复杂条件下岩石工程安全性的智能分析评估 和时空预测系.pdf

《复杂条件下岩石工程安全性的智能分析评估 和时空预测系.pdf》由会员分享，可在线阅读，更多相关《复杂条件下岩石工程安全性的智能分析评估 和时空预测系.pdf（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第 27 卷 第 9 期 岩石力学与工程学报 Vol.27 No.9 2008 年 9 月 Chinese Journal of Rock Mechanics and Engineering Sept.，2008 收稿日期：收稿日期：20080522；修回日期：修回日期：20080707 基金项目：基金项目：国家重点基础研究发展规划(973)项目(2002CB412708)；中国科学院知识创新工程重要方向项目(KJCX2YWL01)；国家自然科学基金委员会、二滩水电开发有限责任公司雅砻江水电开发联合研究项目(50539090)作者简介：作者简介：冯夏庭(1964)，男，博士，1986 年毕业于

2、东北工学院采矿工程系，现任教授、博士生导师，主要从事岩石力学智能分析方法及其工程应用方面的教学与研究工作。E-mail： 复杂条件下岩石工程安全性的智能分析评估复杂条件下岩石工程安全性的智能分析评估 和时空预测系统和时空预测系统 冯夏庭，周 辉，李邵军，盛 谦，江 权(中国科学院武汉岩土力学研究所 岩土力学与工程国家重点实验室，湖北 武汉 430071)摘要：摘要：采用人工智能、系统科学、岩石力学与工程地质学等多学科交叉，提出复杂条件下岩石工程安全性的智能分析评估和时空预测系统的新思路和新方法，包括赋存环境的认识、工程结构特征需求分析与施工约束条件识别、岩石工程稳定性(安全性)综合集成智能分析

3、评估、岩石工程智能反馈分析方法、岩体模型和参数动态更新的岩石工程稳定性时空演化的综合集成智能分析方法、岩石工程安全性的分区自适应调控方法、岩石工程稳定性多元信息与多任务智能反馈分析集成系统。该系统在龙滩、八尺门、水布垭、拉西瓦等多个大型工程的边坡和地下厂房中的成功应用，显示了其科学性和先进性。关键词：关键词：岩石力学；灾害环境；安全性；分析评估；时空预测；综合集成智能方法；集成智能系统 中图分类号：中图分类号：TU 45 文献标识码：文献标识码：A 文章编号：文章编号：10006915(2008)09174116 SYSTEM OF INTELLIGENT EVALUATION AND PRE

4、DICTION IN SPACE-TIME FOR SAFETY OF ROCK ENGINEERING UNDER HAZARDOUS ENVIRONMENT FENG Xiating，ZHOU Hui，LI Shaojun，SHENG Qian，JIANG Quan(State Key Laboratory of Geomechanics and Geotechnical Engineering，Institute of Rock and Soil Mechanics，Chinese Academy of Sciences，Wuhan，Hubei 430071，China)Abstract

5、：With integrated applications of artificial intelligence，system science，rock mechanics and engineering geology，a new methodology has been proposed for evaluation and prediction in space-time for the safety of rock engineering under hazardous environment.It includes integrated back analysis of rock m

6、echanical parameters，intelligent recognition of the mechanical models structure and its parameters，finite element analysis in parallel with dynamically updating the model and parameters of rock masses，evaluation and prediction in space-time for the safety of rock engineering under hazardous environm

7、ent in parallel with dynamically updating the model and parameters of rock masses，zoning self-adaptive support design for the safety of rock engineering under hazardous environment，intelligent system for the integration of multiple information and tasks for the safety of rock engineering under hazar

8、dous environment.The proposed method has been successfully applied to risks evaluation and optimal design for slopes and cavern groups in Longtan，Shuibuya，Bachimen，Laxiwa projects，etc.The results are satisfied.Key words：rock mechanics；hazardous environment；safety；analysis and evaluation；prediction i

9、n space-time；comprehensive integrated intelligent method；integrated intelligent system 1742 岩石力学与工程学报 2008年 1 引引 言言 随着西部大开发战略的实施和资源开采向深部发展，许多工程都面临复杂环境，如高地应力、复杂地质构造与深切河谷等，由此带来的诸如片帮、塌方、冒落、开裂、岩爆、高压透水、地表塌陷、边坡崩塌与滑坡等地质灾害与岩石工程的安全性问题。因此，复杂环境下岩石工程安全性的分析评估和时空预测研究成为亟待解决的难题之一。尽管这方面的研究取得了巨大的进展，提出了一些分析评估和时空预测方法、模

