基于灰色理論與BP神經網(wǎng)絡的特長瓦斯隧道爆破參數(shù)優(yōu)選

鄒寶平,楊建輝,王建秀,胡力繩

(1.浙江科技學院土木與建筑工程學院,杭州 310023；2.同濟大學地下建筑與工程系,上海 200092；3.中鐵二局集團有限公司,成都 610031)

基于灰色理論與BP神經網(wǎng)絡的特長瓦斯隧道爆破參數(shù)優(yōu)選

鄒寶平1,2,楊建輝1,王建秀2,胡力繩3

(1.浙江科技學院土木與建筑工程學院,杭州 310023；2.同濟大學地下建筑與工程系,上海 200092；3.中鐵二局集團有限公司,成都 610031)

圍巖巖體力學行為復雜多變,為避免爆破振動激發(fā)煤與瓦斯突出,獲得合理的松動爆破,對特長瓦斯特大斷面隧道爆破參數(shù)進行優(yōu)選預測研究?；诨疑到y(tǒng)理論和BP神經網(wǎng)絡,考慮圍巖累積爆破損傷變形具有的動態(tài)性、瓦斯等灰色信息,選取最小抵抗線、炮孔間距、裝藥集中度等參數(shù)作為主要優(yōu)選指標,建立基于單位化約束條件的綜合集成優(yōu)選模型,并對爆破振動效應下的特長瓦斯特大斷面隧道的爆破參數(shù)進行優(yōu)選預測。結果表明,建立的基于單位化約束條件的綜合集成優(yōu)選模型降低了試驗中爆破參數(shù)的離散程度,當爆破參數(shù)E、W、q1的優(yōu)選值分別為60、70 cm、0.12 kg/m時,基于單位化約束條件的綜合集成優(yōu)選模型優(yōu)選預測值精度較高,隧道爆破效果較好。

隧道；爆破；參數(shù)優(yōu)選；灰色理論； BP神經網(wǎng)絡

爆破參數(shù)優(yōu)選研究一直是隧道工程中的一個重要研究課題之一[1]。爆破參數(shù)主要包括炮孔間距、最小抵抗線、裝藥集中度、裝藥結構等[1-5]，合理的爆破參數(shù)能夠獲得較好的爆破效果。特別是特長瓦斯特大斷面隧道，爆破振動效應能引起隧道圍巖累積爆破損傷以及激發(fā)煤與瓦斯突出，而合理的爆破參數(shù)能有效增加煤層的透氣性，減少瓦斯抽放阻力，避免爆破振動效應激發(fā)煤與瓦斯突出，形成合理的松動爆破[6-7]。隨著爆破工程經驗的不斷積累，各種基于經驗的爆破參數(shù)理論計算法一直廣泛應用于爆破工程設計，其爆破成縫機理主要以爆炸應力波和爆生氣體共同作用理論為主[4-5]。但是受隧道圍巖巖體力學行為復雜多變以及巖石爆破破巖機制的復雜性和不確定性的限制，現(xiàn)有隧道工程爆破參數(shù)的確定大多以經驗計算為主，爆破過程中經常出現(xiàn)超欠挖、圍巖片落、隧道壁面凹凸不平等現(xiàn)象，影響隧道爆破的質量和生產效益[3，5]。尤其是認識到爆炸應力波和爆生氣體共同作用是爆破成縫的主要機理后，理論計算法[2]、多目標灰色局勢決策理論[8]、突變綜合評價理論[9]、灰色關聯(lián)分析法[10]、試驗法[3，11-12]等各種分析方法開始應用于爆破參數(shù)優(yōu)選研究。但現(xiàn)有優(yōu)選模型主要是單一利用以上理論對隧道爆破參數(shù)進行優(yōu)化設計，由于各類試驗研究的目的不是單一地進行參數(shù)優(yōu)化研究，同時又受爆破復雜性、地質條件多變性等各種客觀條件的限制，無法將爆破參數(shù)的各種影響因素都反映出來?，F(xiàn)有研究中，基于灰色系統(tǒng)理論[13]和BP神經網(wǎng)絡[14-15]，對特長瓦斯特大斷面隧道爆破參數(shù)優(yōu)選預測的相關研究還較少，特別是隧道爆破地震波在傳播時將產生波的反射、透射與折射，使這些突出煤層中的節(jié)理裂隙等弱面受到拉、壓、剪等應力的混合作用發(fā)生擴展和延伸而產生爆破累積損傷[6]，進而激發(fā)煤與瓦斯突出，因而考慮爆破累積損傷的瓦斯特大斷面隧道爆破參數(shù)優(yōu)選預測研究也較少。

