System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及岩爆监测,尤其涉及一种隧道岩爆监测方法。
技术介绍
1、岩爆是高地应力条件下,隧道等地下工程开挖过程中,硬脆性岩体因开挖卸荷导致洞壁应力重新分布,存储于岩体中的弹性能突然释放,因而产生爆裂松脱、剥落、弹射甚至抛掷现象的一种动力失稳地质灾害。由于岩爆的发生具有瞬时性、突发性,猛烈性、破坏性,在井下开采空间狭小的环境中,会对工作面操作的人员和设备带来直接的伤害,影响工程进度,甚至摧毁整个工程。
2、目前对岩爆风险的预防技术研究,主要在于声学领域。具体地,在声学领域,分为三个方向:微震技术、声发射技术和声频检测技术。尽管这三种方法在一定程度上能预测岩爆风险,但它们都有一个比较难以解决实际巷道中的环境因素影响问题。以微震技术为例:在实验室环境下,微震技术能够很好地预报岩爆,但在实际的巷道中,微震技术就经常发生误报,这主要是因为实际的环境中,各种干扰因素过于复杂。
3、因此,有必要提供一种隧道岩爆监测方法解决上述技术问题。
技术实现思路
1、针对上述情况,为克服现有技术缺陷,本专利技术提供了一种隧道岩爆监测方法能够提高隧道岩爆模拟准确度,降低岩爆灾害造成的人员和财产损失。
2、为实现上述目的,本专利技术采用的技术方案如下:
3、隧道岩爆监测方法,包括:微震监测方法和影像监测方法;
4、所述微震监测方法,包括以下步骤:
5、步骤一:采集地质数据信息,建立地质模型样本;
6、步骤二:建立监测点,获得
7、步骤三:依据以往隧道岩爆数据和地质模型样本建立ai算法模型,将实时地质数据提供给ai算法模型,ai算法模型智能分析岩爆发生概率、岩爆等级和岩爆发生地点;
8、步骤四:根据ai算法模型分析结果进行处理;
9、步骤五:将岩爆发生时的监测数据补充进入ai算法模型的数据库内,供ai算法模型自主学习;
10、所述影像监测方法,包括以下步骤:
11、步骤一:在岩爆可能发生区域建立岩爆观测点,在岩爆观测点内安装岩爆监测仪;
12、步骤二:岩爆监测仪摄录岩层数据,将数据发送给主机;
13、步骤三:主机将图像与上一时刻该区域的图像进行比对,计算出该区域内岩石温度变化趋势,得到该区域岩石的变化数据;
14、步骤四:主机将数据发送给ai算法模型的数据库内,计算出隧道内岩爆发生概率、岩爆等级和岩爆发生地点。
15、优选地,所述微震监测方法的步骤一中,地质数据信息包括:地震数据、辅助数据和相关资料;所述辅助数据包括仪器班报、几何文件、测量成果数据;所述相关资料包括:勘探工程设计图、采集施工设计和施工总结报告、现场处理剖面、以往其它勘探方法处理成果和处理、解释报告,以及以往地质、钻井、测井、垂直地震剖面资料。
16、优选地,所述微震监测方法的步骤二中,实时地质数据包括:地震监测数据和声音监测数据。
17、优选地,所述地震监测数据包括地震时间、地震深度、地震等级和地震能量;所述声音监测数据包括:隧道内的多种声波信息,从多种声波信息中,找出与地震相关联的声波靶点信息。
18、优选地,所述微震监测方法的步骤三中,以往隧道岩爆数据包括:以往的隧道作业时岩爆发生前后的地震资料和声波资料。
19、优选地,所述微震监测方法的步骤四中,处理的方式包括:对岩爆高危区域进行加固、疏堵浚通等方式,以确保安全,对已经发生岩爆的区域进行隔离,禁止人员靠近,以防再次发生意外。
20、优选地,所述影像监测方法的步骤一中,岩爆检测仪包括:红外热像仪、可见光摄像头、激光测距仪、集成电路板。
21、优选地,所述红外热像仪用于采集当前岩石红外图像发送至所述集成电路板。
22、优选地,所述可见光摄像头用于采集当前岩石可见光图像发送至所述集成电路板。
23、优选地,所述激光测距仪用于采集当前与岩石的距离值发送至所述集成电路板。
24、与现有技术相比,本专利技术具有以下有益效果:
