隧道不良地質識別: 方法、現狀及智能化發展方向

許振浩,邵瑞琦,林 鵬,李術才,向 航,韓 濤,李 珊

1)山東大學巖土與結構工程研究中心,山東濟南 250061;2)山東大學齊魯交通學院,山東濟南 250061

隧道施工常穿越斷層破碎帶、巖溶、蝕變帶等不良地質帶,往往導致突水突泥、卡機、塌方等重大地質災害,嚴重威脅隧道施工安全(李術才等,2014; 錢七虎,2017)。準確可靠的不良地質識別結果對于保障隧道安全施工具有重要的意義。受地表條件限制,在隧道選址勘探階段,無法全面準確地掌握隧道沿線的不良地質情況,因而隧道不良地質識別的主要目的是進一步明確隧道沿線不良地質體的情況,并有效掌握其位置、規模、類型以及性質等信息,即不良地質的“形”(形態、位置、規模)和“性”(性質、類型)。不同類型的不良地質在規模、性質、發育過程上存在很大的差異,因而給不良地質的識別帶來很大的挑戰(李天斌,2008; 《中國公路學報》編輯部,2015; Gong et al.,2016; 鄧銘江等,2021)。

物探法是隧道不良地質識別與預測預報最有效的手段之一,已被廣泛應用在各類隧道工程建設中(許振浩等,2008; Li et al.,2017)。物探法可對隧道掌子面前方的不良地質體的位置和形態進行識別,如地震波法可查明掌子面前方巖體的完整性(Ashida,2001; 張慶松等,2008),激發極化法則能夠探明掌子面前方的富水地層(李術才等,2011; 羅利銳等,2011; Park et al.,2016)。因此近年來學者們致力于物探數據的高精度反演,以提高物探結果的準確性。超前鉆探能夠直接揭露掌子面前方的巖體信息,可以通過隨鉆參數的變化直觀地感知隧道掌子面前方巖體質量和地層信息的變化,已經成為隧道不良地質識別的重要方法和技術手段(He et al.,2019; Eldert et al.,2019)。近年來,千米定向鉆技術更是彰顯了超前鉆探法在隧道不良地質識別和超前地質預報方面的顯著優勢(陳湘生等,2020; 徐正宣等,2022)。但取芯鉆探效率低,難以適應隧道快速施工,非取芯鉆探存在對巖石力學參數反演精度不高、對巖體結構特征描述不清的問題,具有“一孔之見”的弊端,同樣難以直接測定不良地質的性質、類型、地質成因等信息。

近年來隨著隧道施工向智能化方向的發展,隧道施工對于不良地質預報的精度要求也不斷提高,針對不良地質的研究,不僅要預報其位置和規模,還要識別其性質、類型以及地質演化過程。因此,不良地質識別是為了更進一步詳細獲取掌子面附近的地質信息,更為關鍵的是要結合超前地質預報實現對掌子面前方不良地質體位置、類型、規模以及性質等的精確識別。

隧洞在穿越不良地質影響區域時,巖石圖像、元素和礦物等地質特征會發生規律性異常變化,通過地質特征分析能夠識別不良地質體的性質,詳細的地質分析可以明確不良地質的發育類型、形成原因、發育規模以及多種不良地質共存的相互關系(王振宇等,2010; 李術才等,2018)。但當前傳統的地質分析依賴于地質工程師根據掌子面地質素描、圍巖揭露信息等作出的判斷,缺少定量化數據支撐,是停留在經驗層面的定性分析,主觀性強、誤差大,常出現誤判漏判現象(Xu et al.,2021a; Lin et al.,2023)。

隨著隧道施工對于不良地質識別精度要求的不斷提高以及人工智能技術的發展,融合多源地質信息的不良地質智能化識別已成為發展趨勢。近年來,研究人員聚焦于隧道巖性與不良地質智能識別理論、方法與技術研究,提出了地質分析與物探聯合反演的不良地質識別方法,構建了融合巖石圖像、地化信息和物探結果的綜合判識技術,旨在實現不良地質體“形”(位置、形狀和規模)和“性”(類型、性質)的精準識別(Xu et al.,2021a; 許振浩等,2021; Lin et al.,2022)。探索性地將地化分析融入到傳統超前鉆探方法中,融合超前鉆探隨鉆參數和地化信息,既可以發揮傳統超前鉆探在直觀感知巖體質量和地層信息變化方面的優勢,又可以發揮地化分析在巖性和不良地質異常識別方面的優勢。

本文基于大量國內外文獻和工程現場調研實驗,將不良地質體劃分為6大類: 斷層類、蝕變類、風化地層類、巖溶類、巖脈侵入類和巖層接觸類,并對6類不良地質體的地質成因進行了闡述,為物探、鉆探等超前地質預報手段提供地質基礎。對隧道不良地質識別的主要方法進行了總結,闡述了在不良地質智能化識別方面的主要研究進展,并對未來的技術發展方向和趨勢進行了展望,為隧道不良地質識別方法的研究提供參考。

1 隧道不良地質分類及其地質成因

了解不良地質形成過程,劃分不良地質的類別,有針對性地開展不良地質識別和預報,對隧道施工防災減災具有重要意義。

1.1 隧道不良地質的分類

隧道遭遇斷層、巖溶、蝕變帶等不良地質體誘發突水突泥、塌方、大變形等地質災害,災變過程及災害規模與不良地質類型及其成因密切相關。依據地質成因對不良地質體進行分類,不僅能明確其形成機理和發育過程,還能夠為物探、鉆探等超前地質預報手段提供地質基礎?；诖罅繃鴥韧馕墨I和工程現場調研實驗,根據不良地質體的地質成因,將其劃分為6大類,分別為: 斷層類、蝕變類、風化地層類、巖溶類、巖脈侵入類和巖層接觸類(圖1),并對目前我國隧道施工中最易誘發塌方及突水突泥災害的斷層和巖溶進行了詳細劃分。

