CN117849312A - 一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法 - Google Patents

一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法 Download PDF

Info

Publication number
CN117849312A
CN117849312A CN202410010077.0A CN202410010077A CN117849312A CN 117849312 A CN117849312 A CN 117849312A CN 202410010077 A CN202410010077 A CN 202410010077A CN 117849312 A CN117849312 A CN 117849312A
Authority
CN
China
Prior art keywords
tunnel
static
parameters
modulus
dynamic
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
Application number
CN202410010077.0A
Other languages
English (en)
Other versions
CN117849312B (zh
Inventor
孙超
刘盛东
章俊
罗金辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Deep Earth Science And Engineering Yunlong Lake Laboratory
Original Assignee
Deep Earth Science And Engineering Yunlong Lake Laboratory
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Deep Earth Science And Engineering Yunlong Lake Laboratory filed Critical Deep Earth Science And Engineering Yunlong Lake Laboratory
Priority to CN202410010077.0A priority Critical patent/CN117849312B/zh
Publication of CN117849312A publication Critical patent/CN117849312A/zh
Application granted granted Critical
Publication of CN117849312B publication Critical patent/CN117849312B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/02—Devices for withdrawing samples
    • G01N1/04—Devices for withdrawing samples in the solid state, e.g. by cutting
    • G01N1/08—Devices for withdrawing samples in the solid state, e.g. by cutting involving an extracting tool, e.g. core bit
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/303—Analysis for determining velocity profiles or travel times
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • 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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0058—Kind of property studied
    • G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
    • G01N2203/0075—Strain-stress relations or elastic constants
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0232—Glass, ceramics, concrete or stone
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/02827—Elastic parameters, strength or force
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Geology (AREA)
  • Theoretical Computer Science (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Geometry (AREA)
  • Geophysics (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明属于地质灾害模拟与预测技术领域，具体涉及一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，包括步骤：S1、获取样本：对隧道挖掘区域上方确定目标区域，进行分级取样；S2、基于岩石物理技术的动态弹性参数测量：利用超声波探测法测量样本的纵横波速度，并计算对应的动态杨氏模量和泊松比参数；S3、基于岩石物理技术的静态弹性参数测量：利用应力‑应变曲线测量样本的静态杨氏模量、泊松比参数；S4、动静态杨氏模量参数曲线拟合：通过拟合测量所得的动态弹性参数和静态弹性参数测量数据。本发明缩小建模参数与实际参数存的差距，从而建立一个合适的预测隧道挖掘后塌陷区的方法，便于了解挖掘后塌陷区特征。

