文摘

针对风险评估的缺点深埋隧道,一个动态的风险评估方法提出了基于贝叶斯网络。根据情况统计,总共12获得特定风险评级因素,分为三种类型:客观因素、主观因素和监视因素。评分标准的确定风险评级因素,和一个动态建立风险评级系统。贝叶斯网络在此基础上系统是由专家知识和历史数据。贝叶斯网络中的节点一一对应的三种类型的影响因素,以及确定的概率分布。后验概率和敏感性分析,结果表明,两种方法获得的主要影响因素基本上是相同的。所构造的动态风险评估模型是最受客观因素影响评级和监测因子评级,紧随其后的是主观因素评级。动态风险评级主要受围岩级别之间的客观因素,主观因素中施工管理,收敛和拱顶和侧壁位移监测的因素。基于贝叶斯网络的动态风险评估方法应用于3号斜井的Humaling隧道。根据监测数据和地质条件的调整,动态风险等级的概率水平我非常从81.7%下降到33.8%,II级的概率显著增加从12.3%提高到34.0%,和第三级别的概率从5.95%上升到32.2%,这表明风险水平急剧上升。 The results show that this method can effectively predict the risk level during tunnel construction.

1。介绍

随着中国经济的发展,对铁路等基础设施的需求也在增加,特别是在中国西部。据统计,2019年底,16084年铁路隧道在操作,总长度18041公里,在建和2950隧道全长6374公里(1]。由于建设规模的增长,越来越多的深埋隧道挖掘在中国西部。深埋隧道的建设是一个系统工程,复杂的过程,多因素,multirisk特征。在施工过程中事故发生频繁。因此,有必要进行深埋隧道施工阶段的风险管理。

全世界的学者进行了很多研究隧道和地下工程的风险评估。常见的风险评估方法包括故障树分析(FTA) [2- - - - - -5)、事件树分析(ETA) [6],蒙特卡罗(MC)模拟[7,8)、层次分析法(AHP) (4),网络分析法(ANP) [9),模糊集(10,11[],数值模拟12,13]。然而,大多数风险评估方法是基于静态数据的计算,和一些动态评价方法只基于定期检查风险分析结果,修改控制根据不同的风险情况下,或跟踪风险事件注册,这些方法本质上是静态的风险分析。

许多学者做了各种尝试执行动态风险分析在隧道施工。Spackova et al。14)引入了一个新的定量模型的预测隧道施工风险率。模型考虑故障率的变化在不同的隧道,根据岩土工程条件的变化。预测的准确性取决于地质调查报告的准确性,所以这个模型是在领域应用程序往往不够准确。Zhang et al。15)提出了一种新的基于案例推理的评估方法,先进的地质预测,和粗糙集理论。在这种方法中,基于围岩的地质预测隧道前脸进行了分析。然而,属性约简是需要获得预测,得到属性约简手动从类似的案件,因此非常主观。相比以前的风险评估方法使用两个参数的后果和可能性,Fouladgar et al。16)提出了一个带三个参数的方法,考虑了影响参数。然而,一些参数的相互冲突。虽然采用模糊集,模糊的和不确定的问题仍不能解决。Nyvlt et al。17]介绍了风险分析的概念,在风险管理的范围和使用方法在航空和航空工业。事实上,这种方法仍然是一个改进的故障树分析,主要用于选择声音和具有成本效益的解决方案。

