岩爆智能监测可以缩短数据分析时间，使岩爆预警更加及时。机器学习在分析大数据、复杂、非线性 问题中具有较大优势，能够通过深度神经网络挖掘出复杂因素间的内在联系和规律，并依据事物发展规律 进行智能感知和预测。但基于机器学习的智能模型和算法应用对数据的数量和质量依赖性大，要求有大量 的监测信息数据。目前，微震监测是针对岩爆问题最有效的手段，这就需要建立岩爆微震信息数据库， 收集不同开挖方式、不同类型安装方式等条件下的微震波形，为监测数据智能分析提供样本。 (3)岩爆智能预警 岩爆的孕育和发生是一个复杂的过程，受多种因素影响，且岩爆与微震监测信息之间的关系呈现出高 度的复杂性和非线性。深度学习等智能方法可以较好地建立这种复杂和非线性关系，但是同样需要大量的 岩爆案例以及其孕育过程的微震信息，以准确计算相关模型参数。岩爆智能预警方法的效果，常取决于 岩爆训练样本数据的准确性、充足性、可用性。但一个工程的岩爆案例往往有限，且在隧道建设初期可用 的岩爆案例更少，导致智能研究方法缺乏训练样本。少量的岩爆训练样本无法将足够的特征输入到机器学 习模型中，导致分析效果较差。此外，由于工程中无岩爆和轻微岩爆案例数量常远太于中等及以上岩爆， 特别是强烈和极强岩爆更少发生，导致岩爆智能方法研究面临严重的训练样本不来衡间题， 严重影响岩爆 智能分析结果准确性、可靠性。 综上分析可知，建立岩爆数据库管理系统，精确有效收集不同工程各阶段的岩爆的特征及对应的地质 信息、开挖信息、破裂响应监测等信息，构建不同工程间的区别与联系，整侬研究分析，是解决不同类型 岩爆机理和岩爆智能化监测预警研究过程中的样本数缺乏、样本结构不平衡等难题限制的重要途径四。 1.2岩爆数据库管理系统功能需求 运用大数据、深度学习等人工智能手段，开展岩爆孕育过程的机理研究、 智能监测或智能预警时，需 要对数据库内的信息进行深度学习，建立多源影响因素监测信息岩爆特征间的内在规律与联系。依据上 述流程可知，为满足研究需要，岩爆数据库管理系统需 下功能需求： (1)工程管理 包含不同工程，并分别对各工程进行编辑、 管 需涵盖埋深、规模、尺寸、开挖方式等基本概况。 (2)数据采集 采集的数据涵盖勘察、设计、施工等不同阶段的信息。尽可能详尽采集各个阶段与岩爆有关的信息和 数据，包括地质勘察信息、岩爆案例信息、施工信息、监测信息等。 (3)统计、查询 能按不同信息条件进行单工程或程统计、查询，可根据地质或微震监测信息查询结果筛选案例或 根据案例提取地质、微震监测信息比外，可依据岩性、埋深、应力等基本信息进行类比，对应抽取相似 工程在勘察设计阶段或施工阶段的旄细信息，为勘察设计阶段的岩爆评估与开挖支护设计，施工阶段的岩 爆预测预警与支护措施提供参考和数据基础，以满足不同阶段的工程需求。 (4)结果导出 统计、查询结果可以表格的形式导出，且可选择拟导出的具体内容。 2岩爆数据库管理系统开发 2.1岩爆数据库管系统建设目标 岩爆数据库管理系统的建设目标是以复杂地质环境下深部岩体工程开挖过程的岩爆案例、微震波形、 微震时序等数据为基础建立相应数据库，有效管理不同工程相关信息。解决不同工程岩爆案例及相关信息 不能关联，岩爆智能监测预警研究过程中的样本数缺乏、样本结构不平衡等一系列问题。利用其统计、查 询、导出等功能，为大数据挖掘、深度学习等人工智能手段的应用提供数据基础，深度挖掘不同工程岩爆 特征与监测信息的异同与关联，通过多源信息异构融合，提高岩爆监测预警的实时性、准确性、智能性。 2.2岩爆数据库管理系统整体架构 岩爆数据库管理系统采用面向对象的编程语言，系统架构采用B/S+C/S结构，即应用层、管理层、数 据层三层结构，如图1所示。 收稿日期：2021-08-11 盖金顺目国家自然科学基金资助项目(51839003)岩爆智能监测可以缩短数据分析时间，使岩爆预警更加及时。