隧道不良地质识别: 方法、现状及智能化发展方向

许振浩,邵瑞琦,林 鹏,李术才,向 航,韩 涛,李 珊

1)山东大学岩土与结构工程研究中心,山东济南 250061;2)山东大学齐鲁交通学院,山东济南 250061

隧道施工常穿越断层破碎带、岩溶、蚀变带等不良地质带,往往导致突水突泥、卡机、塌方等重大地质灾害,严重威胁隧道施工安全(李术才等,2014; 钱七虎,2017)。准确可靠的不良地质识别结果对于保障隧道安全施工具有重要的意义。受地表条件限制,在隧道选址勘探阶段,无法全面准确地掌握隧道沿线的不良地质情况,因而隧道不良地质识别的主要目的是进一步明确隧道沿线不良地质体的情况,并有效掌握其位置、规模、类型以及性质等信息,即不良地质的“形”(形态、位置、规模)和“性”(性质、类型)。不同类型的不良地质在规模、性质、发育过程上存在很大的差异,因而给不良地质的识别带来很大的挑战(李天斌,2008; 《中国公路学报》编辑部,2015; Gong et al.,2016; 邓铭江等,2021)。

物探法是隧道不良地质识别与预测预报最有效的手段之一,已被广泛应用在各类隧道工程建设中(许振浩等,2008; Li et al.,2017)。物探法可对隧道掌子面前方的不良地质体的位置和形态进行识别,如地震波法可查明掌子面前方岩体的完整性(Ashida,2001; 张庆松等,2008),激发极化法则能够探明掌子面前方的富水地层(李术才等,2011; 罗利锐等,2011; Park et al.,2016)。因此近年来学者们致力于物探数据的高精度反演,以提高物探结果的准确性。超前钻探能够直接揭露掌子面前方的岩体信息,可以通过随钻参数的变化直观地感知隧道掌子面前方岩体质量和地层信息的变化,已经成为隧道不良地质识别的重要方法和技术手段(He et al.,2019; Eldert et al.,2019)。近年来,千米定向钻技术更是彰显了超前钻探法在隧道不良地质识别和超前地质预报方面的显著优势(陈湘生等,2020; 徐正宣等,2022)。但取芯钻探效率低,难以适应隧道快速施工,非取芯钻探存在对岩石力学参数反演精度不高、对岩体结构特征描述不清的问题,具有“一孔之见”的弊端,同样难以直接测定不良地质的性质、类型、地质成因等信息。

近年来随着隧道施工向智能化方向的发展,隧道施工对于不良地质预报的精度要求也不断提高,针对不良地质的研究,不仅要预报其位置和规模,还要识别其性质、类型以及地质演化过程。因此,不良地质识别是为了更进一步详细获取掌子面附近的地质信息,更为关键的是要结合超前地质预报实现对掌子面前方不良地质体位置、类型、规模以及性质等的精确识别。

隧洞在穿越不良地质影响区域时,岩石图像、元素和矿物等地质特征会发生规律性异常变化,通过地质特征分析能够识别不良地质体的性质,详细的地质分析可以明确不良地质的发育类型、形成原因、发育规模以及多种不良地质共存的相互关系(王振宇等,2010; 李术才等,2018)。但当前传统的地质分析依赖于地质工程师根据掌子面地质素描、围岩揭露信息等作出的判断,缺少定量化数据支撑,是停留在经验层面的定性分析,主观性强、误差大,常出现误判漏判现象(Xu et al.,2021a; Lin et al.,2023)。

随着隧道施工对于不良地质识别精度要求的不断提高以及人工智能技术的发展,融合多源地质信息的不良地质智能化识别已成为发展趋势。近年来,研究人员聚焦于隧道岩性与不良地质智能识别理论、方法与技术研究,提出了地质分析与物探联合反演的不良地质识别方法,构建了融合岩石图像、地化信息和物探结果的综合判识技术,旨在实现不良地质体“形”(位置、形状和规模)和“性”(类型、性质)的精准识别(Xu et al.,2021a; 许振浩等,2021; Lin et al.,2022)。探索性地将地化分析融入到传统超前钻探方法中,融合超前钻探随钻参数和地化信息,既可以发挥传统超前钻探在直观感知岩体质量和地层信息变化方面的优势,又可以发挥地化分析在岩性和不良地质异常识别方面的优势。

本文基于大量国内外文献和工程现场调研实验,将不良地质体划分为6大类: 断层类、蚀变类、风化地层类、岩溶类、岩脉侵入类和岩层接触类,并对6类不良地质体的地质成因进行了阐述,为物探、钻探等超前地质预报手段提供地质基础。对隧道不良地质识别的主要方法进行了总结,阐述了在不良地质智能化识别方面的主要研究进展,并对未来的技术发展方向和趋势进行了展望,为隧道不良地质识别方法的研究提供参考。

1 隧道不良地质分类及其地质成因

了解不良地质形成过程,划分不良地质的类别,有针对性地开展不良地质识别和预报,对隧道施工防灾减灾具有重要意义。

1.1 隧道不良地质的分类

隧道遭遇断层、岩溶、蚀变带等不良地质体诱发突水突泥、塌方、大变形等地质灾害,灾变过程及灾害规模与不良地质类型及其成因密切相关。依据地质成因对不良地质体进行分类,不仅能明确其形成机理和发育过程,还能够为物探、钻探等超前地质预报手段提供地质基础。基于大量国内外文献和工程现场调研实验,根据不良地质体的地质成因,将其划分为6大类,分别为: 断层类、蚀变类、风化地层类、岩溶类、岩脉侵入类和岩层接触类(图1),并对目前我国隧道施工中最易诱发塌方及突水突泥灾害的断层和岩溶进行了详细划分。