因为大多数风险评估方法只能用于定性或半定量的风险评估,很难准确地反映风险水平。一个贝叶斯网络概率模型有很大优势解决事件引起的事件的不确定性和相关性,18,19]。近年来,随着隧道工程风险管理的发展,许多学者将贝叶斯网络引入风险评估,进行了大量的研究。系统地评估和管理的方法与隧道施工相关的风险被苏萨和爱因斯坦(20.]。的方法包括结合地质预测模型,使预测地质隧道施工前和施工策略决策模型,允许选择施工策略导致最少的风险。两种模型都是基于贝叶斯网络。然而,这种方法只是在验证过程中应用后事故发生。Spackova版和Straub写(21),吴et al。22,23),和太阳等。24]介绍了动态贝叶斯网络在隧道施工过程量化的不确定性。模糊贝叶斯网络方法进行安全风险分析是由Zhang et al。25)进行安全分析underground-buried管道毗邻一个水下隧道的建设。冯,吉梅内斯26)提出了一种新颖的应用贝叶斯网络预测隧道挤压引起的蠕变。然而,只有五个设计指标被认为是在这个方法中,并没有考虑现场施工。Gerassis et al。27)提出了一个基于贝叶斯方法在隧道施工安全优先级分析近年来职业事故记录的数据。然而,这种方法没有被验证了工程。

虽然一些学者进行研究应用隧道施工风险评估的贝叶斯网络,许多缺点留在先验概率收购,模型建设和工程验证。此外,当前文学并没有一个贝叶斯网络评估模型来评估建设深埋隧道的风险。针对动态风险分析的不足,本文提出了一个动态的基于贝叶斯网络的风险评级方法深埋隧道施工和构造一个动态的风险评级系统。该方法将隧道施工的动态风险等级分为三个部分:客观因素水平,主观因素水平,监测因子水平。通过分类三种类型的深埋隧道施工风险因素,不同类型的风险因素可以考虑的细节。在过去,隧道施工风险评估通常认为每个风险因素作为一个单独的因素变量,这种方法不仅不考虑复杂的不确定性和风险因素之间的相互作用,但也可能无法实现真正的定量和动态评级。根据隧道施工的具体条件,具体参数的三种因素分级根据一定的规则,和一个动态的风险评级体系结构构造;然后,贝叶斯网络结构。贝叶斯网络的节点是根据各种因素的选择决定的。节点范围,确定因子分级标准。 The probability distribution of a node range is determined by historical statistical data and expert experience. Finally, the comprehensive risk rating is calculated based on the three factor levels by the Bayesian network. Dynamic risk ratings are achieved based on feedback from monitoring data as construction progresses.

2。建立动态风险评级系统

根据隧道施工事故的不完全统计数据,大量的事故风险来源获得(28,29日]。风险来源包括地铁因素和自然因素,包括施工管理、勘察、设计、施工质量、地质条件、和其他风险来源。根据风险来源获得事故统计,有12个深埋隧道风险指标:截面尺寸、施工方法、深度、隧道围岩级别,地下水,泥浆侵入,prereinforcement效果,支持时间,支持力量,施工质量,施工经验和施工管理。因此,根据属性的不同风险来源、风险评级因素分为三类,即客观因素,主观因素,和监测因子,根据三个因素的风险水平,并最终确定风险等级。

2.1。风险评级因素和评分标准
2.1.1。客观因素

客观因素是指隧道本身相关的影响因素,主要是基于自然因素和客观条件,包括断面尺寸、施工方法、深度、隧道围岩级别,地下水和泥浆侵入。

2.1.2。主观因素

主观因素指的因素有关,并受其主观状态的人深埋隧道的建设。施工阶段中的主观因素包括很多方面,当施工考虑到风险,我们应该把重点放在选择因素影响程度的风险更大。主观因素主要体现在以下方面:prereinforcement效果,支持时间、支持力量,施工质量,施工经验和施工管理。

2.1.3。监测的因素

在深埋隧道的建设,监视和测量的主要依据是测试设计参数,评估岩石稳定,评估施工方法。除了地质调查和测试在初步设计阶段之前深埋隧道的建设,这也是必要的监控整个施工过程,也就是说,测试围岩和地面沉降的变化通过人工观察和各种仪器和评估外观和机械支持的变化。本文选择监控因素包括内隧道观察,拱顶收敛,侧壁位移。