机器学习在分析大数据、复杂、非线性 问题中具有较大优势，能够通过深度神经网络挖掘出复杂因素间的内在联系和规律，并依据事物发展规律 进行智能感知和预测。但基于机器学习的智能模型和算法应用对数据的数量和质量依赖性大，要求有大量 的监测信息数据[20]。目前，微震监测是针对岩爆问题最有效的手段，这就需要建立岩爆微震信息数据库， 收集不同开挖方式、不同类型安装方式等条件下的微震波形，为监测数据智能分析提供样本。 （3）岩爆智能预警 岩爆的孕育和发生是一个复杂的过程，受多种因素影响，且岩爆与微震监测信息之间的关系呈现出高 度的复杂性和非线性。深度学习等智能方法可以较好地建立这种复杂和非线性关系，但是同样需要大量的 岩爆案例以及其孕育过程的微震信息，以准确计算相关模型参数[20]。岩爆智能预警方法的效果，常取决于 岩爆训练样本数据的准确性、充足性、可用性。但一个工程的岩爆案例往往有限，且在隧道建设初期可用 的岩爆案例更少，导致智能研究方法缺乏训练样本。少量的岩爆训练样本无法将足够的特征输入到机器学 习模型中，导致分析效果较差。此外，由于工程中无岩爆和轻微岩爆案例数量常远大于中等及以上岩爆， 特别是强烈和极强岩爆更少发生，导致岩爆智能方法研究面临严重的训练样本不平衡问题，严重影响岩爆 智能分析结果准确性、可靠性[21]。 综上分析可知，建立岩爆数据库管理系统，精确有效收集不同工程各阶段的岩爆的特征及对应的地质 信息、开挖信息、破裂响应监测等信息，构建不同工程间的区别与联系，整体研究分析，是解决不同类型 岩爆机理和岩爆智能化监测预警研究过程中的样本数缺乏、样本结构不平衡等难题限制的重要途径[22]。 1.2 岩爆数据库管理系统功能需求 运用大数据、深度学习等人工智能手段，开展岩爆孕育过程的机理研究、智能监测或智能预警时，需 要对数据库内的信息进行深度学习，建立多源影响因素-监测信息-岩爆特征间的内在规律与联系。依据上 述流程可知，为满足研究需要，岩爆数据库管理系统需实现以下功能需求： （1）工程管理 包含不同工程，并分别对各工程进行编辑、管理，需涵盖埋深、规模、尺寸、开挖方式等基本概况。 （2）数据采集 采集的数据涵盖勘察、设计、施工等不同阶段的信息。尽可能详尽采集各个阶段与岩爆有关的信息和 数据，包括地质勘察信息、岩爆案例信息、施工信息、监测信息等。 （3）统计、查询 能按不同信息条件进行单工程或多工程统计、查询，可根据地质或微震监测信息查询结果筛选案例或 根据案例提取地质、微震监测信息。此外，可依据岩性、埋深、应力等基本信息进行类比，对应抽取相似 工程在勘察设计阶段或施工阶段的详细信息，为勘察设计阶段的岩爆评估与开挖支护设计，施工阶段的岩 爆预测预警与支护措施提供参考和数据基础，以满足不同阶段的工程需求。 （4）结果导出 统计、查询结果可以表格的形式导出，且可选择拟导出的具体内容。 2 岩爆数据库管理系统开发 2.1 岩爆数据库管理系统建设目标 岩爆数据库管理系统的建设目标是以复杂地质环境下深部岩体工程开挖过程的岩爆案例、微震波形、 微震时序等数据为基础建立相应数据库，有效管理不同工程相关信息。解决不同工程岩爆案例及相关信息 不能关联，岩爆智能监测预警研究过程中的样本数缺乏、样本结构不平衡等一系列问题。利用其统计、查 询、导出等功能，为大数据挖掘、深度学习等人工智能手段的应用提供数据基础，深度挖掘不同工程岩爆 特征与监测信息的异同与关联，通过多源信息异构融合，提高岩爆监测预警的实时性、准确性、智能性。 2.2 岩爆数据库管理系统整体架构 岩爆数据库管理系统采用面向对象的编程语言，系统架构采用 B/S+C/S 结构，即应用层、管理层、数 据层三层结构，如图 1 所示。 ———————————————— 收稿日期:2021-08-11 基金项目:国家自然科学基金资助项目(51839003) 录用稿件，非最终出版稿