文摘

频繁崩溃事故隧道与许多相关施工风险因素,这些风险因素之间的相互关系是复杂和模棱两可的。本研究的目的是阐明风险因素之间的关系,以减少隧道崩溃的风险。多准则决策方法相结合提出了解释结构模型(ISM)和模糊贝叶斯网络(FBN)。供应管理协会(ISM)用于确定风险因素之间的层次关系。FBN定量分析风险因素之间的相互作用的强度,进行风险分析。ISM-FBN方法包含三个步骤:(1)ISM-directed图;(2)获得FBN节点的概率;和(3)使用GeNle实施风险分析。该方法还用于评估崩溃风险和检测Canglongxia隧道的关键因素,中国。该方法的隧道崩溃风险模型可以为管理者提供清晰的信息,更好地实现项目管理风险。

1。介绍

近年来,随着交通需求的不断增加,土地短缺,隧道依赖缩短公路里程,缓解地面交通压力,提高城市运行效率;节约土地,保护环境的优势迅速发展。据相关统计,截至2017年,中国已完成30981运营隧道的总长度31021公里(1]。紧张的背景下土地使用和交通量的增加,隧道施工的数量在未来将更加快速。然而,在隧道的施工,复杂的工程地质环境具有强烈的不确定性,导致隧道施工安全事故。目前,常见的隧道施工安全事故包括崩溃,水和泥浆侵入、瓦斯爆炸、岩爆、大变形、火,等等。如果这些事故并不充分控制,项目的施工进度将受到影响,将造成严重的伤害和财产损失,这将造成巨大的社会影响。在111隧道施工安全事故统计从2001年到2016年,隧道坍塌事故约占56%1];这种类型的事故已经引起公众的普遍关注,增加了对隧道崩溃的风险。

隧道施工崩溃是由多个方面的影响,包括设计、施工、地质、等。近年来,多准则决策方法,集成了众多的风险因素,介绍了解决风险评估。陈等人。2]介绍了t - s模糊故障树分析技术基于隧道崩溃的可能性。多级模糊综合决策方法被用来评估隧道崩溃风险(3]。Zhang et al。4)提出了一种粗糙集技术和先进的地质预测评估隧道的崩溃的风险。元等。5)选择的八个主要因素构建一座山隧道滑坡指标体系,用突变理论模型来预测Hongyansi隧道崩溃的可能性。一个动态的风险评估进行一个新属性区间隧道开挖前后评估模型(6]。太阳et al。7)总结了隧道崩溃的因素从实际案例,提出多态模糊贝叶斯网络。过程如下:故障树是用来描述元素之间的关系,然后是故障树映射到贝叶斯网络。基于粗糙集的风险因素得到条件信息熵(8]。雪et al。9)提出了一种模糊综合评价模型来预测的崩溃风险Zhengwan软岩隧道。这些作品做出非凡贡献减少隧道崩溃的风险。然而,一些隧道坍塌事故分析方法是线性的2,7]。此外,小文学考虑风险因素之间的相互作用,导致一个重大风险评估结果与实际情况之间的差异。需要分析事故的原因不仅从因素本身的特点,也从因素之间的关系10]。

一些方法已被用于研究事故因素之间的交互作用,包括系统理论建模和事故处理(印章)11,12),功能磁共振分析方法(弗拉姆号)13),“2 - 4”模式(14),结构方程建模(SEM) (15,16)等。邮票,弗拉姆号,“2 - 4”模式需要发现的交互。然而,结果受到研究者的主观影响。与此同时,因素的复杂性增加脑力和时间的消耗。SEM需要大量的调查问卷来支持建立交互。解释结构模型(ISM) (17,18)可以在一定程度上克服上述限制。然而,只有少数研究定量研究之间的互动因素,尽管大多数研究都是定性的。隧道坍塌的风险是不确定的,这是由许多因素及其复杂的交互。因此,有必要提出一个方法来进行不确定性推理和定量描述的交互。