基于上述分析,三种类型的风险评级因素选择如表所示1。

表1
风险评级的因素。

根据施工经验,不同类型的因素进行分类,每一种都是分为2到5个不同的水平。特别是,允许的相对位移和变形管理水平的标准拱顶收敛和侧墙位移由参考代码Shotcrete-Bolt铁路隧道的施工方法(10108 - 2002年结核病)[30.),如表所示2和3,分别。因此,最终的评分标准三种类型的风险评级因素如表所示4。

表2
允许的相对位移(%)。
表3
变形管理水平的标准。
表4
风险评级因素评分标准。
2.2。建立风险因素评级系统

建立一个合理的动态风险评级系统是一个动态的风险评级的先决条件。客观因素、主观因素和监控因素相结合,全面考虑的影响因素对深埋隧道施工的三种类型。首先,根据施工过程,三种类型的因素是自我报告,最后确定风险级别根据获得的评价。随着建筑业的发展,监测因子水平变化监测数据变化。因此,它可以实现一个动态的风险水平与客观因素和主观因素集成水平通过监测因子水平的变化。三种类型的风险因素评级系统如图1,图2,图3。


图1
客观因素评级系统。

图2
主观因素评级系统。

图3
监测因子评分系统。

根据三种类型的风险因素评级系统,全面动态构造风险评级系统,如图4。


图4
动态风险评级系统。

综合隧道动态风险等级分为三个层次:I, II, III。风险级别描述和响应的建议如表所示5。随着建筑业的发展,在一定程度的概率大幅下降或增加显著,应考虑措施,包括关闭。当每一层变化的概率小,施工风险状态相对稳定。

表5
动态风险等级描述。

3所示。贝叶斯网络建设

3.1。贝叶斯网络的背景

一个贝叶斯网络,也被称为一个信念网络,是一个概率图形化模型表示一组变量 和他们的条件概率分布通过一个有向无环图(DAG) [31日]。贝叶斯网络的目标模型条件依赖性,因此因果关系,通过一个有向图的边代表条件依赖性。通过这些关系,一个人可以有效地进行推理图中随机变量通过使用的因素。有向无环图中的节点的贝叶斯网络代表随机变量,可观察到的变量,隐藏变量,或未知参数。箭头连接这两个节点代表这两个随机变量是有着因果还是无条件的独立,如果没有箭头两个节点之间的连接,被认为是条件独立的随机变量。如果由一个箭头连接两个节点,这意味着一个节点代表了“家长”,其他节点代表“后裔或孩子,”和两个节点将产生一个条件概率值。在一个有向无环图,节点指向节点B,也就是说,→B意味着节点B是影响节点a .节点被称为父节点和节点B被称为子节点。相关的所有父节点和子节点相同的节点方法统称为邻居节点。特别是,如果一个节点只有一个子节点,没有父节点,该节点被称为根节点。贝叶斯网络中的每个节点的值是根据其邻居节点和独立于其他nonneighbor节点。 Since the probability of the root node is independent of other nodes, the probability distribution of the root node is referred to as a priori probability, and the probability distribution of other nodes is based on the probability of the root node. Figure5显示了一个典型的贝叶斯网络结构, 代表了 - - - - - -th节点, 的原因是 ,和 的结果 。根据这个定义,我们可以获得 , , ,和 。通常情况下,一个条件概率表是根据条件概率,写的总概率和条件概率表的每一行= 1。


图5
贝叶斯网络。

让 代表了一种有向无环图, 代表图中的所有节点的集合 代表所有直接连接段的集合。让 是一个随机变量表示为节点 有向无环图。如果节点的概率分布 可以表示为 然后 被称为贝叶斯网络相对于有向无环图 ,在哪里 表示节点的原因。根据方程(1),联合概率分布的贝叶斯网络可以写成:

贝叶斯网络是不确定性分析领域的应用,因为他们强大的数学推理和计算能力和图形可视化表达的使用模型计算结果的特点。贝叶斯网络的建设是一项系统而复杂的过程中,节点和节点的选择范围和节点的概率分布是贝叶斯网络结构是否合理的关键。

