一种深部岩体力学特性原位测试方法与流程

摘要: 本发明涉及岩体力学原位测试,具体涉及一种深部岩体力学特性原位测试方法。背景技术:1、深部岩体通常指埋深在一百米至两千米范围内的地质体,这类岩体长期处于高地应力与...
一种深部岩体力学特性原位测试方法与流程

本发明涉及岩体力学原位测试,具体涉及一种深部岩体力学特性原位测试方法。

背景技术:

1、深部岩体通常指埋深在一百米至两千米范围内的地质体,这类岩体长期处于高地应力与高地温的复杂物理环境中。高地应力状态使岩体承受显著的构造应力,高地温条件则导致岩体温度普遍超过四十摄氏度,这些特殊环境因素深刻影响着岩体的力学行为特征。准确获取深部岩体的力学特性参数是深埋隧道建设、深部矿山开采、核废料地质处置及深部能源开发等工程安全设计的核心依据。

2、传统岩体力学测试方法主要依赖钻孔取芯后进行实验室试验。该方法在实施过程中存在根本性缺陷:取芯操作不可避免地完全释放岩芯内部的原位应力,同时岩芯从深部地层提升至地表的过程中,温度、孔隙水压力等环境条件发生剧烈变化。这种环境条件的突变导致实验室测得的弹性模量、变形模量及抗压强度等力学参数与岩体在真实地层环境中的实际特性产生显著偏差,无法真实反映深部岩体的力学响应规律。

3、为克服实验室测试的局限性,工程界发展了多种原位测试技术,包括钻孔弹模仪、钻孔剪切仪和水力压裂法等。然而,这些技术在实际应用中面临多重挑战。各类原位测试设备通常只能获取单一力学参数,例如钻孔弹模仪仅能测量弹性模量,钻孔剪切仪仅适用于抗剪强度测定,难以全面表征岩体的综合力学特性。动态参数与静态参数的测试过程相互分离,声波检测获取的波速信息与液压加载获得的变形响应分别由不同设备、不同规程完成,二者缺乏在同一钻孔、同一深度、同一时间的同步测量条件,导致动静力学参数之间难以建立可靠的原位关联关系。

4、多参数测试过程效率低下问题尤为突出,获取完整力学参数集需要多次下放不同功能的测试探头,每次操作均需重新校准设备并等待孔壁稳定,大幅延长测试周期并增加工程成本。数据处理环节缺乏智能化手段,屈服点与峰值强度的识别高度依赖技术人员的主观经验判断,不同人员对相同测试曲线可能得出差异显著的结论,降低了测试结果的客观性与可重复性。

5、此外,现有深部岩体原位测试技术在数据处理与智能反演方面存在显著不足。一方面,弹性模量与变形模量的计算高度依赖传统数值拟合方法(如最小二乘拟合或割线模量算术平均),缺乏对岩体本构物理规律的深度约束,在小样本或数据噪声较大的情况下反演精度难以保证;另一方面,随钻监测参数与岩体力学特性之间的转换模型多采用单一机器学习算法,未能充分挖掘随钻参数中的时序依赖特征与多尺度时空信息,模型泛化能力与预测精度有限。尤为突出的是,现有方法缺乏对测试数据的可解释性分析,机器学习模型的“黑箱”特性使得工程师难以理解参数反演的决策依据,降低了测试结果在工程决策中的可信度-。

6、同时,离散点式的原位测试结果无法与全生命周期的岩体力学特性演化预测有效衔接,缺乏将点测数据扩展为时空连续评价结果的系统性技术方案。深度模型在不同地质条件下的泛化能力不足,当应用于地质条件差异较大的相邻工程区域时,模型预测精度显著下降,难以满足深部工程大规模、高效率勘探的实际需求。不同测试环节(静态加载、声波动测、随钻监测)产生多源异构数据,彼此孤立,缺乏统一的数据融合与互馈校正框架,导致各环节的测量误差沿数据链逐级累积。

技术实现思路

1、有鉴于此,本发明提供一种深部岩体力学特性原位测试方法,以原位加载测试获取的离散高置信度力学参数作为绝对基准,以该基准同时驱动“深度域连续反演”与“时空域动态孪生”两条主线,在深度域上,利用基准真值标定多尺度时序深度网络,将离散点扩展为全孔段连续剖面;在时空域上,以连续剖面为初始场构建数字孪生模型,并通过数据同化实现参数动态更新;进一步将训练完成的深度网络权重封装为先验知识库,通过生成式数据增强与二阶梯度微调策略实现跨区域迁移。由此,形成“点标定、线反演、体孪生、域迁移”的递进式技术链条,各环节之间通过明确的物理量与数据流衔接。

2、本发明提供一种深部岩体力学特性原位测试方法,包括以下步骤:

