一种隧道掌子面正前方散射体的地震探测方法

    公开(公告)号:CN118426057A

    公开(公告)日:2024-08-02

    申请号:CN202410533927.5

    申请日:2024-04-30

    摘要: 本发明公开了一种隧道掌子面正前方散射体的地震探测方法,先在已掘进隧道内布设地震观测系统,并在掌子面与观测系统之间布设震源激发产生地震波;采集地震数据中若来自掌子面正前方的散射体,其散射时间与直达波有着相似的时间差异,即存在线性关系;而位于非正前方的散射体,在各个检波器上表现出双曲线的特征;根据该特性能从地震数据波形中快速有效地识别出掌子面正前方和非正前方的地震散射波,并且利用叠加方式提升掌子面正前方的散射波能量,保证对掌子面前方的散射体探查的准确性,最终能计算出掌子面正前方散射体与最靠近掌子面检波器之间的距离,并开展精准成像,从而精准确定掌子面正前方散射体的位置。

    基于全方位环面电极布置的隧道地质异常超前探测方法

    公开(公告)号:CN117890988A

    公开(公告)日:2024-04-16

    申请号:CN202311717226.9

    申请日:2023-12-14

    IPC分类号: G01V3/38

    摘要: 本发明公开了一种基于全方位环面电极布置的隧道地质异常超前探测方法,先在盾构机后方的隧道内布置全方位环面电极观测系统,并建立超前探测观测坐标系,通过全方位环面电极观测系统进行超前探测,获取对应的激励电流和电位数据,接着通过多方位环面电极同步耦合测量与增强叠加处理,进而形成虚拟电极坐标,并对虚拟电极产生的电极排列进行筛选,选出符合要求的电极排列获取其对应的数据进行后续视电阻率的计算,从而实现对地铁隧道掘进前方地质异常体的探测,相比于现有常规电阻率超前探测,本发明有效提升了超前探测的精度及覆盖范围。

    一种基于隧道随掘超前探测的多物理场数据融合成像方法

    公开(公告)号:CN118688862A

    公开(公告)日:2024-09-24

    申请号:CN202411062269.2

    申请日:2024-08-05

    IPC分类号: G01V1/30

    摘要: 本发明公开了一种基于隧道随掘超前探测的多物理场数据融合成像方法,先获取隧道前方的地震反射波超前探测、瞬变电磁超前探测与直流电法超前探测各自成果图进行网格化,并确定各个小网格在三种图上对应值,接着结合设定先验判定条件和以往已验证震电磁超前探测数据计算概率统计,得出各个先验判定条件对应的存在/不存在地质异常的概率,最后计算各个小网格三值融合后存在/不存在地质异常时的概率;通过判断各个小网格内存在概率大于不存在概率情况,获得震电磁三场融合后确定的地质异常区域;该方法避免多解性的同时,有效提升综合地球物理方法的超前探测准确度,为后续服务隧道掘进前方地质异常识别,以及隧道随掘地质安全提供理论支撑。

    一种预测隧道内盾构机工作诱发地震波传播的方法

    公开(公告)号:CN117826237A

    公开(公告)日:2024-04-05

    申请号:CN202410010823.6

    申请日:2024-01-04

    摘要: 本发明属于隧道挖掘技术领域,具体涉及一种预测隧道内盾构机工作诱发地震波传播的方法,所述方法包括以下步骤:S1:构建盾构机工作模型,根据隧道盾构机工作机理,简化盾构机工作模型;S2:将盾构机模型网格化,在隧道横截面上构建四边形网格,以此为基础,沿着隧道方向进行网格扫描;S3:模拟震源震动,盾构机处于工作状态时,盾构机不断敲击岩壁,产生地震波;S4:当隧道充满空气时,利用时间域声波方程作为隧道的控制方程;S5:使用弹性波方程的时间显示形式描述物理规律,且岩壁中地震波的传播以弹性波传播为主。本发明能够更贴近实际工作状态,同时计算速度更快,计算效果更加良好,简化了模型,充分保留了其工作特征和预测精度。

    一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法

    公开(公告)号:CN117849312A

    公开(公告)日:2024-04-09

    申请号:CN202410010077.0

    申请日:2024-01-04

    摘要: 本发明属于地质灾害模拟与预测技术领域,具体涉及一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法,包括步骤:S1、获取样本:对隧道挖掘区域上方确定目标区域,进行分级取样;S2、基于岩石物理技术的动态弹性参数测量:利用超声波探测法测量样本的纵横波速度,并计算对应的动态杨氏模量和泊松比参数;S3、基于岩石物理技术的静态弹性参数测量:利用应力‑应变曲线测量样本的静态杨氏模量、泊松比参数;S4、动静态杨氏模量参数曲线拟合:通过拟合测量所得的动态弹性参数和静态弹性参数测量数据。本发明缩小建模参数与实际参数存的差距,从而建立一个合适的预测隧道挖掘后塌陷区的方法,便于了解挖掘后塌陷区特征。