图1 不良地质分类示意图Fig.1 Schematic diagram of adverse geology

(1)断层类: 断层对隧道围岩稳定性的影响很大,能改变岩体的物理性能,断层发育中伴随的流体作用还会破坏岩石的化学组成,降低围岩的整体强度,从而诱发地质灾害。断层对隧道的影响与其自身的地质形成过程和力学性质密切相关,按照力学性质可将其划分为3类: ①张性断层,在张应力作用下形成,常为正断层,断层面粗糙,多呈锯齿状。②压性断层,由压应力作用形成,多呈逆断层形式。③扭性断层,在剪应力作用下形成,常成对出现,断层面平直光滑,常有擦痕出现(李忠权等,2010)。

以张性正断层为主的断层破碎带,岩性主要是角砾岩,呈棱角状,隧道开挖到此种类型的破碎带时,极易造成塌方,由于张性断层面张开程度大,断裂面的充填物多为角砾岩,因此当其发育在地下水丰富的地层中时,会形成良好的导水通道,成为导水断层,从而诱发突涌水灾害(图2a)。以压性逆断层为主的断层破碎带,岩性主要为泥岩、糜棱岩,破碎严重,但是胶结紧密,破碎带稳定性较好,断面闭合性强,透水性和含水性差,因此当其发育在地下水丰富的地层中时,往往形成阻水断层(图2b)。以扭性平移断层为主的断层破碎带,破碎带宽度相对较小,岩性以糜棱岩和破碎带岩石为主,扭性断层通常伴随张性或压型断层发育。宜万铁路隧道工程穿越区域性大型断裂多达20余处,齐岳山隧道穿越的高压富水断层是其典型代表(图2c)(赵勇等,2009)。

(2)蚀变带: 岩石蚀变是指在热液的作用下,岩石中发生的一系列旧矿物被新的更稳定矿物所代替的交代作用。岩体蚀变导致围岩的化学成分、矿物组成以及结构、构造等均遭受到不同程度的改变,围岩蚀变范围有的只有几厘米宽,有的形成数十米宽的晕圈。岩体蚀变直接影响岩石的工程地质性质。中国广东抽水蓄能电站的地下工程发育高岭石化、蒙脱石化蚀变岩带,蒙脱石化蚀变花岗岩具有吸水膨胀崩解的特性,影响部分围岩的稳定(李鹏云等,2009)。

(3)风化地层: 岩石风化地层一般裂隙分布较密集,相互连接呈不规则的网状,往往起到储水和导水作用。在一些特殊风化作用下,地质条件发生显著变化,如由于差异风化作用形成的风化夹层、风化深槽等。风化夹层主要指在两侧不易风化岩层中间的易风化岩层严重风化,由于风化严重,向下风化深度较大,风化层内具有良好储水空间,在适宜的条件下,能够富集较多地下水(图3a)。风化深槽指在差异风化和风化营力长期作用下,风化作用在地质风化薄弱处急剧发展,致使风化底部界线加深,形成深槽或囊状结构进行蓄水(图3b),在隧道施工中易发生突水突泥的构造(李术才等,2019)。

图3 风化型不良地质(李术才等,2019)Fig.3 Adverse geology of weathering type (LI et al.,2019)

(4)岩溶: 岩溶类岩体极易诱发突水突泥灾害,对隧道安全和工程建设具有极强的控制性和危害性。受地形地貌、地质构造、地层岩性、岩层产状等众多因素的控制,岩溶发育复杂多变、大小不定、形态各异,主要可分为以下三类。

①溶蚀裂隙是岩石裂隙、节理、层面等结构面在地下水运动过程中溶蚀扩大形成的,较原始裂隙宽大,连通性更好,导水能力和含水性也随之增强。溶蚀裂隙的单个规模较小,但广泛分布在可溶性岩层中(图4a)。当岩溶呈高角度裂缝产出,且岩溶裂隙被充填时,往往形成一种常见、致灾性极强却极易被忽视的致灾系统形式,即高陡倾充填型岩溶裂隙(李术才等,2018),如三峡翻坝高速季家坡隧道岩溶强烈发育,是全线最典型的高风险岩溶隧道(许振浩等,2011a)。

图4 岩溶类不良地质(李术才等,2019)Fig.4 Adverse geology of karst type (LI et al.,2019)

②溶洞溶腔是地下水沿着可溶岩的各种不连续面进行化学溶蚀与机械侵蚀而形成的较大空洞,是溶蚀裂隙的进一步发育和扩展(图4b)。直接揭露或是隧道与溶洞溶腔之间的厚度小于最小安全厚度,则发生突水突泥灾害。如宜万铁路马鹿箐隧道施工过程中揭露“+ 978溶洞”,发生大规模突水突泥灾害,造成巨大的经济损失、人员伤亡和工期延误(黄雄军,2011)。

③管道及地下河一般长度方向远大于另外两个方向(图4c,d),地下河的发育程度与该地区的水动力条件和地质构造密切相关(刘光亚,1979)。从平面展布上看,常见地下河类型有单线状地下河、分叉状地下河、侧羽状地下河、树枝状地下河和网络状地下河。

(5)岩脉侵入: 岩浆侵入时,在侵入岩与围岩接触带附近产生节理和裂隙发育带,经后期地质构造运动或风化、水蚀作用改造,裂隙进一步发育,原来封闭裂隙或隐裂隙的导水性和含水性增强(图5),当隧道开挖揭露此段围岩时易发生地质灾害(李术才等,2019)。当岩浆侵入强透水岩层中时,火成岩位于地下水运动的下游,阻断或改变了地下水运移路径,使地下水在强透水层中富集或运移,隧道开挖至与侵入岩接触的富水岩层时,容易发生地质灾害。

图5 侵入接触型不良地质(李术才等,2019)Fig.5 Adverse geology of intrusive contact type(LI et al.,2019)

