岩爆数据库管理系统开发及应用

2022-04-12姚志宾牛文静

工程科学学报 2022年5期

姚志宾，牛文静，张宇，胡磊，张伟

东北大学深部金属矿山安全开采教育部重点实验室，沈阳 110819

随着地下空间开发利用的进一步深化，岩体工程的埋深不断增大、所处地质和应力环境日渐复杂，迫使岩石力学与工程科学面临空前的挑战和技术难题，亟需解决诸如岩爆、软岩大变形等一系列科技创新需求[1]. 例如，以川藏铁路为典型代表的深埋岩体工程，线路“穿七江过八山”，全线80%以上为长大深埋隧道，平均长度10 km，平均埋深1000 m，最大埋深超过2900 m，其中不乏特大工程规模的超级隧道[2]. 特别是深埋硬岩隧道建设过程频发的岩爆灾害，因严重危害施工人员及设备安全、扰乱正常施工、迟滞工程建设进度、增加工程建设成本，成为制约地下工程建设水平和自动化的重要因素[3-4].

巨大的地下工程发展需求极大推动了岩爆研究的发展，也使岩爆成为岩石力学与工程领域的热点研究问题[5-6]. 研究内容从状态研究到孕育全过程的机制、监测预警与动态调控研究，研究方式从定性发展到定量化，并加速迈向智能化[7-10]. 岩爆发生前会产生一系列微破裂并形成微震信号，微震监测手段可有效对其进行感知，并揭示岩爆孕育过程的破裂特征[3-4]. 选取微震特征参数建立岩爆定量化预警模型，可对开挖过程中的岩爆潜在位置、等级及发生概率进行预警[11]. 针对复杂地质环境下深部岩体工程中的岩爆灾害，开发致灾信号超前捕捉、孕育过程智能分析、灾害风险超前预警、潜在灾害动态防控的成套监测预警系统，实现对开挖过程岩爆灾害信息的智能分析与动态调控，可极大提高长距离隧道施工安全性与效率.因此，岩爆智能监测、预警与防控成为推动深部岩体工程智能化施工进程众多前沿研究方向中亟待解决的重要问题之一[7].

然而，制约岩爆智能监测、预警与防控研究的重要因素是基础研究数据的获得性和全面性. 岩爆孕育过程复杂、影响因素众多，开展其研究的因素涵盖地质、埋深、开挖、支护、监测、声音、破坏特征、试验等基础信息数据[11-16]. 但一个工程发生岩爆的次数一般比较有限，对于工程建设初期的特殊建设阶段，或时滞型岩爆、断裂型岩爆等特殊类型的岩爆，用于开展研究的案例数据更加匮乏.因此，开发一套岩爆数据库管理系统是解决岩爆智能监测、预警与防控研究难题，推动复杂环境超长距离隧道安全预警与智能施工，深埋长、大隧道建造全过程动态风险管理与监控等科学前沿研究方向快速发展的重要途径.

有鉴于此，本文开发了岩爆数据库管理系统，以期利用录入的海量工程数据，深度挖掘不同工程岩爆特征与监测信息的异同与联系，融合多源信息提高岩爆预警的实时性和有效性，形成系统有效的岩爆智能预警、防控方法，从而支撑管理者对施工过程安全管理的长效决策.

1 岩爆研究挑战与管理系统建设需求

1.1 岩爆研究挑战

（1）岩爆孕育机理研究.

受应力、地质、开挖等多种因素综合影响，岩爆的发生类型众多、特征多样、机制复杂. 按照时空特征可以分为即时型岩爆、时滞型岩爆和间歇型岩爆，从机制上可以分为应变型岩爆、应变-结构面滑移型岩爆和断裂滑移型岩爆[7]. 即时型岩爆、应变型岩爆、应变-结构面滑移型岩爆是工程中最常见和频发的岩爆类型，因案例较多，研究人员也较多，并取得了丰硕成果[17-19]. 但针对发生概率较少，而破坏性较大的时滞型岩爆、间歇型岩爆及断裂型岩爆等类型的岩爆，由于案例少，对其机理研究的学者也少，导致其机理认识不清楚，至今尚未建立的定量化预警方法[7]. 此外，随着深埋工程的深入实施，工程所处应力更大、地质条件更复杂，岩爆风险更加突出且会表现出与以往工程不同的特征，可能不断涌现新的岩爆类型，也需要有一定的案例数量才能研究其机理. 因此，急需建立一个岩爆案例数据库，将岩爆发生的地质条件、支护条件、破坏特征等进行统计和管理.