因此，基于灰色系統(tǒng)理論和BP神經網(wǎng)絡，考慮特長隧道圍巖爆破累積損傷變形具有的動態(tài)性、瓦斯等灰色信息，選取最小抵抗線、炮孔間距、裝藥集中度等參數(shù)作為主要優(yōu)選指標，建立了基于單位化約束條件的綜合集成優(yōu)選模型，并對爆破振動效應下的特長瓦斯特大斷面隧道的爆破參數(shù)進行優(yōu)選預測，進而優(yōu)選出適應性廣、精度高、優(yōu)選預測成果更為合理的爆破最優(yōu)參數(shù)，以避免爆破振動效應激發(fā)煤與瓦斯突出，獲得合理的松動爆破，達到最佳的爆破效果。

1 特長瓦斯隧道爆破參數(shù)優(yōu)選指標的選取

特長瓦斯隧道地質災害較多，隧道爆破過程中，如不對爆破參數(shù)進行優(yōu)選，就得不到合理的松動爆破，那么爆破振動效應就會激發(fā)煤與瓦斯突出[6-7]，這是隧道建設中的難題。因此，根據(jù)前人研究[1-5]，選取反映特長瓦斯隧道爆破參數(shù)中的幾個關鍵性指標并對其進行優(yōu)選分析，主要包括最小抵抗線、炮孔間距、裝藥集中度。

1.1 最小抵抗線

最小抵抗線反映了光爆層的厚度，其大小直接影響光爆效果。最小抵抗線過大，光爆層巖石將得不到合理破碎，以致不能使其沿炮眼底部最小抵抗線切割下來。反之，最小抵抗線過大，反射波的作用使隧道圍巖內產生較多、較長的裂隙，對隧道圍巖穩(wěn)定性產生影響，造成圍巖超挖、隧道光爆面凹凸不平[1-5]。為屏蔽反射應力波拉伸作用對圍巖造成的破壞，光爆層必須滿足下式

(1)

式中，W為最小抵抗線；E為炮孔間距；cp為巖石的彈性縱波波速；uC為炸藥爆炸后周邊眼裂縫擴展平均速度。

炮眼密集度系數(shù)m應滿足下式

(2)

式中，m根據(jù)圍巖軟硬不同而不同，一般取0.6～1.2，硬巖取大值，軟巖取小值。

依據(jù)豪柔公式計算最小抵抗線W，即

(3)

式中，qb為炮眼內的裝藥集中度；lb為炮眼長度；c為爆破系數(shù)，相當于單位耗藥量。

1.2 炮孔間距

爆炸應力波和爆生氣體共同作用下的爆破成縫理論是目前確定炮孔間距公認的理論基礎[2-5]。在爆生氣體靜壓作用下，裝藥激起的應力波在炮眼壁上出現(xiàn)初始裂縫，進而擴展形成貫穿裂縫，其近似的平衡條件為

(4)

(5)

式中，db為炮孔直徑；rk為爆炸應力波在眼壁上形成的初始裂縫長度；δ為巖石的損傷因子；St為巖石受損前靜態(tài)單向抗拉強度；α為應力波衰減指數(shù)，α=2-λ；pr為眼壁初始徑向壓力；σr為二次應力；pb為爆炸氣體充滿炮眼時的準靜壓力，可按等熵膨脹過程按下式計算

(6)

式中，pk為臨界壓力，一般取200 MPa；r為絕熱指數(shù)，一般取1.2～1.3；k為熵指數(shù)，一般取3；Kd為徑向裝藥不耦合系數(shù)；Kl為軸向裝藥不耦合系數(shù)；p0為爆生氣體的初始平均壓力，即

(7)

式中，ρ0為炸藥密度；D為爆速。

根據(jù)式(4)～式(7)可求炮孔間距E的計算公式，即

(8)

