融合岩体分类与云模型增强建模的隧道开挖变形风险预测智能框架

《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》:An intelligent framework for predicting excavation deformation risk in tunnels incorporating rockmass classification and cloud-model-enhanced modeling

【字体: 大 中 小 】 时间:2026年09月30日 来源:TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY 8.7

编辑推荐:

   摘要智能钻爆隧道施工是隧道工程的关键方向。传统决策模式依赖前期地质勘察和经验判断,因此无法对围岩变形风险进行定量评估。此外,这些模式在快速获取地质信息的技术手段方面存在不足,也难以借助有限元方法和人工智能算法实现高效分析和动态决策。本文提出了一种计算高效的智能框架,将岩体分级

  

摘要

智能钻爆隧道施工是隧道工程的关键方向。传统决策模式依赖前期地质勘察和经验判断,因此无法对围岩变形风险进行定量评估。此外,这些模式在快速获取地质信息的技术手段方面存在不足,也难以借助有限元方法和人工智能算法实现高效分析和动态决策。本文提出了一种计算高效的智能框架,将岩体分级与云模型增强推理相结合。在此基础上,通过引入不确定性分析方法,成功建立了一条自动化计算路径。该框架包含三个模块:(i) 基于钻孔测量数据的机器学习分类器,用于岩体分区;(ii) 由NUMBA加速的云模型-高斯推理引擎,用于快速参数估计;以及(iii) 基于变形的风险预测模型。隧道工程案例研究验证了该框架的有效性。所提出的钻爆参数分解方法在岩体分级中实现了87.98%的准确率。基于云模型的不确定性分析过程实现了从稀疏钻孔到两倍隧道直径范围的精细插值,并与Numba计算相结合后,多参数场的生成速度提高了十倍以上。此外,基于SE-CNN的XGBoost模型在变形预测中达到了94.5%的准确率。通过建立岩体信息与变形预测之间的联系,该技术框架增强了隧道施工中变形评估和风险预测的可靠性。

