基于DE-BP模型隧道圍巖的動態(tài)分級*

張峰瑞，姜諳男，趙 亮，陳 維，郭 闊

(1. 大連海事大學 道橋研究所，遼寧 大連 116026；2. 吉林省交通規(guī)劃設計院，長春 130021)

隧道工程地質條件復雜，為了確保施工安全，合理進行施工預算，在勘查設計階段需結合物探、波速測孔和巖土體物理力學參數(shù)等資料對圍巖進行分級.施工期間隧道掌子面圍巖性質往往與設計的圍巖級別有所差別，需要進行設計變更，從而耽誤施工進度和影響隧道安全.因此，選用合理的方法進行施工期間隧道圍巖動態(tài)分級具有重要意義[1-2].

關于隧道圍巖分級眾多學者已經(jīng)做了大量的研究.監(jiān)控量測是反饋圍巖信息、確保施工安全的一個重要手段，黃鋒、鄧洪亮和張長亮等[3-5]基于現(xiàn)場監(jiān)控量測獲得圍巖信息，并對圍巖進行分級，指導現(xiàn)場施工.超期地質預報能夠獲得隧道掌子面前方一定距離內的圍巖信息，張云冬、張新柳和韓永琦等[6-8]采用超前地質預報方法對隧道圍巖進行分級，提出基于超前地質預報的圍巖分級方法，并通過實際工程驗證了該方法的合理性.近年來，隨著許多新方法諸如BP神經(jīng)網(wǎng)絡方法[9]、模糊綜合評判法[10]、Mamdani模糊推理方法[11]、可拓學理論方法[12]的不斷發(fā)展，使得圍巖分級更加科學高效，且取得了一些成果[13-15].

但是，目前隧道施工期間圍巖分級還存在以下問題：1)需要進行大量室內外試驗，消耗時間較多，與施工進度形成矛盾；2)現(xiàn)有的理論模型學習收斂速度慢，而且易陷入局部最優(yōu)值；3)圍巖分級信息不方便管理等.

差異進化-BP神經(jīng)網(wǎng)絡模型(DE-BP模型)是將BP神經(jīng)網(wǎng)絡模型與差異進化算法相結合，具有收斂速度快，穩(wěn)定性高等特點，適用于隧道圍巖分級.本文根據(jù)地質超前預報獲得圍巖動態(tài)分級指標，提出了基于DE-BP模型的隧道圍巖動態(tài)分級方法，并將此方法應用于板石隧道的圍巖分級.結合VTK技術、三維地質建模方法及數(shù)據(jù)庫編寫隧道圍巖分類軟件，為隧道現(xiàn)場施工及設計變更提供了可靠支持.

1 基于地質超前預報圍巖分級指標

利用地質超前預報技術可以獲得隧道掌子面前方的地質和水文情況，首先在洞壁一側水平布置多個炮孔，遠離掌子面方向布置一個檢波孔，檢波孔距最近一個炮孔距離為20 m，離檢波孔最遠的炮孔盡量靠近掌子面.采用瞬發(fā)電雷管進行炸藥引爆，爆破時產生的地震波在隧道圍巖中以球面波形式傳播，當遇到不良地質體和地下水時，一部分地震波繼續(xù)向前傳播，另一部分被反射回來，通過分析反射回來地震波的傳播速度、波形、頻率和強度等特征，處理提取掌子面前方圍巖的波速、泊松比和反射系數(shù)等數(shù)據(jù)，從而預報隧道掌子面前方圍巖情況.圖1為地質超前預報原理圖.

基于地質超期預報信息，將回彈強度、巖體完整性、節(jié)理延展性、地下水、結構面走向和地應力狀態(tài)作為隧道圍巖分級指標，并進行定量化處理.

圖1 地質超前預報原理圖Fig.1 Principle diagram of geological advanced prediction

1) 回彈強度Rht

單軸抗壓強度在施工現(xiàn)場難以測定，為此采用回彈強度代替單軸抗壓強度，研究表明，回彈強度與單軸抗壓強度存在如下關系：

Rc=144.785(1-e-0.010 86Rht)

(1)

2) 巖體完整性指標kv

巖體完整程度用BQ法中的巖體完整性指標kv表示，即

(2)

式中：Vp為巖體的縱波波速；Vs為巖石的縱波波速.