25、(1)本专利技术利用影像监测方法配合微震监测方法使用,使用ai算法模型对隧道内的地质结构、地质变化进行模拟,并不断学习,大大提高了岩爆模拟准确度,对隧道内可能发生岩爆的区域进行实时监测,计算出隧道内可能发生岩爆的发生地点、发生概率、岩爆等级等信息,提前做出相应的准备工作,降低岩爆发生概率,降低岩爆灾害造成的人员和财产损失;
26、(2)本专利技术利用匹配分析技术将主动源和采集信号的频率成分进行匹配分析,精准提取岩石地震时的声波靶点信息,去除无效杂波,使采集到的声波更加精准;
27、(3)本专利技术通过选取不同隧道建设过程中,发生岩爆时的数据作为ai算法模型的数据库,增大了ai算法模型的学习范围,加速ai算法模型的学习进度,能够使ai算法模型的计算结果更为准确。
本文档来自技高网...【技术保护点】
1.一种隧道岩爆监测方法,其特征在于,包括:
2.根据权利要求1所述的一种隧道岩爆监测方法,其特征在于,所述微震监测方法的步骤一中,地质数据信息包括:地震数据、辅助数据和相关资料;所述辅助数据包括仪器班报、几何文件、测量成果数据;所述相关资料包括:勘探工程设计图、采集施工设计和施工总结报告、现场处理剖面、以往其它勘探方法处理成果和处理、解释报告,以及以往地质、钻井、测井、垂直地震剖面资料。
3.根据权利要求1所述的一种隧道岩爆监测方法,其特征在于,所述微震监测方法的步骤二中,实时地质数据包括:地震监测数据和声音监测数据。
4.根据权利要求3所述的一种隧道岩爆监测方法,其特征在于,所述地震监测数据包括地震时间、地震深度、地震等级和地震能量;所述声音监测数据包括:隧道内的多种声波信息,从多种声波信息中,找出与地震相关联的声波靶点信息。
5.根据权利要求1所述的一种隧道岩爆监测方法,其特征在于,所述微震监测方法的步骤三中,以往隧道岩爆数据包括:以往的隧道作业时岩爆发生前后的地震资料和声波资料。
6.根据权利要求1所述的一种隧道
7.根据权利要求1所述的一种隧道岩爆监测方法,其特征在于,所述影像监测方法的步骤一中,所述岩爆检测仪包括:红外热像仪、可见光摄像头、激光测距仪和集成电路板。
8.根据权利要求7所述的一种隧道岩爆监测方法,其特征在于,所述红外热像仪用于采集岩石红外图像发送至所述集成电路板。
9.根据权利要求7所述的一种隧道岩爆监测方法,其特征在于,所述可见光摄像头用于采集岩石可见光图像发送至所述集成电路板。
10.根据权利要求7所述的一种隧道岩爆监测方法,其特征在于,所述激光测距仪用于采集与岩石的距离值发送至所述集成电路板。
...【技术特征摘要】
1.一种隧道岩爆监测方法,其特征在于,包括:
2.根据权利要求1所述的一种隧道岩爆监测方法,其特征在于,所述微震监测方法的步骤一中,地质数据信息包括:地震数据、辅助数据和相关资料;所述辅助数据包括仪器班报、几何文件、测量成果数据;所述相关资料包括:勘探工程设计图、采集施工设计和施工总结报告、现场处理剖面、以往其它勘探方法处理成果和处理、解释报告,以及以往地质、钻井、测井、垂直地震剖面资料。
3.根据权利要求1所述的一种隧道岩爆监测方法,其特征在于,所述微震监测方法的步骤二中,实时地质数据包括:地震监测数据和声音监测数据。
4.根据权利要求3所述的一种隧道岩爆监测方法,其特征在于,所述地震监测数据包括地震时间、地震深度、地震等级和地震能量;所述声音监测数据包括:隧道内的多种声波信息,从多种声波信息中,找出与地震相关联的声波靶点信息。
5.根据权利要求1所述的一种隧道岩爆监测方法,其特征在于,所述微震监测方法的步骤...
【专利技术属性】
技术研发人员:许红彬,杜彦良,李清泉,任伟新,成帅,朱家松,张君臣,李惟简,赵昱,李峰,郭川睿,
申请(专利权)人:深圳大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。