富水区大埋深高渗压隧洞涌水预测技术研究

摘要

锦屏二级水电站引水洞工程是世界上目前规模最大的水工隧洞工程，由于施工受阻及工期紧缺，增设辅引3#施工支洞以增加工作面，解救被强岩爆掩埋的TBM等施工设备并且保障工程如期顺利完成。可见，辅引3#施工支洞的顺利完成对锦屏二级水电站引水洞工程至关重要。然而，辅引3#支洞涌水问题是本工程最大的重难点，具有突发性、大流量、高水压等特点，对其涌水量进行合理预测成为工程建设过程必须得面对与解决的难题之一。
　　 本文以锦屏二级水电站辅引3#施工支洞工程为背景，综合运用理论分析、数值模拟和现场测试等研究方法对隧洞涌水进行预测研究。在详细介绍隧道涌水预测的传统方法的基础上，利用BP神经网络方法建立“富水区大埋深高渗压隧洞涌水预测模型”，并采用模糊数学和MODFLOW数值分析两种方法对涌水量进行计算，其计算结果用来对比验证“富水区大埋深高渗压隧洞涌水预测模型”可靠性。本文的主要研究内容及结论如下:
　　 1、对锦屏二级水电站辅引3#施工支洞的工程地质和水文地质条件进行了分析，揭示了辅引3#支洞涌水的突发性、大流量、高水压是本工程最大的重难点。影响辅引3#支洞涌水的因素主要分为三大类共计11个因素，分别为工程地质条件、水文地质条件和隧洞工况。其中工程地质条件具体包括地质构造、最大埋深、围岩级别、渗透系数和岩溶发育5个影响因素，水文地质条件主要考虑了水头高度、降水量和地表环境对涌水的影响，隧洞工况的具体因素为隧道半径、施工工况和隧道长度的影响。
　　 2、综合分析隧洞涌水的影响因素得出，地质构造、水头高度、渗透系数、降水量和隧道半径对涌水量的影响最为显著。其中将地质构造因素按地质构造等级采用1～100由定性指标转化为定量指标，能够较好地计算出隧洞涌水量。基于这五种因素与隧洞涌水量之间的关系，构建了基于BP神经网络方法的“富水区大埋深高渗压隧洞涌水预测模型”。
　　 3、三种预测涌水的方法对比分析可知，涌水预测的基本前提是充分掌握涌水隧洞工程区地质条件与水理环境等方面的信息，在此基础上，BP神经网络和Mod-flow法相对层次分析与模糊数学法对涌水预测较为客观，层次分析与模糊数学法较为主观，建议优先采用BP神经网络和Mod-flow法，可用层次分析与模糊数学法对其他预测方法进行辅助判断。
　　 4、针对锦屏二级水电站辅引3#施工支洞涌水量预测，分别利用“富水区大埋深高渗压隧洞涌水预测模型”、层次分析与模糊数学和Mod-flow法对锦屏二级水电站辅引3#施工支洞辅(3)0+020～0+050、辅(3)0+170～0+200及辅(3)0+280～0+310三个重点涌水段进行涌水量预测，各种方法的预测值与现场实测涌水量进行了对比分析。研究表明，运用“富水区大埋深高渗压隧洞涌水预测模型”对涌水量的预测值比实际值偏大，误差在10％范围内，能够较为合理地预测隧洞涌水量。

目录

声明

摘要

第1章 绪论

1．1 课题的研究背景与目的意义

1．1．1 课题研究背景

1．1．2 课题研究的目的及意义

1．2 国内外研究现状

1．2．1 隧道(洞)涌水危害研究

1．2．2 涌水量的预测方法发展现状

1．3 主要研究内容及研究方法

1．3．1 主要研究内容

1．3．2 研究方法与技术路线

第2章 锦屏二级水电站辅3#支洞工程与水文地质条件分析

2．1 辅3#施工支洞工程概况

2．2 辅3#施工支洞工程地质条件

2．2．1 地形地貌

2．2．2 地质构造

2．2．3 地层岩性

2．3 辅3#施工支洞水文地质条件

2．4 涌水条件分析

2．4．1 岩体结构非连续性

2．4．2 岩体破碎结构

2．4．3 地下水的补给来源

2．5 本章小结

第3章 层次分析与模糊数学法预测隧道涌水量

3．1 层次分析法的原理

3．1．1 建立递阶层次结构

3．1．2 构造两两比较判断矩阵

3．1．3 层次单排序

3．1．4 层次总排序

3．1．5 判断矩阵的一致性

3．1．6 评价层次总排序计算结果的一致性

3．2 模糊数学的基本原理

3．2．1 隶属函数的确定

3．2．2 影响因素权值的确定

3．2．3 模糊综合评判预测

3．3 层次分析与模糊数学法预测隧洞涌水量

3．3．1 建立层次结构模型

3．3．2 隶属度确定方法

3．3．3 各指标权重的确定

3．4 隧道涌水量预测及结果分析

3．4．1 隧道涌水评价等级及评价矩阵的确定

3．4．2 隧洞涌水预测段涌水量等级计算

3．5 本章小结

第4章 基于BP神经网络的隧洞涌水量预测模型

4．1 BP神经网络的基本原理及研究步骤

4．1．1 BP神经网络的基本原理

4．1．2 BP神经网络的研究步骤

4．2 用于隧洞涌水量预测模型的样本

4．2．1 隧洞涌水主要影响因素

4．2．2 地质构造因素定量化分析

4．2．3 测试样本与检验样本

4．3 基于BP神经网络的隧洞涌水量预测模型

4．3．1 建立BP神经网络

4．3．2 富水区大埋深高渗压隧洞涌水预测模型

4．4 富水区大埋深高渗压隧洞涌水预测的应用

4．5 本章小结

第5章 富水区大埋深高渗压隧道(洞)涌水量数值计算

5．1 Visual MODFLOW简介

5．2 建立MODFLOW计算模型

5．3 数值分析结果

5．3．1 稳定流计算

5．3．2 瞬变流计算

5．4 涌水量数值计算结果分析

5．5 三种涌水预测方法的比较

5．6 本章小结

结论与展望

致谢

参考文献

攻读硕士学位期间参加科研项目