没有合适的资源?快使用搜索试试~ 我知道了~
工程7(2021)1011研究应用地球物理学-文章复杂构造异常区层析成像效果的定量研究董龙军,童晓杰,马菊中南大学资源与安全工程学院,湖南长沙410083阿提奇莱因福奥文章历史记录:收到2020年2020年4月30日修订2020年6月10日接受2020年10月17日网上发售保留字:异常区域的检测层析成像效果波速射线路径A B S T R A C T复杂结构中异常区域的检测是地下空间工程最具挑战性的目标之一自然或人为的地质变化降低了传统勘探方法的有效性。随着实时监测的出现,地震波速度层析成像技术使异常区域的检测和成像变得准确、直观和定量。在实际的小尺度应用中,由于层析成像结果受到多种因素的影响,因此有必要对这些影响进行定量研究。我们采用了一种改进的三维(3D)层析成像方法相结合的被动声发射采集和主动超声测量。通过改变各个参数(即,先验模型、传感器配置、射线覆盖、事件分布和事件定位误差),进行了37次比较测试。定量分析了不同因素的影响。合成实验表明,该方法能有效地适应复杂结构。基于量化结果的最优输入参数可以显著提高异常区域的检测可靠性。©2020 THE COUNTORS.Elsevier LTD代表中国工程院出版,高等教育出版社有限公司。这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)中找到。1. 介绍随着土地空间的逐渐枯竭,地下建筑开始引起越来越多的关注。然而,复杂的地质环境给城市地下交通和隧道建设工程带来了巨大的挑战。可能发生各种地下灾害,如突水、泥浆涌和顶板坍塌[1地下工程中使用的地球物理勘探方法通常分为两类:地震法和电磁法[10地震方法包括先进地震预测、散射地震层析成像、真反射层析成像和陆地声纳[10电磁法,如探地雷达和瞬变电磁法,一般通过介质的差异来推断地质体的*通讯作者。电子邮件 地址: majucsu@csu.edu.cn(J. Ma).常数和电阻率[14]。这两种方法都可以间接预测异常结构的存在(例如,水资源丰富的地区)。随着物联网等新信息技术的出现,声发射技术被应用于材料的动态无损检测。它主要用于裂纹检测和疲劳断裂监测。声发射技术可以评价构件的完整性和结构的危险程度。因此,它在航空、冶金、交通、建筑等领域引起了人们的高度重视并得到了迅速发展基于声发射到达时间和其他数据,可以迭代求解源位置和速度结构。检测区域中的波速场的反演定义了异常(例如,更直观、更快速、更准确地测量含水区域[20詹森等人[27]对花岗岩中的热致微裂纹进行了超声成像和声发射他们的研究表明,声发射位置和慢度差断层摄影都清楚地描绘了骨折平面。Nishizawa和Lei[28]采用扩展信息准则推进了速度层析成像的研究。他们的米级实验表明,该方法为选择最佳层析成像解决方案提供了客观标准。在较小的尺度上,Lei和Xue[29]测量了超声速度和衰减https://doi.org/10.1016/j.eng.2020.06.0212095-8099/©2020 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)。可从ScienceDirect获取目录列表工程杂志首页:www.elsevier.com/locate/engL. Dong,X.Tong和J.马工程7(2021)10111012ðÞ在CO2注入到水饱和的多孔砂岩使用差分地震层析成像。他们的结论是,由于流体扩散引起的粘性最近,Aben et al.[24]用实验室规模的地震层析成像研究了地壳岩石中的破裂能量学,其中准静态岩石破裂实验结合新的地震层析成像方法量化了断层外破裂对破裂能量收支的贡献。本文提出了一种基于快速匹配算法和最小二乘拟牛顿迭代的改进三维声发射断层成像方法将该方法应用于三维各向异性P波结构的联合反演。