10、型18，如基于连续介质的黏弹脆塑性数值分析方法、极限平衡分析方法、DDA 等不连续分析方法、块体理论、随机与可靠度分析方法、模糊与智能分析方法、能量理论和非线性力学分析方法等。但是，复杂环境下岩石工程安全性的分析评估和时空预测问题还远远没有得到很好解决。例如：(1)分析评估和时空预测的核心模型和参数仍然是“瓶颈”问题，许多复杂情况下岩体变形破坏机制理解不清楚，缺乏足够可用的信息和数据。(2)开挖会引起岩体的损伤，后续(或下部)开挖会引起损伤岩体的进一步损伤。因此，只有采用与岩体损伤程度相对应的参数和模型才能对其行为进行很好地分析预测。(3)目前还存在着制约岩石力学参数反演方法的关键难题，如：监

11、测物理量与待反演参数之间的复杂非线性关系难以表达，参数寻优易陷于局部极小值，用于反演的信息单一(多仅为变形)，参与反演的参数对监测信息不敏感，反演求解效率低等。(4)不同区域的岩体损伤程度和深度是不同的，只有根据其时空演化规律采用分区自适应的开挖方案和支护措施才能很好地控制工程的安全性。但目前常用的凭经验选择或分级搜索等很难在复杂、超出经验范围的条件下寻找到安全可靠、经济可行的全局最优开挖和支护方案。(5)对于复杂的大型岩石工程而言，对其安全性和调控进行动态、及时、可视化的多方法综合集成分析是十分必要的。因此，开展复杂环境下岩石工程安全性的分析评估和时空预测、复杂条件下大型工程岩体力学参数的智

12、能反演、与损伤演化相适应的工程稳定性的动态反馈分析、工程安全性的分区自适应调控以及岩石工程稳定性的多元信息与多任务集成反馈分析方法及其工程应用研究，不仅是国家重大工程建设的需求，也是岩石力学学科发展的前沿需求。2 主要研究思路主要研究思路 应用人工智能理论、全局优化方法、岩石力学、工程地质学、数值分析方法和并行计算等理论和方法开展多学科交叉集成创新研究，综合采用岩石力学多元监测信息(变形、开挖损伤区、结构荷载等)，提出高效快速的岩体力学参数综合集成智能反演方法。以此为基础，考虑开挖损伤区力学参数和稳定性的差异及其演化规律，建立能够跟踪指导施工过程的岩石工程稳定性动态智能反馈分析方法。根据岩石工

13、程安全性分区特征及其演化规律，通过提出满足工程功能需求和施工可行的安全开挖新模式和与岩石工程安全性分区演化相适应的支护时机和方案动态优化方法，实现岩石工程施工期安全性的分区自适应调控，并通过施工全过程动态反馈分析，进一步优化和完善调控方案。以三维地层信息系统和大规模并行计算技术为平台，建立融合以上功能的多元信息、多任务、可视化的岩石工程稳定性的综合智能集成反馈分析系统。通过多个工程的应用研究，进一步完善理论体系。具体思路(如图 1所示)为：(1)赋存环境的认识、工程结构特征需求分析与施工约束条件识别。通过系统的地质调查、现场与室内岩石力学试验、地应力测试，并考虑区域地质构造特征，合理认识工程所

14、在区域的岩体力学性质、三维地应力分布规律、地下水分布(或降雨)规律，采用岩体结构分类方法和岩体质量分级方法等分别对岩体结构特征和岩体质量进行识别，掌握场地施工的约束条件和工程结构特征需求等。(2)岩石工程稳定性(安全性)综合集成智能分析评估。对于有类似工程经验的情况，可通过专家系统、基于工程实例分析的进化神经网络(或进化支持向量机)方法进行工程安全性和稳定性的类比分析，给出可能发生的变形破坏模式(地下工程：岩爆、塌方、片帮、掉块、开裂、地表塌陷等；边坡工程：滑坡、崩塌等)、变形量级、速率以及变形管理等级等。对于超出规范和工程经验的情况，可以采用进化数值模拟分析，并采用一些新的评价指标，如破坏接

15、近度、局部能量释放率等，综合对该条件下的工程安全性进行合理的分析评估，判别可能发生的变形破坏模式和风险、变形量级和速率，建立用于监测预警的变形管理等级。针对高陡开挖边坡、大型地下厂房和深埋引水隧洞(隧道)，可分别建立相 第 27 卷 第 9 期 冯夏庭，等.复杂条件下岩石工程安全性的智能分析评估和时空预测系统 1743 图 1 复杂条件下岩石工程安全性分析评估和时空预测的综合集成智能分析方法 Fig.1 Comprehensive integrated intelligent methodology for evaluation and prediction in space-time for