(6)岩性接触带: 岩性接触带是指连续沉积的不同岩性整合界面,如区域构造作用导致的不整合面、沉积地层不同岩性沉积界面以及岩浆侵入界面等,不同岩性的交界面力学性质、化学成分等差异巨大,会引起断裂韧性、岩体弹塑性、地应力等变化,而且接触带岩体影响水力裂缝的延伸能力,往往也是富含地下水的地段(图6)。由于两侧岩石物理力学性质不同,整体性很差,岩体自身承载能力弱,在隧道施工中可能造成重大工程灾害。

图6 岩层接触类不良地质(李术才等,2019)Fig.6 Adverse geology of rock contact type(LI et al.,2019)

1.2 隧道不良地质体的地质成因

不良地质的发生和发展是地质作用、地层岩性、地形地貌、地表及地下水等因素综合作用的结果(黄鑫等,2020)。明确不良地质体的地质成因,对于识别不良地质性质、特征及其发育的地质机理与过程具有指导意义。

地质作用是不良地质形成和发育的主控因素,地质作用包括发育在固体地球内部的内力地质作用,以及地球各圈层相互作用的外力地质作用(舒良树,2011)。内力地质作用在绝大部分不良地质体的发育过程中起主导作用,构造作用、地震作用、岩浆作用等能够在短时间内破坏岩层的结构构造,形成不良地质。构造作用在断层破碎带的形成过程中占主导地位,大型的断层通常是地球活动造成的结果,包括板块碰撞运动、地壳活动等。两个板块分离、挤压、隐没、相对旋转或是平移都有可能产生断层;小型次级断层的产生有可能是因为岩体不稳定、岩石因为重力下滑、地震破坏,拉出破裂面形成断层。由于大型构造活动通常伴随有热事件以及地下流体活动,导致岩石的元素矿物发生迁移、流失、富集、重结晶等事件形成蚀变岩体(图7),因此构造作用不仅会破坏岩体的宏观结构和构造,同时还会改变岩石的成分组成(Xu et al.,2021a; Dorsey et al.,2021)。此外,岩浆活动也是导致岩石发生蚀变作用的主控因素,同时还控制着岩脉侵入作用,如岩浆岩侵入过程中形成的矽卡岩岩脉、石英岩脉等会破坏岩体的完整程度,在隧道开挖过程中诱发地质灾害。构造作用相关的断层、褶皱以及节理裂隙通过改变地下水通道控制岩溶的形态、规模、发育速度及分布空间。沿着地层中的一组优势裂隙可发育成溶沟、溶槽; 沿两组裂隙可发育成石芽及落水洞。断层导致的岩体破碎在多数情况下可作为良好的地下水通道,为地下水侵蚀可溶性岩提供了有利的条件。规模较大的断层常构成小型或次级断裂的集水通道,其水源补给充沛,因此易于形成规模巨大的溶洞。褶皱核部纵张节理和断裂发育强烈,核部的岩溶比翼部发育强烈(李智毅,1994)。

图7 断层地球化学异常模式(Xu et al.,2023a)Fig.7 Fault geochemical anomaly pattern (Xu et al.,2023a)

风化作用、沉积作用等外力地质作用也是不良地质形成和发育的决定性因素,通常控制着不良地质的发育过程。与断层、蚀变带、岩脉等相比,风化岩体、岩溶、岩性接触带等不良地质体的形成和发育则是一种更为漫长的地质过程。风化岩体的形成是由于地表或者接近地表的矿物和岩石,通过大气、水以及生物的接触,发生物理的或化学的转变,转变为松散的碎屑物或者土壤的过程(舒良树,2011)。隧道中的风化岩体易被地下水剥蚀,非常容易诱发突水突泥、塌方、卡机等地质灾害。岩溶是不断流动的地表、地下水对可溶性岩侵蚀作用的产物,由于岩溶作用使可溶性岩体结构发生变化,岩石的强度降低,形成溶洞、溶腔,岩石的透水性明显增加,并富含地下水,因此,隧道工程施工中岩溶往往导致突涌水、塌方等地质灾害。岩性接触带的形成根据其自身类型受控于不同的地质作用,如受正常地层沉积作用控制下的地层接触面/带,断层两盘地层的移动导致不同时代不同类型的地层相互接触,风化、剥蚀、沉积等多种地质作用下的地层不整合接触面,岩浆侵入作用形成的岩浆岩接触带。

地层岩性是不良地质形成的物质基础。岩性坚硬程度、力学强度、抗风化能力不同,不良地质体的发育程度和形成规模也不同。在软弱地层抗风化能力弱,透水性差,极易于吸水软化形成软弱结构面。相反,硬质岩岩体抗风化能力强,不易形成潜在滑移面和松散物质(王旭,2020)。一般而言可溶岩的溶解度越大溶蚀速度越快,更易发育溶洞溶腔及暗河等大型岩溶(许振浩等,2011b)。

地貌形态、水文地质、气候特征等是影响不良地质发育的重要条件。如负地形地貌反应了岩溶水的动力条件,地表的溶槽溶沟越发育,导致岩溶水更容易运移到地下当中。地表汇水面积越大,地表溶沟、溶槽发育越深,则岩溶水更易下渗,促进深部岩体中溶洞溶腔的发育。气候条件与岩体风化作用密切相关,严重风化的各种岩层、极软弱破碎的断层带以及堆积、坡积层中,在富含地下水的情况下会生成岩体强度很低、自稳能力极差的富水地层。流体或水热溶液作用于岩石时,导致流体或水热溶液的物理、化学条件在空间上、时间上也不断变化,使得在矿床形成前后和形成期间围岩的化学组成或状态发生变化,出现不同的矿物群体组合,进而形成蚀变带。