3) 節(jié)理延展性Jyz

圖2為隧道掌子面素描圖.將掌子面內的節(jié)理進行定量化處理，作為節(jié)理延展性指標，如表1所示.

圖2 隧道掌子面素描圖Fig.2 Sketch diagram of tunnel face

表1 節(jié)理延展性Tab.1 Joint extensibility

4) 地下水影響w

在施工現(xiàn)場進行地下水觀測，根據(jù)表2按其流量和狀態(tài)進行定量化處理.

表2 地下水狀態(tài)Tab.2 Groundwater states

5) 結構面和隧道走向λ

根據(jù)RMR分級體系將結構面和隧道走向關系分為垂直、平行、任意3種情況，如表3所示.

表3 結構面走向分布Tab.3 Structural plane direction

6) 地應力狀態(tài)GS

按照《工程巖體分級標準》，將隧道分為高地應力區(qū)、中地應力區(qū)和低地應力區(qū)，并根據(jù)巖體狀態(tài)進行打分，如表4所示.

表4 地應力狀態(tài)分布Tab.4 Distribution of geostress states

2 DE-BP模型

本文將BP神經(jīng)網(wǎng)絡與差異進化算法相結合，充分運用DE算法良好的優(yōu)化性能，替代了BP神經(jīng)網(wǎng)絡中的梯度下降算法.建立的DE-BP模型采用三層BP神經(jīng)網(wǎng)絡，三層BP神經(jīng)網(wǎng)絡不僅能以任意精度逼近任意函數(shù)，還能逼近其各階導數(shù).將三層BP神經(jīng)網(wǎng)絡累積預測誤差標準差作為DE算法的適應度函數(shù)，計算步驟如下：

1) 確定BP網(wǎng)絡拓撲結構，包括輸入層節(jié)點數(shù)n、隱含層節(jié)點數(shù)p與輸出層節(jié)點數(shù)q.

2) 計算并設置DE算法參數(shù)，對輸入層至隱含層的連接權值wij、隱含層至輸出層的連接權值vjt、隱含層各單元的輸出閾值θj與輸出層各單元的輸出閾值γj進行賦值.

3) 產生初始種群，設定DE算法中種群規(guī)模Np、交叉因子CR、變異因子F和差異策略.

采用式(3)～(7)對輸出層的各單元標準差σk進行計算，根據(jù)標準差求取目標函數(shù)σ，如式(8)所示.

(3)

bj=f(sj) (j=1，2，…，p)

(4)

(5)

Ct=f(Lt) (t=1，2，…，q)

(6)

(7)

(8)

式中：sj為隱含層各單元的輸入；bj為隱含層各單元的輸出；f為傳遞函數(shù)；Lt為輸出層各單元的輸出；Ct為輸出層各單元的響應；k=1，2，…，m.

5) 反復進行變異、交叉、目標函數(shù)計算、選擇等操作，當最大種群迭代數(shù)或目標函數(shù)達到設定值時結束計算.DE-BP模型計算流程如圖3所示.

圖3 計算流程圖Fig.3 Flow chart of calculation

選取交叉因子CR=0.9、變異因子F=0.9、差異策略為DE/best/1，對DE-BP模型的訓練結果與BP神經(jīng)網(wǎng)絡的訓練結果進行比較.表5為DE-BP模型和BP模型訓練對比結果，從表5中可以看出，DE-BP模型的訓練均方差明顯小于BP神經(jīng)網(wǎng)絡，分級精度明顯提高.

表5 對比結果Tab.5 Comparison results

VTK(visualization toolkit)是一個開放源代碼、跨平臺和支持并行處理的圖形應用函數(shù)庫，其內核是用C++編譯的，主要用于圖像處理、3D計算機圖形學以及可視化開發(fā).VTK以靈活性和方便性為主要原則，具有強大的三維圖形渲染功能、豐富的數(shù)據(jù)類型、支持多種著色和成圖快的特點.