通过改变先验模型、传感器配置、内事件、原点模型、射线覆盖和事件定位误差等参数,探讨了不同因素对成像结果的影响。2. 方法在合成实验中,通过快速推进和标准优化,将主动超声测量与被动AE监测相结合,进行了三维各向异性波速成像[30]。反演过程如图所示。1.一、改进后的算法包含以下五个运行步骤:①确定初始环境,划分网格节点;②配置先验模型;③收集所需AE,超声数据;执行层析成像计算并建立速度结构数据库;以及从层析成像结果中识别异常区域。反演过程如图所示。1 .一、(1) 确定初始环境。首先,我们确定要进行断层扫描测量的区域的大小。单位网格立方体的大小可根据结构的情况和层析成像精度的要求来确定。一般情况下,网格越密集,层析成像的精度越高,相应地,计算量也越大,处理时间也越长。然而,当网格密度足够高时,进一步的网格加密并不能显著提高层析成像的精度建立与网格节点大小相同的矩阵M,矩阵中的索引位置i;j;k与网格节点位置一一网格节点形成一个集合,该集合用作搜索后续节点之间的最快波形路径的起点假设P波在周围正常区域中的传播速度是未知值,其由V表示。(2) 配置先验模型。配置先验模型根据结构的特点。复杂结构中的异常区域在实际应用中是未知的。因此,我们必须通过迭代计算来推断未知来源模型的信息,最终得出近似模型。本次模拟试验将复杂构造模拟为花岗岩,异常区为膏体充填区。一般情况下,花岗岩和膏体充填体的P波速度分别为4000 ~ 5500和1500 m·s-1。因此,在合成试验中,将真实模型设定为4500和1500m/s图1.一、反演算法流程图FaATSO:使用标准优化的快速行进声发射断层扫描L. Dong,X.Tong和J.马工程7(2021)10111013L000××分别用于花岗岩(外部区域)和膏体填充(内部区域)。取内外波速度的平均值作为先验模型。(3) 采集声发射和超声波数据。在被测结构的不同位置安装能够主动发射和接收声发射信号的传感器。在3D模型中,存在五个源参数(即,纵波速度V、声发射源坐标φx0;y0;z0φ和初始激励时间t0)。因此,传感器数量m必须是不小于比5。发射脉冲信号的传感器是有源源S1,其坐标和发射时间分别为xl,yl,zl,t0对于接收AE信号的第k个传感器Sk,坐标为xk;yk;zk,P波初至时间AE信号为tk。对于位置坐标为x0;y0;z0的未知源P0,其初始激发时间为t0。分别为了研究不同因素对层析成像结果的影响,我们对先验模型、传感器配置、事件分布、原点模型、射线覆盖和事件定位误差进行了定量测试。在计算了各合成实验的层析成像结果并得到射线路径后,将各网格节点的反演P波速度Vt与原始模型的实际值Vo进行了比较。如果两者之间的差异小于± 20%,则认为断层扫描结果有效。为了定量地反映各种影响因素对反演结果的影响,将实验中各网格的Vt与其对应的Vo进行比较,计算特定条件下层析成像结果的精度。4. 结果和讨论Dtlk¼tk-tl 10 0 04.1. 先验模型和传感器配置Dtk¼t0-tkð2Þ为了评估先验模型和传感器布置的影响0 0其中Dtlk表示实际到达时间的差关于层析成像效应,进行了两组四次试验(表1)。除了28个传感器外,在传感器S1和Sk之间,而Dtk是实际到达时间差,P0和Sk之间的关系。在这项研究中,传感器和AE事件(粗略位置)的坐标,以及源的到达时间差,都是输入数据。通过迭代计算得到结构中各网格点的纵波速度。这些值在3D图中用不同的颜色表示;活动源和AE事件到接收传感器的射线路径标记为同时还研究与讨论因此,可以通过色差直观地分离复杂结构中异常区域的边界和位置。此外,还可以根据P波速度值分析3. 实验在假定的100 mm100毫米100 mm立方体,在立方体中心的60 mm(直径)通孔中,七个传感器均匀地布置在立方体的四个垂直侧面中的每一个上。特别是在分析传感器布置对层析成像结果的影响时,将另外四个传感器均匀分布在立方体。