0 引言

隧道掘进机(tunnel boring machine，TBM)施工方法具有“掘进速度快、施工扰动小、成洞质量高、综合经济效益高”等优势^[1]，被广泛应用到隧道施工中。然而，硬岩TBM对不良地质条件适应性差，在遭遇岩溶、富水地层，围岩软硬不均或围岩破碎区域时易发突涌水、围岩大变形、塌方等地质灾害，经常出现卡机、机械损毁、工期延误，严重者造成人员伤亡。例如昆明掌鸠河引水隧洞，施工中遇到多条小断层，掘进机多次被围岩卡住机头。万家寨引黄入晋工程中当TBM进至断层影响带，发生了卡机事故而停机^[2]。另外，若掘进参数设置不合理，将会导致TBM刀盘、刀具异常磨损，使得掘进效率低下。因此，提前获取TBM掘进前方的不良地质和主要岩体参数对于TBM安全、高效掘进十分重要。

与普通的钻爆法施工隧道相比，TBM施工环境给超前地质预报带来了两大困难。第一，TBM本身占据了掌子面附近的大部分隧道空间，制约传统地球物理超前预报方法的观测系统布置。第二，TBM的金属构件可产生较强的电磁干扰，电磁感应类预报方法(如瞬变电磁和地质雷达等)均难以在TBM施工环境中开展。因此，TBM复杂环境中的超前地质预报一直是行业性难题。

不少学者将直流电阻率法与弹性波类预报方法引入TBM施工隧道超前地质预报。PETRONIO L和POLETTO F提出了隧道随钻地震超前探测技术(tunnel seismic while drilling，TSWD)，利用刀具破岩噪声为震源，将地震波传感器安装在TBM护盾或隧道边墙上来测量地震反射信息^[3]。目前这种TBM随钻超前探测技术还处于起步阶段，尚未进入工程实用阶段。德国GFZ (GeoForschungs-Zentrum)研发的ISIS (integrated seismic imaging system)超前探测技术^[4]，利用气锤或磁致伸缩震源产生地震信号，安装在边墙上的三分量传感器接收地震记录，从而实现地震超前探测。德国GD (Geohydraulic Data)公司研发的BEAM (bore-tunneling electrical ahead monitoring)系统^[5]，实现了探测仪器、传感器与TBM装备的集成和一体化，可进行自动测量。Beam系统通过测取与岩体孔隙(空隙)有关的电能储存能力参数PFE (percentage frequency effect)和视电阻率的变化，预报前方岩体的完整性和含水状况^[6]。李术才等提出了TBM搭载的三维聚焦激发极化实现方案和仪器，可以实现前方水体的三维定位，在利用电法定位水体方面取得了进展^[7]。

在TBM掘进中，TBM的掘进参数应与岩体参数较好的匹配，才有利于提高掘进效率，降低异常磨损。但是，目前TBM掘进中主要依靠原位测试、取芯测试等手段获取岩体主要参数，能够大致反映某一段落的岩体强度、硬度、完整性等信息，但是难以动态感知岩体主要力学参数的变化。这显然不利于及时调整TBM掘进参数，难免造成异常磨损、效率低下等问题。YAMATOMO T等应用地统计方法对TBM运行参数(包括推力、刀盘扭矩以及刀盘转速)进行分析，进而预测掌子面前岩体的力学参数(如无侧限抗压强度)^[8]。岳中琦利用DPM (drilling process monitoring)分析钻机钻进过程实时监测数据，以评价岩石块体的单轴抗压强度等特征参数^[9]。显然，利用TBM掘进工作参数、钻机钻进参数可动态预测和获知前方岩体力学参数，为本研究提供了借鉴。

总体而言，TBM复杂环境中前方不良地质与岩体力学信息的获取尚存在诸多问题和困难。为此，本研究提出一套基于地球物理超前探测与岩-机关系预测的不良地质与岩体信息综合获取方法。通过地质分析划分风险段落，在风险段落内采用三维地震与三维激发极化方法预报前方断层、破碎带等不良地质与地下水赋存情况。进一步，采用机器学习算法，根据TBM施工中采集的机液电参数预测围岩的岩体力学参数，进而为TBM掘进提供已知的地质和岩体信息。