圖1 不良地質分類示意圖Fig.1 Schematic diagram of adverse geology

(1)斷層類: 斷層對隧道圍巖穩定性的影響很大,能改變巖體的物理性能,斷層發育中伴隨的流體作用還會破壞巖石的化學組成,降低圍巖的整體強度,從而誘發地質災害。斷層對隧道的影響與其自身的地質形成過程和力學性質密切相關,按照力學性質可將其劃分為3類: ①張性斷層,在張應力作用下形成,常為正斷層,斷層面粗糙,多呈鋸齒狀。②壓性斷層,由壓應力作用形成,多呈逆斷層形式。③扭性斷層,在剪應力作用下形成,常成對出現,斷層面平直光滑,常有擦痕出現(李忠權等,2010)。

以張性正斷層為主的斷層破碎帶,巖性主要是角礫巖,呈棱角狀,隧道開挖到此種類型的破碎帶時,極易造成塌方,由于張性斷層面張開程度大,斷裂面的充填物多為角礫巖,因此當其發育在地下水豐富的地層中時,會形成良好的導水通道,成為導水斷層,從而誘發突涌水災害(圖2a)。以壓性逆斷層為主的斷層破碎帶,巖性主要為泥巖、糜棱巖,破碎嚴重,但是膠結緊密,破碎帶穩定性較好,斷面閉合性強,透水性和含水性差,因此當其發育在地下水豐富的地層中時,往往形成阻水斷層(圖2b)。以扭性平移斷層為主的斷層破碎帶,破碎帶寬度相對較小,巖性以糜棱巖和破碎帶巖石為主,扭性斷層通常伴隨張性或壓型斷層發育。宜萬鐵路隧道工程穿越區域性大型斷裂多達20余處,齊岳山隧道穿越的高壓富水斷層是其典型代表(圖2c)(趙勇等,2009)。

(2)蝕變帶: 巖石蝕變是指在熱液的作用下,巖石中發生的一系列舊礦物被新的更穩定礦物所代替的交代作用。巖體蝕變導致圍巖的化學成分、礦物組成以及結構、構造等均遭受到不同程度的改變,圍巖蝕變范圍有的只有幾厘米寬,有的形成數十米寬的暈圈。巖體蝕變直接影響巖石的工程地質性質。中國廣東抽水蓄能電站的地下工程發育高嶺石化、蒙脫石化蝕變巖帶,蒙脫石化蝕變花崗巖具有吸水膨脹崩解的特性,影響部分圍巖的穩定(李鵬云等,2009)。

(3)風化地層: 巖石風化地層一般裂隙分布較密集,相互連接呈不規則的網狀,往往起到儲水和導水作用。在一些特殊風化作用下,地質條件發生顯著變化,如由于差異風化作用形成的風化夾層、風化深槽等。風化夾層主要指在兩側不易風化巖層中間的易風化巖層嚴重風化,由于風化嚴重,向下風化深度較大,風化層內具有良好儲水空間,在適宜的條件下,能夠富集較多地下水(圖3a)。風化深槽指在差異風化和風化營力長期作用下,風化作用在地質風化薄弱處急劇發展,致使風化底部界線加深,形成深槽或囊狀結構進行蓄水(圖3b),在隧道施工中易發生突水突泥的構造(李術才等,2019)。

圖3 風化型不良地質(李術才等,2019)Fig.3 Adverse geology of weathering type (LI et al.,2019)

(4)巖溶: 巖溶類巖體極易誘發突水突泥災害,對隧道安全和工程建設具有極強的控制性和危害性。受地形地貌、地質構造、地層巖性、巖層產狀等眾多因素的控制,巖溶發育復雜多變、大小不定、形態各異,主要可分為以下三類。

①溶蝕裂隙是巖石裂隙、節理、層面等結構面在地下水運動過程中溶蝕擴大形成的,較原始裂隙寬大,連通性更好,導水能力和含水性也隨之增強。溶蝕裂隙的單個規模較小,但廣泛分布在可溶性巖層中(圖4a)。當巖溶呈高角度裂縫產出,且巖溶裂隙被充填時,往往形成一種常見、致災性極強卻極易被忽視的致災系統形式,即高陡傾充填型巖溶裂隙(李術才等,2018),如三峽翻壩高速季家坡隧道巖溶強烈發育,是全線最典型的高風險巖溶隧道(許振浩等,2011a)。

圖4 巖溶類不良地質(李術才等,2019)Fig.4 Adverse geology of karst type (LI et al.,2019)

②溶洞溶腔是地下水沿著可溶巖的各種不連續面進行化學溶蝕與機械侵蝕而形成的較大空洞,是溶蝕裂隙的進一步發育和擴展(圖4b)。直接揭露或是隧道與溶洞溶腔之間的厚度小于最小安全厚度,則發生突水突泥災害。如宜萬鐵路馬鹿箐隧道施工過程中揭露“+ 978溶洞”,發生大規模突水突泥災害,造成巨大的經濟損失、人員傷亡和工期延誤(黃雄軍,2011)。

③管道及地下河一般長度方向遠大于另外兩個方向(圖4c,d),地下河的發育程度與該地區的水動力條件和地質構造密切相關(劉光亞,1979)。從平面展布上看,常見地下河類型有單線狀地下河、分叉狀地下河、側羽狀地下河、樹枝狀地下河和網絡狀地下河。

(5)巖脈侵入: 巖漿侵入時,在侵入巖與圍巖接觸帶附近產生節理和裂隙發育帶,經后期地質構造運動或風化、水蝕作用改造,裂隙進一步發育,原來封閉裂隙或隱裂隙的導水性和含水性增強(圖5),當隧道開挖揭露此段圍巖時易發生地質災害(李術才等,2019)。當巖漿侵入強透水巖層中時,火成巖位于地下水運動的下游,阻斷或改變了地下水運移路徑,使地下水在強透水層中富集或運移,隧道開挖至與侵入巖接觸的富水巖層時,容易發生地質災害。

圖5 侵入接觸型不良地質(李術才等,2019)Fig.5 Adverse geology of intrusive contact type(LI et al.,2019)