3.2。步骤来构造贝叶斯网络

有三种方法来构建一个贝叶斯网络(32]:(i)基于专家知识,自学(ii)数据,(3)结合上述两种方法。依赖专家知识导致了过度的主体性,构建贝叶斯网络,完全由自主学习从一个数据库需要非常大量的数据,这通常不是现成的或合格。通过结合这两种方法来构建一个贝叶斯网络,可以使用两种方法的优点。网络结构是建立基于专家知识,和数据显示构造概率分布;这种方法不仅利用数据自学习的效率,而且避免了冗余的节点和结构混乱。自主学习主要来自以前的情况统计数据。贝叶斯网络建设过程如图6。


图6
贝叶斯网络建设过程。
3.3。确定贝叶斯网络的节点和节点范围

根据城市地铁隧道施工的动态风险评级体系建立,系统中的三种类型的影响因素与节点一一对应的贝叶斯网络结构。根节点代表每个风险因素,包括(A1)断面尺寸,(A2)施工方法(A3)隧道深度、围岩(A4)水平,(A5)地下水(A6)泥浆侵入(A7) prereinforcement效果,(A8)支持时间、(A9)施工质量,施工经验(A10), (A11)施工管理(A12)支持力量,(A13)内隧道观察,(阿)拱顶收敛,(它)的侧壁位移。三种因素评级作为中间节点,即评级(B1)客观因素,主观因素评级(B2),和(B3)监测因素评级。目标节点是最后的动态风险评级(C1)。每个节点范围对应因子评分评级系统的危险因素。特定的节点和节点范围如表所示6。

表6
节点和节点范围。
3.4。确定的概率分布

主要有两种方法确定的概率分布,也就是说,通过历史数据的统计数据和专家经验。这两种方法都有缺点。基于历史数据和统计数据的方法需要大量的数据作为一个先决条件。由于条件有限,可能存在不完整的数据或偏差。此外,繁重的工作来执行数据处理,分类和排序。一些概率是难以量化,不能充分利用。然而,根据专家的经验,时间的概率分布是由长度和权威的专家。由于不同的经验和保守主义不同的专家,这种方法倾向于更大的主观性。即使获得专家的经验,它应该根据实际情况修正。这种方法常用于数据采集时困难或小的数据量。 Therefore, this paper adopts a combination of two methods: the learning and entry functions of Netica software are used to help complete the determination of the probability distribution based on previous statistical data combined with expert experience.

3.5。确定贝叶斯网络

动态风险评级根据节点,构造贝叶斯网络节点范围和动态风险评级系统决定。风险因素(A1, A2, A3…A15)根节点,这三种类型的风险等级(B1, B2, B3)中间节点,并综合动态风险评级(C1)是目标节点。使用贝叶斯网络,全面动态风险评级在不同风险因素的形式直观地显示在图表和数据。

首先,根据动态风险评级系统,三种类型的风险因素作为父节点,和三种类型的风险因素评级作为子节点构造自己的风险等级网络。第二,三种类型的风险等级作为父节点,和动态风险评级是作为子节点。三种类型的风险评级网络集成构建一个全面的动态风险评级网络结构如图7。


图7
为隧道施工动态风险评级网络结构。

Netica是一个图形化的贝叶斯网络的软件,可以快速实现贝叶斯网络的建设,可以根据情况确定的概率分布数据。该软件还允许输入概率分布的专家知识(26]。本文使用Netica来确定概率分布的基础上,建立了动态风险评级网络结构结合历史数据和专家知识。动态风险评级贝叶斯网络结构模型如图8。图中的数字是概率,黑条表明概率的大小。


图8
动态风险评级为隧道施工贝叶斯网络结构模型。

如图7在当前条件和概率分布,客观因素评级概率水平我II, III是81.3%,12.2%,和6.43%,分别;的主观因素评级概率水平I, II, III是78.2%,13.8%,和7.93%,分别;监测因子等级概率水平的I, II, III是71.2%,21.0%,和7.76%,分别;和动态概率风险等级水平的我,II, III是80.6%,12.8%,和6.57%,分别。描述和响应我建议水平,II, III中描述的动态风险等级表5。