16、 the safety of rock engineering projects under hazardous environment 应的变形管理等级。例如，作者所在的课题组建立了水电站高陡开挖边坡变形管理等级的确定方法10。(3)岩石工程安全性的分区自适应调控方法。针对复杂地质条件下重大岩石工程的安全性，以地质、试验与监测信息为基础，根据以上工程安全性分区的智能反馈分析结果，提出通过两种途径来实现岩石工程安全性分区自适应调控的新方法：一是提出满足工程功能需求和施工可能的安全开挖新模式，如采用全局优化的方法寻找合理的边坡角度、开挖台阶高度、全局优化的开挖顺序、合理的工程开挖结构(针对地下厂

17、房适当保留凸出台阶)等，以尽可能减少开挖引起的岩体损伤程度和范围，充分利用岩体结构的自身承载力；二是提出与岩石工程安全性分区演化相适应的支护时机和方案动态优化方法(如遗传算法进化神经网络数值计算、遗传算法进化支持向量机数值计算、粒子群进化神经网络数值计算、粒子群进化支持向量机数值计算等)，通过多目标判别函数对支护方案进行全局优化，进一步确保岩石工程安全性分区调控的可靠性。(4)岩体力学模型和参数动态更新的岩石工程稳定性时空演化的综合集成智能预测方法。针对复杂地形地貌和地质条件下大规模开挖所形成的岩石工程(高陡边坡、深埋隧洞和大型地下洞室群等)，基于多元监测信息(弹性波、深部变形等)，对于开挖损

18、伤区在空间上进行合理分区，并采用所提出的综合集成智能反演方法9对不同分区岩体的力学参数进行反演，以准确表达实际工程岩体力学参数在空间上的差异性；采用所获得的分区岩体力学参数实施大规模数值分析，采用基于多元监测信息的岩石工程安全性时空演化智能预测方法(如岩体变形动态演化的进化神经网络或进化支持向量机、突变信息的胞映射突变理论预测方法、基于现场监测赋存环境的揭示：岩体结构特征(断层、节理等)岩体力学行为 水环境(地下水、降雨、库水位涨落)三维地应力分布规律 工程结构特征需求与施工约束条件 岩石工程稳定性(安全性)综合分析评估：可能的变形破坏模式 可能的变形量级和速率 变形管理等级 岩石工程安全性分

19、区调控措施优化：开挖方案全局优，获得满足工程功能需求和施工可行的安全开挖新模式 与岩石工程安全性的分区演化相适应的支护时机和方案动态优化 岩石工程安全性的时空预测 岩石工程安全性的集成智能反馈分析方法9：岩体(石)力学参数的智能反分析方法 岩体(石)力学模型的结构和参数耦合智能识别方法 岩体力学模型的结构和参数可以动态更新的并行有限元方法 岩石工程安全性的集成智能反馈分析 岩石工程施工与监测检验 专家系统 基于工程实例分析的进化支持向量机或进化神经网络方法 进化数值分析方法 判别指标：局部能量释放率、破坏接近度 多目标判别函数 遗传算法进化神经网络数值计算 遗传算法进化支持向量机数值计算 粒子

20、群进化神经网络数值计算 粒子群进化支持向量机数值计算 岩体变形动态演化的进化神经网络或进化支持向量机 突变信息的胞映射突变理论识别方法 基于现场监测信息的动态聚类和进化神经网络集成的预测方法 岩体力学模型的结构和参数可以动态更新的并行有限元方法 1744 岩石力学与工程学报 2008年 信息的动态聚类和进化神经网络集成的预测方法、岩体力学模型的结构和参数可以动态更新的并行有限元方法等)，对岩石工程安全性的分区时空演化进行综合分析与预测，并随工程的施工全过程实施岩石工程稳定性的动态智能反馈分析(相关方法见作者9的研究和图 2)。考虑到一些地质灾害的突发性，如高应力下的岩爆、高速滑坡等，其预测是一

