决了隧洞穿越地质条件复杂的困难地层时突涌水风险评价难题；针对隧洞穿越地质条件复杂的困难地层进行隧洞突涌水风险评价，通过超前地质预报获取了掌子面前方一定范围内的精细化风险信息，其预测范围更精确，预测准确率更高，更加有效的指导隧洞施工。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书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。
图1为本发明实施例风险预测方法步骤流程图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
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。
实施例一
本实施例公开了多阶段隧洞穿越困难地层突涌水灾害风险预测方法，将隧洞突涌水风险评价分为了设计阶段风险分级、施工开挖阶段风险分级以及灾害治理阶段可掘性风险分级，相较于以往的隧道突涌水风险评价其评价过程更加全面，利用超前地质预报获取掌子面前方一定范围内的信息，选用一种基于logistic回归的隧道突涌水风险预测模型进行风险预测，预测范围更广，结果准确率较高。
如图1所示，其包括以下步骤：
步骤一：在隧洞设计阶段，进行工程类比，调查周边隧道与地下工程建设过程中是否发生地质灾害；
基于工程类比，地质分析对隧洞轴线上的不良地质条件进行分类，具体为：针对隧洞轴线上不良地质条件进行分类，根据六类不良地质的地质与地球物理特征的关联，对后续进行超前地质预报方法选择及结果判识起到一个辅助作用；
结合地质分析推断隧洞轴线上不良地质的区域，根据工程类比，对隧洞轴线周边存在的不良地质进行分类，结合各种不良地质的特征进行地质分析，确定各不良地质在隧洞轴线周边的存在区域；
其中。对隧洞轴线上的不良地质条件进行分类，共分为六类，包括断裂、岩溶、向斜储水构造、破碎地层、软岩地层及其他富水地层。
步骤二：进行宏观地质调查，获取隧址区一定范围内的水文地质信息、工程地质信息，借助地下水模拟软件（包括MODFLOW、FEFLOW、GMS等）结合隧洞走向建立模拟区内的水文地质模型，进行数值模拟获取模拟区域渗流场分布；
对模拟区域进行一个宏观的风险分级，此处的风险分级较为粗略宏观，可大致分为风险较高区域与风险较低区域，初步确定需要开展超前预报的段落，具体为针对上述风险分级中的较高风险区域开展超前地质预报。
通过上述方式后续可以指导勘察钻孔的布孔位置及密度并为后续超前地质预报的开展提供依据。
其中，隧址区是指隧洞轴线周边一个大的范围，步骤一推断的一个不良地质的区域是作为类似先验信息加入到后续的水文地质模型中的。
基于水文地质模型进行数值模拟获取模拟区域渗流场分布，其模拟过程是在上述软件中进行的，主要步骤包括通过上述隧址区一定范围进行宏观地质调查，获取水文地质信息、工程地质信息，基于上述信息在软件中设置模拟区域的水头边界条件，然后建立能够描述模拟区域水文地质模型的数学模型，进行现场原位试验对建立的数学模型进行校正，利用校正后的数学模型获取模拟区域的渗流分布。
基于上述初步风险评价的结果，可以指导勘察钻孔的布孔位置及密度并为后续超前地质预报的开展提供依据，如有必要，可结合工程类比对风险分级结果进行修正。
步骤三：在施工开挖阶段，基于设计阶段风险分级，结合已开挖洞段的地质揭露情况，确定选用的超前地质预报方法，建立基于超前地质预报信息的风险评价指标体系，基于建立的风险评价指标体系，进行风险等级划分，利用一种基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级，根据确定的风险等级指导现场施工。
风险评价指标包括围岩特性、隧洞参数、地下水发育情况三个大方面，从三个大方面中选择岩性参数、岩层发育情况、隧洞埋深、隧洞半径、隧洞开挖方式、含水体位置、形态、涌水量、隧洞内水压作为最终的风险评价指标。
建立基于超前地质预报信息的风险评价指标体系，确定的最终的风险评价指标通过不同手段获得；
其中，岩性参数通过地震波法获得，岩层发育情况由隧道掌子面素描获取，隧洞埋深、隧洞半径、隧洞开挖方式由设计资料获得，通过激发极化法反演获取掌子面前方含水体的位置及形态，基于激发极化弛豫时间与渗透系数的关系，获取渗透系数分布进而进行渗透系数反演，获取含水体位置及形态分布信息，最终实现涌水量预测，将超前地质预报信息用到突涌水风险预测中，利用激发极化法获取掌子面前方含水体的位置及形态信息的，隧洞内水压通过钻杆装载水压传感器的钻机钻孔过程测量得到。
关于岩性参数：根据地震波波速与波形分布情况获取掌子面前方的岩性参数包括岩石破碎情况与结构面发育情况。
关于岩层发育情况：包括掌子面附近岩层的岩性、岩层的走向、倾向和倾角等参数，采用专家打分法对这些参数进行一个综合打分，代入后续的预测模型中。
