以爆破、塌陷为例的非天然地震特征与识别分析

孔祥雪，王万宁，戴盈磊

（辽宁省地震局，辽宁 沈阳 110034）

0 引言

近年来，地铁、隧道、地下管道等地下工程建设密度频增，对周围道路、建筑物等造成了一定的影响，还可能伴随发生爆破和塌陷等问题。

1 爆破识别的研究进展

1.1 声学信号分析在爆破识别中的应用

声波传播原理是关键的一环，爆破声波的特点和传播规律的研究对于实现精确的爆破识别至关重要。此外，声学信号处理方法的选择和效果也对爆破识别的精度和稳定性有着重要的影响。

时域分析是指通过对声波信号的时间序列进行分析，来提取信号的时域特征[2]，包括信号的振幅、时间长度和时间间隔等；频域分析是指将信号转换为频域表示，通过对信号的频谱分析来提取信号的频域特征，包括信号的频率和频谱密度等；小波变换是指将信号分解为多个子信号，每个子信号都包含不同频率的信息，通过对子信号的分析来提取信号的时频特征。

1.2 光学图像处理在爆破识别中的应用

光学图像处理分为图像获取、预处理、特征提取和分类4 个步骤。图像获取是光学图像处理的第一步，其目的是通过现场或卫星获取与爆破有关的图像。卫星图像一般由卫星遥感数据获取，而现场图像通常由摄像机或摄像机阵列捕捉。在图像获取时需要考虑图像分辨率、拍摄角度、拍摄距离等因素；预处理目的是提高图像质量和减少噪声干扰。其常用的预处理方法包括灰度化、滤波、去除阴影、减少运动模糊等；特征提取是光学图像处理中的关键步骤，其目的是从图像中提取与爆破相关的特征。可以从图像中提取出云烟的形态、云烟的运动轨迹、飞石的速度、飞石的射程等特征；分类是将提取到的特征进行归类的过程，根据特征分类可以确定爆破类型。监督学习需要预先标注数据，用于训练分类器，而无监督学习则不需要预先标注数据[3]。

1.3 振动信号分析在爆破识别中的应用

爆破产生的冲击波和振动信号是爆破识别的重要特征之一。振动信号的产生与爆破源的性质、地质介质的性质、传播路径的长度和介质的非线性等因素密切相关。

振动信号合理的采集方式可以有效提高分析的精度和可靠性。常见的振动信号采集设备包括加速度计、速度计和位移传感器等，其中加速度计是最常用的采集设备之一。在振动信号采集过程中，应根据实际情况选取合适的采样频率和采样时间，以保证采集到充分的振动信号信息。

处理振动信号意味着通过滤波、降噪、分段等技术来抑制外界干扰和噪音。同时，还需要在时域、频域等不同的分析角度下对振动信号进行处理和特征提取[4]，以获得更加准确的信息。在爆破、塌陷等领域，振动信号的处理和分析是非常重要的。通过处理爆破振动信号，可以监测和评估爆破效果，判断爆破是否达到预期效果，同时还可以采取对策措施，以减少对周围环境和建筑物的损害。爆破振动信号通常包含多个频率成分，因此需要进行多项式拟合、小波分析、时频分析等多个处理步骤，以提取振动信号的特征信息。建筑物塌陷往往会伴随着明显的振动信号，因此对于建筑物安全评估和防灾减灾等方面非常重要。处理建筑物塌陷振动信号需要使用多种信号处理技术，例如小波分析、频谱分析、时频分析等，以提取信号的频率、幅值、相位等特征参数，并根据这些参数来判断建筑物的结构完整性和稳定性。桥梁振动是桥梁结构安全评估的重要指标之一，因此对于桥梁健康监测和维护也非常重要。处理桥梁振动信号的方法通常包括滤波、小波分析、时频分析等，以提取振动信号的频率和幅值等特征信息，并根据这些信息来评估桥梁的结构健康状况。振动信号处理是爆破、塌陷、桥梁等领域中非常重要的一环，通过对振动信号进行处理和分析，可以获得更加准确和可靠的信息，从而实现对相关系统的监测和评估。

振动信号的特征提取是指从信号中提取出具有代表性和区分性的特征参数，常用的特征参数包括振动幅值、振动频率、振动能量等。特征提取的目的是将振动信号量化，为后续的分类和识别做准备。振动信号的分类是指将振动信号分为不同的类别，以区分不同的爆破源和爆破参数。常见的分类方法包括人工判读和机器学习算法等。

1.4 电磁信号分析在爆破识别中的应用

电磁信号分析在爆破识别中具有广阔的应用前景。爆破产生的电磁信号主要包括射频信号和磁场信号，其产生与爆破源的性质、地质介质的性质、传播路径的长度和介质的非线性等因素密切相关。

