數(shù)據(jù)智能化采集、深度學習、人工智能等理論與技術(shù)在地下工程中的應(yīng)用,推動了地下工程施工智能化監(jiān)測的發(fā)展。從數(shù)據(jù)監(jiān)測與智能化采集,監(jiān)測數(shù)據(jù)的分析、反饋,監(jiān)測信息管理、預(yù)測預(yù)報系統(tǒng),地下工程智能化施工裝備發(fā)展等方面出發(fā),歸納了地下工程施工智能化監(jiān)測理論與技術(shù)的發(fā)展趨勢及其在工程災(zāi)害預(yù)警中的應(yīng)用;重點分析了地下工程微震智能化監(jiān)測、分析反饋及巖爆預(yù)警技術(shù);展望了智能化理論與技術(shù)將對深地下防護工程建設(shè)產(chǎn)生的影響。 

【文章來源】：防護工程. 2020,42(05)

【文章頁數(shù)】：9 頁

【部分圖文】：

以信號電纜、光纜為媒介的16通道全數(shù)字型微震監(jiān)測系統(tǒng)[24]

雖然人工神經(jīng)網(wǎng)絡(luò)、深度學習等算法在特征值選取準確、提取準確的情況下具有良好的微震識別度，但是當外界環(huán)境有復(fù)雜信號干擾時，識別精度將大大降低，因此需要聯(lián)合其他算法進行識別。陳炳瑞等[50]將遞歸STA/LTA微震信號識別算法和BP神經(jīng)網(wǎng)絡(luò)信號識別算法相聯(lián)合，建立起微震信號遞歸STA/LTA-BP神經(jīng)網(wǎng)絡(luò)綜合識別算法，能夠有效地提升微震信號識別精度。(2)微震定位。微震定位的準確性關(guān)系到微震技術(shù)的應(yīng)用效果，深度學習和人工智能方法可以提升微震定位的準確性和可靠性。最小二乘法和牛頓迭代法先后被用于微震震源定位中，但是實際應(yīng)用中存在定位效率低、初至拾取不準確等問題。隨后，線性方法和Geiger方法聯(lián)合定位、最小二乘法和Geiger方法聯(lián)合定位、聯(lián)合微震定位等方法用于對微震震源定位方法進行優(yōu)化，但是上述方法在監(jiān)測區(qū)域地質(zhì)條件復(fù)雜、基礎(chǔ)數(shù)據(jù)無法精確獲取的前提下仍然會產(chǎn)生巨大的定位誤差[51]。人工神經(jīng)網(wǎng)絡(luò)法等非線性方法具有更好的可靠性，基于人工神經(jīng)網(wǎng)絡(luò)(ANN)和粒子群優(yōu)化(POS)算法的新型微震監(jiān)測系統(tǒng)，可以有效和準確識別傳感器陣列外的微震源信號，使操作者可以快速和準確定位微震源[52]。總體來看，目前高精度微震震源定位仍存在計算機自動定位精度和可靠性不能滿足現(xiàn)場要求等問題，在微震信號的自動識別、到時自動拾取及復(fù)雜介質(zhì)的波速模型等方面仍有很大的進步空間[53]。

巖爆預(yù)測是一個復(fù)雜的非線性問題，目前常見的硬巖巖爆預(yù)警方法[47]如圖2所示。傳統(tǒng)的巖爆預(yù)測方法，包括基于巖爆機理建立巖爆判據(jù)，以微重力法、聲發(fā)射法為代表的基于現(xiàn)場實測的巖爆預(yù)測方法，基于巖爆指標判據(jù)的巖爆綜合預(yù)測方法等。上述方法存在指標權(quán)重確定具有主觀性和隨意性的問題，而通過深度學習技術(shù)，基于巖爆工程實例作為樣本數(shù)據(jù)建立的巖爆預(yù)測模型能夠更好地減少人為因素的影響，同時保證了預(yù)測結(jié)果的有效性和準確性[48]，深度學習有助于高效解決巖爆災(zāi)害預(yù)警過程中微震識別、微震定位和數(shù)據(jù)融合等過程信號識別、數(shù)據(jù)分析等難題。(1)微震識別。微震信號識別的難點在于低信噪比信號能否被準確識別，深度學習可以有效提升微震信號識別效率。由于微震監(jiān)測設(shè)備能夠?qū)^(qū)域范圍內(nèi)各種頻率的聲音進行記錄，所以要針對選取微震事件進行識別和規(guī)律研究。巖爆的監(jiān)測與分析結(jié)果表明，多數(shù)巖爆都存在可被微震監(jiān)測定位的微破裂前兆，微震活動的活躍區(qū)和簇集區(qū)與巖爆的位置具有空間一致性，在時間排序上優(yōu)于巖爆事件[49]。波形的準確識別是進行巖爆災(zāi)害判別與監(jiān)測預(yù)警的關(guān)鍵因素，需要結(jié)合隧道開挖過程中不同聲源信號的頻譜特征對采集的數(shù)據(jù)進行模式識別，其核心任務(wù)是應(yīng)用神經(jīng)網(wǎng)絡(luò)智能方法，對微震信號的數(shù)據(jù)信息進行選擇與提取，從中識別出微震活動信息，其過程包括數(shù)據(jù)采集、信號處理、信號特征提取、分類及輸出數(shù)據(jù)等，進而將巖石干擾信號排除掉，獲得巖體微震破裂信息，其過程如圖3所示。中科微震監(jiān)測系統(tǒng)能夠聯(lián)合降噪采集技術(shù)、基于人工神經(jīng)網(wǎng)絡(luò)的信號綜合識別方法以及基于數(shù)據(jù)庫的速配微震源定位算法等來提升微震監(jiān)測的捕獲識別能力和精準度[28]。

