[发明专利]基于微震多前兆特征的硬岩塌方智能预警方法、系统及设备

说明书

本发明公开了一种基于微震多前兆特征的硬岩塌方智能预警方法、系统及设备，用于浅埋隧道硬脆性围岩塌方灾害的智能预警。首先，微震设备监测所采集的微震信号进行自动预处理；其次，对微震信息进行实时特征提取，通过信号分析提取幅值分形维数、信号活跃度、b值和主频等四个能合理表征塌方即将发生的前兆特征值；然后，将四个特征值构建输入向量，实时输入训练成功的Catboost分类机器学习模型；最后，由Catboost分类机器学习模型自动推算并输出塌方可能性结果，并自动发布预警信息。

技术领域

本发明属于地下工程地质灾害防治工程技术领域，涉及一种基于微震多前兆特征的硬岩塌方智能预警方法、系统及设备。

背景技术

塌方是隧道工程常见的地质灾害现象，是指围岩失稳而造成的突发性坍塌、崩塌等破坏性的地质灾害，具有高发性、突发性、破坏性等特点。塌方的发生，不仅会影响现场施工的进度，还可能造成机械设备损毁、工程费用增加，甚至严重危害现场施工人员生命安全。塌方预警是预防塌方灾害出现的有效手段。当前，塌方预警一般依靠围岩的变形监测值的变化趋势来实现，但对于硬脆性围岩，塌方发生前的监测变形往往很小，造成基于围岩变形监测量的塌方预警技术往往不能有效地预警塌方灾害。

微震(Microseism,MS)是岩体裂纹产生、扩展、贯通过程中伴随的低能量的弹性波或者应力波。微震设备能够采集微震信号，从而能有效探测岩体破裂过程，进而追踪潜在塌方体从微破裂至宏观失稳的全孕育过程，由此实现塌方的有效预警。但是，目前在隧道工程领域主要用于深部岩爆动力失稳灾害的预警，极少用于浅埋隧道的塌方灾害预警。此外，随着越来越多的隧道工程的兴建，工程分布广泛的同时工程复杂性也进一步提高，岩体的非线性力学关系更加错综复杂、灾变前兆特征更为复杂多变，岩体灾变预测预警分析方法与其他外部硬性技术之间存在非均衡发展关系使得预测预警变得愈发困难，因此，利用微震的单一特征参数分析的预警塌方的可靠性不高，有必要建立基于微震多特征参数的综合分析方法，以提升塌方预警的可靠性和准确性。

Catboost(Categorical Boosting)是一种基于梯度提升决策树的机器学习模型，主要用于类别型特征处理与分类问题。该模型具有无需调参即可获得较高的模型质量、无需对非数值型特征进行预处理、支持多GPU并行计算、无过拟合和预测快速等优点。本发明将此Catboost算法用于建立微震多前兆特征与塌方可能性之间的非线性映射关系，进而提出一种基于微震多前兆特征的硬岩塌方智能预警方法、系统及设备。通过布设微震监测系统实时获取监测区域围岩体破裂微震信号数据，进行塌方灾变所处阶段的有效识别及灾变前夕的高效预警，并且现场监测端、远程分析云端及移动便携管理端之间能够随时、随地两两双向反馈，不仅显著提高了塌方预测预警的准确性、稳定性，而且还实现了塌方灾害的全天候实时预警，对保障隧道工程安全施工具有重要现实意义。

发明内容

本发明目的在于，针对现有的基于塌方前期征兆以及定期监测围岩变形等常规监测技术不适用于硬脆性围岩隧道的问题，运用微震监测技术，分析塌方演变过程中微震信号的多种前兆特征，同时应用Catboost机器学习模型来处理基于微震多种前兆特征的塌方智能预警问题，提出一种基于微震多前兆特征的硬岩塌方智能预警方法、系统及设备，以有效实现塌方灾害的智能预警。

本发明为实现上述目的，采用如下技术方案如下：

第一部分，本发明提供一种基于微震多前兆特征的塌方智能预警方法，包括以下步骤：

步骤1：微震信号的实时预处理。为有效监测隧道工程中围岩突发失稳的塌方现象，以岩石内部破裂产生的0～100Hz频率的微震信号作为监测信号，对浅埋隧道硬脆性围岩进行实时P/S波到时识别并将采集到微震信号进行滤波降噪净化数据。