基于系统的实际需求，并考虑到余量，本控制系统采用西门子的1214控制器，该控制器集成有14个数字量输入，10个数字量输出，另单配有1块16入/16出数字量模块和3块8出数字量模块。

电磁信号分析的方法主要包括电磁信号的采集、处理、特征提取和分类。电磁信号的采集主要通过电磁感应方法、电磁探测方法等技术实现。研究表明：电磁信号分析可以有效地识别不同类型的爆破，如炸药爆破、钻孔爆破、岩石爆破等。此外，电磁信号分析还可用于爆破场地的安全评估和监测。

1.5 其他技术在爆破识别中的应用

除了声学信号分析、光学图像处理、振动信号分析和电磁信号分析等技术外，还有一些其他技术在爆破识别中得到了应用。例如，激光雷达技术可用于爆破后地形的三维重建和形变监测；卫星通信技术可用于爆破场地的遥感监测和图像识别等。这些技术的应用为爆破识别提供了新的思路和方法。随着科学技术的不断发展，这些技术的应用前景将会更加广阔。

1.6 爆破识别未来的研究方向

爆破识别未来的研究方向主要包括多模态数据融合、深度学习和人工智能等方面的发展。目前，爆破识别主要利用单一模态的数据进行分析，例如声学信号、振动信号和光学图像等。然而，单一模态的数据在某些情况下可能存在一定的局限性，例如受到噪声干扰、信号不稳定等因素影响。因此，将多种模态的数据进行融合，例如基于机器学习的融合算法、基于协同处理的融合技术等。

深度学习具有自适应、自学习和自我修正等优点，已经在图像识别、语音识别等领域取得了显著的成果。在爆破识别方面，深度学习可以用于数据的处理、特征的提取和分类等方面。

人工智能具有模拟人类智能的能力，可以进行数据的分析、判断和决策[5,6]。在爆破识别方面，人工智能可以利用多模态数据进行综合分析，并结合专家知识进行判断和决策。未来的研究可以探索如何将人工智能技术应用于爆破识别中。

2 塌陷识别的研究进展

2.1 地面形变监测在塌陷识别中的应用

地面形变监测是利用测量技术对地面形变进行实时监测。在塌陷识别中，地面形变监测是非常有效的手段之一。当前全站仪、GPS、测斜仪，已经被广泛应用于地质灾害的检测与评估。它们可以有效检测到地质灾害的存在。以GPS 监测技术为例，它具有高精度、高实时性、高可靠性等特点，并能够及时掌握地表变形情况。另外，GPS 监测技术还具有区域范围广、长期稳定监测等优点，能够有效提高对塌陷的识别和预警能力[7]。

2.2 遥感技术在塌陷识别中的应用

遥感技术是利用卫星、航空、地面等遥感手段获取地面信息的一种技术。在塌陷识别中，遥感技术可以通过获取地面图像、高程数据等信息，对地表进行分析，发现地表异常情况，进而识别塌陷区域。遥感技术的应用形式多样，包括遥感影像解译、数字高程模型（DEM）提取、遥感图像变化检测等。地表异常情况，如地面沉降、裂缝、隆起等，从而识别塌陷区域。

2.3 地震监测在塌陷识别中的应用

地震监测技术可以用来监测塌陷区域地下的变化情况，从而判断是否存在塌陷[8]。地震波的传播受到地下介质的物理性质和构造的影响，塌陷区域地下的物理性质通常会发生变化。因此，通过分析地震波的传播特征可以判断塌陷区域地下是否存在异常变化。地震监测在塌陷识别中的应用通常采用地震探测仪或地震监测台站进行。地震探测仪可以对地震波进行高精度的探测。地震监测台站可以对地震波进行实时监测和记录。图1 为2022 年9 月29 日，抚顺台记录到的辽宁省沈阳市康平县发生的3.0级地震（塌陷）。

图1 抚顺台记录的辽宁康平3.0级塌陷事件波形Fig.1 Waveform of Liaoning M3.0 Kangping collapse event recorded by Fushun Seismic Station

如图1 所示，整个波段波形简单、规则，高频成分较少。由于塌陷震源较浅，地震波主要在密度小的介质中传播，因此高频成分同样易被路径介质吸收。同时，P 波、S 波成组出现，形成波列。由于塌陷可能会反复几次，并且伴有岩体或矿体松动掉落等事件发生，在地震图上反映出几组P 波和S 波，波列初看有些像远震的体波段[9]。塌陷事件具有持续时间较短、衰减快等特点。塌陷记录持续时间通常为1～2 分钟，超过5 分钟的情况较少，塌陷事件水平分向与垂直分向持续时间的比值小于天然地震[10]。与构造地震相比，塌陷地震主要发生于顶板坚硬的采空区（只有顶板坚硬，才会形成大面积的采空悬空区域）[11]，因而塌陷地震震中局限于矿区、大的工程建设区域、岩溶地区等特定区域，震中地点较为固定，分布范围较小，无明显的迁移现象[12]，一般活动范围在几十万平方米以下。

