巖體質量等級分類預測方法及其工程應用

周宗青，李術才，李利平，石少帥

?

巖體質量等級分類預測方法及其工程應用

周宗青1, 2，李術才1，李利平1，石少帥1

(1. 山東大學巖土與結構工程研究中心，山東濟南，250061；2. 河海大學水文水資源與水利工程科學國家重點實驗室，江蘇南京，210098)

為準確地預測前方巖體質量，提出基于隧道地震波勘探系統(tǒng)和可拓理論的巖體質量等級分類預測方法。通過對數百例典型地震波探測數據的系統(tǒng)收集與歸類分析，遴選出隧道地震波勘探系統(tǒng)可有效識別的、可表征巖體質量等級的物理力學參數作為分類預測指標，并根據隧道地震波場響應特征，提出巖體質量分類預測指標體系的分級標準，建立隧道巖體質量等級分類預測的物元可拓模型。通過TSP探測技術獲取預測指標取值，對其進行無量綱化處理，并利用簡單關聯(lián)函數法確定預測指標的權重。研究結果表明：巖體質量分類預測結果與屬性識別模型、GA_SVM評價結果及現(xiàn)場情況具有較好的一致性，驗證了該方法的可行性和準確性，提供了一種可應用于施工階段的巖體質量等級預測方法。

隧道地震波勘探；巖體質量分類預測；物元可拓模型

工程巖體質量等級分類是各種巖石力學與工程基礎工作的重要環(huán)節(jié)之一，不僅對隧道巖體結構特征及其強度特性做出評價，而且可以為巖體力學參數選用、結構參數設計以及支護方案的選取提供基礎資料和重要參考依據。巖體質量評價方法可分為單因素評價法、多因素評價法，諸如彈性波速法、RQD分級法，RMR分級法、Q系統(tǒng)分級法、綜合評價法等[1?2]。目前，在國內外常用的巖體質量評價體系主要有GB T50218—2014“工程巖體分級標準”、Q系統(tǒng)分類法及RMR體系。此外，國內外學者先后應用基于熵權的可拓理論評價法、巖體質量評價TSMR體系、模糊層次分析法及距離判別分析法等方法對巖體質量進行評價。然而，上述分類方法均是以巖體力學性質及參數為基礎，勘察階段獲取的力學參數具有較大的局限性和區(qū)域性，忽略了地下工程地質條件的復雜性、巖體質量分級的不確定性和模糊性等特征，常導致評估結果與實際不符，有待于進一步發(fā)展和完善[3?8]。隧道地震波勘探(TSP203)系統(tǒng)是超前地質探測應用最廣泛的方法，可獲得掌子面前方巖體的諸多參數，如縱橫波波速、泊松比、密度及彈性模量等，有助于預測前方巖體質量等級情況[9?10]。周宗青等[3, 10]提出了基于TSP203系統(tǒng)的GA_SVM圍巖分類預測方法和屬性識別方法。巖體質量評價是一個復雜的工程系統(tǒng)評價問題，主要表現(xiàn)在評價因素之間的矛盾、定性與定量的共存、劃分界線模糊等，而可拓學可將矛盾問題轉化為相容問題，可更好地解決這類多屬性、不相容、定性與定量綜合評價的問題。所以，運用可拓學理論對地下工程巖體質量進行評價是一種比較理想的方法[11?12]。針對上述問題，本文作者提出了一種基于TSP203系統(tǒng)和可拓理論的巖體質量等級分類預測方法，通過對數百例TSP203超前探測解譯成果的總結分析，構建巖體質量等級分類預測的物元可拓模型，加強TSP203探測成果數據的有效利用，提高巖體質量等級判別的預測準確性。