21、大难题，可以将这几种方法综合使用。当采用监测物理量时间序列进行建模和预测时，预测的时步不能太长，根据临近灾害发生的时间，预测时步分别以天、小时或半小时计。在此基础上，突变信息的胞映射突变理论预测方法可以为突变信息的预测提供一种方法。(5)岩石工程稳定性多元信息与多任务智能反馈分析集成系统。以上述岩石力学综合集成反演方法、动态智能反馈分析方法、岩石工程安全性分区调控方法、GIS 和大规模并行计算技术为支撑，提出基于三维地层信息系统的多元信息、多任务综合的可视化、智能化集成分析方法，自主开发融合三维地层、施工与监测信息的动态演化、安全性分区、参数反演与反馈分析、安全性调控为一体的岩石工程稳定性多元

22、信息与多任务智能反馈分析集成系统，以实现大型复杂岩石工程稳定性的快速、动态、实时和可视化综合集成智能分析和工程安全性的自适应调控。(6)工程应用研究。应用所提出的岩体力学参数反演新方法、新的岩石工程稳定性的动态智能反馈分析方法和安全性分区自适应调控方法，在所建立的岩石工程稳定性多元信息与多任务智能反馈分析集成系统平台上开展大型岩体工程稳定性分析与优化研究，并在实践中检验、完善、丰富和发展所提出的分析与优化方法。图 2 复杂条件下岩石工程安全性分析评估和时空预测的综合集成智能反馈分析方法 Fig.2 Comprehensive integrated intelligent feedback an

23、alysis methodology for evaluation and prediction in space-time for the safety of rock engineering projects under hazardous environment (1)岩石(体)力学参数的智能反分析方法：均匀设计(或正交设计)数值计算方法 粒子群(或遗传算法)数值方法(如有限元法、有限差分法等)均匀设计(或正交设计)演化神经网络数值方法(如有限元法、有限差分法等)遗传算法(或粒子群)均匀设计(或正交设计)演化支持向量机并行数值方法(如有限元法、有限差分法等)遗传算法(或粒子群)(2)岩体

24、(石)力学模型的结构和参数耦合智能识别方法：岩体(石)本构模型耦合智能识别：遗传规划遗传算法(粒子群算法等)岩体(石)本构模型耦合智能识别：遗传规划遗传算法(粒子群算法等)数值方法(有限元法、有限差分法等)岩体(石)非线性关系识别的(进化)神经网络(或进化支持向量机等)非线性时间序列的(进化)神经网络(或进化支持向量机等)(3)岩体力学模型的结构和参数可以动态更新的(并行)有限元方法：赋存环境条件(地下水压力、地应力、温度等)随时间改变的岩体力学模型和参数动态更新智能识别的(并行)数值方法 基于新揭示地质信息的岩体力学模型和参数动态更新智能识别的(并行)数值方法 与岩体性质随时间或环境改变相适

25、应的岩体力学模型和参数动态更新智能识别的(并行)数值方法 输入的信息：室内试验测得的岩石应力应变数据、变形破坏全过程数据、声发射数据等和试件条件 现场监测的变形、应力、松动圈等结果和现场地质条件 输入的信息：赋存环境(地下水压力、地应力、温度等)随时间变化的数据 现场监测的变形、应力、松动圈等结果和现场新揭示的地质信息 岩体性质随时间或环境改变的信息数据 应用：硅藻软岩应力应变关系识别 潜在楔体和圆弧滑动边坡的安全系数估计 三峡工程永久船闸高边坡岩体、拉西瓦花岗岩岩体、水布垭灰岩体、锦屏二级水电站大理岩、龙滩水电站高边坡、八尺门滑坡体等的力学参数以及某工程软岩流变模型参数的反演 应用：边坡安全

26、系数经验模型的建立 Laminate 复合材料本构模型的识别 乌江构皮滩黏土岩黏弹性模型识别 三峡工程永久船闸高边坡和中隔墩岩体位移时间序列的建模 深部开采诱发岩爆的风险估计模型的建立等 应用：高放废物地质处置典型概念库的长期安全性评价 三峡工程永久船闸高边坡岩体、拉西瓦花岗岩岩体、水布垭灰岩体、锦屏二级水电站大理岩、龙滩水电站高边坡、八尺门滑坡体等的力学参数以及某工程软岩流变模型参数的反演 第 27 卷 第 9 期 冯夏庭，等.复杂条件下岩石工程安全性的智能分析评估和时空预测系统 1745 3 岩石工程稳定性岩石工程稳定性(安全性安全性)分析评估综合集成方法分析评估综合集成方法 针对不同的岩