(6)巖性接觸帶: 巖性接觸帶是指連續沉積的不同巖性整合界面,如區域構造作用導致的不整合面、沉積地層不同巖性沉積界面以及巖漿侵入界面等,不同巖性的交界面力學性質、化學成分等差異巨大,會引起斷裂韌性、巖體彈塑性、地應力等變化,而且接觸帶巖體影響水力裂縫的延伸能力,往往也是富含地下水的地段(圖6)。由于兩側巖石物理力學性質不同,整體性很差,巖體自身承載能力弱,在隧道施工中可能造成重大工程災害。

圖6 巖層接觸類不良地質(李術才等,2019)Fig.6 Adverse geology of rock contact type(LI et al.,2019)

1.2 隧道不良地質體的地質成因

不良地質的發生和發展是地質作用、地層巖性、地形地貌、地表及地下水等因素綜合作用的結果(黃鑫等,2020)。明確不良地質體的地質成因,對于識別不良地質性質、特征及其發育的地質機理與過程具有指導意義。

地質作用是不良地質形成和發育的主控因素,地質作用包括發育在固體地球內部的內力地質作用,以及地球各圈層相互作用的外力地質作用(舒良樹,2011)。內力地質作用在絕大部分不良地質體的發育過程中起主導作用,構造作用、地震作用、巖漿作用等能夠在短時間內破壞巖層的結構構造,形成不良地質。構造作用在斷層破碎帶的形成過程中占主導地位,大型的斷層通常是地球活動造成的結果,包括板塊碰撞運動、地殼活動等。兩個板塊分離、擠壓、隱沒、相對旋轉或是平移都有可能產生斷層;小型次級斷層的產生有可能是因為巖體不穩定、巖石因為重力下滑、地震破壞,拉出破裂面形成斷層。由于大型構造活動通常伴隨有熱事件以及地下流體活動,導致巖石的元素礦物發生遷移、流失、富集、重結晶等事件形成蝕變巖體(圖7),因此構造作用不僅會破壞巖體的宏觀結構和構造,同時還會改變巖石的成分組成(Xu et al.,2021a; Dorsey et al.,2021)。此外,巖漿活動也是導致巖石發生蝕變作用的主控因素,同時還控制著巖脈侵入作用,如巖漿巖侵入過程中形成的矽卡巖巖脈、石英巖脈等會破壞巖體的完整程度,在隧道開挖過程中誘發地質災害。構造作用相關的斷層、褶皺以及節理裂隙通過改變地下水通道控制巖溶的形態、規模、發育速度及分布空間。沿著地層中的一組優勢裂隙可發育成溶溝、溶槽; 沿兩組裂隙可發育成石芽及落水洞。斷層導致的巖體破碎在多數情況下可作為良好的地下水通道,為地下水侵蝕可溶性巖提供了有利的條件。規模較大的斷層常構成小型或次級斷裂的集水通道,其水源補給充沛,因此易于形成規模巨大的溶洞。褶皺核部縱張節理和斷裂發育強烈,核部的巖溶比翼部發育強烈(李智毅,1994)。

圖7 斷層地球化學異常模式(Xu et al.,2023a)Fig.7 Fault geochemical anomaly pattern (Xu et al.,2023a)

風化作用、沉積作用等外力地質作用也是不良地質形成和發育的決定性因素,通?？刂浦涣嫉刭|的發育過程。與斷層、蝕變帶、巖脈等相比,風化巖體、巖溶、巖性接觸帶等不良地質體的形成和發育則是一種更為漫長的地質過程。風化巖體的形成是由于地表或者接近地表的礦物和巖石,通過大氣、水以及生物的接觸,發生物理的或化學的轉變,轉變為松散的碎屑物或者土壤的過程(舒良樹,2011)。隧道中的風化巖體易被地下水剝蝕,非常容易誘發突水突泥、塌方、卡機等地質災害。巖溶是不斷流動的地表、地下水對可溶性巖侵蝕作用的產物,由于巖溶作用使可溶性巖體結構發生變化,巖石的強度降低,形成溶洞、溶腔,巖石的透水性明顯增加,并富含地下水,因此,隧道工程施工中巖溶往往導致突涌水、塌方等地質災害。巖性接觸帶的形成根據其自身類型受控于不同的地質作用,如受正常地層沉積作用控制下的地層接觸面/帶,斷層兩盤地層的移動導致不同時代不同類型的地層相互接觸,風化、剝蝕、沉積等多種地質作用下的地層不整合接觸面,巖漿侵入作用形成的巖漿巖接觸帶。

地層巖性是不良地質形成的物質基礎。巖性堅硬程度、力學強度、抗風化能力不同,不良地質體的發育程度和形成規模也不同。在軟弱地層抗風化能力弱,透水性差,極易于吸水軟化形成軟弱結構面。相反,硬質巖巖體抗風化能力強,不易形成潛在滑移面和松散物質(王旭,2020)。一般而言可溶巖的溶解度越大溶蝕速度越快,更易發育溶洞溶腔及暗河等大型巖溶(許振浩等,2011b)。

地貌形態、水文地質、氣候特征等是影響不良地質發育的重要條件。如負地形地貌反應了巖溶水的動力條件,地表的溶槽溶溝越發育,導致巖溶水更容易運移到地下當中。地表匯水面積越大,地表溶溝、溶槽發育越深,則巖溶水更易下滲,促進深部巖體中溶洞溶腔的發育。氣候條件與巖體風化作用密切相關,嚴重風化的各種巖層、極軟弱破碎的斷層帶以及堆積、坡積層中,在富含地下水的情況下會生成巖體強度很低、自穩能力極差的富水地層。流體或水熱溶液作用于巖石時,導致流體或水熱溶液的物理、化學條件在空間上、時間上也不斷變化,使得在礦床形成前后和形成期間圍巖的化學組成或狀態發生變化,出現不同的礦物群體組合,進而形成蝕變帶。

2 隧道不良地質識別方法及現狀

不良地質的形成和發育涉及復雜的地質過程,不同類型不良地質體的特征不同,識別方法也具有明顯的差異。地球物理探測法、超前地質鉆探法成為最常應用在隧道中的不良地質識別方法,而地質分析法則為上述方法提供必要的地質基礎。近年來,隨著TBM(Tunnel Boring Machine)的廣泛應用以及隧道施工面臨的地質環境愈發復雜,單一的不良地質識別方法并不能完全滿足隧道不良地質識別的要求,針對這一難題,學者們構建了將地質分析法、物探法及超前鉆探法結合在一起對隧道不良地質體進行綜合分析的識別方法體系。