利用层次分析法对这些风险指标中每个指标对突涌水灾害发生的重要性进行排序，获取每个指标的权重值，这些风险指标可通过上述手段获取。
依据隧洞历史风险指标数据，构建突涌水风险预测数据集，基于logistic回归方法对突涌水风险预测数据集进行预测，具体的，将构建的突涌水风险预测数据集划分为训练集和测试集，其中数据集中80%的数据作为训练集，20%的数据作为测试集，对训练集中的样本进行建模，以此得出相应的模型参数，随后在测试集上运用这些参数，以便评价模型的有效性，最后剔除相关性不大的特征数据，重新建模预测，以便得出较优的模型参数，最终用训练得出的基于logistic回归的隧道突涌水风险预测模型对隧洞突涌水风险进行预测，其预测结果是介于0和1之间的概率值，代表隧洞发生突涌水灾害的可能性。
（1）
（2）
上式中，是自变量因素数据值，包括风险评价指标体系中的各个评价指标，其中定量指标数值直接获取，定性指标数值由专家打分获取，W是因变量，其值域为（/>），是常数项，/>（i=0，1，2,/>，n）是回归系数，该模型中的回归系数通常通过最大似然估计(MLE) 方法进行估算，此方法通过多次迭代测试不同的/>值，从而优化对数几率的最佳拟合，所有这些迭代都会产生对数似然函数，逻辑回归会试图最大化该函数，从而找到最佳参数估计值。
（i=1，2,/>，n）表示自变量因素数据值，/>（i=0，1，2,/>，n）表示各自变量因素对应的权重值，不同的权重/>反映了自变量对因变量不同的贡献程度，线性回归若线性条件不符合，可以对x进行转换，以满足线性回归的要求，因此对待求解系统进行了logit转换，如式1所示，P的值域为（0,1），输出的P值代表的是给定风险评价指标x条件下，隧洞发生突涌水的概率。将隧洞发生突涌水的概率分为四个区段：（0.85，1），（0.65，0.85），（0.4，0.65），（0，0.4）。
在本实施例子中，待求解系统具体指的是公式2，在逻辑回归中，是将公式2线性回归的结果（-∞，∞）映射到（0，1）中，即为logit转换。
考虑各种超前地质预报方法的预报范围，为确保每次风险评价的效果，每次风险评价的范围为掌子面前方30米，对这30米范围内每10米划分一个风险等级。将隧洞发生突涌水灾害的风险等级按照突涌水发生的概率从高到低分为四级，Ⅰ级，Ⅱ级，Ⅲ级，Ⅳ级。
步骤四：在风险等级较高的区段，在现场采取引排、注浆封堵等手段对突涌水灾害进行预防治理，处理结束后，采用CT成像方法，获取隧道掌子面前方地层信息和不良地质体分布情况，然后利用超前钻孔方法取样测试，对注浆后岩体完整性、连续性、坚固性等结果进行评价，确保隧洞能够顺利掘进。
本发明技术方案整个风险评价的过程贯穿工程设计阶段、施工阶段和灾害治理阶段。设计阶段进行类比和地质分析对隧洞轴线上的不良地质条件进行分类，结合地质分析推断隧洞轴线上不良地质的区域，借助地下水模拟软件（例如可以包括MODFLOW、FEFLOW、GMS等）进行数值模拟，对模拟区域进行一个宏观的风险分级，初步确定需要开展超前预报的段落。在施工阶段，构建风险评价指标体系，利用层次分析法确定各风险指标权重，借助超前地质预报等手段获取相关风险指标信息，利用一种基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级，根据确定的风险等级指导现场施工。在灾害治理阶段，对治理后隧洞风险情况进行评价，确保隧洞顺利掘进。
基于困难地层地质条件复杂，本方案中对不良地质进行分类，在不良地质赋存区域进行风险预测。
实施例二
本实施例的目的是提供一种计算机装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述方法的步骤。
实施例四
本实施例的目的是提供多阶段隧洞穿越困难地层突涌水灾害风险预测系统，包括：
信息获取模块，被配置为：获取隧址区一定范围内的水文地质信息、工程地质信息；
数值模拟模块，被配置为：结合隧洞走向建立模拟区内的水文地质模型，进行数值模拟获取模拟区域渗流场分布；
对模拟区域进行宏观的风险分级，初步确定需要开展超前预报的段落；
风险评价指标建立模块，被配置为：在施工开挖阶段，基于风险分级，结合已开挖洞段的地质信息，确定选用的超前地质预报方法，建立基于超前地质预报信息的风险评价指标体系；
风险等级预测模块，被配置为：基于建立的风险评价指标体系，进行风险等级划分，利用基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
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 (10)
1.多阶段隧洞穿越困难地层突涌水灾害风险预测方法，其特征是，包括：
获取隧址区一定范围内的水文地质信息、工程地质信息；