1.3 裝藥集中度

Kd、Kl為兩種主要的裝藥結構參數(shù)，主要綜合考慮孔壁的初始沖擊壓力小于受損巖石的動態(tài)體積抗壓強度以及孔壁的初始動拉力大于受損巖石的動態(tài)抗拉強度[2-5]，即滿足下式

(9)

(10)

當隧道爆破忽略炮泥長度不計，采用軸向和徑向不耦合裝藥，此時可求

(11)

式中，n為爆生氣體碰撞眼壁時的壓力增大倍數(shù)，可取10。

在隧道爆破中，如果Kd確定，則Kl可由式(9)～式(11)確定

(12)

當Kd、Kl確定后，裝藥集中度及單孔裝藥集中度可按下式計算

(13)

式中，ql為裝藥集中度；db、dc分別為裝藥直徑和炮孔直徑。

2 基于灰色理論與BP神經網(wǎng)絡的綜合集成優(yōu)選模型

2.1 灰色優(yōu)選GM(1，1)模型

設隧道爆破參數(shù)原始指標數(shù)據(jù)序列為非等時距數(shù)據(jù)序列[13]，即時間步長ti+1-ti≠k，設不等時間間隔為ki=ti+1-ti，(i=1，…，n-1)，則平均時間間隔m為

(14)

將隧道爆破參數(shù)非等時距數(shù)據(jù)序列變換為等時距數(shù)據(jù)序列w(0)，平均時間間隔即為時間步長m，則有

(15)

對w(0)作AGOw(0)一次累加，則

(16)

由式(14)～式(16)可得白化微分方程為

(17)

Yn={w(0)(2),w(0)(3),…,w(0)(n)}T，

則用最小二乘法可求a、c得

(18)

則式(18)的時間相應特解為

(19)

2.2 BP神經網(wǎng)絡模型

BP算法由數(shù)據(jù)流的前向計算(正向傳播)和誤差信號的反向傳播兩個過程構成。設X1,X2,…,Xn是BP神經網(wǎng)絡的輸入值，Y1,Y2,…,Ym是BP神經網(wǎng)絡的預測值，wij和wjk為BP神經網(wǎng)絡權值，BP神經網(wǎng)絡訓練過程包括以下幾個步驟[14-15]。

(1)網(wǎng)絡初始化。根據(jù)系統(tǒng)輸入序列(X，Y)確定網(wǎng)絡輸入層節(jié)點數(shù)n、隱含層節(jié)點數(shù)l，輸出層節(jié)點數(shù)m，初始化輸入層、隱含層和輸出神經元之間的連接權值wij和wjk，初始化隱含層閾值a，輸出層閾值b。

(2)隱含層輸出計算。根據(jù)輸入向量X，輸入層和隱含層間連接權值以及隱含層閾值a，計算隱含層輸出H。

(20)

式中，l為隱含層節(jié)點數(shù)；f為隱含層激勵函數(shù)。

(3)輸出層輸出計算。根據(jù)隱含層輸出H，wjk和閾值b，計算BP神經網(wǎng)絡預測輸出O。

(21)

(4)誤差計算。根據(jù)網(wǎng)絡預測輸出Qk和期望輸出Yk，計算網(wǎng)絡預測誤差ek。

(22)

(5)權值更新。根據(jù)網(wǎng)絡預測誤差e更新網(wǎng)絡連接權值wij和wjk

(23)

(24)

式中，η為學習速率。

(6)閾值更新。根據(jù)網(wǎng)絡預測誤差e更新網(wǎng)絡節(jié)點閾值a和b。

(25)

(26)

(7)判斷算法迭代是否結束，若沒有結束，返回步驟2。

2.3 基于單位化約束條件的綜合集成優(yōu)選模型的建立

(27)

式中，ωi為第i項指標的綜合優(yōu)選預測值；λ1、λ2分別各取0.5；li為第i項指標的灰色優(yōu)選GM(1，1)模型預測值；mi為第i項指標的BP神經網(wǎng)絡模型預測值。

