地下工程施工智能化监测及灾害预警技术应用综述
发布时间：2021-01-23 23:46
数据智能化采集、深度学习、人工智能等理论与技术在地下工程中的应用,推动了地下工程施工智能化监测的发展。从数据监测与智能化采集,监测数据的分析、反馈,监测信息管理、预测预报系统,地下工程智能化施工装备发展等方面出发,归纳了地下工程施工智能化监测理论与技术的发展趋势及其在工程灾害预警中的应用;重点分析了地下工程微震智能化监测、分析反馈及岩爆预警技术;展望了智能化理论与技术将对深地下防护工程建设产生的影响。
【文章来源】：防护工程. 2020,42(05)
【文章页数】：9 页
【部分图文】：
以信号电缆、光缆为媒介的16通道全数字型微震监测系统[24]
虽然人工神经网络、深度学习等算法在特征值选取准确、提取准确的情况下具有良好的微震识别度，但是当外界环境有复杂信号干扰时，识别精度将大大降低，因此需要联合其他算法进行识别。陈炳瑞等[50]将递归STA/LTA微震信号识别算法和BP神经网络信号识别算法相联合，建立起微震信号递归STA/LTA-BP神经网络综合识别算法，能够有效地提升微震信号识别精度。(2)微震定位。微震定位的准确性关系到微震技术的应用效果，深度学习和人工智能方法可以提升微震定位的准确性和可靠性。最小二乘法和牛顿迭代法先后被用于微震震源定位中，但是实际应用中存在定位效率低、初至拾取不准确等问题。随后，线性方法和Geiger方法联合定位、最小二乘法和Geiger方法联合定位、联合微震定位等方法用于对微震震源定位方法进行优化，但是上述方法在监测区域地质条件复杂、基础数据无法精确获取的前提下仍然会产生巨大的定位误差[51]。人工神经网络法等非线性方法具有更好的可靠性，基于人工神经网络(ANN)和粒子群优化(POS)算法的新型微震监测系统，可以有效和准确识别传感器阵列外的微震源信号，使操作者可以快速和准确定位微震源[52]。总体来看，目前高精度微震震源定位仍存在计算机自动定位精度和可靠性不能满足现场要求等问题，在微震信号的自动识别、到时自动拾取及复杂介质的波速模型等方面仍有很大的进步空间[53]。
岩爆预测是一个复杂的非线性问题，目前常见的硬岩岩爆预警方法[47]如图2所示。传统的岩爆预测方法，包括基于岩爆机理建立岩爆判据，以微重力法、声发射法为代表的基于现场实测的岩爆预测方法，基于岩爆指标判据的岩爆综合预测方法等。上述方法存在指标权重确定具有主观性和随意性的问题，而通过深度学习技术，基于岩爆工程实例作为样本数据建立的岩爆预测模型能够更好地减少人为因素的影响，同时保证了预测结果的有效性和准确性[48]，深度学习有助于高效解决岩爆灾害预警过程中微震识别、微震定位和数据融合等过程信号识别、数据分析等难题。(1)微震识别。微震信号识别的难点在于低信噪比信号能否被准确识别，深度学习可以有效提升微震信号识别效率。由于微震监测设备能够对区域范围内各种频率的声音进行记录，所以要针对选取微震事件进行识别和规律研究。岩爆的监测与分析结果表明，多数岩爆都存在可被微震监测定位的微破裂前兆，微震活动的活跃区和簇集区与岩爆的位置具有空间一致性，在时间排序上优于岩爆事件[49]。波形的准确识别是进行岩爆灾害判别与监测预警的关键因素，需要结合隧道开挖过程中不同声源信号的频谱特征对采集的数据进行模式识别，其核心任务是应用神经网络智能方法，对微震信号的数据信息进行选择与提取，从中识别出微震活动信息，其过程包括数据采集、信号处理、信号特征提取、分类及输出数据等，进而将岩石干扰信号排除掉，获得岩体微震破裂信息，其过程如图3所示。中科微震监测系统能够联合降噪采集技术、基于人工神经网络的信号综合识别方法以及基于数据库的速配微震源定位算法等来提升微震监测的捕获识别能力和精准度[28]。
【参考文献】：
期刊论文
[1]一种结合SMOTE和卷积神经网络的滑坡易发性评价方法[J]. 武雪玲,杨经宇,牛瑞卿. 武汉大学学报(信息科学版). 2020(08)
[2]煤层底板水害三维监测与智能预警系统研究[J]. 靳德武,赵春虎,段建华,乔伟,鲁晶津,李鹏,周振方,李德山. 煤炭学报. 2020(06)
[3]煤岩微观相态FCN智能识别与分形重构[J]. 薛东杰,唐麒淳,王傲,易海洋,张弛,耿传庆,周宏伟. 岩石力学与工程学报. 2020(06)
[4]岩土工程勘察智能信息化技术研究现状[J]. 苏定立,胡贺松,谢小荣. 广州建筑. 2019(06)