2.1 地質分析方法及其現狀

地質分析法是識別隧道不良地質最基本的方法,其直觀可靠、應用廣泛,包括工程地質調查法、隧道掌子面地質編錄、超前導坑法等,其他方法都是在地質分析判斷基礎上進行不良地質識別(李術才等,2014),地質分析是提高隧道不良地質識別準確率的基礎保障。工程地質調查法是通過調查與分析工程地質條件,掌握隧址區以及隧道開挖工作面前方的工程、水文地質情況(羅利銳等,2011; Shi et al.,2017),此方法不干擾施工,成本低,設備簡單、操作方便。為了保證地質調查的質量,在高寒缺氧、地形陡峻、人員不能到達地段,可以結合航空-航天遙感圖像資料、航空-半航空瞬變電磁、三維激光掃描等新技術開展地質調查工作(Salvini et al.,2011;杜宇本等,2021; 葉瓊瑤等,2021)。隧道掌子面地質編錄根據隧洞掌子面附近洞壁揭露的結構面、巖層、地表結構面與巖層的對應關系及不良地質體特征,通過類比推測,提前發現不良地質體出現的前兆信息,對即將出現的不良地質體進行定性判斷(王振宇等,2010; 劉陽飛等,2018),可以為整個隧道提供詳細的地質資料。超前導坑法最為直觀,精準度較高,通過對導坑出露的地質情況進行地質編錄、素描、做圖,綜合分析其地層巖性、地質構造、水文地質情況,預測相應段隧道的工程地質和水文地質條件,以及可能發生地質災害的位置、性質、規模(黃春峰,2007)。

2.2 地球物理探測及其現狀

地球物理探測技術可以探測隧道前方不良地質體所處的位置、范圍及規模,是查明隧道掌子面前方不良地質體最直接、有效的手段之一。

地震波反射法是隧道超前地質預報應用最廣泛的地球物理方法,包括負視速度法、直線類觀測方法(TSP)、陸地聲納法、水平聲波剖面法、空間觀測方法(TST和TRT)(席錦州等,2012; 李術才等,2014; 鄧銘江等,2021)。

地震波反射法雖然對具有彈性差異的異常體有較敏感的響應,但難以辨識是否含水,隧道超前預報中主要用電法、電磁類方法進行掌子面前方水體的探測(鐘世航等,2007)。電法類方法中,直流電阻率法以其對低阻體反映敏感、分辨率高等優點被引入到隧道掌子面前方含水構造的預報工作中(劉斌等,2009)。激發極化法對掌子面前方的含水構造響應較敏感,可對含水構造進行定位并估算水量(鄧銘江等,2021)。電磁類方法中,地質雷達探水效果不錯,但探距太小; 瞬變電磁法可探查80 m以外的地下水(鐘世航等,2007)。此外,紅外探水法是一種輔助探水方法,但由于缺乏溫度場分布與含水體位置相關關系的理論或試驗數據,目前這種方法僅能做定性預報,難以進行定位(李術才等,2014)。

在TBM施工隧道環境下,掘進機占據了隧道掌子面后方的大部分空間,掌子面后方的邊墻基本不具備敷設超前探測測線以及激發裝置與傳感器的條件,導致適用于鉆爆法施工的TSP、TST、TRT等技術在TBM施工隧道中實施起來很困難(楊繼華等,2019)。

目前專用于TBM隧洞的超前探測技術僅有少數幾種: (1)德國GD公司研發的BEAM技術,屬于聚焦頻率域激發極化法,實際探測距離短,僅能定性判斷是否存在水體; (2)德國GFZ公司研發的ISIS地震超前探測技術,采用了三維觀測模式,具有可取之處,但如何降低和去除TBM施工中強烈的震動噪聲問題未能得到很好的解決(鄧銘江等,2021)。Li et al.(2018)針對TBM施工隧洞的復雜環境,以吉林引松供水工程TBM施工隧洞為依托,綜合運用地質分析、三維激發極化與地震超前地質預報方法,提出了適用于TBM隧洞施工期的綜合超前地質預報技術體系,對TBM施工隧洞掌子面前方的溶洞、斷層破碎帶等不良地質進行了準確的預報。此外,山東大學針對TBM特殊環境,提出了適用于TBM施工環境的探測方法,研發了TBM搭載式物探設備; 針對傳統激發極化探測方法存在旁側干擾嚴重,且無法適用于TBM施工隧道的問題,提出了激發極化超前探測的多同性源陣列型新觀測模式,并對孔中陣列激發極化觀測方式進行了探討(聶利超,2015)。山東大學采用以破巖震動為震源的實時超前探測新方法,研制了TBM破巖震源地震實時超前探測系統(圖8),實現了隨TBM掘進實時探測和動態成像(Xu et al.,2021; 鄧銘江等,2021)。同時,山東大學還利用TBM搭載激發極化探測系統(圖9),實現了激發極化探測不良地質的自動化、快速化和高精度(Li et al.,2018)。

圖8 TBM搭載地震超前探測系統(鄧銘江等,2021)Fig.8 TBM-amounted advance seismic prediction system (after DENG et al.,2021)

圖9 TBM搭載激發極化探測系統(鄧銘江等,2021)Fig.9 TBM-amounted induced polarization prediction system (after DENG et al.,2021)

目前主流的地球物理探測方法在隧洞超前地質預報中都發揮了重要作用,可以較準確探測不良地質體的位置、形狀和規模,但無法直接定義不良地質體的類型和性質。同時,物探數據的反演結果具有多解性,在實際工程應用中需要地質分析或鉆探等方法為其反演提供先驗約束,解決其多解性難題。