2 隧道不良地质识别方法及现状

不良地质的形成和发育涉及复杂的地质过程,不同类型不良地质体的特征不同,识别方法也具有明显的差异。地球物理探测法、超前地质钻探法成为最常应用在隧道中的不良地质识别方法,而地质分析法则为上述方法提供必要的地质基础。近年来,随着TBM(Tunnel Boring Machine)的广泛应用以及隧道施工面临的地质环境愈发复杂,单一的不良地质识别方法并不能完全满足隧道不良地质识别的要求,针对这一难题,学者们构建了将地质分析法、物探法及超前钻探法结合在一起对隧道不良地质体进行综合分析的识别方法体系。

2.1 地质分析方法及其现状

地质分析法是识别隧道不良地质最基本的方法,其直观可靠、应用广泛,包括工程地质调查法、隧道掌子面地质编录、超前导坑法等,其他方法都是在地质分析判断基础上进行不良地质识别(李术才等,2014),地质分析是提高隧道不良地质识别准确率的基础保障。工程地质调查法是通过调查与分析工程地质条件,掌握隧址区以及隧道开挖工作面前方的工程、水文地质情况(罗利锐等,2011; Shi et al.,2017),此方法不干扰施工,成本低,设备简单、操作方便。为了保证地质调查的质量,在高寒缺氧、地形陡峻、人员不能到达地段,可以结合航空-航天遥感图像资料、航空-半航空瞬变电磁、三维激光扫描等新技术开展地质调查工作(Salvini et al.,2011;杜宇本等,2021; 叶琼瑶等,2021)。隧道掌子面地质编录根据隧洞掌子面附近洞壁揭露的结构面、岩层、地表结构面与岩层的对应关系及不良地质体特征,通过类比推测,提前发现不良地质体出现的前兆信息,对即将出现的不良地质体进行定性判断(王振宇等,2010; 刘阳飞等,2018),可以为整个隧道提供详细的地质资料。超前导坑法最为直观,精准度较高,通过对导坑出露的地质情况进行地质编录、素描、做图,综合分析其地层岩性、地质构造、水文地质情况,预测相应段隧道的工程地质和水文地质条件,以及可能发生地质灾害的位置、性质、规模(黄春峰,2007)。

2.2 地球物理探测及其现状

地球物理探测技术可以探测隧道前方不良地质体所处的位置、范围及规模,是查明隧道掌子面前方不良地质体最直接、有效的手段之一。

地震波反射法是隧道超前地质预报应用最广泛的地球物理方法,包括负视速度法、直线类观测方法(TSP)、陆地声纳法、水平声波剖面法、空间观测方法(TST和TRT)(席锦州等,2012; 李术才等,2014; 邓铭江等,2021)。

地震波反射法虽然对具有弹性差异的异常体有较敏感的响应,但难以辨识是否含水,隧道超前预报中主要用电法、电磁类方法进行掌子面前方水体的探测(钟世航等,2007)。电法类方法中,直流电阻率法以其对低阻体反映敏感、分辨率高等优点被引入到隧道掌子面前方含水构造的预报工作中(刘斌等,2009)。激发极化法对掌子面前方的含水构造响应较敏感,可对含水构造进行定位并估算水量(邓铭江等,2021)。电磁类方法中,地质雷达探水效果不错,但探距太小; 瞬变电磁法可探查80 m以外的地下水(钟世航等,2007)。此外,红外探水法是一种辅助探水方法,但由于缺乏温度场分布与含水体位置相关关系的理论或试验数据,目前这种方法仅能做定性预报,难以进行定位(李术才等,2014)。

在TBM施工隧道环境下,掘进机占据了隧道掌子面后方的大部分空间,掌子面后方的边墙基本不具备敷设超前探测测线以及激发装置与传感器的条件,导致适用于钻爆法施工的TSP、TST、TRT等技术在TBM施工隧道中实施起来很困难(杨继华等,2019)。

目前专用于TBM隧洞的超前探测技术仅有少数几种: (1)德国GD公司研发的BEAM技术,属于聚焦频率域激发极化法,实际探测距离短,仅能定性判断是否存在水体; (2)德国GFZ公司研发的ISIS地震超前探测技术,采用了三维观测模式,具有可取之处,但如何降低和去除TBM施工中强烈的震动噪声问题未能得到很好的解决(邓铭江等,2021)。Li et al.(2018)针对TBM施工隧洞的复杂环境,以吉林引松供水工程TBM施工隧洞为依托,综合运用地质分析、三维激发极化与地震超前地质预报方法,提出了适用于TBM隧洞施工期的综合超前地质预报技术体系,对TBM施工隧洞掌子面前方的溶洞、断层破碎带等不良地质进行了准确的预报。此外,山东大学针对TBM特殊环境,提出了适用于TBM施工环境的探测方法,研发了TBM搭载式物探设备; 针对传统激发极化探测方法存在旁侧干扰严重,且无法适用于TBM施工隧道的问题,提出了激发极化超前探测的多同性源阵列型新观测模式,并对孔中阵列激发极化观测方式进行了探讨(聂利超,2015)。山东大学采用以破岩震动为震源的实时超前探测新方法,研制了TBM破岩震源地震实时超前探测系统(图8),实现了随TBM掘进实时探测和动态成像(Xu et al.,2021; 邓铭江等,2021)。同时,山东大学还利用TBM搭载激发极化探测系统(图9),实现了激发极化探测不良地质的自动化、快速化和高精度(Li et al.,2018)。

图8 TBM搭载地震超前探测系统(邓铭江等,2021)Fig.8 TBM-amounted advance seismic prediction system (after DENG et al.,2021)

图9 TBM搭载激发极化探测系统(邓铭江等,2021)Fig.9 TBM-amounted induced polarization prediction system (after DENG et al.,2021)

