边坡多场光纤神经感知与安全保障体系

2024-01-02程刚张昊宇李刚强游钦凉王振雪王子怡

科学技术与工程 2023年35期

程刚, 张昊宇, 李刚强, 游钦凉, 王振雪, 王子怡

(1. 华北科技学院(中国煤矿安全技术培训中心)计算机学院, 北京 101601; 2. 南京大学地球科学与工程学院, 南京 210023; 3. 南京大学(苏州)高新技术研究院,苏州 215123; 4. 华北科技学院(中国煤矿安全技术培训中心)矿山安全学院, 北京 101601)

中国幅员辽阔、地形复杂多样,是自然灾害频发的大国,近年来边坡灾害事故发生率高居不下,2017—2021年共发生滑坡灾害18 520起,对人民的正常生活产生了极大的影响[1-4]。边坡是指一定倾斜角度的岩土体在自然或人为因素作用下形成的临空面[5-7],当其上部岩土体在重力作用下发生整体位移时,即形成滑坡。人类工程活动是诱发边坡灾害的关键因素,对工程建设与运营安全产生重要影响。因此,开展边坡多场监测研究,精准获取边坡多场实时状态信息,进一步建立边坡多场安全保障体系,是国家重大需求[8-9]。

国外学者通过卫星遥感、无人机航拍等遥测技术对边坡进行监测,同时利用钻孔测斜、地质雷达、测量机器人等技术对边坡进行监测,监测参量聚焦于边坡变形,而针对边坡地下岩土体的温度、渗流、地电等参量的联合监测甚少。Wolter等[10]基于近景摄影技术对意大利Vajont滑坡发育演化过程中的形态学特征进行研究,发现坡表由于风化侵蚀产生变形,且滑痕呈阶梯状。Raucoules等[11]利用合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术对法国La Valette滑坡进行监测,试验验证了该技术在边坡表面变形监测中的适用性。然而,上述技术难以获得边坡内部变形信息,且InSAR技术易受大气与植被覆盖影响,同时应变计、位移计和渗压计等常规传感器所获得的数据大都为点式,具有一定的离散性,易造成边坡关键区域的漏检[12-14]。因此,提高边坡灾害的监测预警水平仍是当前亟需攻克的关键问题。现基于人体感知神经,利用光电联合监测技术,提出边坡多场光纤神经感知方法,实时获取边坡时空连续状态信息,据此构建集异常感知、信息传输、数据挖掘、决策预警为一体的安全保障体系,为边坡工程的安全性提供坚实的基础。

1 边坡多场光纤神经感知

为系统性获取边坡稳定性状态信息,采用VOSviewer软件对1987—2023年4月前1 297篇学术期刊论文进行分析,选取CNKI数据库的高级检索,以“边坡稳定性”与“影响因素”为主题检索学术期刊,将最小出现频次设置为10次,共筛选出119个关键词,生成的高频关键词可视化分析图谱(图1)能体现其相关性,通过可视化数据分析可知变形、温度、渗流、地电等边坡多场参量是影响边坡稳定性的关键控制因素,需在感知多场实时状态的基础上结合机器学习开展多场数据聚类分析,评估边坡稳定性系数,建立边坡稳定性预测模型,进而确保边坡安全性[15-17]。

边坡多存在于自然环境的开放系统中,其变形失稳受边坡地下变形场、温度场、渗流场、地电场等多场耦合作用影响,因此,为掌握边坡变形失稳全过程演化规律,须从多场的角度,实时获取边坡多源多场信息[18]。分布式光纤感测技术(distributed fiber optic sensing,DFOS)是一种以光为载体,光纤为媒介,集信息感知与数据传输为一体的高新传感技术,利用光线单向传输的特点,监测外界物理参量实时变化,已在矿山、隧道等工程领域得到广泛运用,在岩土工程建设稳定性方面发挥着重要的作用。因此利用DFOS技术持续性获取变形、温度、渗流、地电等边坡多场参量实时变化是边坡多场感知的关键,目前用于监测边坡多场参量的DFOS技术主要包括:光纤布拉格光栅技术(fiber bragg grating,FBG)、光时域反射技术(optical time domain reflectometer,OTDR)、布里渊光时域反射技术(Brillouin optical time-domain reflectometer,BOTDR)、布里渊光时域分析技术(Brillouin optical time-domain analysis,BOTDA)、布里渊光频域分析技术(Brillouin optical frequency domain analysis,BOFDA)和分布式声学感测技术(distributed acoustic sensing,DAS)[19-22]。基于人体感知神经与多种光纤感测技术[23],可构建时空连续的边坡多场光纤神经感知网络(图2)。

1.1 变形场

变形场是岩土体变形失稳表征的主控物理场。边坡变形场是受边坡变形、温度、渗流及地电等多场因素共同作用下形成的耦合场,多场因素叠加作用下易改变边坡内部岩土体岩性与状态,打破边坡内部应力平衡,从而引起边坡的变形破坏[24-25],边坡变形形式大致可分为松弛张裂、蠕动变形、崩塌、滑坡四种类型[26-28],变形状态直接反映了岩土体各基本场耦合作用程度,是边坡失稳破坏最直观的表现形式,因此针对变形场的监测是边坡稳定性保障的重中之重,可结合各类光纤感测技术布设纵横交错的光纤感知网络,获取边坡实时变形信息,进而做出相应预警决策[29],表1为变形场监测中各类分布式光纤感测技术特点与相应仪器精度。