风险评估是一个推理过程,将各种不确定的风险因素。标准的不确定性推理工具包括贝叶斯网络(BN) [19,20.),氟模型(21),Dempster-Shafer (DS)证据理论22)等。在这些工具中,BN不断更新概率和反向推理,这是广泛应用于风险评估和管理(23- - - - - -29日]。然而,BN的实现需要大量的先验概率和条件概率信息。实际项目的不确定性风险很难获得这些信息,并确定一个准确和精确的数字。近年来,模糊贝叶斯网络(FBN)是克服上述限制。提出了一种多态FBN分析地铁车站的深不可测的基坑30.]。任等。31日]应用FBN发现风险因素之间的因果关系,导致海洋操作事故。Mechri et al。32]分析了安全系统性能的不确定性FBN和验证结果与蒙特卡罗方法的准确性。Aliabadi et al。33)采用FBN寻找事故的关键因素,以防止氢气泄漏的严重后果。有许多现有隧道坍塌事故的风险因素和因素之间的相互关系是复杂和模糊的。然而,当前的风险评估方法考虑因素和相互作用缺乏量化他们的力量。

本研究旨在提出一个风险评估方法通过结合ISM和FBN。首先,供应管理协会(ISM)确定风险因素之间的相互作用影响隧道崩溃,层风险因素,定性分析了因素的重要性。然后,获得的因素层次结构模型ISM映射到BN。专家的意见处理通过相似性聚合方法(SAM)获得的先验概率和条件概率FBN节点。最后,FBN定量分析相互作用的强度,进行风险分析。

本文的其余部分组织如下。部分2简要介绍了解释结构模型的基本理论,BN,模糊集理论。部分3描述了解释结构模型的具体实现方法和FBN。节4该方法用于分析的风险情况。节5的优势、能力和开发方法的局限性进行了讨论。节6,并给出了主要结论。

2。预赛

本部分主要展示了一个初步的介绍重要的这篇论文使用的理论原则。解释结构建模是用来确定因素之间的关系,建立有向图的隧道崩溃的风险。贝叶斯网络模型用于概率推理。先验概率的基本元素是通过模糊集合理论。

2.1。解释结构模型(ISM)

ISM,由约翰Warfield 1973年,目标是把模糊的想法和观点转变成一个清晰的层次结构,这揭示了系统的内部元素之间的关系(34]。实施步骤如下(35- - - - - -38]。

步骤1。识别系统的关键因素。

步骤2。确定因素和构造的关系矩阵之间的关系米₀。

步骤3。计算可达性矩阵米₁根据关系矩阵米₀。

步骤4。达到矩阵水平划分和确定因素水平。

第5步。画一个有向图。

2.2。贝叶斯网络(BN)

BN表达不确定的知识和推理是一种强大的工具,广泛应用于故障诊断和因果原理39]。结合图论和概率理论,它包含一个有向无环图(DAG)和一个关联的联合概率分布(詹妮弗)[40]。DAG由节点和弧。节点代表的状态属性,指示弧代表特性之间的关系。箭头代表子节点,箭尾代表父节点。BN的推理是由以下方程表示: 在哪里P (X)_我)先验概率;是条件概率,它表明的条件因素的发生X_j发生的概率值的元素X_我;和是后验概率。

为一组变量X_我∈X={X₁,X₂、……X_n}),詹妮弗 在哪里pa (X_我)代表的父节点X_我BN结构。

构造一个包含3个节点的BN结构简单便于理解,如图1。节点X₁BN结构的父节点图吗X₂和X₃。X₂和X₃子节点。X₁没有父节点,称为根节点。X₂和X₃没有子节点,称为叶节点。在条件概率表(CPT), 1意味着事件发生和0意味着事件没有发生。

2.3。模糊集合理论

如果数据是不够的,BN节点的概率将挑战获得通过参数学习。咨询专家通常用于获得节点的先验概率和条件概率。由于在实际项目的不确定性风险,是棘手的专家来确定一个准确和精确的数字。因此,模糊集理论介绍。三角模糊数和梯形模糊数是常用来处理不确定的数字。本文采用三角模糊数来描述节点的概率。它被定义为T= (年代₁,年代₂,年代₃),它的隶属函数图如图2。三角形隶属函数

3所示。方法

ISM-FBN方法开发提高隧道坍塌的风险评估的准确性和建立和量化崩溃的因素之间的交互作用。工作流图所示3,其中包括三个主要部分:(i) ISM-directed图;(2)获得BN概率;(3)风险分析。

