一种面向隧道超前探测的地震波速智能反演方法及系统

本发明属于地球勘探领域，具体涉及一种面向隧道超前探测的地震波速智能反演方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、隧道地震波法超前探测流程主要包括数据采集、数据处理、波速获取、构造成像、结果解释等步骤。其中，准确的波速获取作为中间的关键步骤，决定了隧道前方不良地质构造成像结果的位置、形态准确。因此，获得隧道前方的较准确波速分布是重要的研究内容。

3、现有的隧道前方波速获取方法大概可以分为三类：第一类方法包括偏移速度分析、层析成像等，这类方法主要利用隧道探测数据中反射信号的到时信息，用于获取隧道前方波速的大致分布，其分辨率和准确度较低；因此，研究人员后续开发了基于波动方程的全波形反演方法，其利用地震数据中包含的全波场信息，可以获得隧道前方较准确的波速分布情况，目前已经取得了初步成效，但其同时面临反演不定性较强、严重依赖初始模型等问题，制约了其进一步发展。第三类方法为基于深度学习的波速反演方法，作为一种数据驱动的方法，其以海量的数据－模型对进行波速反演网络训练，实现对后续观测数据的端到端快速反演。

4、对于基于深度学习的波速反演方法而言，其凭借深度神经网络的强非线性表征能力与端到端快速推理优势，已在模拟数据上取得了优于传统全波形反演方法的反演精度与效率表现。但是，在实际隧道工程场景中的稳定性与可靠性仍有待提升，实现深度学习隧道地震波速反演实际应用，仍存在以下难题：

5、当前基于深度学习的隧道波速反演方法多采用理想化声波假设或经验式参数赋值方式，难以充分结合勘察资料、地层结构、岩性特征及相关地质参数信息建立符合实际地质规律的弹性参数模型，尤其缺乏对纵波速度、横波速度与密度等参数之间内在关联关系的有效刻画。这不仅限制了复杂围岩条件下传播机理的表征能力，也制约了多参数弹性波反演及后续泊松比、弹性模量等岩体参数预测的准确性与适用范围。

6、其次，纵波速度、横波速度、密度等多参数反演过程中，各参数之间耦合强、串扰明显，网络学习难度大且计算量高，容易影响反演精度与泛化能力，导致假异常出现。与此同时，现有方法多侧重单一类型信息驱动，未能有效融合低频模型约束、原始地震波场响应及高频结构成像等多源信息，导致输入端约束不足；在输出端又缺乏针对不同参数的有效解耦机制，难以稳定学习多参数之间复杂的输入—输出映射关系。在隧道观测条件受限、噪声干扰和数据覆盖不足的情况下，这一问题更加突出。

7、另一方面，现有波速反演网络多基于理想化或典型模型构建模拟训练集，模拟数据中的地质结构复杂性、参数组合关系及观测条件与真实隧道环境之间往往存在显著差异，易造成训练分布与实测分布不匹配，导致网络在实测多参数反演中出现偏差甚至产生假异常。此外，现有方法普遍缺乏结合施工过程信息进行持续校正和迁移适配的能力，难以在不同标段、不同地质条件和不同观测系统下保持纵波速度、横波速度、密度及其派生岩体参数之间关联关系的一致性与稳定性，从而影响反演结果的可信度及工程应用价值。

技术实现思路

1、本发明为了解决上述问题，提出了一种面向隧道超前探测的地震波速智能反演方法及系统，本发明提高了多参数反演、岩体参数预测及围岩分级结果在不同工点、不同地质条件下的适用性、稳定性与工程可靠性。

2、根据一些实施例，本发明采用如下技术方案：

3、一种面向隧道超前探测的地震波速智能反演方法，包括以下步骤：

4、基于当前隧道工程的数字化信息库，提取地质形态信息、岩性特征、围岩级别、地质构造属性及弹性参数相关信息，建立岩性、围岩级别或地质构造属性与纵波速度模型、横波速度模型及密度模型之间符合地质规律的耦合关系、联合分布关系和约束映射关系；

5、基于所述地质形态信息及所述耦合关系、联合分布关系和约束映射关系，建立隧道地质模型构造形态，形成弹性参数关联先验模型，构建面向隧道超前探测的弹性参数关联先验数据集；

