基于支持向量機(jī)模型的隧道瓦斯危險性評價方法

何坤宸，蘇培東，紀(jì)佑軍

（西南石油大學(xué) 地球科學(xué)與技術(shù)學(xué)院，四川成都 610500）

0 引言

近年來，隨著我國地面空間資源的緊缺加劇以及交通運輸需求的不斷增加，交通線路在穿越山地、重丘以及城市區(qū)域時，不可避免要修建大量的隧道工程[1]。根據(jù)我國交通運輸部的統(tǒng)計，截至2020 年底，我國投入運營的鐵路和公路隧道共計38114 座。特別是近年來，隨著西部大開發(fā)政策的推進(jìn)，我國隧道工程的發(fā)展極為迅速，僅2010—2020年期間，我國就興建鐵路隧道6998座，公路隧道4323 座（圖1）。

圖1 隧道數(shù)量統(tǒng)計圖

隨著我國隧道建設(shè)的不斷深入，各種安全問題日益突出，尤其是煤層瓦斯問題。有害氣體會通過各種構(gòu)造和人工裂縫運移到隧道工區(qū)中[2]，并導(dǎo)致中毒、窒息、燃燒、爆炸以及煤與瓦斯突出等隧道工程事故[3]。比如Silvan 隧道在施工期間就發(fā)生了瓦斯燃燒事故，造成13 人受傷[4]。因此在隧道修建過程中，煤層瓦斯問題的嚴(yán)重性日益凸顯，尤其是龍?zhí)督M煤系地層，瓦斯保存條件好、分布范圍廣，對隧道的瓦斯危害十分嚴(yán)重。據(jù)統(tǒng)計，穿越該套地層的隧道被瓦斯侵染的概率達(dá)到了97.8%。然而目前針對龍?zhí)督M瓦斯隧道評價體系方面的研究卻很少，導(dǎo)致龍?zhí)督M瓦斯隧道的建設(shè)缺乏前瞻性，極大增加了隧道建設(shè)的成本以及施工的安全隱患。因此本文以既有的龍?zhí)督M瓦斯隧道案例為基礎(chǔ)，運用支持向量機(jī)的方法建立了一套科學(xué)有效、簡單精確的評估模型，對華南地區(qū)龍?zhí)督M隧道瓦斯危險性進(jìn)行評價，以期為相關(guān)隧道工程的勘察設(shè)計及施工提供參考。

1 既有龍?zhí)督M瓦斯隧道統(tǒng)計分析

龍?zhí)督M瓦斯隧道廣泛分布，本文在現(xiàn)有公開資料的基礎(chǔ)上，統(tǒng)計了華南各省，包括各種類型的龍?zhí)督M隧道共92 座。對收集到的隧道工程信息進(jìn)行歸納分析，結(jié)果見圖2、圖3。從圖2（a）中容易看出，龍?zhí)督M隧道所發(fā)育的不良地質(zhì)類型多達(dá)15 種，其中以瓦斯災(zāi)害最為突出，97.8%的龍?zhí)督M隧道都面臨著煤層瓦斯的危害。從隧道瓦斯等級來看，龍?zhí)督M隧道以高瓦斯隧道為主，有46 座，占總數(shù)的一半。瓦斯突出隧道與低瓦斯隧道的數(shù)量一樣，各22 座。最少為無瓦斯隧道，僅有兩座（圖2b）。

圖2 龍?zhí)督M隧道類別統(tǒng)計分析

如果從隧道所涉及的工程類別來看，圖3（c）資料顯示，我國在鐵路和公路領(lǐng)域內(nèi)遇到的龍?zhí)督M煤層瓦斯問題尤其嚴(yán)重，相應(yīng)類型的隧道占比達(dá)到97%（圖3a）。此外，根據(jù)圖3（a）、圖3（b）顯示，在有長度和埋深數(shù)據(jù)的樣本中，埋深500～1000m 的隧道占總數(shù)的94.6%，深度在100～500m 的隧道占總數(shù)的69.7%。

圖3 龍?zhí)督M瓦斯隧道長度、埋深、工程類別統(tǒng)計圖

可以看出，龍?zhí)督M瓦斯對隧道的危害比例高，且以高等級危害為主，所涉及的工程種類廣泛。如果按長度大于500m 為中、長隧道，埋深大于100m 為深埋隧道的劃分標(biāo)準(zhǔn)進(jìn)行分類，則龍?zhí)督M瓦斯隧道主要為中長、深埋隧道，這對煤層瓦斯的治理非常不利。因此龍?zhí)督M瓦斯對隧道的危害十分嚴(yán)重，對龍?zhí)督M瓦斯隧道評價體系進(jìn)行研究具有必要性。

