Page 14 - 2024年第55卷第7期

图 １５ ２０１９年 ６月 １日岩爆事故 图 １６ 典型岩爆事件反演结果

６ 结论

本文依托引汉济渭工程，基于微震特征参数和 ＴＢＭ 施工过程的掌子面位置数据，结合卷积神经
网络方法，建立了岩爆实时预测的智能化方法，通过研究，得到如下结论：
（１）基于引汉济渭秦岭隧洞的微震监测数据及岩爆记录台账，建立了包含 ４１７１９个微震事件和
１２７７次岩爆事件的数据库，为岩爆预测智能化提供基础的数据支撑。
（ ２）提出基于微震特征参数进行岩爆实时预测的卷积神经网络方法，预测的岩爆时间分布特征与
现场基本一致，模型在整个数据集上的岩爆发生预测准确率超过 ８０％，基本达到了目前现场岩爆预测
的水平，为岩爆实时智能预测提供了有效的技术途径。
（３）经过训练，模型可以反映微震事件时刻、能量大小及分布、微震事件与掌子面相对距离等特
征参数对未来岩爆可能性的影响，初步实现了对岩爆时间的预测。模型虽未直接将岩爆等级作为输
出，但是预测值与岩爆发生次数及强度具有较好的相关性。受限于岩爆记录的样本数量，目前还无法
准确给出各个岩爆强度等级对应的风险阈值，通过深入研究，有望为岩爆的等级预测提供参考。
（ ４）由于岩爆的复杂性和随机性，受限于目前的数据量及数据质量，采用机器学习方法准确预测
岩爆时间、位置及强度等信息仍是一项极具挑战的工作。本文的训练数据主要依托于秦岭隧洞，当地
质条件改变，地应力不同，岩性存在差异，本文研究成果的适用性还有待进一步验证。随着我国水网
的不断建设，深埋长大隧洞的施工将不断丰富微震监测及岩爆的有关数据，在此基础上，结合大数据
及深度学习技术，有望真正实现岩爆的智能预测预警。

参 考 文 献：

［ １］ 钱七虎．地下工程建设安全面临的挑战与对策［Ｊ］．岩石力学与工程学报，２０１２，３１（１０）：１９４５ － １９５６．
［ ２］ 冯夏庭，肖亚勋，丰光亮，等．岩爆孕育过程研究［Ｊ］．岩石力学与工程学报，２０１９，３８（４）：６４９ － ６７３．
［ ３］ 王玉杰，李秀文，曹瑞琅，等．水工隧洞 ＴＢＭ施工适宜性围岩分类研究［Ｊ］．水利学报，２０２３，５４（７）：８８０ － ８８８．
［ ４］ ＨＯＥＫＥ，ＢＲＯＷＮＥＴ．Ｕｎｄｅｒｇｒｏｕｎｄｅｘｃａｖａｔｉｏｎｉｎｒｏｃｋ［Ｊ］．ＩｎｓｔｉｔｕｔｉｏｎｏｆＭｉｎｉｎｇ＆ Ｍｅｔａｌｌｕｒｇｙ，１９８０．ｄｏｉ：
ｈｔｔｐ：??ｄｘ．ｄｏｉ．ｏｒｇ?．
［ ５］ 马天辉，唐春安，蔡明．岩爆分析、监测与控制［Ｍ］．大连：大连理工大学出版社，２０１４．
［ ６］ 冯夏庭，陈炳瑞，张传庆，等．岩爆孕育过程的机制、预警与动态调控［Ｍ］．北京：科学出版社，２０１３．
［ ７］ 陈资南．冬瓜山铜矿微震监测系统扩展与矿震研究［Ｄ］．长沙：中南大学资源与安全工程学院，２０１４．
［ ８］ 陈炳瑞，冯夏庭，曾雄辉，等．深埋隧洞 ＴＢＭ 掘进微震实时监测与特征分析［Ｊ］．岩石力学与工程学报，
２０１１，３０（２）：２７５ － ２８３．
［ ９］ 马天辉，唐春安，唐烈先，等．基于微震监测技术的岩爆预测机制研究［Ｊ］．岩石力学与工程学报，２０１６，
３５（３）：４７０ － ４８３．
［１０］ 于洋，徐倩，徐长节，等．局部能量释放率与微震相结合的岩爆动态预警指标［Ｊ］．地下空间与工程学报，
２０１８，１４（１）：２６６ － ２７２．

— ７ ６ —
６