1 TBM掘进前方不良地质与岩体参数综合获取方法 1.1 影响TBM掘进安全和效率的主要不良地质和岩体力学参数

据统计，在TBM掘进的灾害事故中，突涌水灾害占35%，塌方、大变形占37%^[10]。从工程地质角度分析，含、导水构造(如充水岩溶、导水断层、富水破碎区等)是突涌水灾害的主要致灾构造，而断层破碎带等不良地质则往往会诱发塌方、大变形。因此，含、导水构造、断层破碎带等不良地质是影响TBM安全的主要灾害源，也是超前地质预报的主要对象。

而在TBM岩-机关系预测方面，TBM掘进工作参数与岩体主要力学参数之间存在较好的相关性。本研究将TBM掘进工作参数和岩体力学参数视为两个集合，这两个集合之间的关系不是一一对应的，很难利用明确的数学表达式来描述两个集合变量之间的关系。这就需要借助数据挖掘和机器学习的途径来挖掘他们之间的关系。实际上TBM的掘进工作参数多达100余个，而岩体力学参数也有不少。若要挖掘两个集合的关系，首要工作就是要优选相关性较好的TBM工作参数与岩体力学参数。通过文献调研分析，总结了相关性较好的TBM工作参数和岩体力学参数，分别是：刀盘扭矩、推进速度、推进力、刀盘功率、贯入度、单轴抗压强度、硬度、无侧限抗压强度、地质强度指标等^{[7, 11-12]}。

以上给出了影响TBM掘进安全和效率的主要不良地质类型和岩体力学参数，这也是本研究超前地质预报和岩体信息获取的主要任务。

1.2 TBM前方不良地质与岩体参数获取方法优选

利用超前预报方法探测前方不良地质的基础是不良地质与围岩之间存在物性差异(如：弹性波阻抗差异、导电性差异等)。因此，超前预报方法的优选应从不良地质体与围岩之间的物性差异分析入手。对于含、导水构造而言，其导电性与围岩之间有明显差异，一般水体的电阻率小于100 Ω·m，而围岩电阻率一般比水体高得多。因此对于含水构造的超前预报应选择电阻率/激发极化法或电磁法。结合TBM特点和课题组已有研究基础，选择激发极化法用于TBM前方含水构造的探测。而断层破碎区等不良地质往往与围岩之间有明显的弹性波阻抗差异，而导电性差异不明显。所以，应选择地震类方法探测断层破碎带等不良地质体。对于基于TBM掘进运行参数预测岩体力学参数而言，本研究选用了机器学习的方法。

1.2.1 三维地震超前地质预报方法

三维地震超前预报方法的示意图如图 1所示，在隧道边墙激发地震波，地震波在岩体中传播。当遇到具有波阻抗差异的界面时，产生反射波和透射波。透射波通过界面进入前方介质继续传播，反射波则向后传播并被检波器接收。通过对接收的地震记录进行处理，可以获得前方的不良地质体特征。

本研究所采用的超前预报方法采用了三维观测方式(如图 2所示)，该观测方式在X、Y和Z轴3个方向上都具有偏移距，有利于获得较全面的波场信息^[13]。数据处理采用球面扩散补偿、频谱分析及带通滤波等方法，以提高地震记录的信噪比及分辨率等；同时采用基于f-k和τ-p的联合滤波方法，去除干扰波，实现纵、横波分离；最后，基于等旅行时成像原理进行偏移成像。通过分析成像结果，获得掌子面前方不良地质(断层、破碎带等)的性质、位置及规模^[13]。

1.2.2 三维激发极化超前地质预报方法

三维激发极化(induced polarization，IP)超前地质预报方法以不同隧道围岩间的激发极化效应(简称激电效应)差异和导电性差异为物性基础。通过对测量电极采集的电位数据进行反演，可以揭示隧道掌子面前方的导电性分布进而推断围岩中的含水情况。

激发极化法应用到隧道超前预报领域面临的首要问题就是在隧道空间环境中探索合理的观测模式。三极法被较早用于隧道或矿井巷道超前探测，但该方法的观测数据易受到测线附近(即底板下方或边墙内)不均匀电性体的干扰。聚焦观测方式近年来被提出并得到重视^[14-15]，对隧道腔体内的干扰有所压制。李术才等提出了一种多同性源阵列观测模式，这种观测模式兼顾了三极测深探距大和聚焦观测抗干扰能力强的优势，在钻爆法施工隧道得到成功验证^[16]。