结合隧洞走向建立模拟区内的水文地质模型，进行数值模拟获取模拟区域渗流场分布；
对模拟区域进行宏观的风险分级，初步确定需要开展超前预报的段落；
在施工开挖阶段，基于风险分级，结合已开挖洞段的地质信息，确定选用的超前地质预报方法，建立基于超前地质预报信息的风险评价指标体系；
基于建立的风险评价指标体系，进行风险等级划分，利用基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级。
2.如权利要求1所述的多阶段隧洞穿越困难地层突涌水灾害风险预测方法，其特征是，获取隧址区一定范围内的水文地质信息、工程地质信息之前还包括：
对隧洞轴线上的不良地质条件进行分类，推断隧洞轴线上不良地质的区域；
针对隧洞轴线上不良地质的区域，获取隧址区一定范围内的水文地质信息、工程地质信息。
3.如权利要求1所述的多阶段隧洞穿越困难地层突涌水灾害风险预测方法，其特征是，基于超前地质预报信息的风险评价指标体系中，风险评价指标分为围岩特性、隧洞参数以及地下水发育情况三个大方面，具体包括：岩性参数、岩层发育情况、隧洞埋深、隧洞半径、隧洞开挖方式、含水体位置、形态、涌水量、隧洞内水压指标；
其中，岩性参数通过地震波法获得；
岩层发育情况由隧道掌子面素描获取；
隧洞埋深、隧洞半径、隧洞开挖方式由设计资料获得；
通过激发极化法反演获取掌子面前方含水体的位置及形态；
基于激发极化弛豫时间与渗透系数的关系，获取渗透系数分布进而进行渗透系数反演，最终实现涌水量预测；
隧洞内水压通过钻杆装载水压传感器的钻机钻孔过程测量得到。
4.如权利要求1所述的多阶段隧洞穿越困难地层突涌水灾害风险预测方法，其特征是，利用基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级：
（1）
（2）
上式中是自变量，包括风险评价指标体系中的各个评价指标，W是因变量，其值域为（），/>是常数项，/>是回归系数，/>表示各自变量因素对应的权重值，i=0，1，2,/>，n。
5.如权利要求1所述的多阶段隧洞穿越困难地层突涌水灾害风险预测方法，其特征是，基于logistic回归的隧道突涌水风险预测模型中的回归系数通过最大似然估计方法进行估算，此方法通过多次迭代测试不同的值，从而优化对数几率的最佳拟合，所有这些迭代都会产生对数似然函数，逻辑回归会试图最大化该函数，从而找到最佳参数估计值。
6.如权利要求1所述的多阶段隧洞穿越困难地层突涌水灾害风险预测方法，其特征是，基于logistic回归的隧道突涌水风险预测模型中线性回归若线性条件不符合，对x进行转换，以满足线性回归的要求，对求解系统进行了logit转换。
7.如权利要求1所述的多阶段隧洞穿越困难地层突涌水灾害风险预测方法，其特征是，P的值域为（0，1），输出的P值代表的是给定风险评价指标x条件下，隧洞发生突涌水的概率。
8.多阶段隧洞穿越困难地层突涌水灾害风险预测系统，其特征是，包括：
信息获取模块，被配置为：获取隧址区一定范围内的水文地质信息、工程地质信息；
数值模拟模块，被配置为：结合隧洞走向建立模拟区内的水文地质模型，进行数值模拟获取模拟区域渗流场分布；
对模拟区域进行宏观的风险分级，初步确定需要开展超前预报的段落；
风险评价指标建立模块，被配置为：在施工开挖阶段，基于风险分级，结合已开挖洞段的地质信息，确定选用的超前地质预报方法，建立基于超前地质预报信息的风险评价指标体系；
风险等级预测模块，被配置为：基于建立的风险评价指标体系，进行风险等级划分，利用基于logistic回归的隧道突涌水风险预测模型确定隧洞突涌水灾害的风险等级。
9.一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行上述权利要求1-7任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410171478.4A CN117726182A (zh) | 2024-02-07 | 2024-02-07 | 多阶段隧洞穿越困难地层突涌水灾害风险预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410171478.4A CN117726182A (zh) | 2024-02-07 | 2024-02-07 | 多阶段隧洞穿越困难地层突涌水灾害风险预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117726182A true CN117726182A (zh) | 2024-03-19 |
Family
