城市浅埋隧道钻爆法掘进地表振动现场测试与分析

城市浅埋隧道钻爆法掘进地表振动现场测试与分析
发布时间：2021-04-15T14:58:08.710Z 来源：《城镇建设》2021年2期作者：李季阳1 尹作明2
[导读] 爆破振动监测及控制是事关隧道安全、高效掘进的重要问题。

李季阳1 尹作明2
中冶建筑研究总院有限公司北京 100088
北京科技大学北京 100083
摘要：爆破振动监测及控制是事关隧道安全、高效掘进的重要问题。

为了防止爆破振动对隧道周围建构筑物产生破坏，需要对隧道当前采用爆破方案以及可能产生的振动对周围市政管线、古建筑等的影响进行分析，然后采取相应的方法对其破坏性进行分析和评价，并提出处理办法。

关键字：钻爆法；浅埋隧道工程；振动监测。

城市地铁建设如火如茶，由于地铁隧道建设难免会穿过岩石层，以当前的技术条件，采用爆破法开挖是浅埋隧道工程开挖最为经济、合理的施工方法。

然而施工地点多在城市中心地带，人口众多，周围建（构）筑物密集，爆破作业产生的地震波携带的能量传至既有工程后，会引起工程振动，在一定程度上影响既有工程的稳定和安全，某些情况下爆破产生的振动，会导致建（构）筑产生较大的破坏，造成巨大的人员伤亡和经济损失。

研究城市浅埋隧道爆破振动效应，以及预测和控制爆破振动效应使之不危及附近建筑物安全和居民正常生活，具有重要的理论和实际意义。

1钻爆法施工技术研究现状
地铁隧道建设难免会穿过岩石层，以当前的技术条件，采用爆破法开挖是浅埋隧道工程开挖最为经济、合理的施工方法。

钻爆法是以钻孔、爆破进行岩体开挖，并辅以装运机械配合出碴作业，依次循环而完成隧道施工的方法[1-3]。

较低的资本投入以及较强的地质条件适应性，在目前隧道施工中，钻爆法应用比较广泛。

隧道掘进爆破振动及相关信息的监测系统更加完善，并在复杂环境中普遍采用，显著提高隧道信息化施工水平；装填炸药和起爆网路连接机械化和自动化，较以往的人工操作更省时、安全、可靠；爆破设计采用专业设计软件，并使其便于现场操作和因地制宜及时修改设计参数，做到隧道爆破设计、施工信息化控制。

2爆破振动产生机理
在地下进行爆破作业时，爆炸瞬间，由于埋深较深的介质环境距离自由面比较遥远，因此作用在爆炸的药包周围的介质上的作用力，大多是由于炸药爆炸所释放的能量转化成冲击波以及爆轰气体的膨胀压力施加的。

3实例分析
3.1工程概况
北京某地铁线路一区间长约920m（双线延米），区间均为地下区间，基本沿现状道路路中由北向南敷设。

该区间内在里程右K14+320处设风井一处（兼盾构吊出井），风井出地面处附近设置一座区间跟随所，在里程右K14+898处设置1号临时施工竖井兼联络通道，在里程右K15+195.598处设置2号临时施工竖井。

竖井断面16×14m，上部12m为风化壤土，已人工开挖完成，距地表12.5m处揭露出深部基岩，现场勘查发现为石灰岩，基岩无风化，节理不发育，完整性好，硬度大，无法实施机械开挖。

该区间原设计采用矿山法施工，浅埋暗挖，管棚式支护；其中一站站前设有折返线、存车线，区间为单洞双线大断面结构，断面形式为卵形断面结构，水平长轴14.7m，竖轴高8.7m，长约408.55m。

上述区间的竖井下部和隧道部（右K14+220~K14+470）为岩石区段，岩石坚硬，f=10~12，需要进行爆破开挖。

3.2地表爆破振动监测仪器
为提高监测数据准确度，采用Instantel公司的BlastMate SeriesⅢ爆破测振仪并配用电脑实时处理监测数据。

根据记录频道的数量多少，BlastMate III可分为两种模式。

标准模式用标准传感器和麦克风提供四个记录频道。

第二种模式通过可选择的传感器和麦克风提供八个录频道。

本工程采用四频道监测，4频道模式下每秒1024个采样，2-300HZ特征频率。

根据监测工况需要，设置记录方式，触发源，触发标准，记录停止方式、时间和日期。

3.3监测方案及数据搜集
本工程属于城市浅埋隧道爆破掘进，面临下穿天然气管线、临近建筑密集区复杂环境，爆破产生的振动可能会对既有建（构）筑物的影响必须高度重视。

爆破掘进设计采用上下分台阶、梯段推进，楔形掏槽。

经专家论证，确定严格控制爆破引起的质点振动速度在管线处不超过1.0cm/s，爆破振速全程跟踪监测。

针对施工全程检测大量的人力消耗，借助神经网络可减少测试工作量。

根据仪器数量、现场监测环境综合考虑，监测点处每隔五米布置一台仪器，根据测绘人员每天在隧道内部及地面的进度标记，在隧道爆破掌子面正上方布置一台，随后沿隧道向前掘进方向每隔5米布置一台监测仪器，保证监测整个爆破过程的地表质点振动情况。

在管线处始终布置一台监测仪器，确保管线处振动值不超过工程要求，具体监测点布置如图1所示。

图1 监测点布置
3.4监测数据分析
根据BP神经网络模型和Elman神经网络模型对监测数据进行分析，并对爆破振动速度做出预测的结果进行比较分析。

同时与用萨道夫斯基公式回归的结果( K=297.5，α=2.24)对爆破振动峰值作出预测的值进行对比分析。

爆破实测数据与3种预测方法的预测对比结果如图2所示：
图2 BP网络、Elman网络与萨氏公式预测结果对比
图中红色折线为爆破振速实际监测值，绿色折线为BP神经网络预测值，蓝色折线为萨道夫斯基公式回归分析预测值，黑色折线为Elman神经网络预测值。

4结果分析
从预测结果可看出：
（1）BP神经网络模型对第3组监测值预测误差最大，预测值平均误差16.7%，Elman神经网络模型预测值平均误差为7.6%，两种神经网络预测结果均优于萨氏公式预测结果。

（2）由于BP和Elman型人工神经网络具有较强的非线性映射能力，因而能较好地模拟具有较强非线性变化特点的爆破振速预测问题，这两种模型预测结果均优于传统萨氏公式预测值。

（3）相对于BP神经网络，Elman型神经网络具有局部反馈特性，其内部反馈神经元的加入增加了网络本身处理动态信息的能力，神经网络具有结构参数调整简单、性能稳定等优势，更适合存在容差、非线性等问题的爆破振速预测，预测精度高于BP神经网络模型近9.1%。

因此，决定选用Elman作为实际工程中爆破振速预测方法，并对施工过程中爆破方案下穿市政管线做出安全判定。

参考文献：
[1]汪旭光．中国典型爆破工程与技术．北京：冶金工业出版社，2006.
[2]于亚伦．工程爆破理论与技术．北京：冶金工业出版社，2004.
[3]陈宝心，杨勤荣．爆破动力学基础．武汉：湖北科学技术出版社，2005.。