劉學軍，高玉峰，賀一凡，姜兆東

(1.新疆建筑科學研究院(有限責任公司)，新疆烏魯木齊830002；2.新疆大學建筑工程學院，新疆烏魯木齊830046)

0 引 言

隧道工程是交通運輸工程的重要組成部分，受地質(zhì)災害的影響，在施工過程中經(jīng)常發(fā)生安全問題，甚至會威脅到工程的安全穩(wěn)定[1]。對隧道圍巖的穩(wěn)定性提前預測可以減少工程事故的發(fā)生[2]。針對圍巖穩(wěn)定性的問題，國內(nèi)外學者已開展了大量研究工作。許傳華等[3]采用模糊數(shù)學綜合評估法和模糊語言等計算方法，對圍巖穩(wěn)定性進行了不同程度的評估。曾懷宇[4]為分析地質(zhì)水文環(huán)境及巖石自身條件等眾多因素對圍巖分類的影響，在已收集數(shù)據(jù)的基礎(chǔ)上，采用粗糙集理論對數(shù)據(jù)中的隱含知識進行挖掘，實現(xiàn)對隧道圍巖等級的預判。儲漢東等[5]進行數(shù)值模擬，研究圍巖的應力和應變變化場。李健等[6]基于云模型理論探討了圍巖穩(wěn)定性分類模型。閆天俊等[7]對弱結(jié)構(gòu)面流動修正系數(shù)進行修正，并提出了考慮到巖石流動影響的圍巖分類指標。郝杰等[8]通過使用基于拓撲元素理論的簡單相關(guān)函數(shù)，確定影響圍巖的每個因素的權(quán)重。王佳信等[9]提出一種基于Alpha穩(wěn)定分析(SaS)-概率神經(jīng)網(wǎng)絡(luò)(PNN)模型，對圍巖穩(wěn)定性進行了預測。貢力等[10]為對圍巖的安全穩(wěn)定性做出準確預測，提出了基于PCA-IRBF的計算模型，對隧道圍巖的安全穩(wěn)定性進行預測評價的新方法。李宏波[11]為探究TBM掘進量圍巖等級關(guān)系，采用數(shù)據(jù)清洗、分布統(tǒng)計等多種方法，建立了以神經(jīng)網(wǎng)絡(luò)聚類和最小二乘支持向量機相結(jié)合的圍巖等級預測方法。周浩宇等[12]以江西某隧道為例，根據(jù)已有工程經(jīng)驗，選取合適的影響因素建立指標體系，采用理想點法建立隧道坍塌風險等級預測模型。李蓬喜[13]采用支持向量回歸、卷積神經(jīng)網(wǎng)絡(luò)工智能算法，對TBM的掘進數(shù)據(jù)、圍巖等級進行預測分析。

在東天山隧道施工研究中，秦擁軍等[2]利用TSP物探技術(shù)與灰色關(guān)聯(lián)度等技術(shù)對東天山隧道施工前期的數(shù)據(jù)進行了分析，并對圍巖質(zhì)量進行預測研究，但其研究是基于東天山隧道施工前期的數(shù)據(jù)，數(shù)據(jù)量較少導致其研究成果仍存在不足。為此，本文在秦擁軍等人研究的基礎(chǔ)上，采用東天山隧道施工后期的數(shù)據(jù)進行研究分析，所得數(shù)據(jù)更加完備，監(jiān)測數(shù)據(jù)更為豐富，可使研究結(jié)果更加準確可靠。此外，在實際工程中獲取的數(shù)據(jù)往往是龐大的，需要找到一個可以大規(guī)模處理工程數(shù)據(jù)的方法。隨著人工智能的不斷發(fā)展，具有大規(guī)模并行處理、高運算速度、強適應性以及強容錯能力等高性能的神經(jīng)網(wǎng)絡(luò)被廣泛應用。鑒于以上原因，本文基于優(yōu)化后的東天山隧道施工后期數(shù)據(jù)，利用高性能的神經(jīng)網(wǎng)絡(luò)等處理技術(shù)，對圍巖隧道質(zhì)量進行預測。

1 工程概況

新疆東天山隧道全長約11 km，位于高山區(qū)和中山區(qū)，融雪和降雨等因素易地表形成徑流。受多時期構(gòu)造運動的影響，導致項目沿線出露的基巖節(jié)理較為發(fā)育[14]。隧道地理位置見圖1。

圖1 隧道地理位置

根據(jù)現(xiàn)場踏勘與鉆探取樣分析，隧址區(qū)上部主要為粉質(zhì)黏土、卵石和塊石等，屬于第四系全新統(tǒng)～上更新統(tǒng)；隧址區(qū)下部基巖巖性主要為凝灰質(zhì)砂巖、凝灰?guī)r、熔結(jié)泥灰?guī)r和花崗巖、輝綠巖、花崗斑巖等，屬于石炭系中統(tǒng)及華力西期侵入巖。東天山隧道主要跨越了2個三級構(gòu)造單元，走向為北西～北西西的區(qū)域構(gòu)造占了絕大部分，走向為北東或近南北的僅有極少部分。北天山北坡陡、南坡緩，北部沖洪積扇較南部山麓發(fā)育，南部新構(gòu)造活動明顯弱于北部。