1 巖體質量等級分類預測的物元可拓模型

可拓學以物元理論和可拓數學為理論框架，可將各個評價指標轉化為一種相容的問題，通過建立物元模型，得出與現(xiàn)場實際相符合的結論。以預測對象為事物，預測指標為特征，指標標準化值為特征值，以有序三元組={，，}作為描述事物的基本元，簡稱物元。事物的名稱、特征和量值稱為物元三要素。以本文巖體質量等級分類預測模型為例，事物為選取的11個江邊水電站隧洞圍巖樣本；特征主要包括巖體完整性系數、泊松比、靜態(tài)彈性模量、節(jié)理裂隙和地下水發(fā)育情況等5個預測指標；特征值是指特征中5個預測指標的測量值。巖體質量等級分類預測物元可拓模型的可用下式來描述[11?13]：

1.1 經典域、節(jié)域、現(xiàn)狀物元

預測對象的經典域物元、節(jié)域物元和現(xiàn)狀物元可表示為：

(3)

(4)

式中：0j為第個同征物元；0j為預測對象的第級別；c為預測對象的第個特征；為所劃分等級數，=1，2，…，；為預測對象的特征數，=1，2，…，；N為預測對象級別全體；N為預測對象；0ij為級別第個特征c標準化后的經典域；v為關于特征c所取的值域，即N節(jié)域；v為預測對象的第個特征c的標準化取值。

1.2 物元等級關聯(lián)度分析

預測對象N關于等級的關聯(lián)度為

式中：w為預測指標權系數；K(v)為預測對象N的第個特征c關于第個級別的關聯(lián)函數，可由下式計算：

(6)

1.3 預測對象分類綜合評判

預測對象的等級0和等級變量特征值*，可由式(7)和(8)計算得到，依據*可知偏向另一級的程度。

(8)

式中：

1.4 預測指標權重分析

預測指標的權重分析采用簡單關聯(lián)函數法確定，其計算方法如下。

設

(11)

若預測指標c的數據落入的級別越大，則該指標應賦予越大的權重：

否則，若預測指標c的數據落入的級別越大，該指標應賦予越小的權重：

(13)

則預測指標c的權重為

2 描述層物元可拓預測步驟與流程

運用建立的物元可拓模型模型對巖體質量分類預測的基本步驟及流程如下[14]。

1) 通過對山東大學前期TSP數據處理資料的系統(tǒng)收集與歸類分析，總結不良地質的地震波場響應特征；選取隧道地震波勘探系統(tǒng)可有效識別的物理力學參數作為物元可拓預測指標，建立巖體質量分類預測指標體系，對指標進行量綱一化處理。

2) 構建巖體質量分類預測的物元可拓預測模型。依據預測指標評價標準數據及現(xiàn)場TSP解譯成果，構造出經典域物元、節(jié)點物元和現(xiàn)狀物元。

3) 運用簡單關聯(lián)函數法確定物元可拓預測模型中各指標的權系數。

4) 根據式(10)計算預測指標關于分類等級的關聯(lián)度；利用得到的權系數，根據式(14)計算預測對象關于分類等級的綜合關聯(lián)度。

5) 根據式(17)計算級別變量特征值，確定巖體質量分類預測等級。

圖1 描述層物元可拓預測流程

3 基于TSP系統(tǒng)的巖體質量分類預測指標

3.1 TSP203地震波場響應特征

TSP203地震波遇到巖石波阻抗差異界面(斷層、破碎帶、溶洞和地下水等)時，部分地震信號反射回來，反射的地震信號被高靈敏度的地震傳感器接收。數據通過TSP軟件處理，可以獲得P波、SH波、SV波的時間剖面、深度偏移圖、反射層提取圖及巖體物性參數曲線等。地震波偏移處理方法應用較多的是時間偏移和深度偏移，其中深度偏移基本能夠使反射波正確歸位，繞射波自動收斂，干涉帶自動分解，從而得到與掌子面前方地質構造原像極接近的偏移圖像。以深度偏移分析為主，從構造分析出發(fā)，結合反射層圖、反射事件表、縱橫波速和巖體物性參數分析，可以得出比較準確的超前地質預報[10, 15]。