3.1。画ISM-Directed图

供应管理协会(ISM)的实现是在五个部分阐述了确定ISM-directed图隧道崩溃的因素。

步骤6。崩溃的风险因素的识别。
共有233名隧道坍塌事故在2000 - 2017年被数总结五个方面影响隧道崩溃,即。、地质勘察、设计、施工、组织管理和自然。大多数因素五个方面的综合因素减少的数量和模型的复杂性(更多细节,读者被称为相关文献[5,7,41])。最后,我们决定17个因素主要影响隧道崩溃,表中列出1。地质方面。地质条件的不可预知性是隧道坍塌的主要原因。根据233年事故,地质方面的因素的概率是54.57%,导致隧道崩溃。地质特征包括围岩的强度、围岩的完整性,缺点,断裂区,岩溶洞穴、黄土、膨胀土、偏置角,围岩过渡区,浅埋,地下水,集成等六个主要因素:围岩稳定性差、特殊地质条件差,严重的偏见,地质条件突变,浅埋,地下水渗流。调查和设计方面。233例涉及43例调查和设计方面,占5.61%。勘察设计方面特别表现在参数选择的合理性、数据的完整性,地质调查的准确性,等。通过集成两个主要因素:不合理的设计和不准确的地质调查。建设方面。隧道坍塌引起的施工方面的概率的因素是22.85%。它们表现在不合理的流程安排,过度的画面,超挖,未能构造设计、实施建设计划和组织措施,不当的施工方法和技术、排水的存在和实施计划,施工质量问题,及时的支持,内壁的及时性,的力量支持,施工机械和设备,在围岩爆破振动的影响,集成等五个主要因素:不规则的建筑、施工措施不当或质量差,不合时宜的支持,支持力量不足,过度的施工干扰。组织管理方面。共59例涉及行政管理方面,占7.70%。体现在施工管理不足,非标准建设、质量意识、安全意识薄弱、危险的知识不足,不足的知识变化和围岩地质条件的复杂性,变形监测数据,不合时宜的监测信息的反馈,和先进的地质预测。三个因素集成:低水平的管理意识,故障监视和测量的标准和地质超前预报工作中不足。自然方面。降水直接增加了地表水。如果它遇到不良地质条件,如岩层破碎和裂缝的发展,它将导致地表水渗漏。渗透水使岩石软化和水涌出。它导致隧道围岩的稳定性恶化和崩溃。因此,得出的结论是,大气降水是主要的自然因素影响崩溃。

步骤7。建立因子intrarelationships和关系矩阵。
系统因素之间的关系是由咨询专家建立的关系矩阵米₀。矩阵的关系米₀代表了系统元素之间的关系。这是一个n×n顺序矩阵,n代表系统元素的数量,心肌梗死意味着矩阵的行,乔丹代表了列。如果元素的行心肌梗死影响列的元素乔丹,Mij在两个节点是由1;相反,如果两个无关,它的特点是0:

步骤8。可达性矩阵的计算。
可达性矩阵米₁= (米₀+E)^{K+ 1}计算使用布尔代数操作,具体操作规则方程所示(5)和(6),E是单位矩阵。

第9步。层次的可达性矩阵和确定因素水平。
首先,可达性R(心肌梗死)和先行词集问(乔丹)确定。的可达性R(心肌梗死)代表的影响因素集列元素的元素心肌梗死在每一行。先行词集问(乔丹)代表每一列元素的因素乔丹对行元素的影响。的可达性R(心肌梗死)因素集是可达性集的交集和先行词集问(乔丹)(R(心肌梗死)=R(心肌梗死)∩Q (乔丹))。最后,第一次取出的因素被认为是一级指标,然后从统计集合中删除。重复这个过程,直到所有因素分层。

第10步。有向图。
结合矩阵的关系米₀,有向图是由连接的因素和有向弧来表达两个指标因素之间的关系。

3.2。获得BN概率

它分为五部分使用模糊集理论获得BN节点的概率。

步骤11。BN结构图。
根据第一步,ISM-directed图可以获得隧道崩溃的因素。弧的循环关系中满足BN结构要求使用有向图校正方法(42]。然后,删除冗余的弧线减少网络结构的复杂性和获得最终的BN结构图。

步骤12。自然语言专家。
自然语言表达式定义构建专家语言变量和模糊数之间的关系。总共七个自然语言变量介绍:非常低(重要),低(L),温和低(ML),中等(M),轻度高(MH),高(H)、高(VH) [30.]。相对应的隶属函数如图七个语言变量4,相应的三角模糊数在表列出2。因素的自然语言变量节点获得的咨询专家。

