岩爆是深部岩体工程开挖过程中一种常见的地质灾害。当前,随着我国地下工程建设蓬勃发展,岩爆灾害发生呈强度加剧、频率上升的趋势,给深部地下工程安全造成巨大威胁。由于岩爆孕育过程高度复杂,影响因素众多,当前的岩爆预测预警水平还难以满足工程实践需求,岩爆的预警方法亟待进一步发展。岩爆发生前,常出现颗粒弹射或岩板劈裂等破坏现象并伴随着明显的声音信号,这是一种潜在的可被利于岩爆预警的重要信息,但相关研究目前较为薄弱。开展岩爆过程声音特征与动态预警方法研究,对于提升岩爆预警水平、保障深部地下工程安全具有重要的现实意义与学术价值。本文研究内容和相关结论如下:1、岩爆过程声音信号的采集与预处理。利用真三轴岩爆试验系统,在室内再现了岩爆过程,发现岩爆过程依次出现颗粒弹射、岩板劈裂和块片弹射等破坏现象,现象发生伴随不同声音出现。利用声响监测设备采集岩爆声音信号并对声音信号进行预处理,针对现场岩爆声音噪音的多样性特点,对岩爆现场常见材料破坏声音信号进行分析,将室内岩爆过程声音与岩爆现场常见材料破坏噪声合成,模拟岩爆现场复杂的声音,利用小波去噪方法对合成的声音进行降噪处理,模拟对岩爆现场声音进行降噪处理的过程,得到“洁净”的岩爆声音信号,为岩爆典型破坏现象声音信号分析提供了理论依据。2、岩爆过程声音信号特征研究。对经过去噪处理的岩爆过程颗粒弹射、岩板劈裂、块片弹射三种破坏现象的声音信号进行了分析,通过对三种破坏现象声音信号的波形、频谱、声纹、梅尔倒谱系数(MFCC)、短时平均过零率、谱质心、短时能量特征分析,发现三种典型破坏现象的声音信号在历时、波形形状、主频值、能量、幅值等方面存在明显差异,这种差异足以可以将岩爆三种破坏现象快速区分,为利用这种差异对岩爆破坏现象进行识别,建立基于声音信号的岩爆破坏现象的智能识别奠定了基础。3、基于声音信号的岩爆过程破坏现象的智能识别。采用适用于处理小样本、非线性分类问题的高斯过程机器学习方法,以MFCC、谱质心、短时平均过零率等作为特征向量,建立了基于声音信号的岩爆发生前的破坏现象智能识别的高斯过程机器学习模型,给出了岩爆破坏现象的GPC模型识别步骤,实现了岩爆发生前的颗粒弹射、岩板劈裂等典型岩石脆性破坏现象的定量化与自动化识别,结果显示模型对岩爆发生前典型破坏现象识别准确率高,该模型克服了人为经验识别误差大、可靠性低等问题,同时容易实现,不易受噪声干扰,为建立基于破坏现象智能识别的岩爆预警方法提供科学依据。4、基于声音信号的岩爆动态预警方法研究。采用智能识别+趋势预测”的动态识别策略,在基于岩爆过程声音信号的GPC模型对岩爆过程典型破坏现象智能识别的基础上,以岩爆发生前夕的平静期、谐波均值、色谱向量均值等声音特征指标的变化规律作为岩爆前兆信息,提出一种多层次递进式的岩爆动态预警方法,给出了岩爆多层次的预警标准。该方法能对岩爆孕育过程中的当前发展状态进行动态识别,能够及时发布岩爆发生的预警信息,既克服了传统岩爆破坏现象智能预测方法不能直接预测岩爆是否最终发生的不足,又解决了单一的趋势预测方法仅适用于岩爆发生前夕较短时间内发出预警所引起的人员和重要设备撤离时间不足,与传统方法相比动态预警方法能够提高岩爆预警的准确性与可靠性。5、岩爆等级定量化评价指标研究。针对基于声音信号的传统岩爆烈度评价指标,主要是通过人耳识别并凭经验进行定性化描述岩爆声音强弱所存在的模糊性大、可靠性不高以及声音信号监测设备本身的过压保护引起的声音信号幅值“削峰”问题,通过对岩爆短时能量和动能的分析研究,提出了一种可作为岩爆定量化评价的新指标——局部声响总能量(TELS),它反映了具有一定历时的块片弹射能量释放特性,克服了波形最大幅值、短时能量、最大分贝等传统指标仅能反映极短时间内岩爆声音的瞬时强弱、不能合理反映岩爆发生时具有一定历时的声音过程的累积能量不足,为岩爆烈度合理化评价提供了一条新途径。