2 指標(biāo)選取

龍?zhí)督M隧道發(fā)生瓦斯災(zāi)害的影響因素很多，本文在調(diào)查統(tǒng)計大量龍?zhí)督M瓦斯隧道案例的基礎(chǔ)上?；谡鎸嵭浴⒅鲗?dǎo)性、可操作性、普遍性、定性定量相結(jié)合的基本原則，選取了以下6 個主要因素作為評價龍?zhí)督M瓦斯隧道危險性的指標(biāo)。

2.1 隧道埋深

隨著埋深的增加，上覆蓋層的厚度越大，對煤層瓦斯的封閉效果就越好[5]，從而也就導(dǎo)致煤層中的瓦斯壓力和含量增加。但是由于煤層的儲氣能力有限[6]，隨著煤層埋深的不斷增加，煤層中瓦斯的含量漸漸達(dá)到飽和，瓦斯含量增加的梯度逐漸變小，最后趨于0（圖4）。證明煤層瓦斯含量與埋深的關(guān)系并非簡單的正線性關(guān)系，而是達(dá)到一定深度后煤層瓦斯含量會趨于一個穩(wěn)定值。因此在一定深度內(nèi)，隧道埋深越大，隧道瓦斯等級越高。

圖4 不同煤階的煤巖等溫吸附曲線

2.2 隧道長度

隧道長度主要對瓦斯防治措施的效果產(chǎn)生影響。一般來講，隧道越長瓦斯治理措施的效率就越低，并且瓦斯涌出量的大小也與隧道長度成正比。因此相同條件下，隧道越長，瓦斯災(zāi)害也就越嚴(yán)重。

2.3 隧道穿越煤層厚度

煤層的厚度對瓦斯生成量的大小和瓦斯的保存條件有巨大的影響[7]。一方面，瓦斯是成煤過程中的伴生氣體，煤層厚度越大，所伴生的瓦斯就越多[8]。另一方面，煤層主要以黏土礦物等細(xì)粒物質(zhì)為主，是一種優(yōu)質(zhì)的蓋層[9]，能夠?qū)Υ嬖诿后w中的瓦斯進(jìn)行有效的封鎖，煤層厚度越大，對瓦斯的保存也就越有利。

2.4 噸煤瓦斯含量

根據(jù)《公路瓦斯隧道設(shè)計與施工技術(shù)規(guī)范》規(guī)定，噸煤瓦斯含量是指煤層在自然條件下，每噸煤（巖）中含有的瓦斯體積，是游離瓦斯與吸附瓦斯之總和，是煤層瓦斯賦存的兩個重要參數(shù)之一，能夠直接反應(yīng)煤層對隧道的危險性。噸煤含量越大，則瓦斯涌出量越大，瓦斯對隧道的危險性等級就越高。

2.5 煤層瓦斯壓力

煤層瓦斯壓力對隧道的危害性極大[10]，在隧道瓦斯噴出、煤與瓦斯突出的發(fā)生、發(fā)展過程中都起著巨大的作用，鐵路和公路系統(tǒng)的瓦斯隧道相關(guān)規(guī)范中都將瓦斯壓力作為預(yù)測突出的主要指標(biāo)之一。此外，瓦斯壓力的增大，還可以增大煤層的瓦斯含量。因此，瓦斯壓力越大，隧道所面臨的瓦斯事故風(fēng)險就越高。

2.6 地質(zhì)綜合評分

煤層瓦斯的形成、賦存和運移作用都是在一定的地質(zhì)條件中進(jìn)行的，地質(zhì)條件的差異對龍?zhí)督M隧道的瓦斯危害程度造成重要影響。根據(jù)相關(guān)研究，影響龍?zhí)督M隧道瓦斯災(zāi)害的地質(zhì)因素主要有富煤帶、沉積環(huán)境、水文地質(zhì)條件、構(gòu)造烈度、地質(zhì)構(gòu)造、瓦斯風(fēng)化帶埋深[11]，并且研究還基于模糊綜合評判法，對華南14 個區(qū)域中的地質(zhì)條件對龍?zhí)督M瓦斯隧道的影響程度進(jìn)行綜合評價，得到了14 個地質(zhì)綜合評分。本文在此基礎(chǔ)上，依據(jù)龍?zhí)督M煤層和沉積相的分布特征以及各省行政區(qū)劃，將整個華南片區(qū)劃分為更加精細(xì)的24 個小區(qū)域（圖5），然后同樣依據(jù)模糊綜合評判法對各個區(qū)域內(nèi)的地質(zhì)因素進(jìn)行綜合評分。圖5 中，括號內(nèi)前一項表示評分排名，后一項表示所得評分。從結(jié)果可以看出，貴州西部地區(qū)得分最高，為0.722，說明該區(qū)域的地質(zhì)因素對龍?zhí)督M隧道最為不利，容易導(dǎo)致瓦斯事故的發(fā)生。相反，區(qū)域9 的評價結(jié)果為0.428，為華南最低值，說明廣西省的地質(zhì)因素最不利于龍?zhí)督M隧道瓦斯災(zāi)害的發(fā)生。