ID=90205639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410171478.4A Pending CN117726182A (zh) | 2024-02-07 | 2024-02-07 | 多阶段隧洞穿越困难地层突涌水灾害风险预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117726182A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107367772A (zh) * | 2017-08-29 | 2017-11-21 | 西南石油大学 | 一种预测隧道前方不良地质的超前预报方法 |
| CN107609741A (zh) * | 2017-08-14 | 2018-01-19 | 中铁二十局集团有限公司 | 一种隧道施工地质灾害预警方法及系统 |
| CN110210121A (zh) * | 2019-05-31 | 2019-09-06 | 成都理工大学 | 一种隧道大变形灾害的动态风险获取方法 |
| 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 |
| CN112100727A (zh) * | 2020-09-23 | 2020-12-18 | 西安理工大学 | 一种断层破碎带影响下的富水隧道突水的预警防控方法 |
| CN112177617A (zh) * | 2020-09-25 | 2021-01-05 | 中铁二十局集团有限公司 | 高压富水断层隧道施工超前地质预报预测方法及系统 |
| CN116243401A (zh) * | 2022-12-01 | 2023-06-09 | 山东大学 | 一种海底隧道突涌水灾害多元信息监测方法及系统 |
| CN116468282A (zh) * | 2023-04-28 | 2023-07-21 | 青岛理工大学 | 一种隧道突涌水风险等级评估方法 |
| CN116934078A (zh) * | 2023-07-03 | 2023-10-24 | 西安理工大学 | 隧洞/道施工期突涌水灾害渐进式评估方法 |
-
2024
- 2024-02-07 CN CN202410171478.4A patent/CN117726182A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609741A (zh) * | 2017-08-14 | 2018-01-19 | 中铁二十局集团有限公司 | 一种隧道施工地质灾害预警方法及系统 |
| CN107367772A (zh) * | 2017-08-29 | 2017-11-21 | 西南石油大学 | 一种预测隧道前方不良地质的超前预报方法 |
| CN110210121A (zh) * | 2019-05-31 | 2019-09-06 | 成都理工大学 | 一种隧道大变形灾害的动态风险获取方法 |
| 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 |
| CN112100727A (zh) * | 2020-09-23 | 2020-12-18 | 西安理工大学 | 一种断层破碎带影响下的富水隧道突水的预警防控方法 |
| CN112177617A (zh) * | 2020-09-25 | 2021-01-05 | 中铁二十局集团有限公司 | 高压富水断层隧道施工超前地质预报预测方法及系统 |
| CN116243401A (zh) * | 2022-12-01 | 2023-06-09 | 山东大学 | 一种海底隧道突涌水灾害多元信息监测方法及系统 |
| CN116468282A (zh) * | 2023-04-28 | 2023-07-21 | 青岛理工大学 | 一种隧道突涌水风险等级评估方法 |
| CN116934078A (zh) * | 2023-07-03 | 2023-10-24 | 西安理工大学 | 隧洞/道施工期突涌水灾害渐进式评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王创业: "含断层构造工作面底板突水的 Logistic 概率预测研究", 《现代矿业》, no. 4, 30 April 2017 (2017-04-30), pages 194 - 196 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102373923B (zh) | 一种储层识别方法 | |
| CN110795878B (zh) | 一种隧道涌水量预测方法 | |