Description

一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法
技术领域
本发明属于地质灾害模拟与预测技术领域，具体涉及一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法。
背景技术
挖掘隧道，是目前工程领域常见的工作。尤其近几年，企业均投入了大量的金钱、物力对隧道挖掘，以方便地铁搭建。然而，隧道挖掘后，地表塌陷时有发生，容易造成人员伤亡和财产损失，需要积极构建模型进行预测。
当前技术多是对塌陷区的特征进行观测，很少从根本上对塌陷区进行预测，从而有效避免塌陷区的发生。
现在对隧道塌陷区在建模参数采集方面，传统思路直接在实验室测量，这种策略的预测尺度与实验尺度差距很大，导致建模参数与实际参数存在很大差距。因此，建立一个合适的预测隧道挖掘后塌陷区的方法，对于了解挖掘后塌陷区特征，避免其产生的负面影响具有重要意义。
发明内容
本发明的目的是提供一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，能够缩小建模参数与实际参数存的差距，从而建立一个合适的预测隧道挖掘后塌陷区的方法，便于了解挖掘后塌陷区特征。
本发明采取的技术方案具体如下：
一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，包括步骤：
S1、获取样本：对隧道挖掘区域上方确定目标区域，进行分级取样；
S2、基于岩石物理技术的动态弹性参数测量：利用超声波探测法测量样本的纵横波速度，并计算对应的动态杨氏模量和泊松比参数；
S3、基于岩石物理技术的静态弹性参数测量：利用应力-应变曲线测量样本的静态杨氏模量、泊松比参数；
S4、动静态杨氏模量参数曲线拟合：通过拟合测量所得的动态弹性参数和静态弹性参数测量数据，获得动静态杨氏模量之间的关系；
本发明针对传统方法中采集模拟参数的弊端，通过动静态弹性参数转换关系，将大尺度地震反演结果转换为力学参数结果，从而实现对现场尺度力学参数的获取，缩小建模参数与实际参数存的差距，从而建立一个合适的预测隧道挖掘后塌陷区的方法，便于了解挖掘后塌陷区特征；
S5、杨氏模量和泊松比的反演：利用地震勘探属性反演技术，获得隧道上层岩石区域的杨氏模量和泊松比的反演结果；
S6、构建模型：在实验室岩石物理实验仿真软件中，假设目标区域土层长为L，高为H的长方形模型，土层左边界上构造隧道；该隧道上方为半圆，其半径是R；该隧道下方是正方形区域，其边长是R；
其中，模型区域选用线弹性材料，其具有塑弹性，其应力屈服标准符合Drucker-Prager模型；
S7、边界条件：设定土层下边界为固定边界条件，地表为自由边界条件，土层左边为对称边界条件，右边为辊边界条件，且二者相同，均为u·n＝0；
其中u代表横向位移，n为法向；
采用的对称边界条件和辊边界条件来减少计算工作量，提升计算速度；通过将塑弹性特征加入到弹性应变中，模拟土壤在重力作用下产生地表塌陷的过程，获得精准预测；
S8、网格剖分：采用三角网格剖分长方形模型，隧道位置自适应加密网格；
S9、土壤材料设置：基于动静态杨氏模量之间的关系，将地震勘探反演获得的杨氏模量、泊松比参数转换为静态杨氏模量和泊松比参数；
S10、控制方程：建立应力-应变方程，控制隧道对应地表受重力作用发生塌陷的过程；
S11、求解：使用MUMPS方法作为直接求解器，并使用全耦合方法获得最终解，即应力张量S，应变张量ε。
所述步骤S1中，分级取样的具体步骤如下：
M1：从隧道挖掘区域的入口开始，首先沿隧道以20米选定第一目标区域，通过钻机获取岩芯作为样本；
M2：对取下的样本检测硬度，以莫氏硬度1对应20米间隔为基准，每增加1硬度，就增大1米的间隔，来选定后续目标区域，继续取样；
M3：整个隧道取样完毕，样本全部送到实验室。
所述步骤S4中动静态杨氏模量之间的关系为线性关系。
所述地震勘探属性反演技术包括步骤：
N1、数据采集：在隧道上层岩石区域人工激发地震波，使用地震勘探仪器采集地震波数据；
N2、数据处理：对采集到的地震波数据进行预处理和增益补偿等操作，提高数据的质量和分辨率；
N3、属性提取：利用计算机软件对处理后的数据进行各种分析和处理；
