新聞科研進展
珊瑚礁灰巖是一種典型的多孔介質，其物理和力學特性與孔隙結構密切相關。冰期-間冰期旋回導致全球海平面變化，且珊瑚種類分布與水深及波浪能量相關。不同的生物組分來源和沖刷溶蝕作用導致珊瑚礁灰巖的孔隙結構呈現顯著的各向異性（圖1）。大量試驗結果表明同類型礁灰巖的物性指標接近，其力學參數卻表現出顯著的離散性。因此，迫切需要掌握礁灰巖孔隙結構對力學行為的控制作用，建立其與力學參數的聯系。
圖1 島礁沉積地層及地下空間開發示意圖
為此，武漢巖土所海洋與環境巖土工程研究中心科研團隊通過對112組珊瑚礁灰巖鉆孔巖心試樣進行CT掃描，提取格架結構和礫塊結構礁灰巖的孔隙參數，包含孔隙率、等效半徑、形狀因子、最大Feret直徑對應的方位角。測定所有樣品基本物性參數（如孔隙率、干密度、縱波波速等），同時實施單軸壓縮試驗獲取其強度參數（圖2）。
圖2 數據收集流程
為表征孔隙結構，本研究將孔隙的等效半徑、歸一化的形狀因子、方位角等融合提出了孔隙張量來表征其孔隙結構，反映其分布方位、形貌、尺寸分布及孔隙率（圖3）。分析發現其球張量的第一不變量能表征孔隙的各向同性部分，偏張量的第二不變量能表征孔隙的各向異性部分。參數相關性分析發現縱波波速與礁灰巖的強度幾乎不相關，與傳統巖石的波速依賴性不同，歸因于孔隙改變了聲波的傳播路徑。
圖3 孤立孔隙等效及等效孔隙位于圓柱內部示意圖
為預測離散性較強的礁灰巖力學強度，將提出的孔隙張量衍生參數嵌入經典機器學習模型，如支持向量機模型、隨機森林模型和誤差返回的神經網絡模型等，同時利用遺傳算法進行超參數尋優。最終誤差返回的神經網絡模型在訓練集和測試集中表現最佳，達到了92%的預測準確率。然而，受限于訓練樣本較小，模型的魯棒性仍有待加強。
該方法提出孔隙張量的概念，首次實現了格架結構礁灰巖和礫塊結構礁灰巖孔隙結構的有效表征，構建了“CT掃描-機器學習-力學預測”的交叉技術路徑，初步解決了離散性顯著的珊瑚礁灰巖力學參數的預測難題，為建立孔隙結構與力學行為之間的關系提供了一種可行的思路。
圖4 嵌入孔隙張量的BPNN模型及模型訓練預測結果
研究成果發表于中國科學院一區TOP期刊《Journal of Rock Mechanics and Geotechnical Engineering》，并榮獲“2024年度湖北省科協優秀科技論文”，第一作者為吳凱博士，通訊作者為孟慶山研究員。研究工作得到了國家自然科學基金面上項目、中國科學院戰略性先導科技專項（A類）課題等項目資助。
論文鏈接：https://doi.org/10.1016/j.jrmge.2023.10.005
（作者：吳凱 孟慶山）