27、石工程稳定性和安全性问题，相对应的分析评估集成方法应包括如下内涵：(1)高应力下硬岩地下工程稳定性的综合集成智能分析方法11。针对高应力下地下工程变形破坏的特点，采用高应力下地下工程稳定性的综合集成智能分析与动态设计优化的新思路，以工程区域地应力、地质构造特征、高应力下的应力路径改变的岩体变形破坏机制以及与之相对应的模型识别、基于新评价指标(局部能量释放率、破坏接近度)的确定性与不确定性方法相结合的围岩稳定性分析、考虑多目标的开挖与全局支护优化、基于现场最新监测和开挖揭示的工程地质信息的动态反馈分析等为主线，建立高应力地区三维地应力场特征识别的新方法、高应力下硬岩本构模型识别的新方法、地下工程

28、安全性评价新方法与动态反馈智能分析与优化设计方法。该新思路和新方法成功地应用于拉西瓦水电站和锦屏二级水电站地下厂房的稳定性的动态反馈分析和设计优化。(2)滑坡的综合集成智能分析与优化设计方法12。鉴于滑坡是多因素相互影响的高度非线性力学问题，采用智能方法、全局优化与确定性力学分析的综合集成方法、位移时间序列建模的进化支持向量机、滑体参数反演的进化支持向量机有限元法、加固方案优化设计的演化神经网络数值方法，综合实现滑坡的实时动态分析评估、预测预报和防治。该方法成功地应用于高速公路滑坡(如福建八尺门滑坡、襄十滑坡)和三峡库区滑坡的评估、预测与防治，表明了所提出的综合集成智能分析与优化设计方法的科学

29、性。(3)复杂条件下高陡边坡安全性的综合集成智能分析与优化设计方法(见图 3)。首先基于现场地质勘查、结构面调查与岩石力学性质试验、地应力测试，弄清楚边坡的地质环境，包括地质构造、结构面分布、地下水情况、地应力场等。在此基础上应用 SMR、专家系统等对岩石质量、岩体结构分类、边坡类型等进行分类；应用神经网络方法等给出边坡角的设计等；应用专家系统和工程地质力学分析方法给出可能的破坏模式；应用极限平衡法、数值 图 3 复杂条件下高陡边坡安全性的时空预测与分析评估 综合集成智能方法 Fig.3 Comprehensive integrated intelligent methodology for

30、evaluation and prediction in space-time for high steep slope stability 分析和关键块体理论等分析边坡的稳定性和开挖卸载效应；应用神经网络模型、进化神经网络模型、基于粗糙集的神经网络模型、支持向量机模型、进化支持向量机模型、基于遗传规划遗传算法识别的经验模型、基于遗传算法识别的经验模型、极大似然法、极限平衡分析、有限元的极限平衡分析进行边坡安全系数的综合集成智能估计，给出合理的开挖方案和加固措施；由时间序列的神经网络和支持向量机分别给出边坡的变形估计。实施现场监测，判别边坡的稳定性，对边坡的地应力场、力学模型和参数等进行反演，

31、对边坡的稳定性进行进一步的反馈分析，对设计方案进行进一步的优化。边坡设计过程在进化过程中不断完善，以保证工程设计既经济又安全。这些任务可在一个三维地层信息系统平台上进行。该方法成功地应用于三峡工程永久船闸高边坡与龙滩、糯扎渡等水电站高边坡的稳定性边坡安全系数估计 岩石质量与稳定性分类边坡变形的时空演化 地质勘查、结构面调查与岩石力学性质、地应力测试最优边坡角估计 边坡加固方案优化设计可能的破坏模式识别 基于3D地层信息的综合集成智能反馈分析与设计优化岩体变形和支护结构受力监测、工程结构参数的演变边坡稳定性分析与变形管理等级建立 进化神经网络 进化支持向量机 专家系统或神经网络 工程地质力学分析

32、 数值或极限平衡分析 关键块体分析 开挖卸载特性分析 专家系统 神经网络模型 进化神经网络(进化支持向量机或演化数值方法)神经网络模型、进化神经网络模型、基于粗糙集的神经网络模型 支持向量机模型、进化支持向量机模型 基于遗传规划遗传算法识别的经验模型 基于遗传算法识别的经验模型、极大似然法 极限平衡分析、有限元法、有限元强度折减法 岩体结构分类 边坡类型分类 边坡岩体分类 SMR 专家系统 1746 岩石力学与工程学报 2008年 分析。4 岩石工程稳定性岩石工程稳定性(安全性安全性)分区时空预测综合集成方法分区时空预测综合集成方法 随着施工过程的推进，岩石工程的安全性具有显著的时空分区差异性