N4、反演成像：根据提取出的属性参数，利用反演算法和成像技术，获得目标区域弹性参数。
所述步骤S5中假设区域弹性参数均匀。
所述步骤S7中加载对称边界条件和辊边界条件，并在整个区域的外力设置为重力。
所述步骤S9中结合动静态转换关系，获得静态杨氏模量为5GPa，泊松比为0.35。
所述应力-应变方程为：
其中，S＝C∶ε，S是应力张量，C是刚度矩阵，∶是张量运算符，ε是应变张量；
其通过位移矢量u计算，即：
其中，是位移矢量的梯度，/>是位移矢量梯度的转置，εpl是与黏聚力c和摩擦角φ相关的应变，FV是重力。
所述MUMPS方法的步骤如下：
Q1：对静态杨氏模量和泊松比参数系数矩阵进行分解，将其分解为若干个小的稀疏矩阵块；
Q2：对每个稀疏矩阵块进行适当的预处理操作，以提高迭代收敛速度；
Q3：迭代求解每个稀疏矩阵块对应的线性方程组，逐步逼近原方程组的解；
Q4：重复步骤Q3，直到达到预设的迭代精度或迭代次数。
本发明取得的技术效果为：
本发明的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，针对传统方法中采集模拟参数的弊端，通过动静态弹性参数转换关系，将大尺度地震反演结果转换为力学参数结果，从而实现对现场尺度力学参数的获取，缩小建模参数与实际参数存的差距，从而建立一个合适的预测隧道挖掘后塌陷区的方法，便于了解挖掘后塌陷区特征。
本发明的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，采用的对称边界条件和辊边界条件来减少计算工作量，提升计算速度；通过将塑弹性特征加入到弹性应变中，模拟土壤在重力作用下产生地表塌陷的过程，获得精准预测。
本发明的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法根据目标区域硬度的不同，硬度较大的部分支撑地面强度较强，而硬度较小的部分支撑地面强度较弱，更容易发生塌陷，适应性更改取样间距，缩小取样工作量。
本发明的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，使用MUMPS方法，直到达到预设的迭代精度或迭代次数，优化预测的准确度。
附图说明
图1是本发明的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法的流程图；
图2是本发明的目标区域岩石样本的主视图；
图3是本发明的动静态杨氏模量关系的示意图；
图4是本发明的隧道模型的示意图；
图5是本发明的隧道模型网格剖分结果的示意图；
图6是本发明的隧道挖掘前应力状态的示意图；
图7是本发明的隧道挖掘后应力状态的示意图；
图8是本发明的隧道挖掘后地表横向位移特质的示意图；
图9是本发明的隧道挖掘后地表垂向位移特质的示意图；
图10是本发明的分级取样的流程图；
图11是本发明的地震勘探属性反演技术的流程图；
图12是本发明的MUMPS方法的流程图。
具体实施方式
为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行具体说明。应当理解，以下文字仅仅用以描述本发明的一种或几种具体的实施方式，并不对本发明具体请求的保护范围进行严格限定。
如图1-12所示，一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，包括步骤：
S1、获取样本：对隧道挖掘区域上方确定目标区域，如图2所示，进行分级取样；
其中，如图10，分级取样的具体步骤如下：
1)从隧道挖掘区域的入口开始，首先沿隧道以20米选定第一目标区域，通过钻机获取岩芯作为样本；
其中，可选用从市面购买的JDL-350型号水气两用钻机，进行取芯钻进；
2)对取下的样本检测硬度，以莫氏硬度1对应20米间隔为基准，每增加1硬度，就增大1米的间隔，来选定后续目标区域，继续取样，根据目标区域硬度的不同，硬度较大的部分支撑地面强度较强，而硬度较小的部分支撑地面强度较弱，更容易发生塌陷，适应性更改取样间距，缩小取样工作量；
3)整个隧道取样完毕，样本全部送到实验室；
S2、基于岩石物理技术的动态弹性参数测量：利用超声波探测法测量样本的纵横波速度，并计算对应的动态杨氏模量和泊松比参数；