（2）岩爆智能监测.

岩爆智能监测可以缩短数据分析时间，使岩爆预警更加及时. 机器学习在分析大数据、复杂、非线性问题中具有较大优势，能够通过深度神经网络挖掘出复杂因素间的内在联系和规律，并依据事物发展规律进行智能感知和预测. 但基于机器学习的智能模型和算法应用对数据的数量和质量依赖性大，要求有大量的监测信息数据[20]. 目前，微震监测是针对岩爆问题最有效的手段，这就需要建立岩爆微震信息数据库，收集不同开挖方式、不同类型安装方式等条件下的微震波形，为监测数据智能分析提供样本.

（3）岩爆智能预警.

岩爆的孕育和发生是一个复杂的过程，受多种因素影响，且岩爆与微震监测信息之间的关系呈现出高度的复杂性和非线性. 深度学习等智能方法可以较好地建立这种复杂和非线性关系，但是同样需要大量的岩爆案例以及其孕育过程的微震信息，以准确计算相关模型参数[20]. 岩爆智能预警方法的效果，常取决于岩爆训练样本数据的准确性、充足性、可用性. 但一个工程的岩爆案例往往有限，且在隧道建设初期可用的岩爆案例更少，导致智能研究方法缺乏训练样本. 少量的岩爆训练样本无法将足够的特征输入到机器学习模型中，导致分析效果较差. 此外，由于工程中无岩爆和轻微岩爆案例数量常远大于中等及以上岩爆，特别是强烈和极强岩爆更少发生，导致岩爆智能方法研究面临严重的训练样本不平衡问题，严重影响岩爆智能分析结果准确性、可靠性[21].

综上分析可知，建立岩爆数据库管理系统，精确有效收集不同工程各阶段的岩爆的特征及对应的地质信息、开挖信息、破裂响应监测等信息，构建不同工程间的区别与联系，整体研究分析，是解决不同类型岩爆机理和岩爆智能化监测预警研究过程中的样本数缺乏、样本结构不平衡等难题限制的重要途径[5].

1.2 岩爆数据库管理系统功能需求

运用大数据、深度学习等人工智能手段，开展岩爆孕育过程的机理研究、智能监测或智能预警时，需要对数据库内的信息进行深度学习，建立多源影响因素-监测信息-岩爆特征间的内在规律与联系. 依据上述流程可知，为满足研究需要，岩爆数据库管理系统需实现以下功能需求：

（1）工程管理.

包含不同工程，并分别对各工程进行编辑、管理，需涵盖埋深、规模、尺寸、开挖方式等基本概况.

（2）数据采集.

采集的数据涵盖勘察、设计、施工等不同阶段的信息. 尽可能详尽采集各个阶段与岩爆有关的信息和数据，包括地质勘察信息、岩爆案例信息、施工信息、监测信息等.

（3）统计、查询.

能按不同信息条件进行单工程或多工程统计、查询，可根据地质或微震监测信息查询结果筛选案例或根据案例提取地质、微震监测信息. 此外，可依据岩性、埋深、应力等基本信息进行类比，对应抽取相似工程在勘察设计阶段或施工阶段的详细信息，为勘察设计阶段岩爆评估与开挖支护设计、施工阶段岩爆预测预警与支护措施确定提供参考和数据基础，以满足不同阶段的工程需求.

（4）结果导出.

统计、查询结果可以表格的形式导出，且可选择拟导出的具体内容.