合成试验中的传感器具有主动发射脉冲功能。因此,它们不仅可以用作主动声发射源,而且可以用作接收器。立方体内部随机产生600个AE事件:内部孔区域内部和外部分别产生170个和430个AE事件。每个AE事件的精确坐标是已知的,每个事件可以被每个传感器检测到。实际应用中模拟异常区的通孔称为在合成试验中,花岗岩和膏体填充被认为是外部和内部区域的介质立方体,我们在测试3中的通孔区域上方放置了四个传感器,并在测试4中的通孔区域下方添加了另外四个传感器。将测试1与测试2进行比较,以分析先验模型的影响;将测试2、3和4进行比较,以研究传感器配置的影响。在这种情况下,通孔区域内的170个AE事件被消除,而通孔区域外的430个事件被保留。也就是说,在异常区域内没有AE事件在层析成像反演之前,我们准备了主动超声测量和AE事件的时间到达。成像结果如图2所示。垂直于z轴的五个切面表示3D P波速度的层析成像结果(图2)。从主动脉冲到接收传感器的传播路径用蓝色曲线表示,AE事件的射线路径用橙色曲线表示(随机选择一个AE事件)。P波速度的定量分析如图所示。3.第三章。如断层扫描结果(图2)所示,图2(a)呈现完美的/60 mm圆; 2(a)-(d),圆圈消失了。此外,当比较组2中的三个测试时,改变传感器配置不起作用。即使将传感器放置在填膏面上,射线仍然绕过填膏区并穿过岩石。根据层析成像结果,在结构的上部和下部获得了相对较高的精度。这是因为布置在孔的顶部和底部处的传感器的超声波脉冲信号绕过内部区域并且在上部和下部中行进通过对于第1组,当先验模型等于原始模型且速度精度限制为20%时,倒置的Vout和Vin是100%正确的(图1)。 3)。对于第2组的三次测试,当先验模型与原始模型不同时,Vin的正确率小于5%(图3),表明无法准确识别异常速度区域;但Vout仍具有较高的准确性。表1模型和传感器布局的示意图。组测试原点模型V输出/V输入先前模型V输出/V输入传感器配置组1测试1 4.5/1.5 4.5/1.5 28第2组测试2 4.5/1.5 3.0/3.0 28测试3 4.5/1.5 3.0/3.0 28 + 4 up测试4 4.5/1.5 3.0/3.0 28 + 4向上+ 4向下L. Dong,X.Tong和J.马工程7(2021)10111014图二. 不同模型和传感器布局的反演结果。图3.第三章。模型和传感器布置的定量影响(a)V输入和V输出的校正率;(b)V输入和V输出的速度分布。4.2. 项目布局上一节的结果表明,当先验模型不接近实际情况时,内部P波速度值是通过基于输入参数的迭代计算来计算的。然而,这些结果并不令人满意。外部事件的射线路径可能不绕过内部区域的事实可能是影响层析成像效果的原因之一。为了检验这个猜想是否正确,即,是否有在存在和不存在内部事件的情况下断层扫描结果的差异,将170个内部事件添加到测试中我们设置了另外三个测试,对应于组2中的测试2、3和4除位于异常区域(通孔区域)的170起AE事件外,所有参数均保持不变(表2)。试验结果如图1A和1B所示。4和5.与装膏面上的传感器不同,来自内部事件的光线必须穿过装膏区。然而,结果与前面的结果一致,表明增加内部事件表2具有内部事件的影响因素参数组测试原点模型V输出/V输入先前模型V输出/V输入传感器配置内部事件Group3Test14.5/1.53.0/3.028170Test24.5/1.53.0/3.028 + 4向上-Test34.5/1.53.0/3.028 + 4上+ 4下-L. Dong,X.Tong和J.马工程7(2021)10111015--见图4。 反演结果与不同的传感器布局中存在的内部事件。(a)28个周围传感器;(b)28个周围传感器和4个顶部传感器;(c)有28个周围传感器,4个顶部传感器和4个底部传感器。图五、在内部事件存在的情况下传感器布置的定量影响(a)V输入和V输出的校正率;(b)V输入和V输出的速度分布。