    一种预测隧道内盾构机工作诱发地震波传播的方法

    公开(公告)号:CN117826237B

    公开(公告)日:2024-08-06

    申请号:CN202410010823.6

    申请日:2024-01-04

    摘要: 本发明属于隧道挖掘技术领域,具体涉及一种预测隧道内盾构机工作诱发地震波传播的方法,所述方法包括以下步骤:S1:构建盾构机工作模型,根据隧道盾构机工作机理,简化盾构机工作模型;S2:将盾构机工作模型网格化,在隧道横截面上构建四边形网格,以此为基础,沿着隧道方向进行网格扫描;S3:模拟震源震动,盾构机处于工作状态时,盾构机不断敲击岩壁,产生地震波;S4:当隧道充满空气时,利用时间域声波方程作为隧道的控制方程;S5:使用弹性波方程的时间显示形式描述物理规律,且岩壁中地震波的传播以弹性波传播为主。本发明能够更贴近实际工作状态,同时计算速度更快,计算效果更加良好,简化了模型,充分保留了其工作特征和预测精度。

    一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法

    公开(公告)号:CN117849312B

    公开(公告)日:2024-08-13

    申请号:CN202410010077.0

    申请日:2024-01-04

    摘要: 本发明属于地质灾害模拟与预测技术领域,具体涉及一种基于岩石物理实验预测隧道挖掘后地表塌陷的方法,包括步骤:S1、获取样本:对隧道挖掘区域上方确定目标区域,进行分级取样;S2、基于岩石物理技术的动态弹性参数测量:利用超声波探测法测量样本的纵横波速度,并计算对应的动态杨氏模量和泊松比参数;S3、基于岩石物理技术的静态弹性参数测量:利用应力‑应变曲线测量样本的静态杨氏模量、泊松比参数;S4、动静态杨氏模量参数曲线拟合:通过拟合测量所得的动态弹性参数和静态弹性参数测量数据。本发明缩小建模参数与实际参数存的差距,从而建立一个合适的预测隧道挖掘后塌陷区的方法,便于了解挖掘后塌陷区特征。

    一种多尺度深度学习优化的全波形反演方法

    公开(公告)号:CN117192604A

    公开(公告)日:2023-12-08

    申请号:CN202311183250.9

    申请日:2023-09-14

    摘要: 本发明公开了一种多尺度深度学习优化的全波形反演方法,利用深度神经网络表征待反演参数,并利用基于卷积型目标函数的传统全波形反演高性能计算方案实现梯度的计算,并将反演参数的梯度输入到深度卷积神经网络模型中实现多尺度反演;同时采用了深度学习优化方法分尺度反演参数的表征方式,有效地保证深度卷积神经网络模型同时表征多个尺度的反演参数信息;另外本发明引入一阶变密度速度应力方程作为正传波场,其不仅具有高模拟精度,而且还可以自适应地考虑地下介质中密度变化,能为地下介质提供直接的速度和密度的物理信息,实现了速度和密度的同时建模,最终提高了整个全波形反演的效率、精度及稳定性。

    一种深度学习驱动的电磁数据城市岩溶探测方法

    公开(公告)号:CN117709192B

    公开(公告)日:2024-05-24

    申请号:CN202311723743.7

    申请日:2023-12-15

    摘要: 本发明公开了一种深度学习驱动的电磁数据城市岩溶探测方法,先获取所需探测城市的地质分布情况,接着采用层状介质循环生成策略和溶洞生成方案产生多样化的电导率模型;并获得包含不同溶洞的电导率模型对应的电磁响应数据;然后对上述电磁响应数据进行特征增强,便于特征提取并建立电导率模型与响应数据的映射关系;最后构建深度学习模型,将电导率模型及电磁响应数据作为训练数据对集合,并采用适当的激活函数和优化算法对深度学习模型进行训练,完成训练后的深度学习网络模型获得不同溶洞电导率模型与不同特征电磁响应数据的映射关系;进行地下溶洞探测时,模型能快速输出包含溶洞信息的电导率模型,从而实现高效率且准确识别城市岩溶地质结构。

    一种深度学习优化的变密度声波方程全波形反演方法

    公开(公告)号:CN116819602A

    公开(公告)日:2023-09-29

    申请号:CN202310850733.3

    申请日:2023-07-12

    IPC分类号: G01V1/00 G01V1/28 G01V1/30

    摘要: 本发明公开了一种深度学习优化的变密度声波方程全波形反演方法,通过直接利用传统全波形反演高性能计算方案实现梯度的计算,这些梯度能对应任何适用于全波形反演的自定义目标函数,并与深度学习网络相结合,从而可以克服或者缓解全波形反演中根本性的低频依赖性问题,并且显著地提升参数建模的精度;另外本发明直接引入一阶变密度速度应力方程作为正传波场,其不仅具有高模拟精度,而且还可以自适应地考虑地下介质中密度变化,能为地下介质提供直接的速度和密度的物理信息,实现了速度和密度的同时建模,并采用优化方法进行迭代优化,从而使得反演过程简化,并在一阶变密度速度应力方程下执行多尺度反演,最终提高了整个全波形反演的效率及稳定性。