引言

随着现代交通基础设施建设技术的发展,对由机械化和智能化驱动的智能施工体系提出了更高要求(He等,2025,Hu等,2026,Sheil等,2026,Wu等,2024)。钻爆隧道传统施工流程的关键步骤包括钻孔、爆破和支护(Pan等,2023)。随着设备水平和工程信息化程度的提高,如何有效利用施工过程中获取的多源信息(Gao等,2024,Saksala,2020)已成为实现智能施工技术的共性问题(Shi等,2026,Wong等,2026)。因此,准确分析利用钻爆隧道获取的钻孔信息并有效评估变形状态至关重要。
在钻孔信息的分析与应用方面,岩石钻机因其高钻孔效率已成为钻爆开挖法隧道施工过程中钻孔作业的主流设备。近年来,随着智能岩石钻机的迭代升级,钻孔过程中相关参数的研究也日益深入,从参数自动采集、钻孔角度偏差和自动钻孔预测等方面提供了宝贵的研究经验,为提高掌子面岩体分级的精度提供了多种方法。从岩体变形和支护设计的角度来看,工程变形和失稳风险是研究的焦点(Feng等,2024,Zhou等,2018a)。结合案例研究和数值模拟,已对非对称变形的力学机制及相应对策进行了研究(Chen等,2023,Yao等,2026)。借鉴岩体稳定性理论,随后引入了先固定后支护、倾斜锚杆等新型支护理念,丰富了结构支护设计的方案。在此基础上,进一步的学术工作涵盖了缩尺模型试验、复杂的计算建模和理论分析,为结构稳定性和非对称支护设计提供了多种创新视角和局部优化策略。
在连接钻孔信息与变形状态的技术链条中,掌子面观测条件是决定围岩级别和相应支护设计的主要因素(Ma等,2025,Wang等,2024,Huang等,2024)。此处关键环节在于掌子面围岩的分类。传统围岩分级标准可采用RMR、Q系统、[BQ]等方法进行分类(Oh等,2004,Zhou等,2022)。这些方法通过半定量和定性方法对围岩状态进行分类。以[BQ]分级方法为例,它包括岩石硬度、风化程度、完整程度、地下水状态、结构面产状和原岩应力状态等关键因素。岩体分级理论为工程中的不确定性分类提供了标准,可以解决工程中岩体的分类和分级问题。为进一步将岩体级别与物理力学参数相结合并增强地质信息的利用,钻机参数已成为解释岩体的一种手段(Li等,2017)。在钻入岩体的过程中,学者们分析了岩体的破坏准则,研究了钻进过程中切割岩体和进行钻孔分析所用的理论模型(Alzubaidi等,2021,Wang等,2025)。在此基础上,建立了钻爆参数与围岩强度之间的相关性公式(Wang等,2021,Yue等,2025)。此外,将采集的钻孔数据输入机器学习模型,也提出了隧道围岩完整性智能评价方法(You等,2025,Zhao等,2024)。尽管在岩体识别领域已有对参数和级别进行智能预测的相关研究。然而,这种定性分级标准和定制化预测方法在一定程度上受到多个常数人工判断和地质条件的限制。在工程应用中,这无法实现与精细化变形状态和支护设计要求的快速高效匹配(Terron-Almenara等,2025,Zhou等,2026)。
钻孔数据在空间上本质上是稀疏的,这对估计岩体的力学和地质特性构成了基本挑战。为解决这一问题,包括反距离加权、样条函数和克里金在内的经典空间插值方法已被广泛用于不同区域的参数估计和权重分配(Lu和Wong,2008,Marinoni,2003,Qi等,2022)。然而,这些方法主要依赖几何距离或空间相关性,并未明确考虑多个岩体参数之间的复杂相互依赖关系。鉴于这一局限性,最近的研究转向了表征岩土材料中的固有不确定性(Gong等,2025,Lu等,2025,Madsen等,2022)。Bao等通过联合分布建模探索了岩土参数之间的多变量依赖结构,随后建立了隧道开挖区间的质量评估框架(Bao等,2025)。类似地,Xia等将土体不确定性纳入参数化有限元数据集,并开发了用于交互式隧道布局设计的代理模型(Xia等,2025)。这些工作标志着从纯粹的空间插值向更全面地处理参数不确定性的进展。
除参数不确定性外,另一个关键挑战在于弥合定性岩体分类与定量风险分析之间的鸿沟(Cui等,2022,Dardashti等,2026,Shen等,2025,Zhou等,2018b)。这是隧道工程智能决策中的根本问题。Atangana Njock等使用模糊逻辑模型扩展了施工环境的不确定性空间,整合关键开挖步骤的专家评估以量化风险水平(Atangana Njock等,2024)。Zhang等提出了一种基于Dempster-Shafer证据的特征提取方法并结合因果推理,实现了大规模隧道点云的高效分割(Zhang等,2023)。近年来,利用云模型或数字孪生技术对多源地质数据进行动态分析等方法也得到了逐渐应用(Wu和Zhou,2023,Wu等,2026,Zhu等,2021)。这些研究共同表明,融合多源信息并妥善应对偶然不确定性和认知不确定性对于稳健的隧道风险评估至关重要,这一共识正日益增长(Askaripour等,2022)。
尽管取得了这些进展,但一个能够自动化数据流并支持闭环决策的完整技术框架仍然明显缺失。现有方案存在两个相互关联的瓶颈:繁琐的数据采集程序和分析输出与可操作决策之间的持续脱节。弥合这一鸿沟需要一个端到端的连贯流程,将岩体分类与变形预后整合在一起。

章节摘要

多变量波动模式分解

钻孔测量数据量巨大,且包含大量无效信息(Park和Kim,2020,van Eldert等,2020)。如果直接使用原始统计数据对岩体进行分类,由于不同物理过程的叠加,容易导致特征失真和识别错误。因此,需要一种高效简洁的数据分解方法来处理围岩级别的变化。下文将对此进行详细介绍。

工程背景

如图5所示,本研究基于中国浙江省一龙庆高速公路项目开展。隧道段主要位于低山和丘陵地带。隧道主要穿越丘陵斜坡,岩体特征主要由白垩系大双组灰白色凝灰岩和沉积凝灰岩组成。岩体呈凝灰结构、块状构造,整体完整性较好。根据统计

结论

本研究基于中国浙江省的一条高速公路隧道项目。在该项目中,采用了一种改进的特征分解方法,提取不同围岩级别下钻爆参数的代表性特征。建立了一种适用于钻爆隧道的围岩智能分类模型。在此基础上,根据Cloud-SGS模型算法进行快速精细化建模,生成了大规模数值模拟数据库。

作者贡献声明

姚仁杰:撰写——初稿、方法论、调查研究、形式分析、概念构思。何川:撰写——审阅与编辑、监督、项目管理、概念构思。陈子权:验证、监督、软件、方法论、形式分析、概念构思。王波:验证、资源、调查研究、获取资助、数据管理。

利益冲突声明

作者声明不存在任何已知的竞争性财务利益或个人关系,这些利益或关系可能影响本文所报告的工作。

致谢

本研究得到了国家重点研发计划(编号:2024YFF0507901)、国家自然科学基金(编号:52441801和52378415)的资助。
姚仁杰|何川|陈子权|王波
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号