6、结合施工过程参数、超前钻孔、掌子面开挖揭露及围岩分级信息，对所述弹性参数关联先验数据集进行约束校正与优化；

7、依据隧道超前探测的观测系统与施工工况，对所述弹性参数关联先验模型进行正演模拟，形成模型域—数据域—成像域数据集；

8、构建基于注意力加权交叉融合的模型域—数据域—成像域的三域协同多参数反演网络，将低频反演结果作为模型域信息、原始地震数据作为数据域信息、高频成像结果作为成像域信息输入所述三域协同多参数反演网络，通过三域信息的耦合表征与协同约束，针对纵波速度、横波速度及密度构建相互独立的解耦预测分支，得到与地震观测数据相对应的多参数预测结果；

9、在界面维度上依据隧道前方地层响应由近到远逐步揭示的规律，对不同界面层位实施渐进聚焦训练；在参数维度上依据纵波速度、横波速度及密度的反演难度和耦合程度，按照由耦合表征到逐步解耦学习的方式对所述三域协同多参数反演网络进行分阶段优化；

10、以所述三域协同多参数反演网络输出的纵波速度、横波速度及密度与模型真实值计算模型损失函数，并结合地震观测数据与预测模型正演数据之间的数据一致性损失，以及用于抑制多参数串扰的参数解耦约束损失，计算梯度并进行梯度回传，优化更新三域协同多参数反演网络的参数；

11、利用更新参数后的三域协同多参数反演网络对地震观测数据进行处理，得到纵波速度、横波速度及密度的反演结果；

12、基于所述反演结果，利用预训练的岩体参数预测与围岩分级网络，得到围岩分级类别及其概率。

13、作为一种实施方式，还包括目标标段迁移适配步骤：结合目标标段的超前钻孔、掌子面开挖揭露、围岩分级及施工参数信息，构建小样本实际数据集；所述小样本实际数据集包括对应测线段的原始采集数据、低频反演结果、高频成像结果，以及由钻孔、揭露或围岩分级得到的局部参数约束信息和类别标签中的一种或多种；以更新参数后的三域协同多参数反演网络为初始网络，对部分编码器、三域融合层、多参数解耦输出层或参数映射层进行冻结、部分冻结或约束微调，并结合所述小样本实际数据集对网络参数进行更新，实现目标标段迁移适配。

14、作为一种实施方式，当前隧道工程的数字化信息库通过预先构建得到，且构建过程包括：获取当前隧道工程在隧道选线期间的勘察资料、初勘地质资料及相关地质参数信息，提取隧道沿线的有效地质信息，形成现场地质资料的数字化信息库。

15、作为一种实施方式，所述弹性参数相关信息包括纵波速度vp、横波速度vs及密度ρ的分布范围、不同围岩级别对应的弹性参数联合分布特征，以及岩性与弹性参数之间的约束映射关系。

16、作为一种实施方式，所述隧道地质模型构造形态包括隧道地质模型的界面、异常体形态、异常体数量及不同构造单元之间的空间组合关系。

17、作为一种实施方式，建立隧道地质模型构造形态的过程还包括：针对关键探测目标区域，对不确定参数进行排列组合，构建多组不良地质形态模型及对应的弹性参数关联先验模型。

18、作为一种实施方式，对所述弹性参数关联先验数据集进行约束校正与优化的操作包括：

19、利用隧道超前钻孔获得的岩体级别、局部波速数值或密度约束信息，对现场地质资料数字化信息库中的类似区域进行参数关系校正；

20、利用隧道施工过程中的参数，分析前方岩体质量及围岩变化趋势，对现场地质资料数字化信息库中的类似区域进行参数约束更新；

21、基于现场采集岩体的参数，分析纵波速度、横波速度、密度及派生岩体参数之间的数值关系，对现场地质资料数字化信息库中的参数映射关系进行调整。

22、作为可选择实施方式，所述模型域—数据域—成像域数据集包括：

23、与不同弹性参数关联先验模型对应的原始地震采集数据；

24、以低频信息为主的低频反演结果；

25、以高频信息为主的高频成像结果。

26、作为可选择实施方式，所述三域协同多参数反演网络包括模型域编码器、数据域编码器、成像域编码器以及基于注意力加权交叉融合的多参数解耦解码器；其中，模型域编码器以低频反演结果为输入提取背景约束特征，数据域编码器以地震观测数据为输入提取波场响应特征，成像域编码器以高频成像结果为输入提取结构边界及异常体形态特征；所述多参数解耦解码器在共享融合骨干的基础上设置纵波速度预测分支、横波速度预测分支及密度预测分支，使网络在保持多域耦合表征能力的同时实现多参数解耦输出。