許振浩等[15]通過綜合分析山東大學巖土與結構工程研究中心數百次TSP超前地質預報成果，總結了隧道內斷層破碎帶、溶洞(泥夾石充填型、軟弱夾泥充填型、地下水充填型和無充填型4類)以及富水巖層的地震波反射特性。本文對其研究成果進行了總結，并查閱相關文獻資料，得出了不同地質條件下TSP203地震波場的響應特征，見表1。

3.2 巖體質量分類預測指標體系構建

綜合考慮隧道地震波勘探系統(tǒng)可探測的有效數據和巖體質量影響因素，結合工程地質分類和RMR系統(tǒng)分類方法，選取巖體完整性系數、巖體物性參數(泊松比、縱波波速或靜態(tài)彈性模量中選擇2個)、節(jié)理裂隙和地下水發(fā)育情況等5個因素作為預測指標。預測指標的含義見文獻[3]，等級劃分標準見表2。

表1 不同地質條件下地震波場響應特征(TSP203)

注：上述不良地質對應的深度偏移均以強烈負反射開始，以強烈正反射結束。

表2 評價指標等級劃分表[3]

巖體完整性系數v表征巖體內以裂隙為主的各類地質界面的發(fā)育程度，可通過探測得到的巖體彈性縱波速度Pm，再結合巖石彈性縱波速度Pr確定，其計算公式為

式中：Pm為巖體彈性縱波速度，km/s；Pr為巖石彈性縱波速度，km/s。

隧道地震波勘探系統(tǒng)利用通過測得的縱波波速P和橫波波速S，并利用不同經驗公式獲得巖石的密度。靜態(tài)彈性模量與巖石密度和縱波波速成正比例關系，與泊松比成反比例關系[3]。

波速、泊松比及靜態(tài)彈性模量計算公式為：

(17)

式中：P為巖體縱波波速；S為巖體橫波波速；為巖石密度；為泊松比；為靜態(tài)彈性模量。

節(jié)理裂隙及地下水是影響巖體質量的重要因素。節(jié)理裂隙越發(fā)育，巖體質量越差；地下水溶蝕巖石和結構面中易溶的膠結物及充填物的細小顆粒，使巖石軟化，強度降低[3]。

節(jié)理裂隙及地下水發(fā)育程度作為定性指標，實際工程探測解譯成果中難以實現(xiàn)定量判斷，即難以給出和的確切值，且給出的參數值亦具有較大的主觀性?？筛鶕?中介紹的地震波場響應特征判定其發(fā)育程度，并依次劃分為微弱、弱、中等、強、極強5個等級，并采取如下方法進行量化處理：

1) 采用文獻[10]中的量化方法，分別對不同發(fā)育程度進行區(qū)間賦值，見表2。

2) 在工程應用過程中，綜合考慮深度偏移、反射帶及巖體物性參數等地震波場響應特征，準確判斷引起地震波信號異常的不良地質體類型，定性分析節(jié)理裂隙和地下水發(fā)育程度，判定其發(fā)育等級。

3)令參數測量值分別取所處區(qū)間的上、下限值，進行巖體質量等級分類預測；綜合分析上述情況的預測結果，判定巖體質量分類等級。

以宜巴高速石門埡隧道斜井XJ2K+010~ XJ2K+020段TSP探測數據解譯成果為例，其解譯成果如圖2~4所示。由圖2~4可知：

1) 縱橫波波速下降，縱、橫波波速比和泊松比明顯增加，密度及靜態(tài)彈性模量顯著下降。

2) 深度偏移圖中以強烈的負反射開始，以強烈的正反射結束，橫波反射明顯較縱波強，且反射帶內正負反射層較多，以負反射為主。

圖2 P波深度偏移圖

圖3 S波深度偏移圖

圖4 巖體物性圖

表3 預測指標量綱一化處理

由此推斷此處巖體內節(jié)理裂隙發(fā)育且富含裂隙水，即該段節(jié)理裂隙和地下水發(fā)育程度均為強發(fā)育。則進行分類預測分析時，和取值依次取0.6和0.8，分別進行預測分析，判定巖體質量等級。