2 基本理論分析

2.1 主成分分析關(guān)聯(lián)理論

主成分分析是用1組新的相互不相關(guān)的綜合指標替代大量的指標(如P指數(shù))。當統(tǒng)計分析被用來研究1個多變量的課題時，太多的變量會增加課題的復雜性，希望以較少的變量獲得更多的信息。在存在多因素影響的條件下，多變量之間存在內(nèi)在的聯(lián)系。如果2個變量之間有內(nèi)在關(guān)聯(lián)，則認為這2個變量反映的主體信息有一定的重疊。主成分分析是將重復的變量(密切相關(guān)的變量)從最初提出的所有變量中刪除，并創(chuàng)建盡可能少的新變量，使這些新變量是2個或更多的不相關(guān)的變量，這些新變量在反映被試的信息能盡可能多地保留原有信息。

最經(jīng)典的方法是用F1的方差來表示。若全部組合中的F1方差最高，則F1稱為第1主成分。假如F1難以反映原始指標P的信息，再考慮F2，使其有效地代表原始信息。同時，F(xiàn)2中的信息不再包括F1中的信息。也可以表達為要求Cov(F1，F(xiàn)2)=0，則將F2稱為第2主成分。以此類推可以構(gòu)造第i個直至第P個主成分[15]。

2.2 TSP物探指標敏感性分析

考慮巖石硬度和巖石完整性2個基本因素的質(zhì)量特征，以及基本的圍巖質(zhì)量指標BQ進行初步分類[16]?；举|(zhì)量指數(shù)的修正值是考慮到修正因素的影響而得到的。巖體的基本圍巖質(zhì)量指標BQ的計算公式為

BQ=100+3Rc+250Kr

(1)

式中，RC為巖石單軸抗壓強度；Kr為巖石完整度系數(shù)。若RC>90Kr+30，則將RC=90Kr+30和Kr代入計算BQ值；當Kr>0.04Rc+0.4時，應以Kr=0.04Rc+0.4和Rc代入計算BQ值。

計算出BQ值后，結(jié)合JTG 3370.1—2018《公路隧道設(shè)計規(guī)范》給出的地下水影響修正系數(shù)K1、主要軟弱結(jié)構(gòu)面產(chǎn)狀影響修正系數(shù)K2、初始應力狀態(tài)影響修正系數(shù)K3進行修正計算得出圍巖質(zhì)量指標修正值[BQ]，計算公式為

[BQ]=BQ-100(K1+K2+K3)

(2)

就東天山隧道而言，工程條件復雜，在隧道的長段上，干燥和水淹的條件交替出現(xiàn)，而且結(jié)構(gòu)的表面幾何形狀也不同。僅采用3個修正條件難以全部滿足所有條件，同時修正系數(shù)的取值將受到影響，導致計算出的[BQ]修正值存在誤差。對地下水修正系數(shù)K1進行加權(quán)平均計算，可以使得結(jié)果更加準確[17]，計算公式為

(3)

式中，ki為第i個因子的地下水修正系數(shù)；wi為第i個因子的隧道長度；n為因子個數(shù)。

例如，假設(shè)一段巷道長200 m，巖體基本圍巖質(zhì)量指標BQ為330，其中有55 m是潮濕或點滴狀出水，且水壓小于0.1 MPa；有145 m是淋雨狀或涌流狀出水，其中有105 m水壓大于0.5 MPa，有40 m水壓大于0.1 MP且小于等于0.5 MPa。如果按規(guī)范計算，200 m中有105 m為淋雨狀或涌流狀出水且水壓大于0.5 MPa，則地下水修正系數(shù)K1的取值為0.8，這樣計算出來的修正值[BQ]會比實際偏低。若采用加權(quán)平均法，則

3 研究數(shù)據(jù)處理

3.1 加權(quán)修正圍巖質(zhì)量指標

在秦擁軍等[2]研究的基礎(chǔ)上，采用東天山隧道施工后期優(yōu)化后的數(shù)據(jù)進行研究分析，計算出[BQ]值，并列出相應的TSP物探指標。由于數(shù)據(jù)過多，因此只列出表1所示的部分主要數(shù)據(jù)。

3.2 關(guān)聯(lián)度計算結(jié)果

將表1的數(shù)據(jù)通過MATLAB編程進行關(guān)聯(lián)度計算，結(jié)果見表2。通過TSP物探指標敏感性分析可知，在多因素物理力學參數(shù)的影響中，波速V、縱橫波速比Vp/Vs、泊松比μ和密度ρ與圍巖質(zhì)量的相關(guān)程度較高，所以可以認為這4個因素是影響巖石質(zhì)量及穩(wěn)定性的主控因素。而剪切模量G、拉梅系數(shù)L、體積模量K、動態(tài)楊氏模量ED和靜態(tài)楊氏模量ES與圍巖質(zhì)量的相關(guān)程度最低，說明這5個因素對圍巖質(zhì)量及穩(wěn)定性影響相對較小。