本研究借鉴了这种多同性源阵列式观测模式，提出了TBM复杂环境中可用的观测模式，如图 3所示。该观测模式电极系主要由测量电极系、两圈同性源电极系与无穷远电极系。具体布置如下：根据刀盘滚刀开孔情况均匀布置测量电极系(M1~M9)，可测得掌子面电压信号，同时刀盘与掌子面之间形成了一个被空气隔开的高阻层，可减小刀盘对掌子面测量电极系的影响。在掌子面附近的边墙布置同时第1圈同性源电极系(A1~A4)，该同性源电极系不与刀盘和护盾接触，因而可较大程度的减小干扰问题。而第2圈同性源电极系(A5~A8)布置在护盾。测量时第1圈同性源电极系供电，掌子面电极依次测量；然后第2圈同性源电极供电，掌子面电极仍进行测量。2圈分别测量完成后，再进行掌子面上测量电极系的E-scan扫描测量，即可完成TBM观测模式的数据采集。

对于TBM中激发极化数据的处理和反演，具体流程如下：①首先通过对具体型号的TBM建模分析，获得其干扰特征，并在激发极化实际观测数据中把TBM干扰减去；②进而采用“深度加权”反演方法^[17]得到掌子面前方的导电性分布；③对反演结果进行分析，识别出其中的含、导水构造，并做出合理的地质解释。

1.2.3 基于岩-机关系模型的岩体参数获取方法

本研究采用机器学习的研究手段挖掘TBM的机液电数据与岩体参数间关系，实现基于机液电参数对开挖岩体参数的预测^[18]。该方法包括以下四个步骤：

(1) TBM机液电数据采集。通过在TBM上安装的传感器，采集各类机械、液压和电气参数等多源异构数据。针对TBM的数据特点，采用非关系型数据库实现数据的分布式存储。中铁工程装备集团生产的TBM每秒可采集和储存180条各类机械电液数据。

(2)岩体参数获取。利用在TBM例行停机维修保养的的工序，对隧道岩体进行取芯，测试岩体的单轴抗压强度、抗拉强度、肖氏硬度、岩石质量指标等参数，并保存到数据库中。

(3)数据挖掘。对于获取的岩-机数据，建立机器学习数学模型，并对模型进行训练，得到岩-机关系模型。对于几类常用模型，如Logistic回归，K-临近算法，Adaboost，支持向量机等，进行对比测试，选取最优的岩-机关系模型。以支持向量机为例，建立以下数学模型^[18]：

$ {\boldsymbol{w}^{\rm{T}}}\boldsymbol{x} + b = 0, $

其中，两个模型参数(支持向量w和位移项b)由获取的岩-机数据(x)利用二次规划算法^[19]求得。

(4)岩体参数预测。将现场动态获取的机液电参数，代入到岩-机关系模型中，预测岩体参数。

1.3 TBM掘进不良地质与岩体信息的综合获取方法与流程

在上述方法优选的基础上，本研究针对TBM隧道复杂环境，提出了一种基于地质分析、三维地震法、三维激发极化法以及岩-机关系模型预测的TBM掘进前方不良地质与岩体参数综合获取方法。

综合获取方法流程如图 4所示，主要包括以下步骤：

(1)地质分析。利用地质分析法对隧洞穿越地层进行宏观分析，识别高风险段落。

(2)不良地质超前预报。利用三维地震法对掌子面前方100 m范围内的异常体进行探测，在较远的距离上识别和定位断层、大型溶洞及破碎带等不良地质；利用三维激发极化法对掌子面前方30范围内异常体进行探测，探明导水构造、富水区等突涌水灾害源的空间位置。

(3)岩体参数获取。把TBM机械参数代入到已建立的岩-机关系模型中，预测该处的岩体参数。

(4)将获得的不良地质和岩体参数等信息提供给TBM施工方，为优化TBM方案提供指导。

(5)通过开挖结果对比验证，进一步优化超前预报方法和岩-机关系模型。

2 工程实例

为验证本研究所提出的TBM掘进不良地质与岩体信息获取方法，在某TBM施工隧道中进行了现场验证。

2.1 地质分析

现场试验段落围岩主要为石炭系中下统磨盘山组灰岩，分布有砂岩及岩脉，岩体呈灰色或灰黑色，弱分化或微风化，发育多条水平层理和交错层理。在掌子面前方约140 m处，发育有一条影响宽度为50~150 m的断层；且地表为丘陵及沟谷，山势较陡。由于地处沟谷，有较好的汇水条件；因此，本段落TBM施工存在突涌水与坍塌的风险。