2.4 地下水监测在塌陷识别中的应用

地下水位下降可能会导致地面下沉。因此，地下水监测也是塌陷识别的重要手段之一。地下水监测可以通过井和地下水位监测器等设备进行。地下水位的变化通常与季节变化和降雨等因素有关，因此需要对地下水位进行长期监测，并与历史数据进行对比。

2.5 其他技术在塌陷识别中的应用

除了上述几种技术，还有一些其他的技术也可以应用于塌陷识别。例如，激光测距技术可以用于测量地面高程变化情况，从而判断是否存在地面塌陷；声波监测技术可以用来监测地下空洞或裂隙等情况，从而判断是否存在地面塌陷的风险。

2.6 塌陷识别未来的研究方向

在未来的研究中，塌陷识别将继续探索多种技术的融合和创新，以提高塌陷识别的准确性和效率。以下是未来塌陷识别的研究方向：

（1）多源数据融合技术：将地面形变、遥感、地震监测和地下水监测等多源数据进行融合，实现全面、多角度的塌陷监测，提高识别精度和时效性。

（2）智能化技术：建立塌陷识别的模型和算法。以下是一些智能化技术的应用：机器学习是一种在给定数据集的情况下，可以建立模型对新数据进行预测或分析的技术。在塌陷识别中，可以使用机器学习算法，如支持向量机、神经网络等，对振动信号等数据进行模型训练，并通过学习得到的模型对新数据进行预测。物联网技术是一种通过网络连接和传输数据的技术。在塌陷识别中，可以使用物联网技术将传感器数据等信息传输到云端，通过云端进行数据存储和分析，并使用智能化算法对数据进行处理和预测。智能化技术在建立塌陷识别的模型和算法方面具有重要意义。这些技术可以利用大量的振动信号等数据建立模型，使用高级算法对数据进行分析和预测，从而实现对趋势的识别和问题的解决。

（3）岩土工程技术：应用岩土工程技术对地下空洞进行全面评估和监测。岩土工程技术中的地质勘探可以获得地下岩土和土层的信息，从而对地下空洞进行探测和分析。地质勘探包括地质钻探、地质雷达等技术手段，可以获取地质体性质、层理、断层等信息。岩土物性试验可以获取岩土层的物理力学参数，如抗压强度、抗侧压强度、弹性模量等，从而对地下空洞造成的影响进行分析评估。岩土工程技术中的监测技术可以掌握地下空洞的发展趋势和变化情况。监测技术包括测量技术、传感器等，可以实时监测地下孔洞的变形、位移等，进行预警和风险评估。

（4）空间信息技术：利用卫星导航、遥感、地理信息系统等空间信息技术，建立高精度的地理信息数据库，为塌陷识别提供可靠的基础数据支撑。

（5）塌陷风险评估技术：塌陷风险评估是预测地质环境变化与人类活动的交互作用，对土地合理开发和城市规划具有重要意义。通过对土地利用变化分析，可以了解土地覆盖变化带来的影响。地质勘查是评估地质结构特征和预测地质灾害的重要手段之一。塌陷风险评估技术可以从不同的角度来观察和分析地质构造和人类活动与土地利用之间的关系。通过这些技术的应用，可以更好地评估地质灾害风险，提高城市规划的可持续发展水平。

3 总结

本文对爆破和塌陷识别领域的研究进展进行了总结。从声学信号分析、光学图像处理、振动信号分析、电磁信号分析、地面形变监测、遥感技术、地震监测和地下水监测等多个角度，探讨了各种技术在爆破和塌陷识别中的应用情况以及其优缺点。

虽然这些技术在爆破和塌陷识别领域取得了显著的进展，但仍然存在诸多挑战。同时，对于爆破和塌陷识别的未来发展，我们也提出了一些可行性的建议，如采用多模态数据融合技术、应用深度学习方法、结合人工智能等。

爆破和塌陷识别需要不断地探索和创新，才能不断提高其精度和实用性。希望本文能够为相关领域的研究人员提供一些启示和借鉴，促进该领域的发展。

致谢：本文中所使用的数据为中国地震局地球物理研究所“国家数字测震台网数据备份中心”(doi:10.7914/SN/CB)提供的地震波形数据。在此表示衷心的感谢！