2 岩爆数据库管理系统开发

2.1 岩爆数据库管理系统建设目标

岩爆数据库管理系统的建设目标是以复杂地质环境下深部岩体工程开挖过程的岩爆案例、微震波形、微震时序等数据为基础建立相应数据库，有效管理不同工程相关信息. 解决不同工程岩爆案例及相关信息不能关联，岩爆智能监测预警研究过程中的样本数缺乏、样本结构不平衡等一系列问题. 利用其统计、查询、导出等功能，为大数据挖掘、深度学习等人工智能手段的应用提供数据基础，深度挖掘不同工程岩爆特征与监测信息的异同与关联，通过多源信息异构融合，提高岩爆监测预警的实时性、准确性、智能性.

2.2 岩爆数据库管理系统整体架构

岩爆数据库管理系统采用面向对象的编程语言，系统架构采用B/S+C/S结构（浏览器/服务器结构+客户端/服务器结构，Browser/Server+Client/Server），即应用层、管理层、数据层三层结构，如图1所示.

图1 岩爆数据库管理系统架构图Fig.1 Architecture diagram of the Rockburst Database Management System

应用层主要实现岩爆案例基本信息、微震波形信息、地质信息等数据信息采集、数据查询统计、数据筛选分析、数据导出、云平台数据交互；管理层实现不同工程项目基本信息的建立、账户信息维护及数据的汇总分析功能；数据层主要实现数据和相关文件的保存. 此外，岩爆数据库管理系统采用B/S架构将数据信息存储在云服务器中，高效保证了数据的安全性、无地域无时序的数据共享、数据存储空间易扩展；采用C/S架构实现人机交互，提高了维护本地数据时效性和安全性，同时在界面和操作上可以满足丰富的功能需求.

2.3 岩爆数据库管理系统主要内容

基于岩爆数据库管理系统功能需求和建设目标，岩爆数据库主要包括岩爆案例数据库、微震波形数据库、微震时序数据库3部分，组成结构如图2所示.

图2 岩爆数据库管理系统结构图Fig.2 Structure diagram of the Rockburst Database Management System

岩爆数据库管理系统各数据库的主要内容和具体信息如表1所示，主界面如图3所示.

图3 岩爆数据库管理系统主界面Fig.3 Main interface of the Rockburst Database Management System

表1 岩爆数据库管理系统主要内容Table 1 Main contents of the Rockburst Database Management System

（1）岩爆案例数据库.

岩爆案例是岩爆机理、预警、防控研究的基础，为便于研究，岩爆案例数据库需尽可能全面、详细包含与岩爆相关的所有信息. 因此，建立的岩爆案例数据库包括：工程基本信息、岩爆基本信息、爆坑及岩块信息、围岩地质信息、初支及破坏情况信息、新增支护措施信息、原岩应力及强度信息和附件信息等主要内容.

（2）微震波形数据库.

微震波形是岩体开挖过程的动态响应，用于岩爆预警及机理分析的微震特征参数、微震时序曲线均需通过微震波形特征参数、波形类型等获取. 微震波形受微震监测系统、传感器安装方式及数量等因素影响，为此微震波形数据库包括：微震波形文件、波形特征参数、微震监测系统类型、传感器类型及数量、传感器安装方式等主要内容.

（3）微震时序数据库.

微震时序曲线反映了岩爆孕育过程微震特征参数随时间的演化规律，是岩爆孕育过程预警的主要信息. 微震时序文件是从监测到的总微震破裂事件中，抽取预警或研究区域内的微震事件，通过计算微震特征参数值，生成微震特征参数随时间的演化规律. 为此微震时序数据库包括：微破裂信息文件、爆破信息文件、微震事件抽取区域、数据连续性、微震时序文件等主要内容.

2.4 功能模块

为满足岩爆动态定量化及智能化分析方法应用的功能需求，设计岩爆数据库管理系统的整体功能模块包括：工程管理、案例信息录/导入、岩爆及微震信息统计查询、微震信息筛选、微震特征参数计算及时序文件生成、数据导出、数据云同步等.

（1）工程管理.

新建工程，上传及编辑工程概况、工程布置、施工信息等相关描述性文件，并在新建的工程内添加、编辑不同工区，上传及编辑具体工区的概况、施工等信息.

（2）信息录/导入.

选择工程及对应工区，新建、编辑或删除工区内的岩爆案例信息. 岩爆案例涉及的照片、图片、视频及其他信息可以以附件的形式上传至数据库.