当原始模型V输出/V输入等于4.5/1.5。上述实验中获得的层析成像效果表明,当外部和内部(异常)区的实际P波速度分别为4.5和1.5km·s-1时,输入Vout=Vin= 3 km·s-1,在先验模型中,异常区面积的比例小于5%。由于20%的偏差被认为是正确的,因此改变传感器布局或增加异常区域中AE事件的数量几乎无效。4.3. 源能模型我们进一步分析了原始模型和先验模型对层析成像结果的影响在新的测试中,原点模型中的Vout/Vin从4.5/1.5变化到4.5/4.0。先验模型使用Vout和Vin的平均值。异常区域未发生AE事件V 输 出和V 输 入之间的距离较小(即,Vout/Vin更接近1)。特别是对于Tests5和Tests6,Vout和Vin的准确度几乎达到100%。 图图6还示出了测试5和6的射线路径较少弯曲或接近直线。我们将可接受的速度精度公差从20%缩小到15%,最后缩小到1%。如图8所示,当精度公差分别限制为5%和1%时,在测试5和6中,Vout和Vin 的 正 确 率 超 过 50% 。 当 V_out/V_in= 4.5/4.0 或 4.5/3.5 , 即(V_outV_in=V_out)小于25%时,尽管只有28个传感器且不存在内部事件,但反演结果非常好。随着Vout与Vin差值的逐渐增大,Vin的反演精度逐渐降低。然而,如测试2、3和4的路径图所示,仍然可以区分(异常)区域中的V(图6)。当Vout和Vin分别为4.5和4.5时,1.5km·s-1。由于正确率随Vout实验配置列于表3中。断层扫描结果(Fig. 6)和正确率(图。7)提出了 当 差 值 小于 1 时 ,反演效果较好和V,我们定义指数E为Vout-Vin Voutð3ÞVoutV out表3影响因素的参数与原点和先验模型。对应于来自上述合成实验的不同E值的反演结果示于表4中。在先验模型、原点模型、传感器配置和内部事件四个影响因素中,原点模型对层析成像结果起着决定性的作用。 当原点模型中的Vout/Vin为4.5/1.5时,层析成像结果并不令人满意;传感器布局的改变和内部事件的增加并没有改善层析成像结果。当指数E大于50%时,结果不可靠;测试原点模型V输出/V输入先前模型V输出/V输入传感器配置Test14.5/1.53.00/3.0028Test24.5/2.03.25/3.2528Test34.5/2.53.50/3.5028Test44.5/3.03.75/3.7528测试54.5/3.54.00/4.0028测试64.5/4.04.25/4.2528L. Dong,X.Tong和J.马工程7(2021)10111016见图6。反演结果与不同的起源和先验模型。(a)Vout和Vin的初始速度分别为4.5km·s-1和1.5km·s-1,(b)Vout和Vin的初始速度分别为4.5km·s-1和2.0km·s-1,Vout和Vin的初始速度均为3.25km·s-1;(c)Vout和Vin的初始速度分别为4.5km·s-1和2.5km·s-1,Vout和Vin的初始速度均为3.5km·s-1;(d)Vout和Vin的初始速度分别为4.5km·s-1和3.0km·s-1,Vout和Vin的初始速度均为3.75km·s-1;(e)Vout和Vin的初始速度分别为4.5km·s-1和3.5km·s-1,Vout和Vin的初始速度均为4.0km·s-1;(f)Vout和Vin的初始速度分别为4.5km·s-1和4.0km·s-1,Vout和Vin的初始速度均为4.25km·s-1。见图7。原点和先验模型的定量影响。(a)V输入和V输出的正确率(偏差20%的值被视为正确);(b)V输入和V输出的速度分布。当E在25%~ 50%之间时,结果可靠稳定,当E小于25%时,结果具有较高的准确度。另外,尽管层析成像结果总体上较差,但上下段Vin的精度以及Vout的4.4. 