圖5 華南各區(qū)域地質(zhì)綜合評分結(jié)果圖

3 隧道瓦斯危險性預(yù)測SVM 模型

在現(xiàn)有的瓦斯隧道評價體系中，人為主觀因素始終影響較大，導(dǎo)致數(shù)據(jù)本身的信息和規(guī)律并沒有被充分挖掘。比如有研究在建立瓦斯隧道危險性評價體系的過程中，運用了層次分析、灰色關(guān)聯(lián)等方法來求解評價指標(biāo)的權(quán)重，并利用綜合集成賦權(quán)法來減少人的主觀隨意性，但還是不能避免在評價體系中出現(xiàn)人的主觀認(rèn)識[7]。而支持向量機(jī)分類模型是一種能夠充分利用小樣本數(shù)量，較好限制主觀隨意性的評價方法，能夠較好地解決以上問題[12]。因此針對龍?zhí)督M瓦斯隧道的特點，本文基于SVM 模型原理，對龍?zhí)督M瓦斯隧道的危險性進(jìn)行評價。

3.1 模型原理

支持向量機(jī)的全稱為Support Vector Machine，是由Corinna Cortes、Vapnik 于1995 年在統(tǒng)計學(xué)基礎(chǔ)上提出的計算機(jī)學(xué)習(xí)方法[13]。通俗來講，其是一種廣泛應(yīng)用于統(tǒng)計分類以及回歸分析中的廣義線性分類器[14]。SVM 的主要思想是在樣本空間中尋找一個最優(yōu)超平面，使得該平面兩側(cè)的樣本點離該平面的距離最大化，從而對分類問題提供良好的泛化能力，根據(jù)樣本的可分性可以分為線性SVM模型和非線性SVM模型。在非線性模型中，還需引入核函數(shù)將低維空間中的樣本映射到高維空間中進(jìn)行類別劃分。本文采用線性不可分SVM 模型，其具體原理如下所述。

圖6 支持向量機(jī)示意圖

3.2 數(shù)據(jù)集的建立

本文在收集到的92 座隧道中選取51 座信息相對較全面的龍?zhí)督M隧道作為數(shù)據(jù)集的樣本來源，其中瓦斯突出隧道18 座，高、低、無瓦斯隧道分別為17 座、14 座和2 座。每座隧道的信息包括隧道埋深、隧道長度、隧道穿越煤層厚度、噸煤瓦斯含量、煤層瓦斯壓力地質(zhì)綜合評分等6 個特征值和1 個標(biāo)簽值。其中，瓦斯突出隧道、高瓦斯隧道、低瓦斯隧道、無瓦斯隧道所對應(yīng)的標(biāo)簽分別取1、2、3、4。

為了提高模型的精準(zhǔn)度和收斂速度，需要將數(shù)據(jù)集中不同量綱的數(shù)據(jù)統(tǒng)一到同一數(shù)量級下。本文采用SVM-SCALE函數(shù)（式6）對數(shù)據(jù)集進(jìn)行縮放，縮放區(qū)間為[0，1]，數(shù)據(jù)處理后如表1 所示。

表1 樣本處理后各隧道數(shù)據(jù)值

水塘 0.190 0.116 0.405 0.447 0.100 0.890 2劉家莊 0.131 0.525 0.448 0.246 0.206 0.996 2城關(guān) 0.263 0.235 0.298 0.287 0.167 0.654 2南山 0 0.037 0.000 0.105 0.113 0.024 0.293 3袍子嶺 .180 0.448 0.124 0.153 0.051 0.608 3那磅鄉(xiāng) 0.118 0.220 0.148 0.049 0.041 0.459 3鐵盔山 0.005 0.357 0.417 0.114 0.012 0.996 3小壩一號 0.038 0.056 0.171 0.123 0.024 0.996 3云湖1 號 0.528 0.224 0.138 0.108 0.024 0.187 3中寨 0.074 0.239 0.202 0.054 0.036 0.459 3安理寨 0.103 0.084 0.133 0.064 0.029 0.459 3壇場 0.016 0.126 0.595 0.059 0.024 0.996 3舒家灣 0.005 0.020 0.357 0.074 0.029 0.996 3冷沙地 0.047 0.015 0.210 0.057 0.032 0.749 3兩山口1 號 0.000 0.000 0.076 0.043 0.024 0.996 3小槽灣 0.048 0.098 0.179 0.046 0.027 0.459 3修文 0.024 0.060 0.310 0.067 0.029 0.459 3梅花山 0.680 0.985 0.000 0.000 0.000 0.187 4晴隆 0.303 0.131 0.000 0.000 0.000 0.996 4

