Towards the integration of smart techniques for tunnel seismic applications

Applications of seismic measurements for the prediction of hazard zones are applied practice in many tunnel drives in rock mass today. Next to a large exploration range and accurate localisation of discontinuities, seismic data provide attributes for a comprehensive characterisation of the ground conditions. A good synchronisation of all technical components is required to obtain optimum data quality and quantity while the tunnel excavation is not obstructed thereby. Firstly, the signal source must feed as much energy as possible into the rock in a very short time. Secondly, continuity of the signal generation with constant quality and its precise timing by means of wireless data transmission also ensure a reliable measurement process. Artificial intelligence is used to determine the quality of the recorded data already in the tunnel and feedback is given to the user keeping the data quality high. From the tunnel site, recorded raw data can be transferred to a cloud, from where an authorised processor collects them, wherever in the world. An immediately started data processing delivers a result within an hour that includes a geological forecast of up to 150 m of heading, depending on the rock mass condition. In addition to data quality, the quality of the results is crucial. Therefore, techniques are currently under development using machine learning to correlate and analyse seismic attributes with geological properties. This should lead to a more objective evaluation of the geological forecast in the future.

Auf dem Weg zur Integration intelligenter Techniken für seismische Tunnelanwendungen
Seismische Messungen zur Gefahrenzonenvorhersage sind heute gängige Praxis in vielen Tunnelvortrieben. Neben einem großen Erkundungsbereich und der genauen Lokalisierung von Diskontinuitäten liefern seismische Daten eine umfassende Charakterisierung des Gebirges. Um eine optimale Datenqualität und -quantität während des Tunnelvortriebs störungsfrei zu erhalten, ist eine gute Synchronisation der Technik erforderlich. Erstens muss die Signalquelle in kürzester Zeit möglichst viel Energie in das Gestein einspeisen. Zum anderen sorgen die Kontinuität der Signalerzeugung mit konstanter Qualität und deren präzises Timing durch die drahtlose Datenübertragung für einen zuverlässigen Messvorgang. Künstliche Intelligenz bestimmt die Qualität der aufgezeichneten Daten bereits im Tunnel und gibt dem Anwender ein Feedback, um die Datenqualität hochzuhalten. Von der Tunnelbaustelle können die aufgezeichneten Rohdaten in eine Cloud übertragen werden, aus der ein autorisierter Benutzer sie abholt, egal wo auf der Welt. Eine sofort gestartete Datenverarbeitung liefert innerhalb einer Stunde ein Ergebnis, das je nach Gebirgsbeschaffenheit eine geologische Prognose von bis zu 150 m Vortrieb enthält. Neben der Datenqualität ist auch die Qualität der Ergebnisse entscheidend. Daher werden derzeit Techniken entwickelt, die mittels maschinellen Lernens die seismischen Attribute mit geologischen Eigenschaften korrelieren und analysieren. Dies soll in Zukunft zu einer objektiveren Bewertung der geologischen Vorhersage führen.