3、s1、在深部岩体目标测试区域钻设测试钻孔,将集成式多参数原位测试探头下放至所述测试钻孔内的预定测试深度;所述集成式多参数原位测试探头设置有液压加载模块、变形测量模块、声波检测模块与温度传感模块;通过所述液压加载模块向测试钻孔的孔壁施加分级循环荷载,同时通过所述变形测量模块实时采集孔壁岩体的径向变形量,同步通过所述声波检测模块采集声波信号、通过所述温度传感模块采集温度数据,根据所述温度数据对径向变形量进行温度补偿校正,绘制荷载-径向变形量曲线;

4、s2、基于嵌入岩体弹塑性本构关系的物理约束神经网络,以所述分级循环荷载中的加载段和卸载段数据作为双向监督信号,计算得到岩体的静态弹性模量与变形模量;同时根据所述声波信号反演纵波波速与横波波速,结合密度参数计算动态弹性模量与动态泊松比;并根据所述荷载-径向变形量曲线的变点特征识别屈服点与峰值强度,确定原位抗压强度参数;

5、s3、将所述静态弹性模量、变形模量及原位抗压强度作为锚点真值,以所述测试钻孔钻进过程中同步采集的随钻监测参数作为连续输入特征,构建以所述锚点真值为监督信号的深度反演网络,通过所述深度反演网络将离散深度点的力学参数扩展为全孔段连续力学剖面;所述深度反演网络采用多尺度时空特征协同提取架构,包括卷积模块、门控循环单元、长短期记忆网络和自注意力机制;

6、s4、将所述静态弹性模量与所述动态弹性模量进行关联对比分析,建立区分岩体结构面发育程度的分段转换模型,并引入基于合作博弈论的特征贡献度量化方法,输出各力学指标在所述分段转换模型中的重要性排序,校正所述动态弹性模量与所述静态弹性模量之间的转换关系;

7、s5、以所述全孔段连续力学剖面为初始基底,融合温度数据、屈服点及峰值强度信息,构建深部岩体力学特性的数字孪生初始模型;通过集合卡尔曼滤波算法将后续补充测试或施工反馈数据同化至所述数字孪生初始模型中,对所述数字孪生初始模型的内部状态变量进行序贯更新,实现岩体力学参数的动态校正与虚拟力学响应推演;

8、s6、将完成训练后的所述深度反演网络的网络权重及偏置参数作为地质力学先验知识库,当所述方法应用于相邻工程区域时,采集该相邻工程区域的随钻监测数据与对应的岩体力学特性实测数据,采用生成式数据增强方法扩增该相邻工程区域的样本,再通过二阶梯度优化策略对所述地质力学先验知识库进行领域自适应微调,获得迁移后的反演模型,实现该相邻工程区域的力学特性反演。

9、与现有技术相比,本发明具有以下有益效果:

10、(1)本发明将岩体弹塑性本构关系以残差约束形式嵌入神经网络损失函数,使模量反演过程同时受数据拟合误差与物理机制偏差的双重监督。物理信息神经网络(pinn)采用自动微分方法将偏微分方程直接嵌入神经网络中,实现对偏微分方程的智能求解与未知参数反演。与传统纯数据驱动方法相比,在加载数据量不足或噪声干扰较大的深部高温环境下,本发明的反演结果仍能保持与经典连续介质力学理论的一致性,从根本上解决了小样本条件下参数反演多解性的难题。

11、(2)本发明以原位加载获得的离散高精度参数为“锚点真值”,对随钻监测数据进行深度域标定,构建了“点-线”结合的多尺度时空特征协同提取网络。该网络通过二维卷积提取局部突变特征、时序循环单元记忆深度长程依赖、自注意力机制自适应加权,有效解决了钻进参数与岩体力学参数之间复杂非线性映射的拟合难题,显著提升了全孔段连续剖面的反演精度。

12、(3)本发明首次将“数据同化”思想引入深部岩体原位测试领域,将随钻反演获得的连续力学剖面与后续施工反馈数据通过集合卡尔曼滤波进行序贯融合,实现了数字孪生模型从“静态初始建模”到“动态持续校正”的升级。该机制使得早期测试数据能够随工程推进不断自我修正,为全生命周期安全性评估提供了动态更新的数据底座。

13、(4)本发明将训练成熟的深度反演网络的完整权重参数作为地质力学先验知识库进行封装,而非仅保存输入输出映射关系。当应用于相邻工程区域时,通过生成式对抗网络扩增目标域小样本,并采用二阶梯度优化策略仅对网络末端层进行选择性微调,在保留源域广泛地质知识的同时快速适配目标域局部特征,实现了有限实测样本下的高精度跨区域迁移,大幅降低了重复测试成本。

14、(5)本发明在动静力学参数转换环节引入基于合作博弈论的shap贡献度量化方法,将传统“黑箱”回归模型转化为各输入特征对输出结果的边际贡献可排序、可追溯的““白箱”模型-。该可解释性分析为工程技术人员判断转换关系的物理合理性提供了量化依据,显著提升了测试结果在重大工程决策中的可信度。