33、。变形等监测信息是现场可以获取到的用以动态评价岩石工程安全性最直接的数据依据。为此，需从多个途径、提出多种方法对岩石工程的稳定性(安全性)进行分区时空综合预测分析。4.1 考虑空间和时间效应的、模型和参数可以根据监测信息动态更新识别的三维演化并行有限元方法考虑空间和时间效应的、模型和参数可以根据监测信息动态更新识别的三维演化并行有限元方法 该方法主要是利用开挖监测到的岩体变形、损伤区演化等信息进行模型和参数的识别1317，利用识别所得模型和参数输入有限元法进行计算，整个反演或有限元计算可以是并行实现的。另外，采用一些新的评价指标，如局部能量释放率、破坏接近度等对有限元法的计算结果进行分析，给出

34、空间上岩体的应力、位移、塑性区、局部能量释放率和破坏接近度随开挖、时间的演化规律。4.2 岩体变形行为动态演化的进化支持向量机和进化神经网络预测方法岩体变形行为动态演化的进化支持向量机和进化神经网络预测方法 通过监测获得岩体变形的一个时间序列XN=x1，x2，xN。对这个非线性位移序列进行建模，就是要寻找在 i+p 时刻的位移值 xi+p与前p 个时刻的位移值 xi，xi+1，xi+p1的关系，即xi+p=f(xi，xi+1，xi+p1)，()f 为一个非线性函数，可以通过自学习用支持向量机或神经网络表达，p为最佳历史点数，可以自适应确定。可以有两种方法对该时间序列进行()f 建模和外推预测。

35、在利用进化支持向量机方法进行位移时间序列预测时，为了充分利用最新的信息，提高预测的准确性，采用了滚动预测的方法。其基本思想是：假设目前已获得该时间序列上的 n 个实测数据序列xi+1，xi+2，xi+pxi+1+p(i=0，1，n1；n+p+1N)，要对某个变形时间序列X上 t时刻的变形 xt(t=1，2，m)(m 为预测的时步数，可根据实际需要确定，mn)进行预测。滚动预测的第一步是用这 n 个实测序列数据，通过学习建立支持向量机模型()f ，然后用该模型预测2npx=f(xn+2，xn+3，xn+p+1)，1np mx=f(xn+1+m，xn+1+p，2npx，n mpx)，x为预测的结果

36、。这样，该方法既利用了支持向量机的非线性映射、有限样本和较好的推广预测能力，又利用了遗传算法的全局优化特性；而滚动预测方法每次利用了最新的观测数据。因此，它作为一种新的非线性智能识别方法，具有广泛的应用前景。第二种方法是将神经网络替换上述的支持向量机，形成进化神经网络方法。该方法是利用遗传算法等获得最佳的神经网络结构和连接权值，然后进行上述类似的外推预测。4.3 岩石工程突变信息的胞映射突变理论识别方法岩石工程突变信息的胞映射突变理论识别方法 针对突发性动力灾害(如岩爆等)的突变特性以及由于观测数据的随机误差和内在随机性导致的系统本身所具有的混沌性特征，将突变理论善于识别突变行为和胞映射理论适

37、合分析混沌现象的优势进行综合，提出了岩石工程突变信息的胞映射突变理论识别方法18，19。其思路如下：(1)可能的临界状态和突变时刻识别 设岩石工程某监测物理量的时间序列(1)x为来自于时间的连续函数(1)()tx的一组离散解，通过Taylor展开，可将(1)()tx近似表示为(1)23412345d()2345dtyAA tA tA tA ttx(1)通过对式(1)进行变化，可以得到形如下式的尖点突变的标准形式：421142yzazbz (2)利用突变理论的分析方法对式(2)进行分析，可得到岩石工程系统的一个或多个可能的临界状态时刻和相应的突变时刻。(2)临界状态时刻的胞映射分析 利用观测数据

38、反演岩石工程系统的非线性动力学方程，并根据该方程应用胞映射理论的分析方法获得一次转移概率矩阵。以临界时刻t的系统状态所对应的胞向量为初始胞向量，一次转移概率矩阵迭代一次即得到t+1时刻的胞向量(预测值)。t+1时刻的预测胞向量与系统的突变特性之间具有密切的关系：在t+1时刻的胞向量反映了在临界点后第一时刻系统状态的概率分布；系统的演化是一个动态过程，因此其突变特性也是一个随时间和内、外界影响因素而变化的动态演化过程；在临界时刻t后的系统突变特性的演化趋向由t+1时刻的系统状态(胞向量)决定，且系统在t+1时刻的预测胞向量“表象”而客观地描述了系统在t+1时刻的状第 27 卷 第 9 期 冯夏庭