4 結(jié)果與討論

在建立支持向量機(jī)模型的過程中，參數(shù)cost（c、懲罰系數(shù)）和gamma（g）的選取至關(guān)重要。本文引入K 折交叉驗證法（K-fold Cross Validation）來尋找最佳c、g 值。該方法可以有效避免過學(xué)習(xí)以及欠學(xué)習(xí)狀態(tài)的發(fā)生，最后得到的結(jié)果也比較具有說服力。

在實驗過程中，本文在2-4到24變化范圍內(nèi)尋找最優(yōu)參數(shù)c 和g，“V”值取3 即進(jìn)行3 折交叉驗證。cstep 和gstep 都取1，即參數(shù)c 和g 的進(jìn)步大小都取1，最后顯示準(zhǔn)確率圖時的步進(jìn)大?。╝ccstep）取4.5，核函數(shù)其余的值都取默認(rèn)值。為了使得訓(xùn)練集樣本充足，本文在表1 中隨機(jī)抽出10 座瓦斯突出隧道、9 座高瓦斯隧道、7 座低瓦斯隧道以及2 座無瓦斯隧道作為模型的訓(xùn)練集，其余樣本外加一座無瓦斯隧道作為測試集。經(jīng)過3 折交叉檢驗，結(jié)果發(fā)現(xiàn)當(dāng)c=2，g=1 時，支持向量機(jī)得到的3 折交叉驗證最佳分類準(zhǔn)確率為86.2069%，測試樣本的精確度為91.6667%，24 個測試樣本中，有22 座隧道的瓦斯等級被該模型準(zhǔn)確判斷。具體試驗結(jié)果見圖7。

圖7 龍?zhí)督M瓦斯隧道評價模型運算結(jié)果圖

從模型的測試結(jié)果來看，該模型對瓦斯突出隧道和低瓦斯隧道的分類準(zhǔn)確率為100%，測試集中的8 座瓦斯突出隧道和7 座低瓦斯隧道全部被準(zhǔn)確分類；高瓦斯隧道的分類準(zhǔn)確率為87.5%，8 座高瓦斯隧道中有7 座被準(zhǔn)確分類；而無瓦斯隧道的則較低，這可能是由于訓(xùn)練集中的無瓦斯隧道樣本數(shù)量過少所導(dǎo)致的。因此總的來說，除去無瓦斯隧道以外，該模型能夠?qū)執(zhí)督M瓦斯隧道的危險性級別做出可靠的判別。

5 結(jié)論及建議

（1）龍?zhí)督M隧道涉及的工程領(lǐng)域廣泛，主要以中、長的深埋隧道為主。隧道發(fā)育的不良地質(zhì)類型多達(dá)15 種，其中以瓦斯災(zāi)害最為突出，在隧道中的發(fā)生率高達(dá)97.8%，并且以高瓦斯和瓦斯突出風(fēng)險為主。

（2）基于真實性、主導(dǎo)性、可操作性、普遍性、定性定量相結(jié)合的基本原則，統(tǒng)計分析出影響龍?zhí)督M隧道瓦斯災(zāi)害危險性的指標(biāo)主要包括隧道埋深、隧道長度、穿煤厚度、噸煤瓦斯含量、煤層瓦斯壓力、地質(zhì)綜合評分。

（3）基于支持向量機(jī)的相關(guān)理論，建立了針對龍?zhí)督M隧道瓦斯災(zāi)害危險性評價的模型。該模型的最佳分類準(zhǔn)確率為86.2069%，測試集對該模型的檢驗結(jié)果顯示，該模型的準(zhǔn)確率達(dá)到了91.67%，能夠?qū)執(zhí)督M瓦斯隧道的危險性級別做出可靠的判別。

由于已有的關(guān)于龍?zhí)督M無瓦斯隧道的記錄較少，導(dǎo)致本文中無瓦斯隧道的訓(xùn)練樣本過少，從而最終得到的SVM 模型對無瓦斯隧道的判別準(zhǔn)確率一直不高。因此后續(xù)可以進(jìn)一步加大對這方面資料的收集，使得瓦斯突出、高瓦斯、低瓦斯、無瓦斯隧道樣本達(dá)到平衡，進(jìn)一步提高模型對無瓦斯隧道的判別精準(zhǔn)率。