3 實例分析

3.1 工程概況

成(都)渝(重慶)高鐵某隧道隧區(qū)屬丘陵地貌，丘槽相間，地形波狀起伏，地面高程303～424 m，隧道長約5 100 m，屬特長隧道，最大埋深約120 m，隧道區(qū)內構造位置屬于華金山斷裂以東的褶皺束，由一系列北東～北北東向近于平行的高背斜山脈組成。隧區(qū)地層巖性為上覆粉質黏土、坡洪積軟土、松軟土、粉質黏土等，下伏基巖為侏羅系中統(tǒng)沙溪廟組泥巖、砂巖、泥巖夾砂巖、砂巖夾泥巖，節(jié)理裂隙發(fā)育，質較軟。隧道各煤層瓦斯?jié)舛忍幱? 820～20 500 ppm范圍，瓦斯壓力高、含量較大，屬于瓦斯隧道。隧道采用光面爆破，出現(xiàn)圍巖損傷、超欠挖等現(xiàn)象，因此需對隧道爆破參數(shù)進行優(yōu)化。炮眼直徑40 mm，炮眼深度4.0 m，藥卷直徑為32 mm，采用巖石乳化炸藥，采用上下臺階法開挖，上臺階采用開挖臺車鉆眼全斷面一次爆破，上臺階設計斷面面積為139.42 m2(不考慮下臺階和預留量)。

3.2 基于單位化約束條件的綜合集成優(yōu)選模型參數(shù)優(yōu)選分析

為獲得合理的爆破參數(shù)，避免隧道爆破振動效應引起隧道圍巖累積爆破損傷以及激發(fā)煤與瓦斯突出，爆破現(xiàn)場試驗參數(shù)理論計算時計入爆破振動效應造成的原巖應力、二次應力重新分布引起的圍巖累積損傷和破壞，基于應力波與爆生氣體共同作用原理、灰色系統(tǒng)理論和BP神經網(wǎng)路理論，對爆破參數(shù)最小抵抗線W、炮孔間距E和裝藥集中度q1進行優(yōu)選。

基于單位化約束條件的綜合集成優(yōu)選模型的E、W、q1的優(yōu)選值與灰色優(yōu)選GM(1，1)模型、BP神經網(wǎng)絡模型優(yōu)選值對比分析見圖1～圖3。由圖可知，(1)對于灰色優(yōu)選GM(1，1)模型，E的試驗優(yōu)選預測最小值為39.06 cm，最大值為68.01 cm，其相對誤差分別為2.3%和4.6%，試驗值優(yōu)選后驗差比值C為0.25，P為0.97，模型優(yōu)選精度高；W的試驗優(yōu)選預測最小值為46.72 cm，最大值為75.59 cm，其相對誤差分別為3.8%和7.98%，試驗值優(yōu)選后驗差比值C為0.28，P為1.00，模型優(yōu)選精度高；q1的試驗優(yōu)選預測最小值為0.09 kg/m，最大值為0.23 kg/m，其相對誤差分別為18.62%和24.26%，試驗值優(yōu)選后驗差比值C為0.44，P為0.97，模型優(yōu)選精度較高；表明通過灰色優(yōu)選降低了試驗值的離散程度，客觀反映了隧道爆破圍巖損傷累積變形的動態(tài)性；(2)對于BP神經網(wǎng)絡模型，E的試驗優(yōu)選預測最小值為40.00 cm，最大值為63.78 cm，優(yōu)選擬合殘差為0.55%；W的試驗優(yōu)選預測最小值為41.41 cm，最大值為69.47 cm，優(yōu)選擬合殘差為0.48%；q1的試驗優(yōu)選預測最小值為0.10 kg/m，最大值為0.20 kg/m，優(yōu)選擬合殘差為1.47%；(3)對于基于單位化約束條件的綜合集成優(yōu)選模型，E優(yōu)選值最小值為39.57 cm，最大值為65.89 cm，其相對誤差分別為1.07%和1.37%；W優(yōu)選值最小值為44.82 cm，最大值為72.53 cm，其相對誤差分別為0.39%和3.61%；q1優(yōu)選值最小值為0.08 kg/m，最大值為0.26 kg/m，其相對誤差分別為9.3%和12.1%；表明綜合集成優(yōu)選模型的優(yōu)選精度比單一利用GM(1，1)模型高，而BP神經網(wǎng)絡模型雖能較好地對爆破參數(shù)進行優(yōu)選，但其初始權重較敏感，不同的權值其收斂不同，因此，基于單位化約束條件的綜合集成優(yōu)選模型彌補了上述兩種模型的不足，保證了爆破參數(shù)優(yōu)選的科學性、精確性。