3.3 預測指標量綱一化處理

為了使不同預測指標具有可比性，便于進行科學歸納，首先對各指標進行量綱一化預處理。對巖體質量的影響是正向的，即數值越大巖體質量越好，利用式(18)計算；反之，則用式(19)計算。量綱一化處理后的預測指標見表3。

(19)

4 工程應用

4.1 工程概況

以江邊水電站[10]工程區(qū)有代表性的不同洞段的圍巖分類評價樣本為例，進行巖體質量分類預測，驗證物元可拓模型的可行性及準確性。江邊水電站位于四川省甘孜藏族自治州東南部，地處九龍縣境內的九龍河下游河段上。電站采用有壩引水式方案，主要建筑物為首部樞紐、引水系統(tǒng)和地下發(fā)電廠房，電站總庫容為133×104m3，裝機容量330 MW。引水發(fā)電系統(tǒng)位于踏卡背斜的西南翼，距錦屏山斷裂9~18 km，距朵洛斷裂6~8 km。樣本參數如表4所示。

4.2 經典域、節(jié)域及現(xiàn)狀物元

依據表3中給出的預測指標的分級標準，可確定巖體質量分類預測的經典域、節(jié)域物元矩陣如式(20)和(21)。依據指標分級標準對預測指標原始數據無量綱化，得到巖體質量分類預測的現(xiàn)狀物元，預測對象的特征標準化取值見表5。

表4 樣本原始參數

表5 原始參數量綱一化取值

(21)

4.3 分類預測指標權重分析

預測指標c的數據落入的級別越大，則對巖體質量越不利，應該賦予越大的權值。根據式(10)~(14)，可得到各個樣本預測指標的權重如下式所示。

式中：表示預測樣本，=1，2，3，4，5，6。

4.4 物元等級關聯(lián)度分析

根據式(5)和(6)可計算得到預測對象的單指標關聯(lián)度和綜合指標關聯(lián)度。這里僅列出預測對象的綜合關聯(lián)度計算結果：

4.5 巖體質量分類預測結果分析

根據式(7)~(9)可計算可得巖體質量預測對象的級別變量特征值，計算結果見表6。表6中對可拓預測結果與現(xiàn)場實際情況進行了對比分析，吻合性較好，驗證了應用基于隧道地震波勘探系統(tǒng)與物元可拓模型進行巖體質量分級預測的可行性。

表6 巖體質量等級可拓綜合預測

表7 不同評估方法計算結果對比分析

4.6 同其他評估方法的對比分析

選取文獻[3]中的江邊電站5個預測樣本進行分析，并將計算結果與屬性識別模型、GA_SVM方法和現(xiàn)場揭露情況對比，計算結果見表7。由表7可知：應用物元可拓模型預測的巖體質量等級不僅與現(xiàn)場實際情況基本一致，與其他評估方法的結論吻合性也較好。

5 結論

1) 通過對數百例典型地震波數據的系統(tǒng)收集和分析，遴選出隧道波勘探系統(tǒng)可有效識別的、可表征巖體質量等級的物理力學參數作為分類預測指標，主要包括：巖體完整性系數、縱波波速、泊松比、靜態(tài)彈性模量、不連續(xù)結構面狀態(tài)和地下水發(fā)育情況等。

2) 總結了隧道內斷層破碎帶、溶洞(泥夾石充填型、軟弱夾泥充填型、地下水充填型和無充填型四類)以及富水巖層的地震波反射特性，建立了巖體質量分類預測指標體系的分級標準。

3) 引入可拓學理論，建立了巖體質量等級分類預測的物元可拓模型。利用TSP探測技術獲取預測指標的取值，并進行量綱一化處理，從而使得評估指標具有可比性；利用簡單關聯(lián)函數確定各指標權重，克服了以往人為確定指標權重的主觀性。

4) 根據建立的物元可拓模型對江邊電站工程區(qū)巖體質量等級進行了分類預測，并將其評價結果與屬性識別分析結果、GA_SVM評估結果及現(xiàn)場開挖情況進行了對比，驗證了物元可拓預測結果的合理性及可行性。

[1] HAJIAZIZI M, KHATAMI R S. Seismic analysis of the rock mass classification in the Q-system[J]. International Journal of Rock Mechanics and Mining Sciences, 2013, 62(5): 123?130.

