一种基于离散元及深度学习的岩体隧洞MRQD确定方法技术

本发明专利技术属于岩体隧洞工程技术领域，公开了一种基于离散元及深度学习的岩体隧洞MRQD确定方法，包括：根据岩体隧洞工程区域的结构面特征建立离散元模型；根据隧洞特征设置离散元模型切割面；计算切割面MRQD值；建立岩体隧洞MRQD值深度学习预测模型，并进行深度学习网络训练；岩体隧洞MRQD预测及隧洞岩体质量评价。本发明专利技术专利所提供的一种基于离散元及深度学习的岩体隧洞MRQD确定方法，目的是能够根据隧洞掌子面揭露结构面信息快速确定岩体隧洞支护范围内的综合RQD值

【技术实现步骤摘要】
一种基于离散元及深度学习的岩体隧洞MRQD确定方法


[0001]本专利技术涉及岩体隧洞工程
，特别涉及一种基于离散元及深度学习的岩体隧洞MRQD确定方法，岩石质量指标简称RQD，MRQD表示隧洞支护范围内多个位置的综合RQD。

技术介绍

[0002]在岩体工程中，岩石质量指标简称RQD，指每次进尺中等于或大于10cm的柱状岩芯的累计长度与每个钻进回次进尺之比(以百分数表示)，RQD值规定用直径为75mm金刚石钻头。RQD由美国人迪尔(Deer)提出，被广泛地应用于评价岩体的完整性，并作为岩石质量分级的一项重要指标。因此，RQD成为工程岩体评价的一个重要方面。RQD在Q系统、RMR系统等岩体强度分级系统中是一个重要的指标。
[0003]在应用岩体强度分级系统对岩体隧洞工程进行评估时，通常需要确定RQD值。根据RQD的定义需要通过钻孔确定，然而对于岩体隧洞，一般需通过揭露的工作面上的结构面特征确定RQD值，十分依赖地质工作人员个人经验及对工程资料的掌握情况，因此确定RQD值存在一定的主观性。同时，隧洞的稳定特征受洞周围岩影响较大，若确定的RQD值能够反映洞周范围内围岩的情况，将能够更好地评估围岩情况，以指导隧洞设计。

