具有不同节理分布特征闪长岩不稳定相的智能识别

《Theoretical and Applied Fracture Mechanics》：Intelligent identification of the unstable phase of diorite with different joint distribution characteristics

岩石力学智能预警方法研究。本研究提出一种结合Gompertz理论与随机森林（RF）模型的智能识别方法，用于确定不同节理分布特征下致密岩的不稳定阶段。通过分析声发射（AE）计数、剪切应变（VIC）特征和结构相似性指数（SSIM）值，建立三维协同综合方法，准确率等指标均高于0.98，为现场监测提供新方法。

　　

刘健|周宗红

中国昆明理工大学国土资源工程学院

摘要

深部采矿面临着诸如岩爆等危险，准确预警这些危险是一个亟待解决的问题。地质灾害早期预警的关键难点在于识别岩石破坏的加速失稳阶段。然而，节理岩体的存在增加了识别这一不稳定阶段的难度。因此，识别岩石破坏的不稳定阶段是地质灾害监测和预警中亟需解决的关键科学问题。本研究提出了一种智能识别具有不同节理分布特征闪长岩不稳定阶段的方法。采用Gompertz理论对具有不同节理分布特征的闪长岩的本构模型进行拟合，结合内部和外部方法来确定失稳阶段，并应用随机森林（RF）模型智能识别不稳定阶段。结果表明，使用Gompertz理论拟合的具有不同节理分布特征的闪长岩本构模型的R2值均高于0.95，且测试结果与拟合曲线一致。在不稳定阶段，声发射（AE）计数急剧增加，具有视频图像相关性（VIC）特征的剪切应变显示出正负值，结构相似性指数测量（SSIM）值-时间曲线呈指数上升趋势。这些特征被用作不稳定阶段的识别指标，从而建立了一种内部-外部-应力三维协同综合方法来识别不稳定阶段，根据该方法，微观层面上的穿晶断裂、晶间断裂和微裂纹的出现标志着不稳定阶段的最终开始。RF模型用于识别具有不同节理分布特征的闪长岩不稳定阶段，其准确率、召回率、精确率和F1值均高于0.98。通过RF模型智能识别具有不同节理分布特征的闪长岩不稳定阶段，可以将实验室测试理论应用于现场监测，从而为地质灾害的预防和控制提供新方法。

引言

深部采矿面临着岩爆等危险，这严重限制了我国深部工程的利用。深部工程灾害的早期预警是预防和控制灾害的有效途径。有效预警灾害的关键难点在于识别岩石的不稳定阶段。在这一阶段，内部裂纹迅速发展，样本体积膨胀，岩体从局部失稳发展为整体失稳。目前，实验室测试可以识别岩石的不稳定阶段，但将这些测试理论应用于现场存在困难。本文提出了一种内部-外部-应力三维协同综合方法，通过应用RF模型来识别不稳定阶段，为将实验室理论研究应用于现场提供了新方法[1]、[2]、[3]。本构模型能够有效描述岩石破坏过程。Tian等人[4]描述了动态本构破坏（DCF）模型的参数变化，所得新模型可以广泛应用于循环加载下的压缩破坏、塑性变形和岩石蠕变等场景，解决了现有岩石本构模型无法准确描述高温高压下岩石应力-应变曲线的问题。深部岩体大多为非完整岩体，现有理论主要针对完整岩体的本构模型。许多学者对非完整岩体的本构模型进行了研究，并提出了含水裂隙岩体、节理岩体采矿诱导损伤模型以及具有正态分布的岩石损伤统计本构模型[5]、[6]、[7]。本构模型能够有效描述岩石破坏过程。岩石破坏时会释放应力波，这些应力波可以通过声发射有效检测到。许多学者研究了岩石破坏过程中的声发射特征，分析了循环加载下的岩石损伤特性、峰值强度前的声发射信息的多指标和分形维数、岩石断裂过程中的应力阈值确定以及隧道岩爆中的AE计数。声发射是识别岩石破坏特征的有效方法[8]、[9]、[11]。有研究利用声发射（AE）监测系统实时跟踪岩石破坏过程，并基于统计理论和聚类分析准确预测岩石破坏的演变趋势和特征[12]、[13]；还有研究使用AE技术检测具有不同节理倾角的试样中的拉伸和剪切信号的时间特征。