3.6。模型应用程序

根据建立的贝叶斯网络结构模型,节点可以探索之间的逻辑关系,可以进行逻辑推理。在Netica有很多数据分析工具,包括后验概率分析和敏感性分析。使用这些工具,概率结果可以计算出不同节点状态下。

3.6.1。后验概率分析

后验概率的计算可以使用贝叶斯网络进行。所谓的后验概率是指recorrection概率在获得信息和结果是cause-seeking的结果的问题。换句话说,它是特定情况下的概率事件实际发生时根据最初的概率分布。结果和原因都可以通过构建预测模型。

(1)预测结果。客观因素、主观因素和监测因子评分分别改变,计算和动态风险评级。(1)不同的客观因素评级

当评级的客观因素是固定在水平我,我的动态概率风险评级水平从80.6%增加到86.7%,II级概率从12.8%减少到9.30%,第三,概率从6.57%降低到3.95%。当评级的客观因素是固定在II级,我的动态概率风险评级水平从80.6%减少到62.4%,II级概率从12.8%增加到24.9%,而第三概率从6.57%增加到12.7%。当评级的客观因素是固定在III级,我的动态概率风险评级水平大幅减少从80.6%提高到37.8%,II级概率从12.8%增加到34.1%,第三,概率显著增加从6.57%降至28.1%。这些概率的变化如图9。(2)不同的主观因素评级


图9
概率的变化与不同的客观因素评级。

评级时的主观因素是固定在水平我、我的动态概率风险评级水平从80.6%增加到87.1%,II级概率从12.8%减少到8.87%,第三,概率从6.57%降低到4.04%。评级时的主观因素是固定在II级,我的动态概率风险评级水平从80.6%减少到63.1%,II级概率从12.8%增加到24.2%,第三,概率从6.57%增加到12.7%。评级时的主观因素是固定在III级,我的动态概率风险评级水平大幅减少从80.6%提高到47.4%,II级概率从12.8%增加到31.8%,第三,概率从6.57%增加到20.8%。这些概率的变化如图10。(3)不同的监测因子评分


图10
概率的变化与不同的主观因素评级。

当监测因素评级是固定在水平我我的动态概率风险评级水平从80.6%增加到88.6%,II级概率从12.8%减少到7.81%,第三,概率从6.57%降低到3.57%。当监测因子II级评级是固定的,我的动态概率风险评级水平从80.6%减少到65.1%,II级概率从12.8%增加到23.1%,第三,概率从6.57%增加到11.8%。当监控因素评级是固定在III级,我的动态概率风险评级水平大幅减少从80.6%提高到49.3%,II级概率从12.8%增加到30.7%,第三,概率从6.57%增加到19.9%。这些概率的变化如图11。


图11
概率的变化与不同的监测因子的评级。

(2)预测的理由。节点状态下的贝叶斯网络可以计算出不同的动态风险等级根据原始模型在目标节点的动态风险评级是固定的。当动态风险评级是固定在水平评级的三种类型的因素不改变,这效果与原模型节点状态。当动态风险评级是固定的II级,我概率水平的客观因素评级从81.3%减少到59.1%,II级概率从12.2%增加到23.8%,第三,概率从6.43%增加到17.1%;我概率的主观因素评级水平从78.2%减少到54.2%,II级概率从13.8%增加到26.1%,而第三概率从7.93%增加到19.7%;和我的概率水平监测因素评级从71.2%减少到43.4%,II级概率从21.0%增加到37.9%,第三,概率从7.76%增加到18.6%。当动态风险评级是固定在III级,我概率水平的客观因素评级从81.3%减少到48.9%,II级概率从12.2%增加到23.5%,第三,概率从6.43%增加到27.5%;我概率的主观因素评级水平从78.2%减少到48.1%,II级概率从13.8%增加到26.8%,而第三概率从7.93%增加到25.1%;和我的概率水平监测因素评级从71.2%减少到38.7%,II级概率从21.0%增加到37.8%,第三,概率从7.76%增加到23.5%。这些特定因素评级变化如表所示7和图12。