微震波形数据库、微震时序数据库内的信息可批量导入，且考虑不同微震监测系统输出的微震信息格式存在差异，在将微破裂信息文件导入微震时序数据库时，可利用数据转换的功能将其转换为标准格式.

（3）统计查询.

按工程名称、案例编号等可对岩爆案例数据库进行查询和统计；按照开挖方式、岩性等条件，可对微震波形数据库进行查询统计；按照区域桩号、研究时间等条件对微震时序信息进行统计和查询.

（4）微震信息筛选与分析.

针对微震时序数据库，可依据开挖信息，对时序的空间和时间范围进行筛选，同时可对释放能、视体积等参数进一步进行过滤，最终筛选出用于岩爆预警的微震信息[22]. 并结合筛选后的微震信息计算研究区域内的累积微震事件数、累积微震释放能等微震特征参数. 可分析计算岩爆孕育时间，通过设定时间窗口和时序步长，并选择一种或多种微震参数生成微震时序文件. 生成的时序文件可显示，并以txt、csv、jpg等格式输出.

（5）信息导出.

查询、统计结果可以列表形式导出，也可对应导出列表内的岩爆案例数据和微震时序数据，查询的波形特征数据及对应文件也均可导出. 为便于进行统计分析，岩爆案例数据可选择需要导出的具体信息.

（6）数据同步.

数据信息可存储在云服务器中，实现数据共享；也可从云服务器中下载数据到本地，实现人机交互，提高维护本地数据时效性和安全性.

3 岩爆数据库管理系统应用

整理本团队近年开展的多项岩爆工程案例数据和文献公布的岩爆工程案例数据，对岩爆数据库管理系统进行了应用. 基于岩爆数据库管理系统的统计、查询、计算功能，获取了基础数据，对某隧道岩爆特征进行了分析，并开展了岩爆智能预警.

3.1 典型深埋岩体工程岩爆案例信息录入

（1）岩爆案例数据库.

依托近年开展的深埋岩体工程所获取的岩爆数据和文献公布的深埋岩体工程岩爆数据，录入了锦屏二级水电站引水隧洞、锦屏地下实验室二期、二郎山隧道、桑珠岭隧道、高黎贡隧道、太平驿水电站、Gotthard Base Tunnel等超过20个典型国内外深埋岩体工程的岩爆案例，记录了各工程不同岩爆案例对应的基本信息、地质信息、开挖信息等，如图4所示.

图4 岩爆案例数据库界面Fig.4 Interface of rockburst case database

（2）微震波形数据库.

针对岩爆案例库中录入的开展了微震监测的国内外深埋岩体工程，分工程、工区及案例，分别录入了波形文件及传感器信息、监测系统信息等.图5所示为基于中科微震SinoSeiSm微震监测系统的西南某铁路隧道微震波形数据. 基于微震波形数据库中该隧道数千条岩石破裂波形，利用U-net神经网络建立了用于隧道自动定位的微震岩石破裂波形到时智能拾取方法. 该方法通过在工程应用，纵波和横波到时的拾取精度分别达到了94.39%和91.59%，有效降低了微震事件的自动定位误差[23]. 为微震时序样本构建及岩爆的智能预警提供了基础.

图5 微震波形数据库界面Fig.5 Interface of microseismic waveform database

（3）微震时序数据库.

针对录入的岩爆案例和微震波形数据，对应将微破裂信息文件、事件抽取区域信息等数据录入了微震时序数据库. 图6所示为锦屏地下实验室岩爆案例的微震时序示例，利用微震时序数据库，查询了岩爆案例，抽取、筛选了微震信息，并计算了微震特征参数值. 选择当日及累积的微震事件数、微震释放能、微震视体积等参数，分析了微震特征参数随时间的演化规律，生成了微震时序文件，且该微震时序文件可直接用于建立岩爆预警模型.