射线覆盖当内外P波速度相差过大时,所P波在不同介质中的传播路径不同一L. Dong,X.Tong和J.马工程7(2021)10111017见图8。 具有不同精度公差的试验5和6的原点和先验模型的定量影响。表4E指数和不同成因模式对应的反演效应测试原点模型V输出/V输入E(%)正确率断层扫描效果测试1 4.5/1.5 66.7% 5%w测试2 4.5/2.0 55.6% 20%w测试3 4.5/2.5 44.4% 42%湿重测试4 4.5/3.0 33.3% 70%www测试5 4.5/3.5 22.2%测试100%wwwww测试6 4.5/4.0 11.1%测试100%wwwww层析成像的效果直观地表现为恒星数量的增加。星星越多,正确率越高。介质差异越大,传播机制越复杂,反演精度越低,这是目前AE波速度层析反演方法的共同局限性[30]。在合成结构中进行了6项额外试验(表5)。异常区域内未发生AE事件,而异常区域外AE事件从0增加至400。反演P波速度与实际值之间的精度公差限制为± 5%。结果如图10和11所示。9和10的从测试1到测试6,内部异常区域的识别精度随着外部AE事件的增加而增加(图9)。此外,V输入准确度随着AE事件而增加,而V输出准确度保持相对较高(图10)。上述分析表明,当原点模型具有较高的反演精度范围时,增加射线覆盖(通过增加外部AE事件的数量)可以提高反演精度。然而,随着事件数量的增加,表5射线覆盖影响因素参数的反演精度趋于平坦(图10),这意味着很难通过无限增加AE事件数来显著提高正确率。因此,一个合适的数字或AE事件的范围,以便在实际应用中可以用相对较少的AE事件获得较高的精度,以节省成本。4.5. 事件位置错误在合成测试中,事件是自动生成的,因此它们的位置是精确的。然而,在实际应用中,AE事件的位置是未知的。目前,有多种AE定位方法[4,7不需要预先测量波速的方法大大减少了定位误差[7]。然而,定位结果与实际位置之间仍然存在误差。因此,必须了解定位误差的大小如何影响反演结果。我们研究了两种方案中声发射事件定位误差对层析成像反演的影响,其中外部声发射事件数为400。在第一个方案(方案1)中,所有AE事件都有错误,允许的位置变化范围从测试源模型Vout/Vin先验模型Vout/Vin射线覆盖(0.95,1.05)到(0.75,1.25),也就是说,位置误差从±5%至±25%,间隔为5%。在第二方案(方案2)中,Test14.5/4.0 4.25/4.25仅有源超声测量Test24.5/4.0 4.25/4.25超声波测量+50声发射事件Test34.5/4.0 4.25/4.25超声波测量+100声发射事件Test44.5/4.0 4.25/4.25超声波测量+200声发射事件测试54.5/4.0 4.25/4.25超声波测量+300声发射事件测试64.5/4.0 4.25/4.25超声波测量+400声发射事件定位误差固定在±20%,误定位事件数以50为间隔从50增加到300,其它条件同方案1。方案1和2的配置分别列于表6和表7中。结果如图10和11所示。 11比14方案1的反演结果如图11所示。从试验1到试验6,误差范围从±5%增加到± 25%,断层成像效果变差。对于误差范围为± 10%的测试3,仍然可以观察到中心异常区域的柱面P波速度。当误差达到±15%或更高(即,在测试4,5和6),根据L. Dong,X.Tong和J.马工程7(2021)10111018见图9。不同射线覆盖的反演结果。(a)仅使用有源超声波测量射线;(b)使用超声波测量射线和50个事件射线;(c)使用超声波测量射线和100个事件射线;(d)使用超声波测量射线和200个事件射线;(e)使用超声波测量射线和300个事件射线;(f)超声波测量射线和400个事件射线。图10个。