表7
评级三种因素的变化与不同的动态风险评级的评级。

图12
概率的变化与不同的动态风险评级。

根据分析,当动态风险评级是固定在水平我三种因素变化不大。当动态风险评级是固定的II级,所有三种类型的因素表现出一定范围的增加或减少,而这些增加或减少范围不是很不同。当动态风险评级是固定在III级,客观因素评级变化最多,其次是监测因素评级,评级变化最少的主观因素。它可以推断出根据贝叶斯网络的变化,动态风险评级主要是受A4围岩级别,A3隧道深度、地下水和A5的客观因素;A11施工管理,A12支持力量,和A8支持定时在主观因素;和阿拱顶收敛和A15侧壁位移监测的因素。动态风险评级是最受B1客观因素评级和B3评级监控因素,其次是B2主观因素评级。

操作。敏感性分析

敏感性分析是指分析不同节点的影响结果。贝叶斯网络中的每个节点的灵敏度影响的动态风险评级节点可以通过Netica的灵敏度分析工具。计算结果如表所示8。

表8
动态风险等级节点敏感性。

根据分析,动态风险评级结果的排名影响因素的三种类型遵循客观因素评级的顺序,监控因素评级,评级和主观因素。主要影响因素是拱顶收敛、侧墙位移,内隧道观察,支持力量,围岩级别,支持定时,地下水,隧道深度,施工管理,基本上是一致的结果推断在前一节中。这一结果表明,构造动态风险评级贝叶斯网络模型是科学合理的,和深埋隧道施工期间的风险水平的变化可以有效地和动态预测。

4所示。工程应用

Humaling隧道,Chongqing-Lanzhou extralong隧道的铁路之一,位于兰州,甘肃、中国的最大埋深295米。几个斜轴设置在隧道施工期间。最初设计的3号斜井围岩主要IV-level砂岩、低水含量。斜轴,这是一个马蹄形断面的宽度和高度6.2米和6.5米,分别设计了出土的中心图(CD)方法。

根据项目,工程参数输入构造动态风险评级Netica根据贝叶斯网络结构的评级系统。主观因素是不可用的,所以默认是中等水平。拱顶收敛和侧壁位移监测隧道部分DK77 + 400。根据监测数据,拱顶收敛是大约16.63毫米,侧墙位移大约是22.58毫米。监测值计算得到变形根据表管理水平2和3收敛,此时,拱顶级别计算是三世和侧壁位移水平II级。综合动态风险评级在这种状态下,评级结果如图13。


图13
贝叶斯网络计算的动态风险评级。

根据计算结果,在这种状态下,动态风险评级一级概率是81.7%,12.3%为II级,5.95%为第三级。与动态风险评级描述表相比,风险等级较低,和正常的建设是允许的。

随着斜井开挖的进展,涌水和泥浆侵入发生在隧道的脸,和液化发生在周围的岩石。出现了空白背后的主要支持,导致大变形和崩溃。调整后的贝叶斯网络,动态风险评级计算结果如图14。根据计算结果,动态风险等级的概率水平我非常从81.7%下降到33.8%,II级的概率从12.3%上升到34.0%,而第三级别的概率从5.95%上升到32.2%。这些变化表明,风险水平急剧上升,并应采取措施停止工作。采取了临时加固措施和水和泥浆排水的施工队伍。分析后确定施工三级富含水分遇到软弱的砂岩。当砂岩的含水量很低或没有渗漏,围岩的稳定性很好。当砂岩的含水量太高导致渗水,砂岩迅速恶化的工程性质的影响下的水。围岩开挖后,大部分的细沙的形式,导致极其稳定性差。经过几轮专家示范,建设计划更改为这部中心交叉图(CRD)方法,和先进的支持水平喷射灌浆使用。根据地质条件的变化,修改后的模型参数和调整建设和先进的支持方法,动态风险评级一级概率是73.2%,17.2%为II级,9.57%,第三级,这意味着风险水平大大降低。