2.3 超前地質鉆探及其現狀

超前鉆探可以直觀地感知隧道掌子面前方巖體質量和地層信息的變化,已經成為隧道不良地質識別和超前地質預報的重要方法和技術手段。如青島膠州灣海底隧道利用超前取芯鉆探成功預測出掌子面前方含水斷層(薛翊國等,2009); 蘭渝鐵路梅嶺關隧道利用超前鉆探快速探明了隧道掌子面前方地質構造和瓦斯發育情況(王慶林等,2012)。相比于鉆爆法施工隧洞,TBM施工隧洞開展長距離連續水平鉆探時,其對隧道施工效率的影響程度較大,最大可達85.11%(付偉,2021)。

近年來,千米定向鉆技術的發展彰顯了超前鉆探法在隧道不良地質識別和超前地質預報方面的顯著優勢。例如,川藏鐵路察達隧道,在高風險段采用超前取芯鉆探,鉆機超前鉆進750余m,準確識別了鉆孔所穿過的6個富水斷層破碎帶(陳婷,2021);川藏鐵路雅安至昌都段,共完成超深繩索取芯定向勘探鉆孔27個,水平定向鉆孔16個最深1 888.88 m,查明了隧道洞身段地層、巖性、地應力情況、地溫情況、水文地質條件情況(徐正宣等,2022)。

傳統超前地質鉆探通過觀察巖芯、鉆速變化、沖洗液返回狀態的方式,預報前方地層狀況,但主要依賴人工判識,且在鉆進過程中有大量反映巖體力學特性與地化特征的信息未被有效收集分析。隨著隨鉆測量技術的發展和智能化鉆進需求的提高,隨鉆巖體特性識別技術獲得巨大的發展。隨鉆測量(measurement while drilling,MWD)技術最早被應用于油氣井勘探與開發工程領域,后期學者為充分利用鉆進過程信息,研發出適用于現場鉆機的原位鉆孔過程監測儀(DPM),監測鉆進參數,包括鉆壓、扭矩、轉速等(岳中琦,2014); 在此基礎上,學者們不斷改進數字鉆機與測試系統可以更加有效的搭建鉆進參數與巖石參數的關系(Ya?ar et al.,2011; Wang et al.,2017; Kalantari et al.,2019)。利用隨鉆監測技術,可建立鉆進參數與巖石參數的映射關系,構建巖石強度預測模型(譚卓英等,2015; 王琦等,2018;Wang et al.,2021); 還可進行巖層界面識別、反映巖體結構特征等(邱道宏等,2014; Eldert et al.,2019;曹瑞瑯等,2021; 高紅科,2021)。相比傳統的鉆孔取芯方法,隨鉆巖體特性識別不僅可以節省大量時間,還可以更準確、便捷地反映當前地層的巖性、構造等信息(岳中文等,2022),但目前該技術還存在反演精度不夠和普適性不強等問題,且主要反映巖體物理力學性質,無法直接測定巖體巖性和不良地質類型。

為獲取前方巖體更多信息,超前地質鉆探還可與物探法、鉆孔成像等探測方法相結合,如李堯等(2017)改進了鉆孔雷達數據分析處理手段,可以更加方便地對地質異常體的形態分布及其含水情況進行分析; 劉征宇等(2017)改善了三維電阻率跨孔CT探測成像形態畸變問題,可以更準確地反映異常體的空間位置、規模和形態; 汪進超等(2019)提出一種基于超聲波合成孔徑技術的鉆孔成像方法,提高鉆孔圖像的分辨率和圖像質量; 伍漢等(2021)利用鉆孔成像技術研究隧道圍巖裂隙發育規律。

2.4 隧道不良地質綜合識別方法

在地質判識方面,地質分析是隧洞超前地質預報最基本的方法之一,是物探反演解譯的基礎,但傳統隧道內地質分析依靠人工經驗,主觀性強、易出現誤判漏判,只能對不良地質情況進行較為宏觀和粗略的預報; 超前鉆探法比較直觀,對地質體的位置和范圍可精確預報,但占用掌子面時間較長,且存在“一孔之見”的問題(鉆孔與鉆孔之間的地質情況無法判斷)(劉斌等,2009); 物探法在隧洞超前地質預報中發揮了重要作用,但其反演結果存在多解性。

因此,可將地質分析法、物探法及超前鉆探法結合在一起對隧道不良地質體進行綜合分析,構建綜合超前地質預報體系。李術才等(2014)以地質分析為先導,以地質與物探、鉆探結合,洞內與洞外結合,不同物探方法結合為基本原則,根據含水構造等不良地質體賦存的地質和地球物理特征,以自主研發的3種超前預報技術為基礎,結合其他常規技術,建立了四階段全過程不良地質的隧道綜合定量超前地質預報技術體系(圖10)。同時,Li et al.(2018)還針對TBM施工隧洞的復雜環境,依托于吉林引松供水工程TBM施工隧洞,綜合運用地質分析、三維激發極化與地震超前地質預報方法,提出了適用于TBM隧洞施工期的綜合超前地質預報技術體系,對TBM施工隧洞掌子面前方的溶洞、斷層破碎帶等不良地質進行了準確的預報。避免了隧洞突水突泥、塌方、卡機災害的發生,對于TBM施工隧洞不良地質超前預報與TBM安全高效掘進具有一定借鑒意義。

圖10 隧道綜合定量超前地質預報技術體系(李術才等,2014)Fig.10 Comprehensive advanced geological prediction system in tunnel (LI et al.,2014)

鄧銘江等(2021)提出了超特長隧洞TBM施工“115”超前地質預報系統,包括“1 km”千米級宏觀地質預報、“100 m”百米級長距離地質預報和“50 m”十米級短距離精細探查預報3個層次。通過多源信息聯合反演分析,實現對掌子面前方不良地質和可能由其引發的地質災害形式的全覆蓋預報。采用“115”超前地質預報系統在北疆供水二期工程地質災害預報中開展了工程實踐和應用,準確預報了隧洞施工過程中不良地質發育情況,保證了超特長隧洞TBM高效掘進和安全施工(圖11)。

圖11 “115”超前地質預報系統流程圖(鄧銘江等,2021)Fig.11 Flowchart of the “1 km+100 m+50 m” geological prediction system (DENG et al.,2021)