目前主流的地球物理探测方法在隧洞超前地质预报中都发挥了重要作用,可以较准确探测不良地质体的位置、形状和规模,但无法直接定义不良地质体的类型和性质。同时,物探数据的反演结果具有多解性,在实际工程应用中需要地质分析或钻探等方法为其反演提供先验约束,解决其多解性难题。

2.3 超前地质钻探及其现状

超前钻探可以直观地感知隧道掌子面前方岩体质量和地层信息的变化,已经成为隧道不良地质识别和超前地质预报的重要方法和技术手段。如青岛胶州湾海底隧道利用超前取芯钻探成功预测出掌子面前方含水断层(薛翊国等,2009); 兰渝铁路梅岭关隧道利用超前钻探快速探明了隧道掌子面前方地质构造和瓦斯发育情况(王庆林等,2012)。相比于钻爆法施工隧洞,TBM施工隧洞开展长距离连续水平钻探时,其对隧道施工效率的影响程度较大,最大可达85.11%(付伟,2021)。

近年来,千米定向钻技术的发展彰显了超前钻探法在隧道不良地质识别和超前地质预报方面的显著优势。例如,川藏铁路察达隧道,在高风险段采用超前取芯钻探,钻机超前钻进750余m,准确识别了钻孔所穿过的6个富水断层破碎带(陈婷,2021);川藏铁路雅安至昌都段,共完成超深绳索取芯定向勘探钻孔27个,水平定向钻孔16个最深1 888.88 m,查明了隧道洞身段地层、岩性、地应力情况、地温情况、水文地质条件情况(徐正宣等,2022)。

传统超前地质钻探通过观察岩芯、钻速变化、冲洗液返回状态的方式,预报前方地层状况,但主要依赖人工判识,且在钻进过程中有大量反映岩体力学特性与地化特征的信息未被有效收集分析。随着随钻测量技术的发展和智能化钻进需求的提高,随钻岩体特性识别技术获得巨大的发展。随钻测量(measurement while drilling,MWD)技术最早被应用于油气井勘探与开发工程领域,后期学者为充分利用钻进过程信息,研发出适用于现场钻机的原位钻孔过程监测仪(DPM),监测钻进参数,包括钻压、扭矩、转速等(岳中琦,2014); 在此基础上,学者们不断改进数字钻机与测试系统可以更加有效的搭建钻进参数与岩石参数的关系(Yaşar et al.,2011; Wang et al.,2017; Kalantari et al.,2019)。利用随钻监测技术,可建立钻进参数与岩石参数的映射关系,构建岩石强度预测模型(谭卓英等,2015; 王琦等,2018;Wang et al.,2021); 还可进行岩层界面识别、反映岩体结构特征等(邱道宏等,2014; Eldert et al.,2019;曹瑞琅等,2021; 高红科,2021)。相比传统的钻孔取芯方法,随钻岩体特性识别不仅可以节省大量时间,还可以更准确、便捷地反映当前地层的岩性、构造等信息(岳中文等,2022),但目前该技术还存在反演精度不够和普适性不强等问题,且主要反映岩体物理力学性质,无法直接测定岩体岩性和不良地质类型。

为获取前方岩体更多信息,超前地质钻探还可与物探法、钻孔成像等探测方法相结合,如李尧等(2017)改进了钻孔雷达数据分析处理手段,可以更加方便地对地质异常体的形态分布及其含水情况进行分析; 刘征宇等(2017)改善了三维电阻率跨孔CT探测成像形态畸变问题,可以更准确地反映异常体的空间位置、规模和形态; 汪进超等(2019)提出一种基于超声波合成孔径技术的钻孔成像方法,提高钻孔图像的分辨率和图像质量; 伍汉等(2021)利用钻孔成像技术研究隧道围岩裂隙发育规律。

2.4 隧道不良地质综合识别方法

在地质判识方面,地质分析是隧洞超前地质预报最基本的方法之一,是物探反演解译的基础,但传统隧道内地质分析依靠人工经验,主观性强、易出现误判漏判,只能对不良地质情况进行较为宏观和粗略的预报; 超前钻探法比较直观,对地质体的位置和范围可精确预报,但占用掌子面时间较长,且存在“一孔之见”的问题(钻孔与钻孔之间的地质情况无法判断)(刘斌等,2009); 物探法在隧洞超前地质预报中发挥了重要作用,但其反演结果存在多解性。

因此,可将地质分析法、物探法及超前钻探法结合在一起对隧道不良地质体进行综合分析,构建综合超前地质预报体系。李术才等(2014)以地质分析为先导,以地质与物探、钻探结合,洞内与洞外结合,不同物探方法结合为基本原则,根据含水构造等不良地质体赋存的地质和地球物理特征,以自主研发的3种超前预报技术为基础,结合其他常规技术,建立了四阶段全过程不良地质的隧道综合定量超前地质预报技术体系(图10)。同时,Li et al.(2018)还针对TBM施工隧洞的复杂环境,依托于吉林引松供水工程TBM施工隧洞,综合运用地质分析、三维激发极化与地震超前地质预报方法,提出了适用于TBM隧洞施工期的综合超前地质预报技术体系,对TBM施工隧洞掌子面前方的溶洞、断层破碎带等不良地质进行了准确的预报。避免了隧洞突水突泥、塌方、卡机灾害的发生,对于TBM施工隧洞不良地质超前预报与TBM安全高效掘进具有一定借鉴意义。

图10 隧道综合定量超前地质预报技术体系(李术才等,2014)Fig.10 Comprehensive advanced geological prediction system in tunnel (LI et al.,2014)

邓铭江等(2021)提出了超特长隧洞TBM施工“115”超前地质预报系统,包括“1 km”千米级宏观地质预报、“100 m”百米级长距离地质预报和“50 m”十米级短距离精细探查预报3个层次。通过多源信息联合反演分析,实现对掌子面前方不良地质和可能由其引发的地质灾害形式的全覆盖预报。采用“115”超前地质预报系统在北疆供水二期工程地质灾害预报中开展了工程实践和应用,准确预报了隧洞施工过程中不良地质发育情况,保证了超特长隧洞TBM高效掘进和安全施工(图11)。