边坡变形场的监测中需同步考虑其他多场因素的耦合作用[30-32]。陈振威[33]基于FBG技术开展了边坡变形场监测研究,针对FBG存在对应力与温度因素交叉敏感的问题,利用石英玻璃作为衬底对传感器封装工艺进行改进与优化,显著提升了其抗干扰能力。试验研究表明,相较于单一物理场监测传感器,统筹考虑多场耦合作用的FBG位移传感器具有更好的温度补偿性能与精度,可为边坡变形场的精准监测提供技术支撑。

图2 边坡多场光纤神经感知网络Fig.2 Multi-field fiber optic neural perception network for slope

表1 基于DFOS的变形场监测Table 1 Deformation field monitoring based on DFOS

1.2 温度场

温度场是指不同气候季节及日照作用等因素共同组成的物理场。边坡温度场是边坡内部温度分布及其变化的表现形式,时刻受周围气温、水温及地表温度的影响,边坡内部温度的变化不仅会影响岩土体岩性、岩土体耦合状态、渗流系数等边坡物理参量还会使光纤传感器的监测精度产生变化,通常边坡浅层受温度场作用影响大、深层所受影响相对较小[34],可结合ROTDR及FBG等温度感测技术及设备对光纤沿线任一处岩土体实时温度的精细化监测,同时需对水位计、渗压计、位移计以及各类光纤传感器不同深度位置处进行温度补偿以确保其正常运行,图3为边坡温度场监测示意。

孙义杰[35]开展了三峡库岸边坡多场多参量影响因素试验研究,融合ROTDR与FBG技术,实时监测边坡内部不同位置地温分布随时间的变化过程(图4),根据边坡不同深度的温度响应特征,将边坡划分为变温带(浅层)和常温带(深部)两部分,两带温度均随着季节变化而产生波动,其中常温带地温在19 ℃附近小幅度波动,而处于地表7 m范围内的变温带地温受季节影响波动较大,这对传感器精度和化学反应速率等因素产生重要影响。

图3 边坡温度场监测Fig.3 Monitoring of slope temperature field

1.3 渗流场

渗流场是降雨及岩土体内部地下水作用的表现形式。降雨及地下水作用是边坡稳定性的关键控制因素,其产生的动水压力易引起边坡内部应力平衡状态变化,边坡岩土体孔隙大小、孔隙率与孔隙比也会随之变化,同时边坡内部含水率越高,岩土体热传导能力往往越强,对岩土耦合性及传感器测量精度产生影响[36-38],特别是在中国地质灾害最为严重地区之一的三峡库区,在人类工程活动、极端降雨、库水位周期性波动等因素的共同作用下,加快了边坡地下水渗流速率,对边坡稳定性产生极大威胁[39]。目前,常规的监测方法难以实现边坡地下渗流场时空连续性分布监测,因此可利用水分传感器与孔隙水压力传感器,结合FBG、UWFBG对边坡内部含水量、孔隙水压力与含水层渗流速度等因素的变化过程进行实时监测,以获取边坡渗流场实时状态信息,图5为基于DFOS的边坡渗流场监测示意图。

张磊[40]以三峡马家沟边坡为研究对象,基于DFOS技术开展了边坡渗流场监测研究,由于该边坡所处区域降雨较少,使得其渗流作用主要受库水位变化影响。研究发现,库水位随季节更替在145～175 m呈周期性波动,并于每年11月达到峰值,(图6),当库水位发生迅速陡降或阶段性处于低水位状态时,边坡前端常产生由内向外的渗流力,诱发边坡产生较高的滑坡变形速率。

图5 基于DFOS的边坡渗流场监测Fig.5 Monitoring of slope seepage field based on DFOS

图4 边坡温度场监测布设Fig.4 Monitoring layout of slope temperature field

图6 库水位及孔隙水压监测[40]Fig.6 Monitoring of reservoir water level and pore water pressure[40]

1.4 地电场

地电场是指地球内部的电场,由大地电场和自然电场组成[41-43]。边坡地电场监测是边坡不同时期电场变化的表现形式,对边坡变形破坏位置及其过程进行反演,在野外实际监测中,通常根据边坡勘察资料,结合边坡变形值大小设置电极数量和间距,布设纵横向电法测线,利用高密度电法仪结合分布式光纤观测技术采集不同时刻边坡地下电阻率分布,进而依据不同时刻的电阻率变化来反演边坡变形破坏演化过程[44-46]。该方法由于现场实施便捷、传感器可重复利用、数据结果直观等优势,被广泛应用于边坡稳定性评价中,然而受限于野外现场影响因素多,电法探测结果往往具有一定的多解性。