3 隧道不良地質智能化識別發展趨勢

傳統不良地質識別方法主要由專家技術人員分析巖體目標特征,根據目標體與背景或標準數據的差異性信息確定識別對象,從而實現目標的識別與區分。但這種方法有明顯的局限性,一是應用場景受限,更換應用場景后需要重新確定識別方法;二是識別準確性較低,受限于不同人員對識別任務的理解水平。為了解決上述問題,隨著計算機大數據分析以及人工智能技術的發展,隧道不良地質識別也逐步向智能化方向發展。筆者在不良地質智能化識別方面的探索性研究主要包括以下幾個方面:基于機器學習和視覺分析技術對隧道圍巖巖性與裂隙特征進行智能識別,實現巖體巖性與裂隙自動化判別; 結合圖像和光譜識別技術,提出了基于圖像和光譜分析的不良地質識別方法,初步實現了隧道圍巖異常的智能識別; 探索性地將地化分析融入到傳統的超前鉆探中,融合隨鉆參數和地化信息進行不良地質隨鉆識別; 提出了地質與物探聯合的不良地質識別方法,旨在實現掌子面前方不良地質體“形”(位置、形態、規模)和“性”(性質和類型)的精確識別。最后,對多源信息聯合反演技術的發展提出了展望,在未來的研究中,如何融合多源數據,實現不良地質綜合判別將成為研究者攻關的重點和熱點問題。

3.1 基于圖像的隧道圍巖地質特征智能識別

圍巖地質特征的快速準確識別對于預防隧道地質災害具有重要意義(Zhang et al.,2019; Xu et al.,2021b,c)。傳統的隧道地質特征素描需要專業地質人員進行繪制,該方法對地質知識和工程經驗要求較高,且耗時耗力。圖像具有采集速度快、成本低等特點,利用圖像識別技術可以對開挖巖體的巖性、裂隙等進行智能識別,從而改變了傳統地質素描的工作模式,提高了識別效率,降低了識別成本。

在隧道地質素描中,巖性是最基本的地質要素。Fan et al.(2020)提出了一種現場快速準確識別巖性的方法,利用輕量級卷積神經網絡ShuffleNet建立了巖石圖像識別模型,設計并開發了一個用于識別巖性的智能手機應用程序。Fan et al.(2020)基于兩種輕量級卷積神經網絡SqueezeNet和MobileNet,并結合遷移學習方法,建立了巖性識別模型,實現了現場快速準確識別巖性。

筆者提出了一種基于巖石圖像和元素信息深度學習的巖性識別方法,利用目標檢測技術從圖像中獲取初始巖性概率,并結合元素數據作為輸入,使用自建的融合模型校正巖性概率,在識別圖像特征相似度高的巖石時具有顯著優勢,實現了快速準確的現場巖性識別(Xu et al.,2022; 許振浩等,2022)(圖12)。利用圖像進行巖性識別具有識別速度快、客觀程度高等優點,但是該方法尚處于初步研究階段,未來值得更深入的研究。

圖12 基于巖石圖像和元素信息深度學習的巖性識別方法流程圖(Xu et al.,2022)Fig.12 Framework of the lithology identification method based on deep learning of rock images and elemental information (Xu et al.,2022)

由于傳統隧道內地質分析中,裂隙識別主要利用羅盤等進行手動量測,效率較低,且容易受到場地環境限制,人工進行裂隙識別難以滿足工程需要。隨著計算機技術的迅速發展,人工智能因為自動化程度高、快捷便利、成本低等優勢在隧道裂隙識別中也得以廣泛應用(Zhu et al.,2022)。深度學習技術在裂隙識別研究方向的應用,主要是通過二值化等技術對采集的裂隙圖片進行預處理,將裂隙圖片像素值劃分為0或255兩種,再進一步從大量裂隙圖像中學習獲得幾何的高級抽象特征,從而對像素進行分類(薛東杰等,2019)。經過二值化處理的巖體裂隙圖片因為閾值選取不同,將會產生一定的誤差。另一方面,因巖體裂隙雜亂、細長、連續性強等特點,巖體裂隙圖像不經過灰度處理,神經網絡模型難以識別巖體圖像中的裂隙,對裂隙細節特征的提取受限于巖體圖片質量,很多早期的卷積神經網絡無法滿足裂隙識別要求,因此,基于圖像進行裂隙識別的研究智能化程度不高。所以設想通過圖像語義分割技術提高巖體裂隙識別的智能化水平。筆者將攝影技術或點云掃描技術與深度學習相結合(Pan et al.,2023),實現了對裂隙的智能識別。李術才等(2017)以隧道掌子面立體數碼攝像為基礎,提出了基于數碼攝像的二維掌子面裂隙模型構建方法,實現了掌子面巖體結構量化及結構類型劃分的可視化集成。Pan et al.(2019)利用激光掃描技術,提出了一種適用于離散裂縫網絡的確定性-隨機識別與建模(DSIM)方法。借助點云數據處理技術,通過分析巖體表面可見節理和層理面的露頭特征,對巖體結構面進行識別和信息提取(圖13)。

圖13 離散裂縫網絡的確定性-隨機識別與建模(DSIM)方法示意圖(Pan et al.,2019)Fig.13 Schematic diagram of the Deterministic-Stochastic Identification and Modelling (DSIM) method for discrete fracture networks (Pan et al.,2019)

3.2 基于圖像和光譜分析的不良地質識別

隧道穿越巖溶、斷層破碎帶、蝕變帶等不良地質區時,受不良地質作用的影響,圍巖中的元素與礦物易發生富集或流失形成地質異常,因此元素和礦物異常分布可作為不良地質賦存的前兆特征。

筆者團隊基于不良地質影響區地質特征異常原理,提出了基于圖像和光譜分析的不良地質識別方法?；趯λ淼缼r石圖像深度學習,提出了隧道圍巖巖性和裂隙智能識別方法,識別結果客觀性強,準確率高,為隧道不良地質識別奠定了基礎(王軍祥等,2022; 許振浩等,2022; Li et al.,2022)。