S3、基于岩石物理技术的静态弹性参数测量：利用应力-应变曲线测量样本的静态杨氏模量、泊松比参数，对目标区域岩石利用应力应变关系计算力学静态弹性参数，如图3所示，动静态杨氏模量之间的关系为线性关系，动态弹性参数和静态弹性参数对比如图3所示；
S4、动静态杨氏模量参数曲线拟合：通过拟合测量所得的动态弹性参数和静态弹性参数测量数据，获得动静态杨氏模量之间的关系，如图3所示，为线性关系；
本发明针对传统方法中采集模拟参数的弊端，通过动静态弹性参数转换关系，将大尺度地震反演结果转换为力学参数结果，从而实现对现场尺度力学参数的获取，缩小建模参数与实际参数存的差距，从而建立一个合适的预测隧道挖掘后塌陷区的方法，便于了解挖掘后塌陷区特征；
S5、杨氏模量和泊松比的反演：利用地震勘探属性反演技术，获得隧道上层岩石区域的杨氏模量和泊松比的反演结果，为方便预测，本案例中假设区域弹性参数均匀；
其中，如图11，地震勘探属性反演技术包括步骤：
N1、数据采集：在隧道上层岩石区域人工激发地震波，使用地震勘探仪器采集地震波数据；
N2、数据处理：对采集到的地震波数据进行预处理和增益补偿等操作，提高数据的质量和分辨率；
N3、属性提取：利用计算机软件对处理后的数据进行各种分析和处理；
N4、反演成像：根据提取出的属性参数，利用反演算法和成像技术，获得目标区域弹性参数；
S6、构建模型：在实验室岩石物理实验仿真软件中，假设目标区域土层长为L，高为H的长方形模型，土层左边界上构造隧道；该隧道上方为半圆，其半径是R；该隧道下方是正方形区域，其边长是R；
其中，模型区域选用线弹性材料，其具有塑弹性，其应力屈服标准符合Drucker-Prager模型，并设定屈服特性中黏聚力为c和摩擦角为φ，匹配Mohr-Coulomb屈服模型，如图4所示，其中L＝90米，H＝45米，R＝5米，黏聚力c＝130e3Pa和摩擦角φ＝30度；
S7、边界条件：设定土层下边界为固定边界条件，地表为自由边界条件，土层左边为对称边界条件，右边为辊边界条件，且二者相同，均为u·n＝0；
其中u代表横向位移，n为法向，加载对称边界条件和辊边界条件，并在整个区域内设置重力；
采用的对称边界条件和辊边界条件来减少计算工作量，提升计算速度；通过将塑弹性特征加入到弹性应变中，模拟土壤在重力作用下产生地表塌陷的过程，获得精准预测；
S8、网格剖分：构建网格，如图5所示，采用三角网格剖分长方形模型，隧道位置自适应加密网格；
S9、土壤材料设置：基于动静态杨氏模量之间的关系，将地震勘探反演获得的杨氏模量、泊松比参数转换为静态杨氏模量和泊松比参数，结合动静态转换关系，获得静态杨氏模量为5GPa，泊松比为0.35；
S10、控制方程：建立应力-应变方程，控制隧道对应地表受重力作用发生塌陷的过程，加载建立应力-应变方程；
其中，应力-应变方程为：
其中，S＝C∶ε，S是应力张量，C是刚度矩阵，∶是张量运算符，ε是应变张量；
其通过位移矢量u计算，即：
其中，是位移矢量的梯度，/>是位移矢量梯度的转置，εpl是与黏聚力c和摩擦角φ相关的应变，FV是重力；
S11、求解：使用MUMPS方法作为直接求解器，并使用全耦合方法获得最终解，即应力张量S，应变张量ε；全耦合方法的基本思想是将所有的变量都视为相互关联的，然后通过求解一组方程来确定它们之间的关系，这组方程通常是非线性的；
其中，如图12，MUMPS方法的步骤如下：
Q1：对静态杨氏模量和泊松比参数系数矩阵进行分解，将其分解为若干个小的稀疏矩阵块；
Q2：对每个稀疏矩阵块进行适当的预处理操作，以提高迭代收敛速度；
Q3：迭代求解每个稀疏矩阵块对应的线性方程组，逐步逼近原方程组的解；
Q4：重复步骤Q3，直到达到预设的迭代精度或迭代次数，优化预测的准确度；
并且，图6是隧道挖掘前的应力分布状态，可以看到，随着深度增加，重力增加；图7是隧道挖掘后的应力状态，可以看到隧道周边存在异常区域；图8是隧道挖掘后地表横向位移特征，可以看到在隧道右上方15米处地表存在较大的横向位移，约为0.16毫米；图9是隧道挖掘后地表垂向位移特征，在隧道正上方，存在约0.43毫米的垂向向下的位移。综上，地表塌陷约深度约为0.43毫米，地表塌陷范围约为0.16×2＝0.32毫米。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。