| US8868390B2 (en) | Method of developing a petroleum reservoir from a flow model calibrated through pressure and saturation map scaling | |
| US11099289B2 (en) | Multivariate analysis of seismic data, microseismic data, and petrophysical properties in fracture modeling | |
| US20230384470A1 (en) | Method for three-dimensional velocity geological modeling with structures and velocities randomly arranged | |
| CN107895092A (zh) | 一种基于复杂非线性注采建模的井间连通定量评价方法 | |
| Elahi* et al. | Characterization of fracture length and conductivity from tracer test and production data with Ensemble Kalman filter | |
| RU2565325C2 (ru) | Моделирование геологического процесса | |
| CN115688251A (zh) | 基于深度学习的地震多发区隧道风险决策方法及系统 | |
| CN114357750A (zh) | 一种采空区充水状态评估方法 | |
| Liu et al. | Automatic history matching of multistage fractured shale gas reservoir constrained by microseismic data | |
| CN117035418A (zh) | 基于多源数据融合的隧道施工综合风险评价方法、装置 | |
| Sarkheil et al. | The fracture network modeling in naturally fractured reservoirs using artificial neural network based on image loges and core measurements | |
| CN111751878A (zh) | 横波速度的预测方法和装置 | |
| CN117726182A (zh) | 多阶段隧洞穿越困难地层突涌水灾害风险预测方法及系统 | |
| CN115640996A (zh) | 一种富水复杂地层隧道突涌水灾害的评估方法 | |
| CN115826059A (zh) | 一种瞬变电磁快速超前预测方法 | |
| Song et al. | Using Bayesian network and Intuitionistic fuzzy Analytic Hierarchy Process to assess the risk of water inrush from fault in subsea tunnel | |
| CN112100796B (zh) | 防止页岩气井中套管受损的钻井轨迹确定方法及装置 | |
| Niu et al. | An intelligent prediction method of the karst curtain grouting volume based on support vector machine | |
| He et al. | Gaussian process model of surrounding rock classification based on digital characterization of rock mass structure and its application | |
| CN110687591A (zh) | 基于先验数据的波形匹配确定煤层及围岩物性参数的方法 | |
| CN117711140A (zh) | 基于多源数据融合的隧洞突水灾害定时预警方法及系统 | |
| Zhong et al. | Intelligent advanced geological prediction model of tunnel based on wavelet neural network | |
| CN113888384B (zh) | 一种滑坡灾害空间分布特征的分析方法及系统 |
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 |