通過研究元素與礦物的富集與流失現象對隧道開挖過程中遭遇的不良地質進行定性定量識別(施雪松,2020; 林鵬等,2021; Xu et al.,2021a,2023b)。由于光譜技術是目前應用廣泛且工程適用性較強的技術之一,因而選用光譜技術獲取元素與礦物數據。光譜技術包括X射線熒光光譜技術(XRF)、X射線衍射光譜技術(XRD)、高光譜技術等,利用光譜技術對元素、礦物進行識別是實現不良地質識別由定性分析到(半)定量分析跨越的關鍵一環。通過光譜測試技術結合圍巖地球化學異常原理,提出了基于光譜分析的隧道不良地質識別方法(Xu et al.,2021a; 林鵬等,2021; Lin et al.,2023)。

Xu et al.(2021a)提出了一種基于元素含量異常分析的無損、原位、隧道不良地質快速識別方法。通過便攜式X射線熒光光譜儀(pXRF)對圍巖元素含量進行快速分析,選取巖石中的主量元素作為識別不良地質特征的指標,利用背景區域的主量元素含量建立參考樣本,采用均值標準差法或累積頻率法,根據正態性檢驗計算參考樣本的閾值,利用參考樣本的閾值判斷目標區域內的元素含量異常,利用元素含量異常特征來識別斷層、蝕變帶等不良地質情況,并成功的應用于實際工程中,識別出了不良地質異常(圖14,圖15)。

圖14 基于元素含量異常識別不良地質方法(Xu et al.,2021)Fig.14 Flowchart of adverse geology identification based on element content anomaly analysis method(Xu et al.,2021)

圖15 新疆某工程142+650-920里程段部分元素含量分布情況(Xu et al.,2021a)Fig.15 Partial element content distributions of section 142 + 650-920 in Xinjiang ＊＊ Project (Xu et al.,2021a)

劉福民(2022)在基于元素含量異常分析的不良地質快速識別方法的基礎上,結合多元統計理論、分形理論與空間插值等方法,研究了基于多點地質統計學和非線性理論的圍巖地化分布建模和異常圈定方法,實現對隧道圍巖元素含量異常區域的圈定,更為直觀地展示了不良地質體在施工隧道中的位置及規模,并依托時間序列預測技術預測掌子面前方巖體地球化學異常分布情況,進而實現不良地質體的識別與預測,方法在新疆**工程XE隧洞Ⅰ標的部分里程洞段進行工程應用并得到驗證(圖16)。

圖16 圍巖地球化學異常圈定預測效果圖(劉福民,2022)Fig.16 Geochemical anomaly prediction and delineation of surrounding rock (LIU et al.,2022)

Xu et al.(2023b)提出了一種基于礦物異常分析的隧道不良地質識別方法,該方法首先綜合分析隧道的地質調查資料,判斷可能出現的不良地質區域,然后使用X射線衍射(XRD)儀器測試巖石樣品的礦物組成和含量(圖17),建立起巖石礦物信息的層序特征,并對礦物數據的背景值進行分析,形成巖石礦物數據的背景樣本,隨后通過探索性數據分析(EDA)計算礦物異常閾值,通過背景樣品的動態擴展實現礦物異常的動態評價,該方法實現了對不良地質的定量分析,提高了地質分析方法在識別不良地質條件方面的有效性、時效性和準確性。該方法已在花崗巖隧道的開挖中得到了驗證和應用(圖18)。

圖17 圍巖樣品的XRD數據(Xu et al.,2023b)Fig.17 XRD data of the surrounding rock samples(Xu et al.,2023b)

圖18 基于礦物異常分析的隧道不良地質識別方法(Xu et al.,2023b)Fig.18 Flowchart of adverse geology identification based on mineral content anomaly analysis method(Xu et al.,2023b)

施雪松(2020)通過XRF與XRD兩種光譜技術對新疆某工程KS隧洞進行大量圍巖元素與礦物數據采集和分析,基于對不良地質影響區及其毗鄰的正常區域內巖石的元素和礦物分布信息的提取,構建不同地質異常體對應的異常場特征,結合地球化學、數值統計等方法,建立了隧道圍巖元素和礦物數據異常的動態評判標準和評判方法,提出了基于元素和礦物異常分析的隧道不良地質識別預報方法,并應用于新疆某工程KS隧洞中,成功預測識別出斷層破碎帶并揭示了此過程中的元素與礦物含量的變化規律(圖19)。

圖19 基于元素和礦物異常分析的隧道不良地質識別預報方法(施雪松,2020)Fig.19 Flowchart of adverse geology identification and prediction based on anomaly analysis of element and mineral (SHI,2020)

林鵬等(2021)通過高光譜技術對隧道圍巖進行了原位光譜測試,基于巖石礦物光譜測試技術提出了一種隧道內蝕變帶原位快速判識方法,基于宏觀地質特征分析,建立隧址區光譜庫,在隧道內進行原位光譜數據采集,采用包絡線去除法進行預處理;并通過光譜角匹配和全約束最小二乘法對蝕變礦物成分進行定性定量識別,與XRD測試結果進行對比,兩種方式礦物定量結果吻合度較高,驗證了光譜分析提取蝕變礦物含量信息的準確性,并利用所提取的蝕變礦物信息判識蝕變帶類型和蝕變程度,方法成功應用于新疆YE工程,判斷出在里程KS142+840—KS142+860之間,隧道圍巖蝕變程度較高,有效判識了隧道內綠簾石化和濁沸石化蝕變帶,實現了蝕變帶不良地質的判識(圖20,圖21)。

圖20 隧道內蝕變帶原位快速識別流程與方法(林鵬等,2021)Fig.20 In-situ rapid identification process and method of alteration zone in the tunnel (after LIN et al.,2021)

圖21 造巖礦物及蝕變礦物光譜曲線對比(林鵬等,2021)Fig.21 Comparison of the spectral curves of rock-forming minerals and altered minerals (LIN et al.,2021)

3.3 基于隨鉆巖體特性與地化測試的不良地質識別

不良地質影響區域不僅巖體力學性質和結構特征發生變化,巖體的地化特征也會出現異?，F象,地化分析在巖性和不良地質識別方面具有顯著優勢。將地化信息異常分析融入到超前鉆探方法中,深度融合超前鉆探隨鉆參數和地化信息,既可以發揮隨鉆監測技術在直觀感知巖體質量和地層信息變化方面的優勢,又可以發揮地化分析在巖性和不良地質異常識別方面的優勢,可實現超前鉆探過程中精準化、智能化不良地質識別與預測預報。