[5]综合集成高精度智能微震监测技术及其在深部岩石工程中的应用[J]. 陈炳瑞,冯夏庭,符启卿,王搏,朱新豪,李涛,陆菜平,夏欢. 岩土力学. 2020(07)
[6]硬岩岩爆预测预警研究进展[J]. 李鹏翔,陈炳瑞,周扬一,肖亚勋,丰光亮,祝国强. 煤炭学报. 2019(S2)
[7]无线微震检测仪设计与应用[J]. 覃海明,康跃明. 自动化与仪器仪表. 2019(08)
[8]基于多场耦合分析和微震监测的岩体失稳预警（英文）[J]. 罗周全,汪伟,秦亚光,向军. Transactions of Nonferrous Metals Society of China. 2019(06)
[9]人工智能时代的土木工程[J]. 鲍跃全,李惠. 土木工程学报. 2019(05)
[10]深部岩体力学与开采理论研究进展[J]. 谢和平. 煤炭学报. 2019(05)
博士论文
[1]隧道突涌水灾害微震机理与监测分析方法[D]. 成帅.山东大学 2019
[2]开采过程多源信息融合与集成分析技术研究[D]. 王运森.东北大学 2013
[3]盾构隧道纵向不均匀沉降及实时监测方法研究[D]. 杨茜.北京交通大学 2013
[4]岩土工程不确定性系统研究及其工程应用[D]. 潘龙.合肥工业大学 2011
[5]城市地下空间开挖对环境的影响与试验研究[D]. 陈伟.中南大学 2006
硕士论文
[1]多源异构大数据融合算法及可视分析方法研究[D]. 王艳歌.北京建筑大学 2020
[2]基于BOTDA分布式光纤测试技术的试验研究[D]. 张俊家.安徽理工大学 2019
[3]基于移动机器视觉和深度学习的地质灾害监测勘察及评估方法研究[D]. 朱诚.深圳大学 2018
[4]残留煤柱下急斜煤层顶板破坏过程中能量演化特征研究[D]. 刘简宁.西安科技大学 2018
[5]岩石破裂信号辨识及自动识别方法研究[D]. 伍梦蝶.湖北工业大学 2018
[6]基于LSTM的煤矿底板突水预警模型研究与应用[D]. 曹超凡.西安建筑科技大学 2017
[7]地面激光扫描三维模型重建技术研究[D]. 罗寒.东华理工大学 2016
[8]无线传感网络技术在地下工程监测中的应用研究[D]. 张文川.东南大学 2016
[9]花岗岩真三轴强度特性及神经网络强度预测的应用研究[D]. 王刚.东北大学 2015
[10]地下矿山实时在线安全监测系统研究[D]. 陶慧畅.武汉科技大学 2013
本文编号：2996146
【文章来源】：防护工程. 2020,42(05)
【文章页数】：9 页
【部分图文】：
以信号电缆、光缆为媒介的16通道全数字型微震监测系统[24]
虽然人工神经网络、深度学习等算法在特征值选取准确、提取准确的情况下具有良好的微震识别度，但是当外界环境有复杂信号干扰时，识别精度将大大降低，因此需要联合其他算法进行识别。陈炳瑞等[50]将递归STA/LTA微震信号识别算法和BP神经网络信号识别算法相联合，建立起微震信号递归STA/LTA-BP神经网络综合识别算法，能够有效地提升微震信号识别精度。(2)微震定位。微震定位的准确性关系到微震技术的应用效果，深度学习和人工智能方法可以提升微震定位的准确性和可靠性。最小二乘法和牛顿迭代法先后被用于微震震源定位中，但是实际应用中存在定位效率低、初至拾取不准确等问题。随后，线性方法和Geiger方法联合定位、最小二乘法和Geiger方法联合定位、联合微震定位等方法用于对微震震源定位方法进行优化，但是上述方法在监测区域地质条件复杂、基础数据无法精确获取的前提下仍然会产生巨大的定位误差[51]。人工神经网络法等非线性方法具有更好的可靠性，基于人工神经网络(ANN)和粒子群优化(POS)算法的新型微震监测系统，可以有效和准确识别传感器阵列外的微震源信号，使操作者可以快速和准确定位微震源[52]。总体来看，目前高精度微震震源定位仍存在计算机自动定位精度和可靠性不能满足现场要求等问题，在微震信号的自动识别、到时自动拾取及复杂介质的波速模型等方面仍有很大的进步空间[53]。