图6 微震时序数据库界面Fig.6 Interface of microseismic time-series database

3.2 基于数据库管理系统的岩爆特征分析

利用岩爆数据库管理系统，按工程名称和岩性查询西南某深埋花岗岩隧道工程的岩爆案例，导出最大弹射距离、爆坑断面面积、爆坑深度、施工延误时间等信息. 在此基础上，分析该隧道不同等级岩爆的破坏特征和对施工的影响程度，结果如图7所示. 由图7可知，不同等级岩爆对岩体产生的破坏特征及对施工的影响程度差异较大，随着岩爆等级的升高，对围岩的破坏程度和对施工的延误程度呈规模性增长. 强烈岩爆发生过程中的平均最大弹射距离达到12.7 m，形成的平均爆坑深度达到2.3 m. 岩爆对围岩造成的巨大破坏导致对施工的延误时间更大，平均延误时间达到17 d.轻微岩爆对围岩的破坏程度较小，平均弹射距离为0.9 m，形成的平均爆坑深度为0.3 m、平均断面面积5.1 m2. 虽然轻微岩爆对围岩的破坏程度较小，但由于产生岩爆后需要进行排险和清渣，且破坏施工的连续性，对施工的延误也达0.2 d. 此外，由于轻微岩爆是该隧道发生频次最高的岩爆等级，几乎每开挖15 m就会产生1次轻微岩爆，因此轻微岩爆对施工工效仍有影响. 因此，为提高该隧道施工工效，需采取调控措施，避免或减少岩爆的发生.

图7 基于岩爆数据库管理系统的不同等级岩爆破坏特征Fig.7 Analysis results of failure characteristics of different intensities of rockbursts based on the Rockburst Database Management System

利用岩爆数据库管理系统，可较便捷的对同一工程的岩爆特征及其影响因素进行查询、分析，或对不同工程的特点进行类比，以满足受条件限制无法开展微震监测工程的岩爆评估、防控等工程需求. 参照相似工程的岩爆特征及其影响因素，为岩爆机理研究或施工方案的选择和优化提供坚实基础.

3.3 基于数据库管理系统的岩爆智能预警

（1）岩爆预警模型及结果.

上文所述西南某深埋隧道工程开挖过程中岩爆灾害频发[24]，利用岩爆数据库管理系统生成该隧道不同等级岩爆案例孕育过程对应的微震时序文件. 参考文献[25]提出的微震信息和深度卷积神经网络的隧洞岩爆预警方法，对该隧道岩爆进行了智能预警，如图8所示. 输入项为预警区域内微震事件生成的微震时序文件（见图6），输出项为预警区域潜在的岩爆等级及其发生概率. 由图8可知，进行的109次岩爆预警中，对潜在岩爆预警的准确率达到了84.2%. 由此可见，岩爆数据库管理系统可为岩爆智能预警提供科学、可靠的数据基础，是保障预警准确率的重要手段.

图8 基于岩爆数据库管理系统的岩爆智能预警结果Fig.8 Rockburst intelligent warning results based on the Rockburst Database Management System

（2）岩爆预警实例.

以一个中等岩爆为例，详述基于数据库管理系统的岩爆智能预警过程. 2017年5月4日8:00，掌子面掘进到桩号K195+510时，预警区域内微震活动活跃且聚集成核，特别是隧道左侧聚集程度更高，如图9（a）所示. 利用岩爆数据库管理系统选取预警区域内的微震事件（K195+475～510），并生成时序文件（见图9（b））. 将时序文件作为输入项，利用岩爆智能预警模型计算得出该区域发生中等岩爆的概率最高，达到了55.3%，如图10（a）所示.因此，对该区域发布了中等岩爆预警.

图9 预警区域微震活动特征. （a）微震活动时空分布；（b）微震活动时序Fig.9 Characteristics of microseismicity in the rockburst warning area: (a) temporal and spatial distribution of microseismicity; (b) time series of microseismicity

2017年5月4日12点10分，在该区域发生了中等岩爆. 岩爆发生过程中不断有类似鞭炮声的岩石破裂声响，偶而伴随沉闷的声响，岩石的最大抛射距离达到了3 m. 最终在隧道左侧拱肩形成了一个0.7 m深的长条形岩爆坑，如图10(b)所示. 此次岩爆被有效的预警，并且在岩爆发生后，依据微震活动动态开展岩爆段的支护，有效保障了人员设备安全. 岩爆数据库管理系统为岩爆预警模型的准确建立及预警时序文件的快速生成提供了基础.