39、，等.复杂条件下岩石工程安全性的智能分析评估和时空预测系统 1747 态分布，所以可以用系统t+1时刻的预测胞向量来讨论系统在临界时刻后的突变特性和演化趋势。(3)岩石工程突变信息的最终判定 设由观测数据和突变分析预测得到系统可能在t时刻处于临界状态，且相应地在t1时刻将发生突变，则这一预测结果与以下4种可能情况相对应：若在t+1时刻预测得到系统仍处于临界或失稳状态，且相应的预测突变发生时间较t1提前，则说明在t时刻系统因某种因素的作用而正在加速“奔向”突变状态。在这种情况下，系统的突变将较预测时间t1提前发生。若在t+1时刻预测得到系统仍处于临界或失稳状态，且相应的预测突变发生时间较t1滞后

40、，则说明在t时刻系统正在减速“奔向”突变状态。在这种情况下，系统的突变将较预测时间t1滞后发生。若在t+1时刻预测得到系统仍处于临界或失稳状态，且相应的预测突变发生时间与t1相同或差别不大，则说明在t时刻系统正等速“奔向”突变状态。在这种情况下，系统的突变将在预测时间t1附近发生。若在t+1时刻预测得到系统不处于临界或失稳状态，则说明系统在预测突变时刻t1不会发生突变。4.4 基于现场监测信息的动态聚类和进化神经网络集成的预测方法基于现场监测信息的动态聚类和进化神经网络集成的预测方法 基于多元监测信息(如岩体变形的表面位移、深部水平位移、钻孔弹性模量、松动圈等)，提出了岩石工程安全性时空演化动

41、态聚类和进化神经网络相结合的智能预测方法(见图4)。即首先从这些多元监测信息中提取相应的安全性分区指标(表面位移速率、深部位移面积变化率、收敛变形速率、弹性模量变化率等)反映岩体变形特征的数据；基于动态聚类的思想，将安全性分区指标按事先预定的安全度等级进行分类；再将前期安全性分区作为学习样本，图 4 岩石工程安全性时空演化智能预测技术路线图 Fig.4 Technical route of intelligent prediction in space-time for the safety of rock engineering 引入进化神经网络算法，建立安全度和分区指标之间的非线性映射关系

42、和推广预测模型；进而实现对后期安全性分区进行预测，获得未来时刻的安全性区划动态演化特征，再在自主开发的IGIAS3D平台上生成可视化的三维分区演化图，研究结果可为岩石工程分区设计、施工和治理提供科学依据。龙滩、糯扎渡、八尺门、三峡库区等多个边坡的实际应用(见图5)表明：该方法有效实现了对工程安全性的危险度空间区划和安全性的时空演化预测，克服以往岩石工程安全性评价方法对时间和空间演化分析 (b)施工过程中 (c)施工结束时 图 5 某边坡工程安全性时空演化特征 Fig.5 Evolutionary character of safety of a slope in space-time VLH

43、LHMHHHVHHVLH非常低风险LH低风险 MH中等风险 HH高风险 VHH很高风险 现场监测数据 提取分区指标 动态聚类分析 确定分类数 测点空间插值 建立学习样本 进化神经网络建模安全性分区预测预测样本生成 分区三维可视化(IGIAS3D)(a)施工前 1748 岩石力学与工程学报 2008年 分别处理的不统一，以及预测结果过分依赖于地质条件和测试数据经验推断等的不足。5 复杂条件下岩石工程安全性的分区自适应调控方法研究复杂条件下岩石工程安全性的分区自适应调控方法研究 (1)满足工程功能需求和施工可行性的安全开挖新模式研究 利用上述方法，可获得岩石工程的安全性分区及其各个分区的岩体力学参

44、数和稳定性随时间的演化规律。对于大型岩石工程(几百米高的高陡边坡，长100300 m、宽2035 m、高6090 m的大型洞室群等)来说，不同的开挖台阶高度、开挖顺序等会引起岩体不同程度的损伤。因此，需要寻求满足工程功能需求和施工可行性的安全开挖新模式，采用全局优化的方法寻找合理的开挖台阶高度、全局优化的开挖顺序、合理的工程开挖结构(适当保留凸出台阶等)，以尽可能减少开挖引起的岩体损伤程度和范围，充分利用岩体结构的自身承载力。多因素多目标的优化目标函数。以发挥和提高围岩的自稳能力，减少开挖引起的岩体损伤程度和范围，降低加固成本，使施工期、运行期岩石工程稳定性和施工经济性达到综合最佳为目标，建立