2.2 三维地震超前地质预报

在69+875.6里程处进行了三维地震超前地质预报，预报范围为69+875.6~69+775.6。图 5为偏移成像结果，结合地质分析，发现存在两处强反射区，分析推断如下：

(1)掌子面前方15~40 m (69+860.6~69+ 835.6)，该段范围内存在强反射区域A1，推断该段落围岩较破碎；

(2)掌子面前方88~100 m (69+787.6~69+ 775.6)，该段范围内存在强反射区域A2，推断该段围岩破碎。

2.3 三维激发极化超前地质预报

由图 5可知，掌子面前方88~100 m范围强反射较集中，需要重点关注。为进一步了解其含、导水情况，当隧道开挖至69+796.2里程处时，开展了三维激发极化超前探测。成像结果如图 6所示，结合地质分析，发现掌子面前方22~30 m (69+774.2~69+766.2)范围内存在电阻率较低的区域，推断该段落存在含导水地质构造，可能为导水的溶蚀裂隙。

2.4 基于岩-机关系模型的单轴抗压强度预测

本研究提出了TBM“岩-机关系”的分析挖掘方法，利用该方法在实际案例中初步获得了TBM机械电液参数与单轴抗压强度参数之间的关系。首先采集了某一段落内TBM掘进过程中的机械电液参数和围岩的单轴抗压强度数据，如表 1所示。之后，根据前述方法建立机器学习数学模型，并对模型进行训练，得到岩-机关系模型。

然后，利用已经得到的岩-机关系模型，基于69+860~69+760段落内采集的TBM机械电液参数对围岩的单轴抗压强度进行预测，结果如图 7所示。其中，有2个区域单轴抗压值较小：

(1)当TBM施工至69+850~69+842范围内，岩体单轴抗压强度预测值出现下降(Z1区域)。

(2)当TBM施工至69+785~69+775范围内，岩体单轴抗压强度预测值出现下降(Z2区域)。

2.5 开挖验证结果

综合分析三维地震法、三维激发极化法和岩-机关系模型预测结果，推断69+860.6~69+835.6和69+787.6~69+774.2范围内岩体较破碎，但不含水；69+774.2~69+766.2范围内岩体含水。

开挖结果显示，在69+860.6~69+835.6和69+787.6~69+774.2范围内岩体较破碎。其中，在里程69+786附近，揭露围岩破碎且有一处塌腔(如图 8(a)所示)。同时，岩体单轴抗压强度预测值在69+850~69+842和69+785~69+775段落内有所下降，两处段落均包含在地震预报和开挖揭露的破碎围岩范围内。在69+774.2~69+766.2范围内，围岩破碎含水，钻孔揭露了股状涌水(如图 8(b)所示)。

对比开挖结果可知，本研究提出的TBM掘进前方不良地质与岩体参数的综合获取方法能够有效的探测破碎区域，并初步实现了TBM前方单轴抗压强度的预测。

依据上述预报结果，TBM施工单位及时优化了掘进参数和方案，加强了施工支护，安全顺利通过该段落。

3 结论

(1)针对TBM复杂环境和主要不良地质，本研究首先采用三维地震法在远距离识别断层、溶洞及破碎带等异常体，再利用三维激发极化法对掌子面前方的含水构造进行探测。两种方法优势互补，能较全面获得掌子面前方的不良地质体分布情况。

(2)本研究提出了利用机器学习手段挖掘TBM机械电液参数与岩体参数关系的思路和方案，并在实际案例中初步研究了TBM机械电液参数与岩体单周抗压强度的关系模型，实现了对TBM前方单轴抗压强度的预测。

(3)本研究所提出的TBM前方不良地质和岩体信息综合获取方法在实际案例中得到验证，能够较为准确的探测TBM前方主要不良地质，所预测的岩体单轴抗压强度参数也为TBM掘进方案优化提供了指导。

(4)本研究所提出的综合获取方法是在TBM前方不良地质和岩体参数获取方面的一个探索，在下一步研究中将重点解决超前地质预报仪器与TBM集成搭载、数据快速处理、结果可视化表达难题。尤其在岩-机关系挖掘方面，目前仅挖掘了机械电液参数与岩体单轴抗压强度之间的关系。未来研究中将进一步探索有效的机器学习方法，以挖掘TBM机械电液参数与多种岩体特征参数的关系，实现多种岩体特征参数的动态预测。