在岩石样品的加载过程中，样品表面会发生变形，这可以通过VIC进行监测。因此，可以根据岩石的变形特征确定岩石破坏过程。Pan等人[15]使用VIC监测系统研究了单轴压缩下岩石表面裂隙扩展过程中的应变场变化，并分析了原始裂纹I周围的应变率与次级裂纹II、III和IV之间的关系。Zhu等人[16]对具有单个预制裂隙的砂岩试样进行了单轴压缩测试，并通过集成3D-DIC和AE技术从光学和声学角度探讨了砂岩试样的表面和内部微裂纹特征。Wang等人[17]使用超高速摄影技术研究了细粒砂岩的动态破坏特性，并利用扫描电子显微镜（SEM）分析了细粒砂岩的力学特性及其破坏模式与微观层面应变率之间的关系，最终通过结合DIC技术全面阐明了岩石破坏机制。Tang等人[18]使用AE计数和b值分析了循环加载下试样的损伤演变过程，并利用DIC技术揭示了裂尖前沿的应变场、位移场和断裂过程区（FPZ）的演变特征。Xue等人[19]研究了螺栓在交叉节理岩体中的锚固效应，并通过结合声发射（AE）和数字图像相关性（DIC）技术实现了裂纹传播和应变演变的综合监测。声发射和VIC可以有效识别岩石破坏过程[20]。有研究将高速摄像机、分布式光纤传感、声发射（AE）系统和二维视频图像相关性（VIC-2D）技术结合起来，实时监测周围岩石的力学响应。由于岩体的各向异性，许多学者将机器学习方法应用于岩土工程领域，包括边坡预测、岩体质量分类与评估、回填强度预测、采空区预测和岩爆预测[21]、[22]、[23]、[24]、[25]、[26]、[27]。基于深度学习预测算法性能与岩爆预测向量之间的定量关系[28]，提出了一种基于CNN–GRU的岩爆风险和类别预测算法，并配备了原型预测机制，显示出相较于现有方法的明显优势。许多研究仅使用AE和VIC特征对岩石破坏过程进行定性描述，缺乏定量表征。目前，利用AE和VIC特征对岩石破坏过程进行定量描述仍是一个空白领域，相关理论研究尚缺。

总之，应力-应变、声发射和VIC的特征可以描述岩石失稳过程。然而，这些研究大多关注变化趋势，无法进行定量分析，因此难以将其应用于现场监测。工程实践表明，岩体的失稳阶段是工程失稳的关键时期，准确识别这一阶段对于灾害预防和控制至关重要[29]、[30]。本文提出了一种内部-外部-应力三维协同综合方法来识别不稳定阶段，并采用RF模型识别具有不同节理分布特征的闪长岩不稳定阶段，其准确率、召回率、精确率和F1值均高于0.98，为将AE和VIC监测系统应用于现场监测提供了理论基础。识别岩石破坏的不稳定阶段可以为地质灾害的监测和预警提供理论依据。

实验背景

实验背景

工程实践表明，在深部开采矿体过程中，岩体受到原始地质应力和重新调整的地质应力的共同作用，形成原始和次级结构面。这些结构面大致可分为三类：单节理、平行节理和交叉节理。这些结构面的存在会降低岩体的强度。准确识别不稳定

具有不同节理分布特征的AE参数特征分析

岩石破坏时会释放应力波。声发射可以有效地捕捉这些应力波。AE计数和能量是反映裂纹信号强度和频率的参数。在本文中，我们收集了具有不同节理分布特征的岩体的AE计数和能量参数，并分析了岩石破坏过程中的裂纹起始、传播、 nucleation和穿透过程[35]、[36]、[37]。

如上述时间-应力-AE计数所示

具有不同节理分布特征的VIC破坏特征分析

数字图像技术是一种非接触式测量方法，可以有效识别岩石破坏过程中的裂纹演变模式。本研究分析了具有不同节理分布特征的VIC破坏特征，以探讨岩石裂纹的起始、传播、 nucleation和穿透模式[38]、[39]。

RF不稳定阶段识别理论

RF模型是一种Bagging集成学习算法。假设单个决策树无法很好地进行分类，则会使用多个决策树进行分类。该分类算法涉及从训练集中抽取多组样本进行替换，为每组样本生成分类结果，然后对多个分类结果进行投票计数，以多数票确定最终分类结果

讨论

本研究进行了单轴声发射（AE）和VIC实验，以获取节理岩样的力学、AE和VIC特征。提出了一种结合Gompertz方法、AE跳变不连续性和SSIM技术的综合方法，用于界定不稳定阶段，智能提取特征值，并利用随机森林（RF）模型进行识别。

结论

本研究提出了一种三维协同综合方法，可以可靠地识别具有不同节理分布特征的岩体不稳定阶段。主要结论如下：

Gompertz理论可以有效地划分闪长岩的不稳定阶段，拟合曲线的跳变不连续性作为稳定阶段和不稳定阶段之间的边界。

Gompertz理论拟合曲线的跳变不连续点可以用作稳定阶段和不稳定阶段之间的边界

CRediT作者贡献声明

刘健：撰写——原始草稿、调查、数据整理。周宗红：撰写——审稿与编辑、资金获取。

资助

本工作得到了国家自然科学基金（编号52264019和51864023）和云南省重大科技项目（编号202202AG050014）、昆明理工大学人才引进与培养项目（编号KKZ3202421111）的财政支持。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

作者感谢昆明理工大学的支持。