技术实现思路

[0004]本专利技术的目的是提供一种基于离散元及深度学习的岩体隧洞MRQD确定方法，解决现有岩体隧洞中一般需通过开挖面上的结构面特征确定RQD值，十分依赖地质工作人员个人经验及工程资料的掌握情况，同时，确定的RQD值难以反映隧洞支护范围内围岩综合情况的问题。r/>[0005]为解决上述技术问题，本专利技术采用以下技术方案：
[0006]一种基于离散元及深度学习的岩体隧洞MRQD确定方法，其特征在于，所述MRQD为隧洞支护范围内多个位置的综合RQD，所述RQD为岩石质量指标；所述方法包括：
[0007]S1：根据岩体隧洞工程区域的结构面特征建立离散元模型；
[0008]S2：根据岩体隧洞轴线、断面、支护设计、开挖进尺设置离散元模型切割面；
[0009]S3：通过在切割面设置多条RQD测线，计算切割面MRQD值；
[0010]S4：建立岩体隧洞MRQD值深度学习预测模型，并进行深度学习网络训练；
[0011]S5：根据岩体隧洞揭露状况预测隧洞MRQD，包括无特定断层情况下的隧洞MRQD确定和含特定断层情况下的隧洞MRQD确定；
[0012]S6：应用MRQD值进行隧洞岩体质量评价；
[0013]S7：岩体隧洞离散元模型调整及样本补充更新。
[0014]在采用上述技术方案的基础上，本专利技术还可以采用以下进一步的技术方案，或对这些进一步的技术方案组合使用：
[0015]所述S1中，工程区域的结构面特征主要为结构面组数、间距、长度、分布特征等，所述离散元模型根据工程区域前期地勘活动获得的结构面特征建立模型。
[0016]所述S2中，切割面垂直于隧洞轴线布置，切割面间距设置小于等于隧洞开挖进尺的一半，确定n个切割面Gk(k＝1,2,3,
…
,n)；切割面的大小需要超过隧洞+围岩支护范围。
[0017]所述S3中，RQD测线包含m条，布置在隧洞周边，RQD测线的长度l
i
(i＝1,2,3,
…
,m)大于等于支护长度，RQD测线的间距可与支护沿洞周的间距一致；
[0018]所述S3中，单个测线上的RQD
i
(i＝1,2,3,
…
,m)值根据RQD公式计算，对于围岩支护范围内的MRQD按各测线长度取加权平均值：
[0019][0020]所示S4中，样本库的n个样本为各个切割面Gk(k＝1,2,3,
…
,n)的信息，包括，剖面k上隧洞洞身范围内的结构面组数、间距、长度、分布特征等,还包括剖面k根据S3计算出的MRQD
k
值。
[0021]所述S4中，深度学习预测模型以k个剖面的结构面信息—组数、间距、长度、分布特征为输入，对应的MRQD
k
值为输出，既输入层为结构面信息——组数、间距、长度、分布特征，输出层为MRQD
k
值，并包括两个隐含层，进行深度学习网络训练，当训练500次以上，测试样本的均方误差MSE小于1/1000时，认为深度学习预测模型网络满足精度要求，并对训练好的深度学习模型进行保存。
[0022]所述S5中，应用深度学习模型确定岩体隧洞MRQD值分为两种情况：
[0023]Q1：对于隧洞开挖未遇到断层情况，开挖揭露信息，输入揭露的隧洞掌子面上的结构面特征信息，包括组数、间距、长度、分布特征，应用S4中训练好的深度学习网络模型，可以快速预测出该揭露情况下的MRQD
t
。
[0024]Q2：对于岩体隧洞开挖过程中遇到了特定断层，由于该特定断层在之前的离散元建模过程中未体现，按如下步骤的操作进行MQRD的预测与调整：
[0025]步骤1，不考虑特定断层，统计隧洞洞身范围内结构面信息；
[0026]步骤2，输入结构面信息至深度学习模型，预测出该位置隧洞的MQRDt；
[0027]步骤3，在离散元模型多个切割面中，找到与MRQDt最近的切割面Gt；
[0028]步骤4，在切割面Gt上切割出特定断层；
[0029]步骤5，在切割面Gt上考虑特定断层和结构面的信息，重新计算MRQD，该值即为遇到特定断层的MRQD值。
[0030]特定断层可以为1条或多条。
[0031]所述S6中，应用MRQD值进行隧洞岩体分类评价，如表1所示。
[0032]表1MRQD围岩分类表
[0033]MRQD值0
‑
2020
‑
4040
‑
6060
‑
8585
‑
100隧洞岩体质量评价很差差一般好很好
[0034]所述S7中，隧洞每开挖100
‑
200米后加入新揭露的结构面特征，并重新进行步骤S1
‑
S4，再根据S5进行后续岩体隧洞开挖MRQD的预测。
[0035]由于采用上述技术方案，本专利技术至少具有如下技术效果或优点：
[0036]本方法建立了岩体隧洞围岩质量评价指标MRQD值，通过离散元模型及深度学习方法，实现了根据隧洞开挖揭露的掌子面特征，快速确定岩体隧洞MRQD值。解决了RQD主要依赖地质人员经验确定及RQD难以体现岩体各向异性及支护范围特征的问题。特别地，对于存
在特定断层的MRQD值确定方法，拓展了该方法的适用性。
附图说明
[0037]图1为本专利技术一种基于离散元及深度学习的岩体隧洞RQD确定方法流程图；
[0038]图2为本专利技术实施例根据工程区域结构面特征建立的岩体隧洞工程离散元模型(图中，201
‑
围岩，202
‑
隧洞，203<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于离散元及深度学习的岩体隧洞MRQD确定方法，其特征在于，所述MRQD为隧洞支护范围内多个位置的综合RQD，所述RQD为岩石质量指标；所述方法包括：S1：根据岩体隧洞工程区域的结构面特征建立离散元模型；S2：根据岩体隧洞轴线、断面、支护设计、开挖进尺设置离散元模型切割面；S3：通过在切割面设置多条RQD测线，计算切割面MRQD值；S4：建立岩体隧洞MRQD值深度学习预测模型，并进行深度学习网络训练；S5：根据岩体隧洞揭露状况预测隧洞MRQD，包括无特定断层情况下的隧洞MRQD确定和含特定断层情况下的隧洞MRQD确定；S6：应用MRQD值进行隧洞岩体质量评价；S7：岩体隧洞离散元模型调整及样本补充更新。2.如权利要求1所述的一种基于离散元及深度学习的岩体隧洞MRQD确定方法，其特征在于，S1中，工程区域的结构面特征主要为结构面组数、间距、长度、分布特征等，所述离散元模型根据工程区域前期地勘活动获得的结构面特征建立模型。3.如权利要求1所述的一种基于离散元及深度学习的岩体隧洞MRQD确定方法，其特征在于，S2中，切割面垂直于隧洞轴线布置，切割面间距设置小于等于隧洞开挖进尺的一半，确定n个切割面Gk，k＝1,2,3,
…
,n；切割面的大小需要超过隧洞+围岩支护范围；所述S3中，RQD测线包含m条，布置在隧洞周边，RQD测线的长度l
i
大于等于支护长度，RQD测线的间距可与支护沿洞周的间距一致，其中，i＝1,2,3,
…
,m；所述S3中，单个测线上的RQD
i
值根据RQD公式计算，i＝1,2,3,
…
,m，对于围岩支护范围内的MRQD按各测线长度取加权平均值：4.如权利要求1所述的一种基于离散元及深度学习的岩体隧洞MRQD确定方法，其特征在于，S4中，样本库的n个样本为各个切割面Gk,k＝1,2,3,
…
，n的信息，包括，剖面k上隧洞洞身范围内的结构面组数、间距、长度、分布特征等，还包括剖面k根据S3计算出的MRQD
k
值，其中，k＝1,2,3,
…
,n。5.如权利要求1所述的一种基于离散元及深度学习的岩体隧洞MRQD确定方法，其特征在于，S4中，深...

【专利技术属性】
技术研发人员：曹爱武，褚卫江，吴家耀，孟国涛，陈建林，张洋，刘加进，刘宁，
申请(专利权)人：中国电建集团华东勘测设计研究院有限公司，
类型：发明
国别省市：