表1 東天山隧道TSP物探指標及對應[BQ]值

表2 TSP物探各指標的圍巖穩(wěn)定性關(guān)聯(lián)系數(shù)

4 BP神經(jīng)網(wǎng)絡(luò)預測圍巖質(zhì)量

4.1 BP神經(jīng)網(wǎng)絡(luò)關(guān)聯(lián)理論

BP算法是神經(jīng)網(wǎng)絡(luò)眾多算法中較為經(jīng)典的算法，同時也是應用最廣泛的算法之一。BP算法搭建的神經(jīng)網(wǎng)絡(luò)主要由輸入層、隱含層和輸出層3層神經(jīng)元構(gòu)成，3層全部存在情況下，將其稱為全連接神經(jīng)網(wǎng)絡(luò)，見圖2。

圖2 全連接神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

全連接神經(jīng)網(wǎng)路中，輸入層和輸出層一般為單層神經(jīng)元，而隱含層通常為雙層甚至多層神經(jīng)元。神經(jīng)網(wǎng)絡(luò)的輸入層主要負責提取樣本數(shù)據(jù)，并將數(shù)據(jù)傳遞給隱含層做深層處理，最終將處理好的數(shù)據(jù)傳遞給輸出層，而神經(jīng)網(wǎng)絡(luò)模型的準確與否，通常由隱含層來決定。神經(jīng)網(wǎng)絡(luò)中處理數(shù)據(jù)的方法采用BP算法，通過比對神經(jīng)網(wǎng)絡(luò)的實際輸出與期望輸出，降低兩者誤差。經(jīng)過對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)的大量調(diào)試，當誤差在允許范圍時，則認為神經(jīng)網(wǎng)絡(luò)已經(jīng)訓練完成。

4.2 預測數(shù)據(jù)處理

由表2計算得出的結(jié)果，選取V、Vp/Vs、μ和ρ這4主控因素作為隧道圍巖質(zhì)量預測的主要依據(jù)。預測樣本采用表1中隨機選取的6組數(shù)據(jù)(見表3)，初始數(shù)據(jù)為剩余的512組數(shù)據(jù)(見表4)，所取數(shù)據(jù)是在文獻[2]的基礎(chǔ)上進行優(yōu)化，數(shù)據(jù)的來源是隧道工程施工后期，且取樣的部位更加合理，因此本文所用數(shù)據(jù)更有代表性。在初始數(shù)據(jù)與預測樣本的關(guān)聯(lián)度計算中，本文使用灰色關(guān)聯(lián)算法計算。在512個初始數(shù)據(jù)計算出的關(guān)聯(lián)度中選取最大關(guān)聯(lián)度所對應的初始數(shù)據(jù)的圍巖質(zhì)量，作為該組預測樣本的結(jié)果。

表3 預測樣本(參考序列)

表4 初始數(shù)據(jù)(比較序列)

4.3 預測結(jié)果

采用BP神經(jīng)網(wǎng)絡(luò)預測計算得出的結(jié)果見表5。

從表5可以看出，除預測樣本6外，所有5組預測樣本都可以在表4的512組試樣中找到對應的實際樣本數(shù)據(jù)。此外，由于工程數(shù)據(jù)的不完整性，導致預測樣本2的預測結(jié)果存在誤差，但誤差在允許范圍內(nèi)。從整體數(shù)據(jù)來看，[BQ]值為131.8的數(shù)據(jù)總量較少，這是誤差產(chǎn)生的主要原因之一。隨著工程數(shù)據(jù)的不斷增加和完善，BP神經(jīng)網(wǎng)絡(luò)的預測精度將會越來越高。因此，利用地球物探指標的高度相關(guān)性預測圍巖質(zhì)量是可行的。

表5 樣本的BP神經(jīng)網(wǎng)絡(luò)關(guān)聯(lián)度預測結(jié)果

5 結(jié) 語

本文以新疆東天山隧道工程為研究對象，利用施工后期優(yōu)化后的數(shù)據(jù)，采用TSP物探指標敏感性分析法和BP神經(jīng)網(wǎng)絡(luò)關(guān)聯(lián)分析理論，對影響隧道圍巖質(zhì)量的因素進行分析，并對圍巖質(zhì)量進行預測，所得結(jié)論如下：

(1)TSP物探指標敏感性分析結(jié)果表明，V、Vp/Vs、μ和ρ與圍巖質(zhì)量的相關(guān)性最高，關(guān)聯(lián)度分別高達0.802 7，0.863 3，0.855 7和0.819 4，均是影響圍巖質(zhì)量的重要因素。

(2)根據(jù)BP神經(jīng)網(wǎng)絡(luò)對圍巖質(zhì)量主要影響因素的預測結(jié)果可知，BP神經(jīng)網(wǎng)絡(luò)預測方法是可靠準確的，所得結(jié)果將會隨著技術(shù)和數(shù)據(jù)的完善而有所改善。

(3)圍巖的縱橫波速比和泊松比的預測精度對TSP物探指標預測結(jié)果影響較大，提高2個因素的預測精度可有效增強整體預測效果。