图11 “115”超前地质预报系统流程图(邓铭江等,2021)Fig.11 Flowchart of the “1 km+100 m+50 m” geological prediction system (DENG et al.,2021)

3 隧道不良地质智能化识别发展趋势

传统不良地质识别方法主要由专家技术人员分析岩体目标特征,根据目标体与背景或标准数据的差异性信息确定识别对象,从而实现目标的识别与区分。但这种方法有明显的局限性,一是应用场景受限,更换应用场景后需要重新确定识别方法;二是识别准确性较低,受限于不同人员对识别任务的理解水平。为了解决上述问题,随着计算机大数据分析以及人工智能技术的发展,隧道不良地质识别也逐步向智能化方向发展。笔者在不良地质智能化识别方面的探索性研究主要包括以下几个方面:基于机器学习和视觉分析技术对隧道围岩岩性与裂隙特征进行智能识别,实现岩体岩性与裂隙自动化判别; 结合图像和光谱识别技术,提出了基于图像和光谱分析的不良地质识别方法,初步实现了隧道围岩异常的智能识别; 探索性地将地化分析融入到传统的超前钻探中,融合随钻参数和地化信息进行不良地质随钻识别; 提出了地质与物探联合的不良地质识别方法,旨在实现掌子面前方不良地质体“形”(位置、形态、规模)和“性”(性质和类型)的精确识别。最后,对多源信息联合反演技术的发展提出了展望,在未来的研究中,如何融合多源数据,实现不良地质综合判别将成为研究者攻关的重点和热点问题。

3.1 基于图像的隧道围岩地质特征智能识别

围岩地质特征的快速准确识别对于预防隧道地质灾害具有重要意义(Zhang et al.,2019; Xu et al.,2021b,c)。传统的隧道地质特征素描需要专业地质人员进行绘制,该方法对地质知识和工程经验要求较高,且耗时耗力。图像具有采集速度快、成本低等特点,利用图像识别技术可以对开挖岩体的岩性、裂隙等进行智能识别,从而改变了传统地质素描的工作模式,提高了识别效率,降低了识别成本。

在隧道地质素描中,岩性是最基本的地质要素。Fan et al.(2020)提出了一种现场快速准确识别岩性的方法,利用轻量级卷积神经网络ShuffleNet建立了岩石图像识别模型,设计并开发了一个用于识别岩性的智能手机应用程序。Fan et al.(2020)基于两种轻量级卷积神经网络SqueezeNet和MobileNet,并结合迁移学习方法,建立了岩性识别模型,实现了现场快速准确识别岩性。

笔者提出了一种基于岩石图像和元素信息深度学习的岩性识别方法,利用目标检测技术从图像中获取初始岩性概率,并结合元素数据作为输入,使用自建的融合模型校正岩性概率,在识别图像特征相似度高的岩石时具有显著优势,实现了快速准确的现场岩性识别(Xu et al.,2022; 许振浩等,2022)(图12)。利用图像进行岩性识别具有识别速度快、客观程度高等优点,但是该方法尚处于初步研究阶段,未来值得更深入的研究。

图12 基于岩石图像和元素信息深度学习的岩性识别方法流程图(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)

由于传统隧道内地质分析中,裂隙识别主要利用罗盘等进行手动量测,效率较低,且容易受到场地环境限制,人工进行裂隙识别难以满足工程需要。随着计算机技术的迅速发展,人工智能因为自动化程度高、快捷便利、成本低等优势在隧道裂隙识别中也得以广泛应用(Zhu et al.,2022)。深度学习技术在裂隙识别研究方向的应用,主要是通过二值化等技术对采集的裂隙图片进行预处理,将裂隙图片像素值划分为0或255两种,再进一步从大量裂隙图像中学习获得几何的高级抽象特征,从而对像素进行分类(薛东杰等,2019)。经过二值化处理的岩体裂隙图片因为阈值选取不同,将会产生一定的误差。另一方面,因岩体裂隙杂乱、细长、连续性强等特点,岩体裂隙图像不经过灰度处理,神经网络模型难以识别岩体图像中的裂隙,对裂隙细节特征的提取受限于岩体图片质量,很多早期的卷积神经网络无法满足裂隙识别要求,因此,基于图像进行裂隙识别的研究智能化程度不高。所以设想通过图像语义分割技术提高岩体裂隙识别的智能化水平。笔者将摄影技术或点云扫描技术与深度学习相结合(Pan et al.,2023),实现了对裂隙的智能识别。李术才等(2017)以隧道掌子面立体数码摄像为基础,提出了基于数码摄像的二维掌子面裂隙模型构建方法,实现了掌子面岩体结构量化及结构类型划分的可视化集成。Pan et al.(2019)利用激光扫描技术,提出了一种适用于离散裂缝网络的确定性-随机识别与建模(DSIM)方法。借助点云数据处理技术,通过分析岩体表面可见节理和层理面的露头特征,对岩体结构面进行识别和信息提取(图13)。

图13 离散裂缝网络的确定性-随机识别与建模(DSIM)方法示意图(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 基于图像和光谱分析的不良地质识别

隧道穿越岩溶、断层破碎带、蚀变带等不良地质区时,受不良地质作用的影响,围岩中的元素与矿物易发生富集或流失形成地质异常,因此元素和矿物异常分布可作为不良地质赋存的前兆特征。

笔者团队基于不良地质影响区地质特征异常原理,提出了基于图像和光谱分析的不良地质识别方法。基于对隧道岩石图像深度学习,提出了隧道围岩岩性和裂隙智能识别方法,识别结果客观性强,准确率高,为隧道不良地质识别奠定了基础(王军祥等,2022; 许振浩等,2022; Li et al.,2022)。