27、作为进一步限定的实施方式，所述密度预测分支针对密度参数与波形幅值、阻抗变化之间的强相关性，引入与幅值敏感的特征融合机制及参数约束机制，以增强网络对密度变化的辨识能力。

28、作为可选择实施方式，在界面维度上依据隧道前方地层响应由近到远逐步揭示的规律，对不同界面层位实施渐进聚焦训练的过程包括：

29、调取模型域—数据域—成像域数据集内的样本，在其输入至三域协同多参数反演网络之前，按照界面层位渐进聚焦策略对不同层位对应的数据与模型区域进行掩码或权重分配；

30、将处理后的样本输入三域协同多参数反演网络，通过界面维度上的由近到远渐进聚焦和参数维度上的由联合表征到分参数辨识的分阶段优化，对三域协同多参数反演网络进行训练；

31、判断更新聚焦区域和参数学习阶段，继续执行对应阶段的训练策略，直至达到设定停止条件，得到训练完成的三域协同多参数反演网络。

32、作为可选择实施方式，所述模型损失函数包括模型损失函数、数据一致性损失函数和参数解耦约束损失函数；其中，模型损失函数用于约束预测的纵波速度、横波速度及密度与真实模型之间的误差，数据一致性损失函数用于约束预测模型正演数据与实际观测数据之间的误差，参数解耦约束损失函数用于抑制纵波速度、横波速度及密度之间的串扰，提高多参数反演结果的稳定性和物理一致性。

33、作为可选择实施方式，所述岩体参数预测与围岩分级网络采用岩体参数预测分支和围岩分级分类分支相结合的多任务结构，其中岩体参数预测分支面向泊松比、弹性模量参数的连续值回归，围岩分级分类分支面向围岩类别判别；同时通过物理约束将纵波速度、横波速度、密度与泊松比、弹性模量的派生参数之间的内在关联进行联合约束，实现由弹性参数反演向岩体参数预测—围岩分级的扩展。

34、作为可选择实施方式，所述小样本实际数据集包括：对应测线段的原始采集数据、低频反演结果、高频成像结果，以及由钻孔、揭露或围岩分级得到的局部参数约束信息和类别标签中的若干。

35、作为可选择实施方式，以更新参数后的三域协同多参数反演网络为初始网络，对其进行目标标段迁移适配，实现三域协同多参数反演网络的持续优化的过程包括对三域协同多参数反演网络的部分编码器、三域融合层、多参数解耦输出层及与目标标段差异显著的参数映射层进行冻结、部分冻结或约束微调，并结合小样本实际数据集中的局部约束信息对网络参数进行更新。

36、一种面向隧道超前探测的地震波速智能反演系统，包括：

37、弹性参数关联先验构建模块，用于基于当前隧道工程的数字化信息库，提取地质形态信息、岩性特征、围岩级别、地质构造属性及弹性参数相关信息，建立岩性、围岩级别或地质构造属性与纵波速度模型、横波速度模型及密度模型之间符合地质规律的耦合关系、联合分布关系和约束映射关系；基于所述地质形态信息及所述耦合关系、联合分布关系和约束映射关系，建立隧道地质模型构造形态，形成弹性参数关联先验模型，构建面向隧道超前探测的弹性参数关联先验数据集；

38、三域数据集构建模块，用于结合施工过程参数、超前钻孔、掌子面开挖揭露及围岩分级信息，对所述弹性参数关联先验数据集进行约束校正与优化；依据隧道超前探测的观测系统与施工工况，对所述弹性参数关联先验模型进行正演模拟，形成模型域—数据域—成像域数据集；

39、三域协同多参数反演模块，用于构建基于注意力加权交叉融合的模型域—数据域—成像域的三域协同多参数反演网络，将低频反演结果作为模型域信息、原始地震数据作为数据域信息、高频成像结果作为成像域信息输入所述三域协同多参数反演网络，通过三域信息的耦合表征与协同约束，针对纵波速度、横波速度及密度构建相互独立的解耦预测分支，得到与地震观测数据相对应的多参数预测结果；