图14
贝叶斯网络计算的动态调整风险评级。

5。结论

提出了一种动态风险评级方法深埋隧道基于贝叶斯网络和构造一个动态的风险评级体系。隧道施工的动态风险评级被认为是客观因素,主观因素,监测的因素。根据隧道施工的具体条件,具体参数的三种因素分级根据一定的规则,和一个动态的风险评级体系结构构造;然后,贝叶斯网络结构。贝叶斯网络的节点根据选择的各种因素,确定节点范围确定评分标准,根据因素和节点的概率分布范围是由历史统计数据和专家经验。后验概率和灵敏度进行了分析使用Netica软件。最后,贝叶斯网络是用来计算综合风险评级基于因素评级的三种类型,并进行了工程应用。得到了以下主要结论:(1)三种类型的风险因素、主观因素、客观因素、和监控因素,全面分析,和不同的评分标准确定的三种类型的因素;然后,建立了动态风险评级系统。最后确定风险等级的基础上,获得了三种类型的评价因素,和动态风险评级与客观因素综合评级,评级的主观因素是通过监测因子的变化实现评级使用施工的监测数据(2)根据动态风险评级系统,动态风险评级建立贝叶斯网络结构和系统的三种类型的风险因素与节点一一对应的贝叶斯网络结构。根节点代表的特定风险因素,客观因素评级,评级的主观因素,和监测因子评级是中间节点和目标节点代表最后的动态风险评级。节点范围,确定每个因素的评分。贝叶斯网络的概率分布是由历史数据的统计数据和专家经验的结合(3)后验概率分析和灵敏度分析建立了贝叶斯网络的结构模型进行。当动态风险评级是固定在水平我三种因素变化不大。当动态风险评级是固定的II级,三种类型的因素评级表现出一定的增加或减少,而这些数量的增加或减少的三种类型的因素不是很不同。当动态风险评级是固定在III级,客观因素评级变化最多,其次是监测因素评级,评级变化最少的主观因素。它可以推断出根据贝叶斯网络的变化,动态风险评级主要是受A4围岩级别,A3隧道深度、地下水和A5的客观因素;A11施工管理,A12支持力量,和A8支持定时在主观因素;和阿拱顶收敛和A15侧壁位移监测的因素。动态风险评级是最受B1客观因素评级和B3评级监控因素,其次是B2主观因素评级。根据敏感性分析,动态风险评级结果的排名影响因素三种类型的评级遵循客观因素评级的顺序,监控因素评级,评级和主观因素。主要影响因素是拱顶收敛、侧墙位移,内隧道观察,支持力量,围岩级别,支持定时,地下水,隧道深度,施工管理,基本上是一致的结果推断从贝叶斯网络的变化(4)动态风险评级的贝叶斯网络模型应用于3号Humaling隧道斜井。当施工遇到三级富含水分弱砂岩,动态风险等级水平的概率大幅我从81.7%下降到33.8%,II级的概率显著增加从12.3%提高到34.0%,和第三级别的概率从5.95%上升到32.2%;这些结果表明,风险水平有明显增加

数据可用性

没有数据被用来支持本研究。

附加分

突出了。一个新的动态风险评估方法提出了深埋隧道。动态风险评级体系包括客观因素、主观因素、构造和监控因素。贝叶斯网络的基础上,提出了动态风险评级系统。后验概率,进行敏感性分析。应用程序的动态风险评估方法进行的3号斜井Humaling隧道。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

开放基金的金融支持正在进行的项目的城市地下工程教育部重点实验室(TUE2017-03和TUE2019-04),中国的自然科学基金(51978356)和宁波交通科技项目(201906)极大地承认。