【參考文獻】：
期刊論文
[1]一種結(jié)合SMOTE和卷積神經(jīng)網(wǎng)絡(luò)的滑坡易發(fā)性評價方法[J]. 武雪玲,楊經(jīng)宇,牛瑞卿.  武漢大學學報(信息科學版). 2020(08)
[2]煤層底板水害三維監(jiān)測與智能預(yù)警系統(tǒng)研究[J]. 靳德武,趙春虎,段建華,喬偉,魯晶津,李鵬,周振方,李德山.  煤炭學報. 2020(06)
[3]煤巖微觀相態(tài)FCN智能識別與分形重構(gòu)[J]. 薛東杰,唐麒淳,王傲,易海洋,張弛,耿傳慶,周宏偉.  巖石力學與工程學報. 2020(06)
[4]巖土工程勘察智能信息化技術(shù)研究現(xiàn)狀[J]. 蘇定立,胡賀松,謝小榮.  廣州建筑. 2019(06)
[5]綜合集成高精度智能微震監(jiān)測技術(shù)及其在深部巖石工程中的應(yīng)用[J]. 陳炳瑞,馮夏庭,符啟卿,王搏,朱新豪,李濤,陸菜平,夏歡.  巖土力學. 2020(07)
[6]硬巖巖爆預(yù)測預(yù)警研究進展[J]. 李鵬翔,陳炳瑞,周揚一,肖亞勛,豐光亮,祝國強.  煤炭學報. 2019(S2)
[7]無線微震檢測儀設(shè)計與應(yīng)用[J]. 覃海明,康躍明.  自動化與儀器儀表. 2019(08)
[8]基于多場耦合分析和微震監(jiān)測的巖體失穩(wěn)預(yù)警（英文）[J]. 羅周全,汪偉,秦亞光,向軍.  Transactions of Nonferrous Metals Society of China. 2019(06)
[9]人工智能時代的土木工程[J]. 鮑躍全,李惠.  土木工程學報. 2019(05)
[10]深部巖體力學與開采理論研究進展[J]. 謝和平.  煤炭學報. 2019(05)

博士論文
[1]隧道突涌水災(zāi)害微震機理與監(jiān)測分析方法[D]. 成帥.山東大學 2019
[2]開采過程多源信息融合與集成分析技術(shù)研究[D]. 王運森.東北大學 2013
[3]盾構(gòu)隧道縱向不均勻沉降及實時監(jiān)測方法研究[D]. 楊茜.北京交通大學 2013
[4]巖土工程不確定性系統(tǒng)研究及其工程應(yīng)用[D]. 潘龍.合肥工業(yè)大學 2011
[5]城市地下空間開挖對環(huán)境的影響與試驗研究[D]. 陳偉.中南大學 2006

碩士論文
[1]多源異構(gòu)大數(shù)據(jù)融合算法及可視分析方法研究[D]. 王艷歌.北京建筑大學 2020
[2]基于BOTDA分布式光纖測試技術(shù)的試驗研究[D]. 張俊家.安徽理工大學 2019
[3]基于移動機器視覺和深度學習的地質(zhì)災(zāi)害監(jiān)測勘察及評估方法研究[D]. 朱誠.深圳大學 2018
[4]殘留煤柱下急斜煤層頂板破壞過程中能量演化特征研究[D]. 劉簡寧.西安科技大學 2018
[5]巖石破裂信號辨識及自動識別方法研究[D]. 伍夢蝶.湖北工業(yè)大學 2018
[6]基于LSTM的煤礦底板突水預(yù)警模型研究與應(yīng)用[D]. 曹超凡.西安建筑科技大學 2017
[7]地面激光掃描三維模型重建技術(shù)研究[D]. 羅寒.東華理工大學 2016
[8]無線傳感網(wǎng)絡(luò)技術(shù)在地下工程監(jiān)測中的應(yīng)用研究[D]. 張文川.東南大學 2016
[9]花崗巖真三軸強度特性及神經(jīng)網(wǎng)絡(luò)強度預(yù)測的應(yīng)用研究[D]. 王剛.東北大學 2015
[10]地下礦山實時在線安全監(jiān)測系統(tǒng)研究[D]. 陶慧暢.武漢科技大學 2013



本文編號：2996146