針對隨鉆測試鉆進參數的巖體特性感知,通過研究不同巖體特性條件下主要鉆進參數的響應特征及其變化規律,可以確定不同巖體特性條件對不同鉆進參數的影響比重排序,并遴選出影響鉆進參數變化的主要控制因素?；谙嚓P神經網絡結構與深度學習算法,構建不同巖體特性主控因素與鉆進主要參數之間的映射關系,建立基于隨鉆參數的巖石力學特性反演模型和巖體結構特征感知模型,可以實現巖體特性的隨鉆實時感知(圖22)。

圖22 基于隨鉆測試鉆進參數反演的巖體特性感知技術流程Fig.22 Technical process of rock mass characteristic perception based on drilling parameter inversion while drilling

針對不良地質體地化異常隨鉆識別,利用光譜測試技術獲取隧道超前鉆探過程中元素和礦物信息,分析巖石元素和礦物異常特征與不良地質體之間的定量表征關系。遴選敏感元素與特征礦物,綜合運用分形理論、局部奇異性異常信息分析、元素礦物多元異常信息融合分析、多元統計方法識別地化異常信息,構建基于空間奇異性分析的隨鉆不良地質地化異常識別方法,可以實現超前鉆進過程中不良地質異常識別與預測(圖23)。隨鉆參數、地化信息與不良地質間的關系非常復雜,尚無融合隨鉆參數與地化信息實現不良地質識別的方法。將機理(響應機制、映射關系、地化異常規律等)和數據挖掘方法結合,深度挖掘鉆進參數、地化信息與不良地質間的非線性關系,突破多源異構數據融合機制,提出隨鉆參數與地化信息深度融合的不良地質識別模型,是實現不良地質智能識別的有效手段。

圖23 不良地質體地化異常隨鉆識別流程Fig.23 Identification process of abnormal geochemical while drilling in bad geological body

3.4 基于地質與物探聯合反演的不良地質識別

物探法在隧洞超前地質預報中發揮了重要作用,可以較準確探測不良地質體的位置、形狀和規模(不良地質體的“形”),但無法直接定義不良地質體的類型和性質(不良地質體的“性”)。筆者提出了更為精細的層級式分析方法,不僅可以識別不良地質的發育,還能識別不良地質的類型、性質等信息。結合物探法對不良地質體的位置、形狀和規模的精確感知,融合地質分析與物探反演的結果進行綜合分析,可以實現不良地質體“形”(形態、位置、規模)和“性”(性質、類型)的全面識別。

筆者已將地質與物探聯合分析方法應用在新疆某工程中。首先利用地震波法開展了探測,結果顯示掌子面前方巖體破碎(圖24),開挖后隧洞圍巖易發生掉塊和塌腔。但地震波結果并未給出導致巖體破碎的具體原因,即無法判斷掌子面前方發育不良地質體的具體類型。針對開挖揭露后的不良地質開展了更為精細的層級式地質分析,包括對巖體的宏觀構造、元素礦物特征以及微觀構造開展分析(圖25,圖26)。地質分析結果顯示巖體破碎受斷層影響,且該斷層性質為壓性斷層,其發育方位與隧道軸線交角約60°～80°,并推斷了斷層發育的基本位置(圖27)。

圖24 地震波探測與圍巖揭露結果Fig.24 Results of seismic wave detection and surrounding rock exposure

圖25 圍巖宏觀結構與圍觀結構(Lin et al.,2023)Fig.25 Surrounding rock macro structure and onlooker structure (Lin et al.,2023)

圖26 元素與礦物異常分析結果Fig.26 Analysis results of element and mineral anomalies

圖27 地質分析推斷斷層、節理與隧道走向的關系Fig.27 Relationship between fault,joint and tunnel strike inferred by geological analysis

目前,地質與物探聯合反演仍處在“弱聯合”階段(物探和地質分析單獨進行,地質分析僅為物探提供地質基礎),未達到“強融合”層面(地質分析為物探反演提供定量化地質數據)。另外,基于圖像和光譜分析的不良地質識別目前難以做到超前預測預報,但借助超前鉆探,將圖像和光譜技術融入到隨鉆測試中有望解決這一問題。

4 結論

不良地質識別和預報對于保障隧道施工具有至關重要的意義,提高不良地質識別的準確率是近年來學者們關注的熱點問題。本文回顧分析了不良地質識別方法及現狀,基于大量的國內外調研和對隧道不良識別發展趨勢的理解,結合筆者團隊已開展的相關研究,得到主要結論如下:

(1)將不良地質類型總結為6類: 斷層類、蝕變類、風化地層類、巖溶類、巖脈侵入類和巖層接觸類,并闡述了6類不良地質體的地質成因,可為不良地質識別提供重要的理論指導。

(2)在不良地質智能化方面進行了探索性研究,基于機器學習圖像識別技術實現了隧道圍巖巖性與裂隙特征的智能識別,并融合圍巖圖像與光譜特征進行了不良地質識別。將地化分析融入到傳統的超前鉆探中,建立了鉆進參數與地化信息深度融合的不良地質智能識別方法。

(3)提出了基于地質與物探聯合反演的不良地質識別方法,聯合地質分析與物探反演的結果對不良地質進行全面分析,實現了不良地質體形態、位置、規模以及性質、類型的全面識別。

(4)展望了不良地質智能化識別的發展趨勢,以地質、物探多源參數融合智能分析實現掌子面前方不良地質體“形”和“性”的精確識別,將是未來識別方法發展的主要趨勢。但當前在信息深度融合方面還存在兩個主要難題亟需解決: 一方面是尚無法獲取掌子面前方準確的地質數據; 另一方面是現有方法很難為物探反演提供定量化地質約束,實現地質與物探的實質融合。

Acknowledgements:

This study was supported by National Natural Science Foundation of China (Nos.52022053,52279103 and 52379103).