岩爆预测是一个复杂的非线性问题，目前常见的硬岩岩爆预警方法[47]如图2所示。传统的岩爆预测方法，包括基于岩爆机理建立岩爆判据，以微重力法、声发射法为代表的基于现场实测的岩爆预测方法，基于岩爆指标判据的岩爆综合预测方法等。上述方法存在指标权重确定具有主观性和随意性的问题，而通过深度学习技术，基于岩爆工程实例作为样本数据建立的岩爆预测模型能够更好地减少人为因素的影响，同时保证了预测结果的有效性和准确性[48]，深度学习有助于高效解决岩爆灾害预警过程中微震识别、微震定位和数据融合等过程信号识别、数据分析等难题。(1)微震识别。微震信号识别的难点在于低信噪比信号能否被准确识别，深度学习可以有效提升微震信号识别效率。由于微震监测设备能够对区域范围内各种频率的声音进行记录，所以要针对选取微震事件进行识别和规律研究。岩爆的监测与分析结果表明，多数岩爆都存在可被微震监测定位的微破裂前兆，微震活动的活跃区和簇集区与岩爆的位置具有空间一致性，在时间排序上优于岩爆事件[49]。波形的准确识别是进行岩爆灾害判别与监测预警的关键因素，需要结合隧道开挖过程中不同声源信号的频谱特征对采集的数据进行模式识别，其核心任务是应用神经网络智能方法，对微震信号的数据信息进行选择与提取，从中识别出微震活动信息，其过程包括数据采集、信号处理、信号特征提取、分类及输出数据等，进而将岩石干扰信号排除掉，获得岩体微震破裂信息，其过程如图3所示。中科微震监测系统能够联合降噪采集技术、基于人工神经网络的信号综合识别方法以及基于数据库的速配微震源定位算法等来提升微震监测的捕获识别能力和精准度[28]。
【参考文献】：
期刊论文
[1]一种结合SMOTE和卷积神经网络的滑坡易发性评价方法[J]. 武雪玲,杨经宇,牛瑞卿. 武汉大学学报(信息科学版). 2020(08)
[2]煤层底板水害三维监测与智能预警系统研究[J]. 靳德武,赵春虎,段建华,乔伟,鲁晶津,李鹏,周振方,李德山. 煤炭学报. 2020(06)
[3]煤岩微观相态FCN智能识别与分形重构[J]. 薛东杰,唐麒淳,王傲,易海洋,张弛,耿传庆,周宏伟. 岩石力学与工程学报. 2020(06)
[4]岩土工程勘察智能信息化技术研究现状[J]. 苏定立,胡贺松,谢小荣. 广州建筑. 2019(06)
[5]综合集成高精度智能微震监测技术及其在深部岩石工程中的应用[J]. 陈炳瑞,冯夏庭,符启卿,王搏,朱新豪,李涛,陆菜平,夏欢. 岩土力学. 2020(07)
[6]硬岩岩爆预测预警研究进展[J]. 李鹏翔,陈炳瑞,周扬一,肖亚勋,丰光亮,祝国强. 煤炭学报. 2019(S2)
[7]无线微震检测仪设计与应用[J]. 覃海明,康跃明. 自动化与仪器仪表. 2019(08)
[8]基于多场耦合分析和微震监测的岩体失稳预警（英文）[J]. 罗周全,汪伟,秦亚光,向军. Transactions of Nonferrous Metals Society of China. 2019(06)
[9]人工智能时代的土木工程[J]. 鲍跃全,李惠. 土木工程学报. 2019(05)
[10]深部岩体力学与开采理论研究进展[J]. 谢和平. 煤炭学报. 2019(05)
博士论文
[1]隧道突涌水灾害微震机理与监测分析方法[D]. 成帅.山东大学 2019
[2]开采过程多源信息融合与集成分析技术研究[D]. 王运森.东北大学 2013
[3]盾构隧道纵向不均匀沉降及实时监测方法研究[D]. 杨茜.北京交通大学 2013
[4]岩土工程不确定性系统研究及其工程应用[D]. 潘龙.合肥工业大学 2011
[5]城市地下空间开挖对环境的影响与试验研究[D]. 陈伟.中南大学 2006
硕士论文
[1]多源异构大数据融合算法及可视分析方法研究[D]. 王艳歌.北京建筑大学 2020
[2]基于BOTDA分布式光纤测试技术的试验研究[D]. 张俊家.安徽理工大学 2019
[3]基于移动机器视觉和深度学习的地质灾害监测勘察及评估方法研究[D]. 朱诚.深圳大学 2018
[4]残留煤柱下急斜煤层顶板破坏过程中能量演化特征研究[D]. 刘简宁.西安科技大学 2018
[5]岩石破裂信号辨识及自动识别方法研究[D]. 伍梦蝶.湖北工业大学 2018
[6]基于LSTM的煤矿底板突水预警模型研究与应用[D]. 曹超凡.西安建筑科技大学 2017
[7]地面激光扫描三维模型重建技术研究[D]. 罗寒.东华理工大学 2016
[8]无线传感网络技术在地下工程监测中的应用研究[D]. 张文川.东南大学 2016
[9]花岗岩真三轴强度特性及神经网络强度预测的应用研究[D]. 王刚.东北大学 2015
[10]地下矿山实时在线安全监测系统研究[D]. 陶慧畅.武汉科技大学 2013
本文编号：2996146
本文链接：https://www.wllwen.com/kejilunwen/sgjslw/2996146.html