[2] YILMAZ I. Use of the core strangle test for tensile strength estimation and rock mass classification[J]. International Journal of Rock Mechanics and Mining Sciences, 2010, 47(5): 845?850.

[3] 周宗青, 李術才, 李利平, 等. 圍巖超前優(yōu)化分級的屬性識別模型及其工程應用[J]. 中南大學學報(自然科學版), 2013, 44(4): 1611?1619. ZHOU Zongqing, LI Shucai, LI Liping, et al. Attribute recognition model of surrounding rock optimized classification and its engineering application[J]. Journal of Central South University (Science and Technology), 2013, 44(4): 1611?1619.

[4] 張元才, 黃潤秋, 趙立冬, 等. 天山公路邊坡巖體質量評價TSMR體系研究[J]. 巖石力學與工程學報, 2010, 29(3): 617?623. ZHANG Yuancai, HUANG Runqiu, ZHAO Lidong, et al. Study of tianshan slope rock mass rating (TSMR) system[J]. Chinese Journal of Rock Mechanics and Engineering, 2010, 29(3): 617?623.

[5] 鄔愛清, 汪斌. 基于巖體質量指標BQ的巖質邊坡工程巖體分級方法[J]. 巖石力學與工程學報, 2014, 33(4): 699?706. WU Aiqing, WANG Bin. Engineering rock mass classification method based on rock mass quality index BQ for rock slope[J]. Chinese Journal of Rock Mechanics and Engineering, 2014, 33(4): 699?706.

[6] 祁生文, 伍法權. 基于模糊數學的TBM施工巖體質量分級研究[J]. 巖石力學與工程學報, 2011, 30(6): 1225?1229. QI Shengwen, WU Faquan. Surrounding rockmass quality classification of tunnel cut by TBM with fuzzy mathematics method[J]. Chinese Journal of Rock Mechanics and Engineering, 2011, 30(6): 1225?1229.

[7] HAMIDI J K, SHAHRIAR K, REZAI B, et al. Application of fuzzy set theory to rock engineering classification systems: an illustration of the rock mass excavability index[J]. Rock Mechanics and Rock Engineering, 2010, 43(3): 335?350.

[8] SHI Shaoshuai, LI Shucai, LI Liping, et al. Advance optimized classification and application of sur-rounding rock based on fuzzy analytic hierarchy process and tunnel seismic prediction[J]. Automation in Construction, 2014, 37: 217?222.

[9] ALIMORADI A, MORADZADEH A, NADERI R, et al. Prediction of geological hazardous zones in front of a tunnel face using TSP-203 and artificial neural networks[J]. Tunnelling and Underground Space Technology, 2008, 23: 711?717.

[10] 邱道宏, 李術才, 張樂文, 等. 基于TSP203系統(tǒng)和GA_SVM的圍巖超前分類預測[J], 巖石力學與工程學報, 2010, 29(增1): 3221?3226. QIU Daohong, LI Shucai, ZHANG Lewen, et al. Prediction of surrounding rock classification in advance based on TSP203 system and GA-SVM[J], Chinese Journal of Rock Mechanics and Engineering, 2010, 29(Supp1): 3221?3226.

[11] 連建發(fā), 慎乃齊, 張杰坤. 基于可拓方法的地下工程圍巖評價研究[J]. 巖石力學與工程學報, 2004, 23(9): 1450?1453. LIAN Jianfa, SHEN Naiqi, ZHANG Jiekun. Research on surrounding rock evaluation of underground engineering based on extension method[J]. Chinese Journal of Rock Mechanics and Engineering, 2004, 23(9): 1450?1453.