結合VTK技術、三維地質建模方法及數(shù)據(jù)庫技術編寫隧道圍巖分級軟件，該軟件能夠高效、準確地管理隧道圍巖分級信息，便于現(xiàn)場施工人員進行施工期間隧道圍巖快速分級，確保施工進度和安全.隧道圍巖分級軟件具有圍巖快速分級、分級結果儲存和分級結果三維可視化等功能.軟件包含DE-BP和BQ兩種分級方法，可根據(jù)需要進行選擇.首先確定隧道斷面的樁號，輸入圍巖分級指標，選擇分級方法進行預測.預測完成后，可將隧道斷面信息、圍巖分級指標和分級結果進行儲存，方便以后查詢和管理，軟件界面如圖4所示.

圖4 圍巖分級軟件Fig.4 Classification software for surrounding rock

3 工程應用

3.1 工程概況

板石隧道位于吉林省白山市，分為左右兩幅，左幅1 668 m，右幅1 683 m.隧道為低山地貌，巖性主要為片麻巖，斷裂構造發(fā)育，受其影響巖體破碎，局部風化強烈.隧道區(qū)域內無大的地表水體，地下水類型較為簡單，分為第四系孔隙水和基巖裂隙水，屬地下水貧乏區(qū)域，隧道內涌水量估算值為599.4 m3/d.氣候屬北溫帶大陸性季風區(qū)，夏季溫熱多雨而短促，冬季寒冷干燥而漫長.年平均氣溫5 ℃，最低氣溫-42.2 ℃，最高氣溫36.5 ℃，如圖5所示.

圖5 板石隧道Fig.5 Banshi tunnel

隧道按新奧法原理組織施工，施工中堅持監(jiān)控量測(地質雷達、TSP、超前探孔)，各工作面均采用鉆爆法開挖，洞內出碴均采用無軌運輸.Ⅲ級圍巖采用全斷面開挖施工，Ⅳ級圍巖采用臺階法施工，Ⅴ級圍巖采取微臺階預留核心土法、CRD開挖法、CD法.

3.2 超前地質預報應用

為了解施工期間板石隧道掌子面前方圍巖地質和地下水情況，確保施工安全，采用瑞士安伯格公司TSP203型超前地質預報系統(tǒng)對隧道進行了檢測，預報范圍為掌子面前方0～150 m.以板石隧道左幅出口掌子面LK67+040為例，對超前預報結果進行分析，如圖6、7所示.

圖6 掌子面巖性照片F(xiàn)ig.6 Image of face lithology

圖7 地質超前預報結果Fig.7 Geological advanced prediction results

圖7表明，隧道掌子面前方LK67+040～LK66+970范圍內有多組反射界面，縱波波速減小、橫波波速整體變化不大但較為波動，泊松比先增大后減小，動態(tài)楊氏模量變化不大但波動較大，推斷該段圍巖節(jié)理裂隙較發(fā)育，局部破碎，裂隙水較不發(fā)育，局部滲漏滴水，圍巖穩(wěn)定性較差，易發(fā)生失穩(wěn)掉塊脫落.

3.3 隧道圍巖動態(tài)分級

圖8為隧道圍巖動態(tài)分級流程，首先根據(jù)勘查和設計資料對隧道不良地質斷面進行初步判斷；然后采用TSP超前地質預報確定掌子面前方圍巖巖體具體情況，并進行定量化處理得到圍巖分級指標；最后根據(jù)所建立的模型進行隧道圍巖分級，并與勘查設計和現(xiàn)場觀測結果進行比較，驗證模型的準確性，最終確定圍巖級別.

選取板石1號隧道30個具有代表性的掌子面，根據(jù)地質超前預報確定隧道圍巖分級指標，進行板石一號隧道圍巖動態(tài)分級.表6為板石一號隧道典型斷面的圍巖分級指標.表6中共有30組數(shù)據(jù)，將前25組數(shù)據(jù)進行訓練計算，建立DE-BP模型，后5組數(shù)據(jù)對模型進行測試，驗證模型的準確性.DE-BP模型參數(shù)為：種群規(guī)模500，迭代步數(shù)600，隱含層節(jié)點數(shù)15個，選用Sigmoid函數(shù)為激活函數(shù).為了加快收斂速度，對Sigmoid函數(shù)進行歸一化處理，即

(9)

圖8 圍巖分級流程Fig.8 Flow chart of surrounding rock classification

式中：xmax為輸入分量最大值；xmin為輸入分量最小值.