Claims (9)

1.一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，其特征在于：包括步骤：
S1、获取样本：对隧道挖掘区域上方确定目标区域，进行分级取样；
S2、基于岩石物理技术的动态弹性参数测量：利用超声波探测法测量样本的纵横波速度，并计算对应的动态杨氏模量和泊松比参数；
S3、基于岩石物理技术的静态弹性参数测量：利用应力-应变曲线测量样本的静态杨氏模量、泊松比参数；
S4、动静态杨氏模量参数曲线拟合：通过拟合测量所得的动态弹性参数和静态弹性参数测量数据，获得动静态杨氏模量之间的关系；
S5、杨氏模量和泊松比的反演：利用地震勘探属性反演技术，获得隧道上层岩石区域的杨氏模量和泊松比的反演结果；
S6、构建模型：在实验室岩石物理实验仿真软件中，假设目标区域土层长为L，高为H的长方形模型，土层左边界上构造隧道；该隧道上方为半圆，其半径是R；该隧道下方是正方形区域，其边长是R；
其中，模型区域选用线弹性材料，其具有塑弹性，其应力屈服标准符合Drucker-Prager模型；
S7、边界条件：设定土层下边界为固定边界条件，地表为自由边界条件，土层左边为对称边界条件，右边为辊边界条件，且二者相同，均为u·n＝0；
其中u代表横向位移，n为法向；
S8、网格剖分：采用三角网格剖分长方形模型，隧道位置自适应加密网格；
S9、土壤材料设置：基于动静态杨氏模量之间的关系，将地震勘探反演获得的杨氏模量、泊松比参数转换为静态杨氏模量和泊松比参数；
S10、控制方程：建立应力-应变方程，控制隧道对应地表受重力作用发生塌陷的过程；
S11、求解：使用MUMPS方法作为直接求解器，并使用全耦合方法获得最终解，即应力张量S，应变张量ε。
2.根据权利要求1所述的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，其特征在于：所述步骤S1中，分级取样的具体步骤如下：
M1：从隧道挖掘区域的入口开始，首先沿隧道以20米选定第一目标区域，通过钻机获取岩芯作为样本；
M2：对取下的样本检测硬度，以莫氏硬度1对应20米间隔为基准，每增加1硬度，就增大1米的间隔，来选定后续目标区域，继续取样；
M3：整个隧道取样完毕，样本全部送到实验室。
3.根据权利要求1所述的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，其特征在于：所述步骤S4中动静态杨氏模量之间的关系为线性关系。
4.根据权利要求1所述的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，其特征在于：所述地震勘探属性反演技术包括步骤：
N1、数据采集：在隧道上层岩石区域人工激发地震波，使用地震勘探仪器采集地震波数据；
N2、数据处理：对采集到的地震波数据进行预处理和增益补偿等操作，提高数据的质量和分辨率；
N3、属性提取：利用计算机软件对处理后的数据进行各种分析和处理；
N4、反演成像：根据提取出的属性参数，利用反演算法和成像技术，获得目标区域弹性参数。
5.根据权利要求4所述的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，其特征在于：所述步骤S5中假设区域弹性参数均匀。
6.根据权利要求1所述的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，其特征在于：所述步骤S7中加载对称边界条件和辊边界条件，并在整个区域的外力设置为重力。
7.根据权利要求1所述的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，其特征在于：所述步骤S9中结合动静态转换关系，获得静态杨氏模量为5GPa，泊松比为0.35。
8.根据权利要求1所述的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，其特征在于：所述应力-应变方程为：
其中，S＝C∶ε，S是应力张量，C是刚度矩阵，∶是张量运算符，ε是应变张量；
其通过位移矢量u计算，即：
其中，是位移矢量的梯度，/>是位移矢量梯度的转置，εpl是与黏聚力c和摩擦角φ相关的应变，FV是重力。
9.根据权利要求1所述的一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法，其特征在于：所述MUMPS方法的步骤如下：
Q1：对静态杨氏模量和泊松比参数系数矩阵进行分解，将其分解为若干个小的稀疏矩阵块；
Q2：对每个稀疏矩阵块进行适当的预处理操作，以提高迭代收敛速度；
Q3：迭代求解每个稀疏矩阵块对应的线性方程组，逐步逼近原方程组的解；
Q4：重复步骤Q3，直到达到预设的迭代精度或迭代次数。
CN202410010077.0A 2024-01-04 2024-01-04 一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法 Active CN117849312B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410010077.0A CN117849312B (zh) 2024-01-04 2024-01-04 一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410010077.0A CN117849312B (zh) 2024-01-04 2024-01-04 一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法

Publications (2)

Publication Number Publication Date
CN117849312A true CN117849312A (zh) 2024-04-09
CN117849312B CN117849312B (zh) 2024-08-13

Family

ID=90543416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410010077.0A Active CN117849312B (zh) 2024-01-04 2024-01-04 一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法

Country Status (1)