[12] 原國紅, 陳劍平, 馬琳. 可拓評判方法在巖體質量分類中的應用[J]. 巖石力學與工程學報, 2005, 24(9): 1539?1544. YUAN Guohong, CHEN Jianping, MA Lin. Application of extenics evaluation of engineering quality of rock masses[J]. Chinese Journal of Rock Mechanics and Engineering, 2005, 24(9): 1539?1544.

[13] 沈世偉, 許君臣, 代樹林, 等. 基于熵值賦權法的節(jié)理巖體隧道爆破質量可拓學評價[J]. 土木工程學報, 2013, 46(12): 118?126. SHEN Shiwei, XU Junqiang, DAI Shulin, et al. Extenics evaluation of joint rock tunnel blasting quality based on entropy weighting method[J]. China Civil Engineering Journal, 2013, 46(12): 118?126.

[14] 談小龍, 徐衛(wèi)亞, 梁桂蘭. 可拓方法在巖石邊坡整體安全評價中的應用[J]. 巖石力學與工程學報, 2009, 28(12): 2503?2509. TAN Xiaolong, XU Weiya, LIANG Guilan. Application of extenics method to comprehensive safety evaluation of rock slope[J]. Chinese Journal of Rock Mechanics and Engineering, 2009, 28(12): 2503?2509.

[15] 許振浩, 李術才, 張慶松, 等. TSP超前地質預報地震波反射特性研究[J]. 地下空間與工程學報, 2008, 4(4): 640?644. XU Zhenhao, LI Shucai, ZHANG Qingsong, et al. Reflection characteristic of seismic wave in TSP advance geological prediction[J]. Chinese Journal of Underground Space and Engineering, 2008, 4(4): 640?644.

(編輯 楊幼平)

Classification method of rock mass quality and its engineering application

ZHOU Zongqing1, 2, LI Shucai1, LI Liping1, SHI Shaoshuai1

(1. Geotechnical and Structural Engineering Research Center, Shandong University, Jinan 250061, China;2. State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing 210098, China)

In order to accurately predict the surrounding rock grade ahead, a classification method was proposed based on tunnel seismic prediction system and extenics theory. Hundreds of typically seismic exploration data were systematically collected and analyzed, and several physical and mechanical parameters which could be identified effectively by tunnel seismic prediction system were selected as classification prediction index. These indexes were quantitatively graded according to five grades based on the response characteristics of seismic wave field, and the matter-element extenics model for prediction of rock mass quality classification was established. Values of the classification prediction index obtained by TSP technology were dimensionlessly processed, and simple correlation function method was adopted to determine the weights of prediction index. The results show that the prediction results agree well with those obtained by attribute recognition model, GA_SVM assessment method and the field-observed results, and verify the rationality and reliability of the matter-element extenics model. This method provides a powerful tool for dynamic prediction of rock mass quality which can be applied in construction stage.

tunnel seismic prediction; rock mass quality classification; matter-element extension model

U45

A

1672?7207(2017)04?1049?08

10.11817/j.issn.1672?7207.2017.04.027

2016?04?12；

2016?06?03

國家重點基礎研究發(fā)展計劃(973計劃)項目(2013CB036000)；國家自然科學基金青年科學基金資助項目(51609129)；水文水資源與水利工程科學國家重點實驗室開放研究基金資助項目(2016491211)；山東省自然科學基金資助項目(ZR2014EEQ002)；山東大學基本科研業(yè)務費專項資金資助項目(2016GN026) (Project (2013CB036000) supported by the National Basic Research Development Program (973 Program) of China; Project (51609129) supported by the National Natural Science Foundation of China; Project (2016491211) supported by the Open Foundation of State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering; Project (ZR2014EEQ002) supported by Natural Science Foundation of Shangdong Province; Project (2016GN026) supported by the Fundamental Research Funds of Shandong University)

周宗青，博士，助理研究員，從事地下工程地質災害風險評估與控制研究；E-mail：Z.Q.Zhou@Outlook.com