射线覆盖的定量影响(a)V输入和V输出的正确率(偏差为5%的值被视为正确);(b)V输入和V输出的速度分布。表6事件定位误差影响因素参数反演图中,内外P波速度值增大,内外波边界测试源模型Vout/Vin先验模型Vout/Vin事件位置噪音开启X/y/z速度变得模糊,难以观察结构中的异常区域。方案1的定量结果(图12)表明,当定位误差为± 10%时,正确率(层析波速与实际值偏差5%为正确)超过70%。在实际应用中,AE实验中的定位误差可以很容易地限制在10%[7];对于100 mm的样品,定位误差可以小于10 mm。因此,我们认为,Test14.5/4.04.25/4.250.00Test24.5/4.04.25/4.25随机(0.95,1.05)Test34.5/4.04.25/4.25随机(0.90,1.10)Test44.5/4.04.25/4.25随机(0.85,1.15)测试54.5/4.04.25/4.25随机(0.80,1.20)测试64.5/4.04.25/4.25随机(0.75,1.25)L. Dong,X.Tong和J.马工程7(2021)10111019表7错误定位事件的影响因素参数测试原点模型V输出/V输入先前模型V输出/V输入x/y/z上的事件位置噪声错误定位事件Test14.5/4.04.25/4.250.0050Test24.5/4.04.25/4.25随机(0,0.2)100Test34.5/4.04.25/4.25随机(0,0.2)150Test44.5/4.04.25/4.25随机(0,0.2)200测试54.5/4.04.25/4.25随机(0,0.2)250测试64.5/4.04.25/4.25随机(0,0.2)300见图11。不同事件定位误差的反演结果。(a)事件位置无误差;(b)事件位置标定为真值的0.95图12个。事件定位误差的定量影响(a)V输入和V输出的校正率;(b)V输入和V输出的速度分布。L. Dong,X.Tong和J.马工程7(2021)10111020图十三.反演结果具有不同数量的错位事件。(a)有50个误定位事件;(b)有100个误定位事件;(c)有150个误定位事件;(d)有200个错误定位事件;(e)有250个错误定位事件;(f)有300个错误定位事件。图十四岁错误定位事件数量的定量影响(a)V输入和V输出的校正率;(b)V输入和V输出的速度分布。声发射纵波速度层析成像方法能可靠地反演原始模型中复杂构造中异常区的大小和范围,V_out/V_in为4.5/4.0,定位误差合理。方案2的反演结果如图13所示。随着错误事件的数量从50增加到300,反演效果变得更差。定量分析图(图14)显示,从测试1到测试6,正确率下降,比方案1慢。与第4.3节中测试6的比较(即,外部事件的数量是430,并且事件位置是正确的)表明错误的位置数据对反演结果具有很大的影响当正确率的允许误差为5%时,AE事件数从430个正确变为350个正确和50个错误,Vout和Vin的准确率分别从100%下降到95%和83%下降到75%当AE事件中的错误数量增加到300(总共400个事件)时,Vout和Vin的准确度降低到约30%;L. Dong,X.Tong和J.马工程7(2021)10111021≥反演结果不再可靠。因此,不合理的,错位的AE事件影响层析反演的精度。我们注意到,在这个合成实验中,Vout总是比Vin更正确。由于异常带中的波速较低,射线绕过该区域边界。由于很少有射线穿过,因此缺乏用于计算Vin的射线数据,这最终导致Vin的结果不太准确。5. 结论为了分析声发射波速层析成像反演的影响因素,采用了一种改进的主被动声发射源相结合的三维层析成像方法。进行了多种对比综合试验,定量分析了先验模型、传感器配置、内事件、原点模型、射线覆盖和事件定位误差等6个因素的影响。结果表明,优化输入参数可以显著提高复杂结构异常区域的层析成像可靠性。