40、界面—参数双维渐进训练模块，用于在界面维度上依据隧道前方地层响应由近到远逐步揭示的规律，对不同界面层位实施渐进聚焦训练；在参数维度上依据纵波速度、横波速度及密度的反演难度和耦合程度，按照由耦合表征到逐步解耦学习的方式对所述三域协同多参数反演网络进行分阶段优化；

41、岩体参数预测与围岩分级模块，用于以所述三域协同多参数反演网络输出的纵波速度、横波速度及密度与模型真实值计算模型损失函数，并结合地震观测数据与预测模型正演数据之间的数据一致性损失，以及用于抑制多参数串扰的参数解耦约束损失，计算梯度并进行梯度回传，优化更新三域协同多参数反演网络的参数；利用更新参数后的三域协同多参数反演网络对地震观测数据进行处理，得到纵波速度、横波速度及密度的反演结果；基于所述反演结果，利用预训练的岩体参数预测与围岩分级网络，得到围岩分级类别及其概率。

42、与现有技术相比，本发明的有益效果为：

43、本发明通过对勘察资料、地层结构、岩性特征、围岩级别及地质构造属性等信息进行数字化表达与约束提取，建立纵波速度、横波速度及密度之间符合地质规律的耦合关系和约束映射关系，并据此构建面向多参数反演的弹性参数关联先验数据集及模拟样本。通过将地质规律引入到多参数组合关系的构建过程中，使训练样本在地质结构形态、参数耦合关系及观测条件等方面更贴近实际工程地质环境，从源头降低模拟数据与实测数据之间的分布差异，提升深度学习方法在实测场景下开展纵波速度、横波速度与密度多参数反演的适用性、稳定性与可靠性，并为后续岩体参数预测及围岩判别提供更加可信的地质先验基础。

44、本发明构建了基于模型域—数据域—成像域三域融合的多参数反演网络，将低频反演结果、原始地震数据和高频成像结果分别作为背景约束信息、波场响应信息和结构表征信息共同输入网络，通过注意力加权交叉融合机制对三域信息进行耦合表征与协同约束，并在输出端针对纵波速度、横波速度及密度构建相互独立的解耦预测分支，结合参数串扰抑制约束机制，降低多参数反演过程中的相互干扰与假异常风险，从而提高多参数反演结果的精度、稳定性和可靠性。

45、本发明提出一种界面—参数双维渐进训练策略，针对隧道地震多参数反演中界面响应混叠、参数耦合强及训练不稳定的问题，按照隧道前方地层响应由近到远逐步揭示的规律，对不同界面层位实施逐层聚焦学习，而且结合纵波速度、横波速度及密度等参数的反演难度和耦合程度，按照由耦合表征到逐步解耦学习的方式分阶段优化网络。通过界面维度上的由浅入深渐进训练与参数维度上的由联合表征到分参数辨识的协同推进，使网络能够逐步学习不同层位、不同属性参数之间的响应关系，降低多参数反演的非线性程度与串扰影响，提升网络训练收敛性以及多参数反演结果的精度、稳定性和可靠性。

46、本发明在获得纵波速度、横波速度及密度反演结果的基础上，进一步构建岩体参数预测与围岩分级输出机制，实现泊松比、弹性模量等岩体参数及围岩类别的协同预测。该方法并非对后续参数进行独立估计，而是在充分继承纵波速度、横波速度与密度之间隐含关联关系的基础上，结合岩体力学参数之间的物理约束与地质规律，建立由基础弹性参数向高阶岩体参数及围岩分级结果的统一映射关系，从而增强预测结果的物理一致性、工程解释性与可靠性。

47、针对深度学习多参数反演模型在不同标段、不同地质条件及不同观测系统下泛化能力不足的问题，本发明提出一种面向多参数关联保持的目标标段迁移适配策略。该策略基于目标标段少量实测样本及局部约束信息，对三域融合特征层、多参数解耦输出层及关键参数映射层进行约束微调，使网络在适配目标标段地质环境与观测条件差异的同时，保持并校正纵波速度、横波速度、密度及其派生岩体参数之间的隐含关联关系，从而降低跨标段应用时的参数失配与关系失真风险，提高多参数反演及后续岩体参数预测结果在实测场景中的稳定性、可靠性与工程适用性。

48、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。