山岭隧道涌水来源识别研究现状及建议

2018-12-03中交路桥建设有限公司李海港王军威刘光辉史忠慧

中国公路 2018年21期

文/中交路桥建设有限公司李海港王军威刘光辉史忠慧

山岭隧道开挖中经常面临涌水问题，对工程安全造成较大的威胁，如何有效识别涌水的来源对工程的顺利施行有重要作用。针对这一问题，在总结近年来山岭隧道涌水来源识别研究的成果基础上，结合工程所处的周边环境及涌水来源的不同形式，对目前常用的几种涌水来源识别方式按照各自属性进行了详细地分类阐述，并对每种方法存在的问题进行分析，对未来涌水来源识别方式的发展方向及优化提出建议。

目前工程中较为常用的涌水来源预测方法主要分为化学法、数学分析法、物理法三大类，其中数学法主要以模糊聚类法、灰色理论法为主，依据算法的不同，数学法在实际运用的过程中经常面临着观测指标选取是否恰当和数据有效性判别的问题，这一点在今后的数学法涌水来源识别方法的发展中需要进一步的研究；化学法主要以涌水中所含的各种矿物元素为指标，根据不同地层结构往往需要选取不同的元素指标，在实际运用过程中离子含量的测定是否符合试验精度要求往往是影响结果的重要因素；物理法则以同位素为主要方法，利用同位素的示踪性判断涌水来源，这种方法的成本往往较高，并且会对环境造成一定的影响。

国内山岭隧道涌水识别研究现状

数学分析法

灰色理论分析法：灰色分析理论是由我国学者在1982年提出的一种主要用于研究“外延明确，内涵模糊”的小样本问题的数学分析方法，而灰色关联性分析正是建立在灰色分析理论之下的多因素关联性分析方法。这种分析方法的原理是：将原始数据去量纲化，然后按照关联性参数计算公式计算参考样本和待测样本之间的关联系数，并形成关联序列，对于某些特殊数据还可以求取关联系数的加权平均值序列以便得到更深层次的关系。

图1 灰色关联度分析

这种分析方法主要思想是利用工程地区各个岩层之间可溶矿物含量的差异选取可供水源判别的样本，对涌水的来源进行判别。例如，徐斌等人以灰色关联性分析与逐步判别法作为基础，选取涌水点的矿物离子作为判别因子，对矿山隧道涌水来源进行了验证，表明单独的灰色关联分析法与逐步判别法进行耦合能够提高算法的准确度，判别因子的选取是否符合实际情况对判定的结果影响非常大。当然，灰色关联法自身仍然存在优化的空间，李集等人运用改进的灰色关联分析法对突水突泥综合评价系统进行了优化，得到的新的评估标准与实际情况更加贴合，说明灰色关联性分析方法在涌水来源的识别问题上也存在进一步优化的可能性。

模糊聚类算法：模糊聚类算法是按照事物之间的模糊界限对事物进行分类的数学方法。它的原理是通过计算样本与变量之间的相似系数，建立模糊相似矩阵，然后利用模糊运算生成模糊等价矩阵，最后对样本进行分类，达到涌水来源识别的目的。

模糊聚类算法与其他数学算法，如灰色相关性分析法具有相似的分析过程，计算的过程也相对比较简便，在实际工程中有较多的应用。例如，高飞等人在叙岭关隧道中使用模糊聚类算法对涌水来源进行判别，得到较好的效果。但是考虑到算法所需要的大量数据样本，仅仅依靠每次手动的数据输入明显不能满足更大项目的需要，因此郑琳等人在引进GIS数据库的前提下，将模糊聚类算法所需要使用的数据进行了优化，简化了运算所需要的时间。同时，利用其他方法与模糊聚类算法相结合也能够提高算法的准确性，如将piper三线图解法与模糊聚类算法相结合，比单独使用算法更加精确地判别了涌水的来源。

化学法

利用化学法进行涌水来源识别是近年来隧道水源识别方法的研究热点之一。原理是利用隧道涌水中各个岩层中水离子含量的不同，对水质进行划分，判断涌水的来源。常见的是以涌水中矿化度这几个指标进行水质的划分，但是实际工程中也往往需要专业人员根据工程实际地质情况进行专业离子的选择，以便使结果更能准确的反应真实情况。

由于涌水中某种离子的含量往往受到各种因素的影响，并且各个因素之间往往呈现非线性的关系，因此使用化学法作为涌水来源的判别办法时应该结合非线性的数据分析方法对原始数据进行分析。常见的是结合模糊理论、概率论等数学工具进行数据处理，其结果除了受到识别样本的选取影响之外，工程所处位置各个岩层的差异性也是方法成功与否的重要影响因素。因此，这种方法在矿区隧道中使用得更为常见，而在岩层差异性较大的公路隧道、铁路隧道中也能有较好的表现。

物理法

物理法对隧道涌水水源的识别结果相比其他方法都更加直观，能够定性地反应涌水的来源，还能够通过数据处理定量的反应涌水可能的来源点。常用的物理方法为同位素法，也有利用染色剂等工具进行涌水来源识别。相比其他办法来说，同位素法更加稳定，能够极大地避免标识物被岩层吸收，从而得到更为精确的结果。但是另一方面，这种办法的价格也相对昂贵，如何降低物理法识别涌水来源的成本，并且保持这种方法的准确，直观的特性是今后这种方法研究的重点之一。

近年来，随着国家隧道建设进程的不断加快，需要利用物理法进行涌水来源识别的地方也越来越多，对于某些复杂地质情况下，不明来源涌水物理法具有优异的识别能力。例如，在峡口隧道中一个历时近两年的不明来源地下涌水点，结合氢氧同位素法与化学法之后，成功判断出涌水来源为较为发育的岩溶裂隙带。而在其他项目中，同位素法都展现出了较强的水源识别能力，不仅为其他隧道涌水来源识别方法奠定了理论基础，还为后续项目提供了实例参考，具有较强的推广价值。

未来发展趋势预测

多种算法结合

多方法耦合算法的优点在于能够弥补单独一种算法在某些层面上的缺陷，并提高整体的准确性，为实际工程提供更为可信的识别结果。其原理是利用A、B两种算法对原始数据分析过程中不同的侧重点，使算法B能够弥补A算法不能顾及到的地方，常见的有模糊聚类算法与贝叶斯算法的结合，灰色关联分析法与逐步判别法的结合。这类算法相比某种算法单独的使用除了在精度上有所提升，更重要的是，提高了算法的普适性，使算法能够应对更多不同地质情况下的涌水水源识别问题。在工程地质情况越来越复杂的背景之下，多种方法相结合的耦合算法必将成为未来涌水来源识别的重要方向之一。

各类算法普适性的提升

无论何种计算方法，也无论何种形式的识别方法，在实际工程中都可能遇到以往没有过的情况，这是科学发展过程中必须经历的过程，只有这样我们使用的方法才能得到不断地进步，涌水来源识别方法亦是如此。例如，在岩层分类不明显的地区，如何利用数学分类方法对涌水来源指标进行选取，需要不断的在实际工程中进行总结，然后方法的普适性才能得到提升。因此，各类算法普适性地提升是未来涌水来源识别方法的要点。