通过研究元素与矿物的富集与流失现象对隧道开挖过程中遭遇的不良地质进行定性定量识别(施雪松,2020; 林鹏等,2021; Xu et al.,2021a,2023b)。由于光谱技术是目前应用广泛且工程适用性较强的技术之一,因而选用光谱技术获取元素与矿物数据。光谱技术包括X射线荧光光谱技术(XRF)、X射线衍射光谱技术(XRD)、高光谱技术等,利用光谱技术对元素、矿物进行识别是实现不良地质识别由定性分析到(半)定量分析跨越的关键一环。通过光谱测试技术结合围岩地球化学异常原理,提出了基于光谱分析的隧道不良地质识别方法(Xu et al.,2021a; 林鹏等,2021; Lin et al.,2023)。

Xu et al.(2021a)提出了一种基于元素含量异常分析的无损、原位、隧道不良地质快速识别方法。通过便携式X射线荧光光谱仪(pXRF)对围岩元素含量进行快速分析,选取岩石中的主量元素作为识别不良地质特征的指标,利用背景区域的主量元素含量建立参考样本,采用均值标准差法或累积频率法,根据正态性检验计算参考样本的阈值,利用参考样本的阈值判断目标区域内的元素含量异常,利用元素含量异常特征来识别断层、蚀变带等不良地质情况,并成功的应用于实际工程中,识别出了不良地质异常(图14,图15)。

图14 基于元素含量异常识别不良地质方法(Xu et al.,2021)Fig.14 Flowchart of adverse geology identification based on element content anomaly analysis method(Xu et al.,2021)

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

刘福民(2022)在基于元素含量异常分析的不良地质快速识别方法的基础上,结合多元统计理论、分形理论与空间插值等方法,研究了基于多点地质统计学和非线性理论的围岩地化分布建模和异常圈定方法,实现对隧道围岩元素含量异常区域的圈定,更为直观地展示了不良地质体在施工隧道中的位置及规模,并依托时间序列预测技术预测掌子面前方岩体地球化学异常分布情况,进而实现不良地质体的识别与预测,方法在新疆**工程XE隧洞Ⅰ标的部分里程洞段进行工程应用并得到验证(图16)。

图16 围岩地球化学异常圈定预测效果图(刘福民,2022)Fig.16 Geochemical anomaly prediction and delineation of surrounding rock (LIU et al.,2022)

Xu et al.(2023b)提出了一种基于矿物异常分析的隧道不良地质识别方法,该方法首先综合分析隧道的地质调查资料,判断可能出现的不良地质区域,然后使用X射线衍射(XRD)仪器测试岩石样品的矿物组成和含量(图17),建立起岩石矿物信息的层序特征,并对矿物数据的背景值进行分析,形成岩石矿物数据的背景样本,随后通过探索性数据分析(EDA)计算矿物异常阈值,通过背景样品的动态扩展实现矿物异常的动态评价,该方法实现了对不良地质的定量分析,提高了地质分析方法在识别不良地质条件方面的有效性、时效性和准确性。该方法已在花岗岩隧道的开挖中得到了验证和应用(图18)。

图17 围岩样品的XRD数据(Xu et al.,2023b)Fig.17 XRD data of the surrounding rock samples(Xu et al.,2023b)

图18 基于矿物异常分析的隧道不良地质识别方法(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)通过XRF与XRD两种光谱技术对新疆某工程KS隧洞进行大量围岩元素与矿物数据采集和分析,基于对不良地质影响区及其毗邻的正常区域内岩石的元素和矿物分布信息的提取,构建不同地质异常体对应的异常场特征,结合地球化学、数值统计等方法,建立了隧道围岩元素和矿物数据异常的动态评判标准和评判方法,提出了基于元素和矿物异常分析的隧道不良地质识别预报方法,并应用于新疆某工程KS隧洞中,成功预测识别出断层破碎带并揭示了此过程中的元素与矿物含量的变化规律(图19)。

图19 基于元素和矿物异常分析的隧道不良地质识别预报方法(施雪松,2020)Fig.19 Flowchart of adverse geology identification and prediction based on anomaly analysis of element and mineral (SHI,2020)

林鹏等(2021)通过高光谱技术对隧道围岩进行了原位光谱测试,基于岩石矿物光谱测试技术提出了一种隧道内蚀变带原位快速判识方法,基于宏观地质特征分析,建立隧址区光谱库,在隧道内进行原位光谱数据采集,采用包络线去除法进行预处理;并通过光谱角匹配和全约束最小二乘法对蚀变矿物成分进行定性定量识别,与XRD测试结果进行对比,两种方式矿物定量结果吻合度较高,验证了光谱分析提取蚀变矿物含量信息的准确性,并利用所提取的蚀变矿物信息判识蚀变带类型和蚀变程度,方法成功应用于新疆YE工程,判断出在里程KS142+840—KS142+860之间,隧道围岩蚀变程度较高,有效判识了隧道内绿帘石化和浊沸石化蚀变带,实现了蚀变带不良地质的判识(图20,图21)。

图20 隧道内蚀变带原位快速识别流程与方法(林鹏等,2021)Fig.20 In-situ rapid identification process and method of alteration zone in the tunnel (after LIN et al.,2021)

图21 造岩矿物及蚀变矿物光谱曲线对比(林鹏等,2021)Fig.21 Comparison of the spectral curves of rock-forming minerals and altered minerals (LIN et al.,2021)