45、了融合能量释放、变形、围岩破损区体积、开挖与支护费用等于一体的开挖方案全局优化新目标函数：1()minniiiF xw p (3)式中：ip为第i个优化指标；iw为各优化指标权系数，由群决策法确定。开挖顺序和台阶高度全局优化方法。将粒子群、支持向量机和数值计算方法相结合，通过数值计算构造学习样本，用支持向量机学习并建立施工方案与岩体稳定性评价指标的非线性映射关系，并用粒子群搜索支持向量机的最优参数，使支持向量机具有最佳的预测能力；以支持向量机预测的综合评价指标为方案的适应度，用粒子群在所有可能开挖方案(安全、经济)的空间内全局搜索最优开挖方案(开挖顺序、台阶高度)，实现了大型岩石工程(洞室、边

46、坡)分台阶安全开挖。局部结构开挖形式的自适应确定。基于能量释放、岩体损伤和变形最小化的原则，充分利用和发挥围岩自身的承载能力，通过跟踪反演分析和同步工程调控相结合、多工况对比分析，综合工程地质条件和岩体的可能变形破坏模式，兼顾整体与局部稳定，提出大型岩石工程的局部结构(如地下厂房的凸出台体、厂房与尾水洞的交叉洞口)的合理开挖方案。(2)与岩石工程安全性的分区演化相适应的支护时机和方案动态优化方法研究 根据利用上述方法所获得的岩石工程安全性分区及各个分区上安全性随时间或开挖进程相对应的演化规律，运用上述多因素、多目标的优化目标函数和全局优化方法，利用基于现场监测信息反演所获得的各分区岩体力学参数

47、，对支护时机和方案进行全局优化，并根据施工过程中实际揭示的局部地质条件和变形异常等，进行适时、合理的补强支护。同时，依据动态反馈分析中围岩力学行为特点的评估与现场检验结果，提出符合现场工程建设需要和满足工程安全稳定性要求的动态最佳优化支护方案。6 岩石工程安全性的综合集成智能分析系统岩石工程安全性的综合集成智能分析系统 岩石工程稳定性分析是个十分复杂、高度非线性的岩石力学问题。现阶段单一方法或孤立地研究某一个问题都很难取得很好的工程整体效果。因此，针对复杂的岩石工程难题，需要将各项任务(模型和参数反演、反馈分析、分区自适应调控等)作为一个系统来进行集成分析研究，并在研究过程中对某一任务或系统进

48、行多元信息与多种分析方法的综合集成分析，进而建立多任务、多元信息与多种分析方法的综合集成智能分析理论体系，并开发实用的软件系统。该方法通过多元信息与多种分析方法的综合集成，各种分析方法结果冲突消解和优势互补，有利于提高岩石稳定性分析的高度非线性、不确定性问题的处理能力，包括：(1)岩石工程安全性分区动态演化的多元信息系统。采用精确地表覆盖的三维地层自适应生成技术以及基于地层信息的三维洞室仿真技术生成工程场址的三维地层信息模型(如图6所示)，在上述三维地层信息模型的基础上，进一步表达工程结构和监测设施信息，并提供监测信息(开挖扰动区或松动 第 27 卷 第 9 期 冯夏庭，等.复杂条件下岩石工程

49、安全性的智能分析评估和时空预测系统 1749 (a)三维地层信息模型 (b)洞室可视化仿真模型 图 6 三维地层信息模型和洞室可视化仿真模型 Fig.6 A 3D strata information model and visual simulation model of a cavern 圈、位移、支护结构受力等)随施工过程等时间演化与预警、工程安全性的分区时空演化的综合信息分析模块(如图7所示)。图 7 地层、监测、工程措施等多元信息的综合集成 Fig.7 Integrated information system for monitoring，strata and engineerin

50、g measures (2)复杂条件下岩石工程安全性分区动态反馈分析与自适应调控的多任务、多方法、多元信息的综合集成方法。将工程信息管理、力学模型和参数反演识别、工程稳定性分析与动态反馈分析、安全性调控和可视化信息技术等多任务进行集成。同时提出进化神经网络、进化支持向量机、遗传规划、粒子群等与数值分析相结合的多方法集成智能反馈分析，对多方法求解同一问题存在的结果差别或冲突进行系统的综合评判和消解处理。此外，将多元信息作为接口模块进行集成，实现数据的输入输出、综合查询、分析结果可视化等，以满足多任务和多方法的集成分析需要。(3)岩石工程稳定性的多元信息与多任务反馈分析集成系统。以VC+，Dire