王琼[47]以陕西地区某黄土边坡为研究背景,联合光纤监测与电法探测技术,实时获取间歇降雨作用下边坡的应变与地电数据(图7),结果发现,在边坡变形演化全过程中,其内部激励电流值与拉应变值具有较强的正相关性,当激励电流值达30 mA以上时,边坡稳定性系数发生骤降,若未根据地电场异常数据及时对边坡进行科学处置,极易导致边坡灾害的发生。

2 边坡多场安全保障体系

在边坡灾害预警发展的早期阶段,主要依靠技术人员持专业仪器现场勘察以实现对边坡稳定性的判别[48-51],由于此类监测方式对技术人员经验要求较高,加之观测手段有限,对环境复杂边坡状况的判别上不够精准,易产生风险隐患点的误判、漏判[52-54]。随着近年来国家对安全生产、防灾减灾救灾、应急救援等工作的愈发重视,国家层面对灾害的监测预警与防治能力不断增强,成功预警率整体上呈现上升趋势,但仍具有很强的不稳定性,2017—2021年平均成功预警率仅为13.7%,尤其在极端气候条件下的地质灾害预警更加难以保障,因此需基于边坡多场光纤神经感知技术,获取边坡变形、温度、渗流及地电等多场时空连续信息,分析各控制因素的叠加效应,对潜在风险进行识别、评估及预警,进而作出科学决策与应急预案[55-56]。特别地,随着新型计算机技术在各类工程建设中的广泛应用,可利用基于DFOS的光电联合监测技术,在实时监测边坡多场信息状态的基础上,引入物联网、大数据、数据挖掘、人工智能等信息化新技术,对多场数据进行清洗、聚类与分析,并结合有限元分析仿真和BP(back propagation)神经网络对边坡灾害进行风险评估[57],建立边坡灾害预测模型,据此对边坡变形失稳进行预测预警。基于上述方法,构建集异常感知、信息传输、数据挖掘、决策预警为一体边坡安全保障体系,对边坡多场信息进行实时监测,并就坡体异常状态作出科学研判与决策[58-60],为边坡工程的安全性提供重要保障(图8)。

综上所述,完善的边坡多场安全保障体系在边坡工程中具有良好的适用性,该体系由多场异常信息感知至多场数据挖掘分析再至预警决策处理层层递进,可实时获取边坡多场信息,进而为边坡监测预警提供重要参考依据,在边坡工程的安全保障与边坡灾害的预警防治等方面均具有重要意义。

3 边坡监测与安全保障展望

基于DFOS的边坡监测技术,可实现对边坡多源多场状态信息的精准感知,有效解决常规监测技术边坡关键界面存在误测、漏测的难题,并结合物联网、大数据、数据挖掘、人工智能等信息化技术,构建一体化边坡安全保障体系,实现边坡监测预警与应急处置全过程的本质安全,未来应聚焦于光纤监测系统可靠性与安全保障体系集成性研究。

(1)在监测系统鲁棒性方面,针对DFOS技术在台风、暴雨、强对流等极端气候条件下,存在传感器存活率低与系统稳定性差的问题,需通过加强边坡高强度特种光缆的研发及安装工艺优化,以提高传感器在恶劣环境下的适用性,进而建立起一套具有高鲁棒性的一体化边坡监测系统,据此提高极端气候条件下边坡多场感测信息的可靠度,从而实现对边坡各基本场物理参量及其耦合效应的精准认知。

(2)在多方法监测技术方面,基于InSAR、无人机遥感、三维激光扫描、DFOS等“天-空-地-体”多方法监测技术,开展边坡多场多参量联合监测,结合数据融合技术全面获取边坡多维度信息,如:利用差分算法提升复杂监测环境下InSAR技术的识别率,解决高密集植被覆盖与极端气候条件下的监测数据有效性问题;结合图像动态识别技术与计算机视觉追踪方法,对无人机所获取的边坡变形时间序列进行分析与校准。同时,可结合DFOS技术获取的边坡内部多场多参量信息,同各类边坡观测方法获取的坡表变形信息进行对比验证,以实现边坡实时状态的精准表征。

(3)在异常数据感知与信息可靠传输方面,基于光电联合监测技术等,建立边坡多场神经感知网络,全天候、持续性获取边坡多场监测数据,重点关注边坡多场信息的周期性异常数据与阶段性突变数据。融合无线传感器网络(wireless sensor networks,WSN)、全球导航卫星系统(global navigation satellite system,GNSS)、北斗等不同覆盖范围无线通信数据传输技术,增强安全保障体系中各阶段的协同互通度,提高多场关键信息的传输效率,实现海量监测数据高效可靠传输,为边坡多场数据挖掘与分析处理提供可靠保障。

(4)在多场数据挖掘与灾害精准预警方面,综合信息提取、数据融合、灰色关联分析与神经网络等方法对海量多场数据进行关键信息清洗、提取、聚类及分析;开展海量监测数据自诊断,评估异常数据,结合贝叶斯优化随机森林与卡尔曼滤波算法建立边坡灾害预测模型,进一步提升边坡失稳变形的成功预警率,以及时发出精准可靠的灾害预警并实施快速有效的应急处置措施。