3.3 基于随钻岩体特性与地化测试的不良地质识别

不良地质影响区域不仅岩体力学性质和结构特征发生变化,岩体的地化特征也会出现异常现象,地化分析在岩性和不良地质识别方面具有显著优势。将地化信息异常分析融入到超前钻探方法中,深度融合超前钻探随钻参数和地化信息,既可以发挥随钻监测技术在直观感知岩体质量和地层信息变化方面的优势,又可以发挥地化分析在岩性和不良地质异常识别方面的优势,可实现超前钻探过程中精准化、智能化不良地质识别与预测预报。

针对随钻测试钻进参数的岩体特性感知,通过研究不同岩体特性条件下主要钻进参数的响应特征及其变化规律,可以确定不同岩体特性条件对不同钻进参数的影响比重排序,并遴选出影响钻进参数变化的主要控制因素。基于相关神经网络结构与深度学习算法,构建不同岩体特性主控因素与钻进主要参数之间的映射关系,建立基于随钻参数的岩石力学特性反演模型和岩体结构特征感知模型,可以实现岩体特性的随钻实时感知(图22)。

图22 基于随钻测试钻进参数反演的岩体特性感知技术流程Fig.22 Technical process of rock mass characteristic perception based on drilling parameter inversion while drilling

针对不良地质体地化异常随钻识别,利用光谱测试技术获取隧道超前钻探过程中元素和矿物信息,分析岩石元素和矿物异常特征与不良地质体之间的定量表征关系。遴选敏感元素与特征矿物,综合运用分形理论、局部奇异性异常信息分析、元素矿物多元异常信息融合分析、多元统计方法识别地化异常信息,构建基于空间奇异性分析的随钻不良地质地化异常识别方法,可以实现超前钻进过程中不良地质异常识别与预测(图23)。随钻参数、地化信息与不良地质间的关系非常复杂,尚无融合随钻参数与地化信息实现不良地质识别的方法。将机理(响应机制、映射关系、地化异常规律等)和数据挖掘方法结合,深度挖掘钻进参数、地化信息与不良地质间的非线性关系,突破多源异构数据融合机制,提出随钻参数与地化信息深度融合的不良地质识别模型,是实现不良地质智能识别的有效手段。

图23 不良地质体地化异常随钻识别流程Fig.23 Identification process of abnormal geochemical while drilling in bad geological body

3.4 基于地质与物探联合反演的不良地质识别

物探法在隧洞超前地质预报中发挥了重要作用,可以较准确探测不良地质体的位置、形状和规模(不良地质体的“形”),但无法直接定义不良地质体的类型和性质(不良地质体的“性”)。笔者提出了更为精细的层级式分析方法,不仅可以识别不良地质的发育,还能识别不良地质的类型、性质等信息。结合物探法对不良地质体的位置、形状和规模的精确感知,融合地质分析与物探反演的结果进行综合分析,可以实现不良地质体“形”(形态、位置、规模)和“性”(性质、类型)的全面识别。

笔者已将地质与物探联合分析方法应用在新疆某工程中。首先利用地震波法开展了探测,结果显示掌子面前方岩体破碎(图24),开挖后隧洞围岩易发生掉块和塌腔。但地震波结果并未给出导致岩体破碎的具体原因,即无法判断掌子面前方发育不良地质体的具体类型。针对开挖揭露后的不良地质开展了更为精细的层级式地质分析,包括对岩体的宏观构造、元素矿物特征以及微观构造开展分析(图25,图26)。地质分析结果显示岩体破碎受断层影响,且该断层性质为压性断层,其发育方位与隧道轴线交角约60°～80°,并推断了断层发育的基本位置(图27)。

图24 地震波探测与围岩揭露结果Fig.24 Results of seismic wave detection and surrounding rock exposure

图25 围岩宏观结构与围观结构(Lin et al.,2023)Fig.25 Surrounding rock macro structure and onlooker structure (Lin et al.,2023)

图26 元素与矿物异常分析结果Fig.26 Analysis results of element and mineral anomalies

图27 地质分析推断断层、节理与隧道走向的关系Fig.27 Relationship between fault,joint and tunnel strike inferred by geological analysis

目前,地质与物探联合反演仍处在“弱联合”阶段(物探和地质分析单独进行,地质分析仅为物探提供地质基础),未达到“强融合”层面(地质分析为物探反演提供定量化地质数据)。另外,基于图像和光谱分析的不良地质识别目前难以做到超前预测预报,但借助超前钻探,将图像和光谱技术融入到随钻测试中有望解决这一问题。

4 结论

不良地质识别和预报对于保障隧道施工具有至关重要的意义,提高不良地质识别的准确率是近年来学者们关注的热点问题。本文回顾分析了不良地质识别方法及现状,基于大量的国内外调研和对隧道不良识别发展趋势的理解,结合笔者团队已开展的相关研究,得到主要结论如下:

(1)将不良地质类型总结为6类: 断层类、蚀变类、风化地层类、岩溶类、岩脉侵入类和岩层接触类,并阐述了6类不良地质体的地质成因,可为不良地质识别提供重要的理论指导。

(2)在不良地质智能化方面进行了探索性研究,基于机器学习图像识别技术实现了隧道围岩岩性与裂隙特征的智能识别,并融合围岩图像与光谱特征进行了不良地质识别。将地化分析融入到传统的超前钻探中,建立了钻进参数与地化信息深度融合的不良地质智能识别方法。

(3)提出了基于地质与物探联合反演的不良地质识别方法,联合地质分析与物探反演的结果对不良地质进行全面分析,实现了不良地质体形态、位置、规模以及性质、类型的全面识别。

(4)展望了不良地质智能化识别的发展趋势,以地质、物探多源参数融合智能分析实现掌子面前方不良地质体“形”和“性”的精确识别,将是未来识别方法发展的主要趋势。但当前在信息深度融合方面还存在两个主要难题亟需解决: 一方面是尚无法获取掌子面前方准确的地质数据; 另一方面是现有方法很难为物探反演提供定量化地质约束,实现地质与物探的实质融合。

Acknowledgements:

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