基于DE-BP模型隧道圍巖的動態分級*

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分級具有重要意義[1-2].

關于隧道圍巖分級眾多學者已經做了大量的研究.監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]基于現場監控量測獲得圍巖信息，并對圍巖進行分級，指導現場施工.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神經網絡方法[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)現有的理論模型學習收斂速度慢，而且易陷入局部最優值；3)圍巖分級信息不方便管理等.

差異進化-BP神經網絡模型(DE-BP模型)是將BP神經網絡模型與差異進化算法相結合，具有收斂速度快，穩定性高等特點，適用于隧道圍巖分級.本文根據地質超前預報獲得圍巖動態分級指標，提出了基于DE-BP模型的隧道圍巖動態分級方法，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據庫編寫隧道圍巖分類軟件，為隧道現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、泊松比和反射系數等數據，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、節理延展性、地下水、結構面走向和地應力狀態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) 節理延展性Jyz

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

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

表1 節理延展性Tab.1 Joint extensibility

4) 地下水影響w

在施工現場進行地下水觀測，根據表2按其流量和狀態進行定量化處理.

表2 地下水狀態Tab.2 Groundwater states

5) 結構面和隧道走向λ

根據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GS

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

表4 地應力狀態分布Tab.4 Distribution of geostress states

2 DE-BP模型

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

1) 確定BP網絡拓撲結構，包括輸入層節點數n、隱含層節點數p與輸出層節點數q.

2) 計算并設置DE算法參數，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，根據標準差求取目標函數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；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、目標函數計算、選擇等操作，當最大種群迭代數或目標函數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神經網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神經網絡，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.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、豐富的數據類型、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據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，斷裂構造發育，受其影響巖體破碎，局部風化強烈.隧道區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，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Fig.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，動態楊氏模量變化不大但波動較大，推斷該段圍巖節理裂隙較發育，局部破碎，裂隙水較不發育，局部滲漏滴水，圍巖穩定性較差，易發生失穩掉塊脫落.

3.3 隧道圍巖動態分級

圖8為隧道圍巖動態分級流程，首先根據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；最后根據所建立的模型進行隧道圍巖分級，并與勘查設計和現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組數據，將前25組數據進行訓練計算，建立DE-BP模型，后5組數據對模型進行測試，驗證模型的準確性.DE-BP模型參數為：種群規模500，迭代步數600，隱含層節點數15個，選用Sigmoid函數為激活函數.為了加快收斂速度，對Sigmoid函數進行歸一化處理，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場圍巖動態級別判定.將隧道圍巖動態分級指標作為DE-BP算法訓練樣本，可以節省后續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.根據現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，巖體節理裂隙極發育，巖體破碎松散，形成碎裂巖，局部泥化，頂板不穩定，無支護將發生重大坍塌，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，施工中加強監控量測，及時反饋監測信息，保證施工安全.施工方法和支護參數調整如表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) 根據地質超期預報信息，將回彈強度、巖體完整性、節理延展性、地下水、結構面走向和地應力狀態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Tab.8 Construction methods and support parameters

2) 將BP神經網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神經網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據庫開發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.