在六个影响因素中,原点模型对层析成像结果起着决定性的作用。因此,如果构造异常区与周围区域的P波速度相差较大,则难以达到理想的效果。内波速度和外波速度之间的差由指数E表示。一般情况下,当E>50%时,反演结果不可靠.在今后的研究中,我们将考虑在E值过高时对低速区域增加权重,以降低E值,然后恢复对应于正确波速值的反演结果。当E在合理范围内时,期望具有相对高的层析成像精度的原点模型。当外部声发射事件数减少时,反演精度降低;随着事件数的增加,精度提高速度变慢。因此,应确定对应于较高准确率的适当事件数,以建议实际应用的最佳方案。如果定位误差增加,反演精度也会受到影响。可接受的定位误差范围可以允许令人满意的精度。同时,在实际实验中通过对声发射事件的筛选,剔除不合理的声发射事件,可以提高层析反演的精度。这种速度成像方法的前提是材料需要是具有垂直对称轴(VTI)的横向各向同性的,其相速度完全由相位角确定。在实践中,VTI几何形状的假设是特别相关的,最初各向同性的岩石样品进行三轴压缩在实验室中。此外,该方法不太适合于结构内波速差异较大的情况。对于波速变化缓慢的情况,该方法更可靠、更稳定。在这项研究中,我们只测试了一个圆柱形的异常区域。实际情况要复杂得多,并且在具有异常形状的情况下,层析成像精度可能不同。由于先验模型是重要的反演,我们不能准确地估计模型提前,两个步骤的策略,建议岩石实验。也就是说,应该首先进行超声波测量,以估计结构中的近似速度,然后将其用作后续AE层析成像的先验模型。确认作者希望感谢国家自然科学基金( 51822407 、 51774327 和51904334)的资助。遵守道德操守准则董龙军、童晓杰和马菊声明,他们没有利益冲突或财务冲突需要披露。引用[1] 马军,董立军,赵国荣,李晓波.断裂带矿震震源机制研究--以永沙坝矿为例。RockMech Rock Eng2019;52(9):3341-52.[2] 冯广禄,冯孝泰,陈宝荣,肖永新,刘广福,张伟,等。深埋隧洞开挖过程中的微震活动特征:锦屏二级水电站工程实例。 Int J Geomech 2020;20(2):04019163.[3] 马军,董立军,赵国荣,李新.用全波形反演方法识别地下矿震源。Int J Rock MechMin Sci2018;106:213-22.[4] 董立军,邹伟,李晓波,舒伟伟,王志文.地下采矿岩体结构中微地震/声发射源解析迭代协同定位方法。工程机械2019;210:95-112。[5] 马军,董立军,赵国荣,李晓波.不同震源机制的矿震诱发地震动。Int J Rock MechMin Sci2019;116:99-110.[6] 马军,董立军,赵国荣,李晓波.断层滑动引起地下矿山巷道地面振动的定性方法及实例分析。 Rock MechRock Eng 2019;52(6):1887-901.[7] 董立军,邹伟,孙德英,童晓娟,李晓波,舒伟伟. 微地震/声发射源定位的一些进展和新见解。Shock Vib2019;2019:1-15.[8] 董立军,孙德英,韩国健,李晓波,胡清奇,舒良.地下智能矿井中自主无人驾驶车辆的无速度定位。 IEEE TransVeh Technol. In press.[9] 董立军,童晓娟,李晓波,周军,王松芳,刘波。矿山环境问题与深部开采清洁生产战略的若干进展和新认识。 J Cleaner Prod 2019;210:1562-78.[10] 冯广禄,冯孝泰,陈宝荣,肖永祥,赵志宁。 结构面对锦屏二级水电站深埋隧洞岩爆发展过程中微震活动的影响。Tunn Undergr SpaceTechnol 2019;84:273-80.[11] 张勇,张勇.勘探地球物理中的深度成像技术综述。Geophysics2009;74(6):WCA 5 -17.[12] 冯桂光,冯孝泰,陈宝荣,肖永祥,余勇。隧道岩爆发展过程动态预警的微地震方法。