圖1 綜合集成優(yōu)選模型與GM(1，1)模型、BP模型的E優(yōu)選值對比

圖2 綜合集成優(yōu)選模型與GM(1，1)模型、BP模型的W優(yōu)選值對比

圖3 綜合集成優(yōu)選模型與GM(1，1)模型、BP模型的q1優(yōu)選值對比

基于單位化約束條件的綜合集成優(yōu)選模型，對該隧道ZK247+058處爆破參數(shù)進行優(yōu)選預測，E、W、q1的優(yōu)選值分別為63.09、71.86 cm、0.12 kg/m，考慮到隧道爆破斷面大、現(xiàn)場鉆孔和測點布孔人為誤差大，以及現(xiàn)場實際施工操作的可行性，因此，施工中E、W、q1的優(yōu)選值分別取整數(shù)，即60、70 cm、0.12 kg/m。隧道爆破后對開挖面進行量測，其爆破效果見圖4，由圖可知，隧道最大超挖為0.4 m，平均線性超挖為0.16 m，最大欠挖為0.11 m，炮眼利用率為90%，隧道爆破效果較好。

圖4 隧道爆破效果圖

縱上分析可知，隧道爆破參數(shù)的綜合集成優(yōu)選模型的優(yōu)選預測值是一個綜合指標，其相對誤差越小越好，表明隧道圍巖爆破時的累積損傷對爆破參數(shù)設置產生較大影響，隧道爆破累積損傷會導致相鄰圍巖裂紋貫穿，如得不到合理的松動爆破，將增大瓦斯的抽放阻力，使煤層透氣性降低。因此，隧道現(xiàn)場參數(shù)爆破試驗中考慮了瓦斯帶來的爆破風險，盡管具有許多不確定因素，但是優(yōu)選預測相對誤差波動幅度較小，表明考慮爆破圍巖累積損傷的基于單位化約束條件的綜合集成優(yōu)選模型具有較高的精度，優(yōu)選結果能較好地用于隧道施工。

總之，基于單位化約束條件的綜合集成優(yōu)選模型較充分考慮了圍巖累積爆破損傷變形具有的動態(tài)性、瓦斯等灰色信息，降低了試驗中爆破參數(shù)的離散程度，客觀體現(xiàn)了爆破參數(shù)優(yōu)選中隱含的規(guī)律性。

4 結論

(1)特長瓦斯大斷面隧道爆破參數(shù)的選擇，必須考慮爆破振動效應引起隧道圍巖累積爆破損傷以及激發(fā)煤與瓦斯突出的影響，爆破參數(shù)的計算以爆炸應力波和爆生氣體共同作用理論為基礎，適用于復雜環(huán)境下隧道爆破參數(shù)的優(yōu)選計算。

(2)基于灰色系統(tǒng)理論和BP神經網(wǎng)絡理論，考慮圍巖累積爆破損傷變形具有的動態(tài)性、瓦斯等灰色信息，選取最小抵抗線、炮孔間距、裝藥集中度等參數(shù)作為主要優(yōu)選指標，基于隧道爆破參數(shù)灰色優(yōu)選GM(1，1)模型和BP神經網(wǎng)絡模型，建立了基于單位化約束條件的綜合集成優(yōu)選模型，對隧道爆破參數(shù)優(yōu)選預測進行了系統(tǒng)研究。

(3)當爆破參數(shù)E、W、q1的優(yōu)選值分別為60、70 cm、0.12 kg/m時，基于單位化約束條件的綜合集成優(yōu)選模型優(yōu)選預測值精度較高，隧道爆破效果較好。

[1]王建秀，鄒寶平，胡力繩.隧道及地下工程光面爆破技術研究現(xiàn)狀與展望[J].地下空間與工程學報，2013(4)：800-807.