所建立的DE-BP模型經(jīng)過測試滿足準確性后，基于地質超前預報信息將隧道施工期間圍巖分級指標代入計算，進行圍巖分級.選取隧道5個典型斷面圍巖的DE-BP分級結果與勘查設計的圍巖級別進行比較，結果如表7所示.從表7中可以看出，DE-BP模型計算的隧道圍巖等級與勘查設計等級基本相同，證明該算法可以有效地用于隧道現(xiàn)場圍巖動態(tài)級別判定.將隧道圍巖動態(tài)分級指標作為DE-BP算法訓練樣本，可以節(jié)省后續(xù)圍巖分級的繁雜計算工作，更加高效、快捷.

采用圍巖分級軟件對隧道進行三維地質體建模，通過VTK技術實現(xiàn)模型的三維可視化顯示，將圍巖分級結果與三維可視化模型相結合，用不同顏色表征隧道圍巖級別，最終實現(xiàn)了隧道圍巖分級結果的三維可視化.將施工期間和勘查設計期間隧道圍巖級別在同一畫面進行顯示，方便查看和管理，如圖9所示.

4 施工方案調整

從上述分析得知，隧道LK66+257～LK66+285區(qū)域，DE-BP模型的圍巖級別為V級，勘查設計的圍巖級別為IV級.根據(jù)現(xiàn)場勘查和圍巖揭露信息，隧道圍巖為中風化混合片麻巖，受斷裂擠壓作用，巖體節(jié)理裂隙極發(fā)育，巖體破碎松散，形成碎裂巖，局部泥化，頂板不穩(wěn)定，無支護將發(fā)生重大坍塌，屬于Ⅴ級圍巖.研究表明，基于DE-BP模型計算的圍巖等級比勘查設計確定的圍巖等級更加精確，為了確保施工安全，需要進行設計變更和施工方案的調整.

表6 典型斷面圍巖分級指標Tab.6 Classification indexes for sections of typical surrounding rock

表7 圍巖級別對比結果Tab.7 Comparison results of surrounding rock grades

將隧道LK66+257～LK66+285段圍巖級別變更為V級，采用型鋼鋼架配合φ42 mm超前小導管預注漿超前支護，CRD法施工，初期支護在開挖完成后及時施工，緊跟開挖面，拱部系統(tǒng)錨桿采用φ22 mm中空注漿錨桿，邊墻采用φ22 mm砂漿錨桿，施工中加強監(jiān)控量測，及時反饋監(jiān)測信息，保證施工安全.施工方法和支護參數(shù)調整如表8所示.

圖9 圍巖分級可視化顯示Fig.9 Visual display of surrounding rock classification

5 結 論

本文通過分析得出如下結論：

1) 根據(jù)地質超期預報信息，將回彈強度、巖體完整性、節(jié)理延展性、地下水、結構面走向和地應力狀態(tài)作為隧道圍巖分級指標，并進行定量化處理.

表8 施工方法和支護參數(shù)Tab.8 Construction methods and support parameters

2) 將BP神經(jīng)網(wǎng)絡與差異進化算法相結合，建立基于DE-BP模型的隧道圍巖分級方法，并與BP神經(jīng)網(wǎng)絡訓練結果進行比較，分級精度明顯提高.結合VTK技術、三維地質建模方法及數(shù)據(jù)庫開發(fā)了隧道圍巖分級軟件，軟件包含圍巖等級預測和結果信息管理的功能，實現(xiàn)了隧道圍巖分級結果的三維可視化，為施工及設計提供了有力的分析工具.

3) 對板石隧道圍巖進行分級，DE-BP模型分級結果與勘查設計等級基本相同，證明該算法的合理性，且更加高效、快捷.基于DE-BP模型的隧道圍巖級別進行設計變更和施工方案的調整，確保施工安全.