Rock Mech RockEng2015;48(5):2061-76.[13] 胡清奇,董立杰。二维不规则复杂结构声发射源定位及实验验证。IEEE SensJ2020;20(5):2679-91.[14] 作者:J.勘探地球物理全波形反演综述Geophysics2009;74(6):WCC1-26.[15] 李文斌,张平,李文斌,李文斌.的数值模拟利用LS-DYNA进行了岩爆模拟实验。 地下空间 在出版社。[16] 杨文,王文,王文,等.隧道CT成像技术在隧道工程中的应用.北京:中国地质大学出版社,2000,24(1):100 - 101. Felsbau2002;20(2):51-6.[17] 坎贝尔湾南非布什维尔德杂岩的勘探地球物理学。Lead Edge 2011;30(6):622[18] 放大图片作者:J. 地应力对岩石爆破破裂的影响。计算机地质技术2018;104:321-30。[19] 董立军,胡清奇, 童晓娟,刘永芳. 三维含孔结构的无速度MS/AE 源定位方法Engineering2020;6(7):827-34.[20] BaizhanovB,Katsuki D,Tutuncu AN,Mese AI. 用一种新的真三轴装置对Berea砂岩耦合的地质力学、声学和渗透率特性进行的实验研究。Rock MechRock Eng 2019;52(8):2491-503.[21] Bruning T,Karakus M,Nguyen GD,Goodchild D.全周向应变控制下脆性岩石三轴约束损伤演化试验研究。Rock Mech Rock Eng2018;51(11):3321-41.[22] Kim BC,Chen J,Kim JY.热损伤砂岩中裂纹密度与声学非线性的关系。Int J RockMech Min Sci2020;125:104171.[23] Rawlinson N,Fichtner A,Sambridge M,Young MK.第一章地震层析成像及其不确定度评定。 Adv Geophys 2014;55:1-76.[24] AbenFM,Brantut N,Mitchell TM,David EC. 实验室尺度地震层析成像地壳岩石破裂能量学。Geophys Res Lett 2019;46(13):7337-44.[25] 张文龙,张文龙. 用声发射和走时层析成像法对混凝土结构进行综合无损评估。ConstrBuild Mater 2014;67(PtB):202-15。[26] Gupta IN.受轴向载荷直至剪切破裂的岩石中的地震速度。J Geophys Res 1973;78(29):6936-42.L. Dong,X.Tong和J.马工程7(2021)10111022[27] JansenDP,Carlson SR,Young RP,Hutchins DA. Lacdu Bonnet花岗岩中热致微裂纹的超声成像和声发射监测。固体地 球 物 理 研 究 杂 志 1993;98(B12):22231-43.[28] Nishizawa O,Lei XL.用扩展信息准则寻找速度层析成像最佳模型的数值研究。GeophysRes Lett 1995;22(10):1313-6.[29] 雷晓丽,薛志清。 CO2注入水饱和多孔砂岩过程中的超声波速度和衰减:用差分地震层析成像测量。Phys Earth Planet Inter2009;176(3-4):224- 3 - 4.[30] Brantut N.实验室中使用声发射的时间分辨层析成像及其在砂岩压实中的应用。Geophys J Int2018;213(3):2177-92.
下载后可阅读完整内容,剩余1页未读,立即下载
![application/x-rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)