[2]宗琦，馬芹永.光面爆破參數(shù)的理論分析[J].阜新礦業(yè)學院學報：自然科學版，1994，13(4):21-25.

[3]張志呈.光面爆破參數(shù)的選擇[J].西南工學院學報，2000，15(4):58-64.

[4]彭剛健.巖體巷道光面爆破參數(shù)的分析與應用[J].中國礦業(yè)，2009，18(10):103-106.

[5]付玉華，李夕兵，董隴軍.損傷條件下深部巖體巷道光面爆破參數(shù)研究[J].巖土力學，2010，31(5):1420-1426.

[6]謝雄剛，馮濤，楊軍，等.爆破地震效應激發(fā)煤與瓦斯突出的監(jiān)測分析[J].煤炭學報，2010，35(2):255-259.

[7]徐偉.高瓦斯低透氣煤層松動爆破有效影響范圍確定[J].煤炭科學技術，2011，39(8):46-49.

[8]左宇軍，李保珍，陳穎鋒.光面爆破參數(shù)的多目標灰色決策分析[J].礦業(yè)研究與開發(fā)，2001，21(增4):1-3.

[9]方崇.基于燕尾突變理論光面爆破效果的綜合評價[J].爆破，2010，27(4):40-42.

[10]張震宇.爆破效果主要影響因素的灰色關聯(lián)分析[J].礦業(yè)快報，2006，1:22-23.

[11]袁溢.新建鐵路隧道下穿既有運營隧道的設計與施工[J].鐵道標準設計，2014，58(6):98-101.

[12]舒磊，仇文革，龔倫.下穿隧道爆破施工對既有隧道的振動影響及對策研究[J].鐵道標準設計，2013(7):70-74.

[13]鄧聚龍.灰理論基礎[M].武漢:華中科技大學出版社，2002.

[14]Ren C， An N， Wang J， et al. Optimal parameters selection for BP neural network based on particle swarm optimization: A case study of wind speed forecasting[J]. Knowledge-Based Systems， 2014，56：226-239.

[15]Mandal S， Sivaprasad P， Venugopal S， et al. Artificial neural network modeling to evaluate and predict the deformation behavior of stainless steel type AISI 304L during hot torsion[J]. Applied Soft Computing， 2009，9(1):237-244.

Optimal Prediction of Blasting Parameters for Extra-long Gas Tunnel Based on Grey Theory and BP Neural Network

ZOU Bao-ping1,2, YANG Jian-hui1, WANG Jian-xiu2, HU Li-sheng3

(1.School of Civil Engineering and Architecture, Zhejiang University of Science and Technology, Hangzhou 310023, China;2.Department of Geotechnical Engineering, Tongji University, Shanghai 200092, China;3.China Railway Second Engineering Group Co., Ltd., Chengdu 610031, China)

The surrounding rock mass of extra-long gas tunnel is complicated and variable in mechanics behavior. In order to obtain reasonable loose blasting and avoid blasting vibration from motivating coal and gas outburst, the blasting parameters are studied for optimal prediction with respect to extra-long gas tunnel with large cross-section. Based on the grey theory and BP neural network and in consideration of the grey information of cumulative damage to the dynamic characteristics of extra-long tunnel on account of rock mass blasting and the gas, an integration optimal model based on the constraints of unitization for blasting parameters is established by means of selecting such main optimum indexes as the line of least resistance, the borehole spacing and the charge concentration, so as to fulfill optimal prediction of blasting parameters. The results show that the established integration optimal model reduces the discrete degree of test blasting parameters, when blasting parameters ofE,W,q1are 60, 70 cm, 0.12 kg/m respectively, the accuracy of the integration optimal model is very high with good blasting effect.

Tunnel; Blasting; Parameter optimization; Grey theory; BP neural network

2014-10-28；

2014-12-08

國家自然科學基金(41072205)，浙江科技學院科研基金(F702104E03，F(xiàn)703104D01)，中鐵二局股份有限公司課題(201218)

鄒寶平(1982—)，男，講師，2014年畢業(yè)于同濟大學地質工程專業(yè)，工學博士，E-mail:zbpky@163.com。

1004-2954(2015)08-0131-05

U455

A

10.13238/j.issn.1004-2954.2015.08.028