Country Link
CN (1) CN117849312B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090070042A1 (en) * 2007-09-11 2009-03-12 Richard Birchwood Joint inversion of borehole acoustic radial profiles for in situ stresses as well as third-order nonlinear dynamic moduli, linear dynamic elastic moduli, and static elastic moduli in an isotropically stressed reference state
CN103267678A (zh) * 2013-04-28 2013-08-28 北京大学 一种动静态岩石力学参数同步测量方法及装置
CN104406849A (zh) * 2014-11-21 2015-03-11 中国石油天然气股份有限公司 一种储层岩石脆性的预测方法及装置
CN108536942A (zh) * 2018-03-29 2018-09-14 西南石油大学 一种软岩隧道开挖面变形计算方法
CN110187379A (zh) * 2019-05-22 2019-08-30 中铁二院工程集团有限责任公司 一种基于tsp法隧道超前地质预报效果的测试方法
US20210096277A1 (en) * 2019-09-27 2021-04-01 Chevron U.S.A.Inc. Evaluating Production Performance For A Wellbore While Accounting For Subterranean Reservoir Geomechanics And Wellbore Completion
CN116030207A (zh) * 2022-12-23 2023-04-28 中铁十五局集团有限公司 一种岩溶地质公路隧道施工综合超前三维地质建模方法
CN117233861A (zh) * 2023-09-22 2023-12-15 广西公路检测有限公司 一种隧道三维地质可视化综合预报方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090070042A1 (en) * 2007-09-11 2009-03-12 Richard Birchwood Joint inversion of borehole acoustic radial profiles for in situ stresses as well as third-order nonlinear dynamic moduli, linear dynamic elastic moduli, and static elastic moduli in an isotropically stressed reference state
CN103267678A (zh) * 2013-04-28 2013-08-28 北京大学 一种动静态岩石力学参数同步测量方法及装置
CN104406849A (zh) * 2014-11-21 2015-03-11 中国石油天然气股份有限公司 一种储层岩石脆性的预测方法及装置
CN108536942A (zh) * 2018-03-29 2018-09-14 西南石油大学 一种软岩隧道开挖面变形计算方法
CN110187379A (zh) * 2019-05-22 2019-08-30 中铁二院工程集团有限责任公司 一种基于tsp法隧道超前地质预报效果的测试方法
US20210096277A1 (en) * 2019-09-27 2021-04-01 Chevron U.S.A.Inc. Evaluating Production Performance For A Wellbore While Accounting For Subterranean Reservoir Geomechanics And Wellbore Completion
CN116030207A (zh) * 2022-12-23 2023-04-28 中铁十五局集团有限公司 一种岩溶地质公路隧道施工综合超前三维地质建模方法
CN117233861A (zh) * 2023-09-22 2023-12-15 广西公路检测有限公司 一种隧道三维地质可视化综合预报方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SRIVASTAV, A, 等: "Numerical Analysis of a Collapsed Tunnel: A case study from NW Himalaya, India", INDIAN GEOTECHNICAL JOURNAL, vol. 52, no. 01, 28 February 2022 (2022-02-28), pages 132 - 144 *
黄小城;雷德阳;谢云鹏;陈秋南;曹勇: "考虑参数共线性的地下硐室塌落风险智能预警", 应用基础与工程科学学报, vol. 30, no. 01, 26 October 2021 (2021-10-26), pages 219 - 235 *

Also Published As

Publication number Publication date
CN117849312B (zh) 2024-08-13

Similar Documents

Publication Publication Date Title
Armand et al. Fundamental aspects of the hydromechanical behaviour of Callovo-Oxfordian claystone: from experimental studies to model calibration and validation
Bao et al. Geometrical heterogeneity of the joint roughness coefficient revealed by 3D laser scanning
Rogers et al. Volumetric fracture intensity measurement for improved rock mass characterisation and fragmentation assessment in block caving operations
Gutierrez et al. Effects of fracture distribution and length scale on the equivalent continuum elastic compliance of fractured rock masses
Stavropoulou et al. A combined three-dimensional geological-geostatistical-numerical model of underground excavations in rock
Vardakos et al. Parameter identification in numerical modeling of tunneling using the Differential Evolution Genetic Algorithm (DEGA)
Exadaktylos et al. A specific upscaling theory of rock mass parameters exhibiting spatial variability: analytical relations and computational scheme
CN109740119B (zh) 一种tbm掘进隧洞围岩单轴抗压强度快速估算方法
CN116703244B (zh) 采矿沉陷区治理效果与综合评价方法
Ghorbani et al. Determination of initial stress state and rock mass deformation modulus at Lavarak HEPP by back analysis using ant colony optimization and multivariable regression analysis
CN108572401A (zh) 缝洞组合模型的构建方法及探测储层缝洞变形的方法
Alejano et al. Residual strength of granitic rocks
Ng et al. Small strain stiffness of natural granitic saprolite in Hong Kong
Losacco et al. Class A prediction of mechanised tunnelling in Rome
Saceanu et al. Fracture growth leading to mechanical spalling around deposition boreholes of an underground nuclear waste repository
Isik et al. Deformation modulus of heavily jointed–sheared and blocky greywackes by pressuremeter tests: numerical, experimental and empirical assessments
Dahrabou et al. A systematic methodology to calibrate wellbore failure models, estimate the in-situ stress tensor and evaluate wellbore cross-sectional geometry
Congro et al. Determination of fault damage zones in sandstone rocks using numerical models and statistical analyses
Schuster et al. Understanding the evolution of nuclear waste repositories by performing appropriate experiments–selected investigations at Mont Terri rock laboratory
CN117849312B (zh) 一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法
Bakker et al. Multiscale evaluation of potential damage in jetted lateral boreholes
Liu et al. Geostatistics-block-based characterization of heterogeneous rock mass and its application on ultimate pit limit optimization: a case study
Sekhavatian et al. Reliability analysis of deep excavations by RS and MCS methods: case study
Ayizula et al. Inverse analysis on compressibility of toronto clays
Lang et al. A simplified prediction method for additional stress on underlying layer of rigid pile-net composite foundation

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