步骤13。聚合的专家意见。
个人经验和知识让专家持有不同的看法相同的重要事件。有必要统一他们的意见,减少主观性。本文使用相似性聚合方法(SAM)聚合专家的模糊观点。山姆是下面讨论的细节43]。
首先,计算任意两个专家之间的相似性。专家的自然语言变量转换成对应的三角模糊数据图4和表2。如果专家的意见E_p(p= 1,2,…,n)和专家E_问(问= 1,2,…n)E_p= (一个₁,一个₂,一个₃),E_问= (b₁,b₂,b₃),分别的相似功能专家E_p的专家E_问是 第二,专家的平均协议(AA(Ep))计算 ,“n“代表专家的总数。
第三,相对水平的协议(类风湿性关节炎(E_p))评估 第四,共识系数(CC (E_p))计算 在哪里代表了分数的专家p在指数我。表3显示了特定的量化分数;w (E_p)和β松弛因子,本文是0.5。
最后,专家意见汇总

步骤14。去模糊化。
尽管专家们的意见是聚合的结果届东亚运动会仍然是一个模糊数。的坚毅不屈的需要去模糊化处理结果确认节点的概率因素。平均面积法(44)是用于获得模糊可能性评分(帧/秒):

步骤15。确定节点的概率。
节点的概率在不同的州是规范化的先验概率和条件概率:

3.3。风险分析

3.3.1。风险诊断和推理

隧道崩溃风险是GeNle诊断和分析软件基于BN结构图和节点的先验概率和条件概率。

3.3.2。敏感性分析

灵敏度分析可以确定不同因素的贡献,它识别的关键因素是至关重要的。目标节点敏感性分析方法用于确定每个因素的敏感度到目标节点。其基本思想如下:(1)每个因素的发生概率和相应的顶事件的发生概率确定。(2)最新的计算顶事件发生概率发生的每个因素下节点(节点发生的可能性是其中之一),分别。(3)每个节点对顶事件的影响因素是决定通过比较最新的顶事件发生概率的增加最初顶事件发生概率。

4所示。案例研究

4.1。背景

模型被用来预测崩溃Ningshan Canglongxia隧道的可能性,中国,总长度为7365米。这个地区属于潮湿的季风地区亚热带北部的边缘。平均降水量为877.1毫米,降水主要集中在7月,8月和9月。根据地质调查报告,Canglongxia隧道的围岩是相对贫穷的;隧道区经过几个断层和构造schistositized区。隧道的涌水量率预测涌水量估算方法很重要。左边的最大涌水量线是25513³/ d,右边的最大涌水量线是25445³/ d,给隧道施工带来很大的困难和挑战。

4.2。计算结果

4.2.1。准备供应管理协会(ISM)测定FBN结构图

表4列出了关系矩阵米₀根据隧道崩溃崩溃的因素决定因素(表1)和专家。表5介绍了可达性矩阵的计算结果米₁。表6显示了水平分区汇总。基于ISM展示在图的有向图5。图6显示了BN结构图。

隧道崩溃因素的层次关系分类的ISM表所示6。层次结构分为7个水平。第一级是T0目标层。第二层次包括支持日元强度不足和过度建设Y13干扰。第三层次包含围岩稳定性差Y1,不规则建筑今年上半年,日元和不合时宜的支持。第四层次包括严重的偏见Y3,浅埋Y4,施工措施不当或质量差的日元,监视和测量标准Y15和失败;第五个层次包含两个因素,即不合理设计Y14日元和低水平的管理意识;第六层次包括地下水渗流日元;第七级别包含五个元素,特别恶劣的地质条件Y2,地质条件突变日元,日元不准确的地质调查、地质超前预报工作不足造成,和大气降水为。

基于因素分层结果表6和矩阵的关系米₀(表4),有向图基于ISM隧道崩溃因素是通过使用定向弧来表示元素之间的关系(图5)。消除了冗余的连接和关闭弧弧结合专家意见,以满足BN结构的要求。最后,一个符合BN的结构图,如图6。

4.2.2。BN节点通过模糊集合理论的概率

我们调查了五个专家获得BN节点的概率。具体步骤如下:(1)获得的自然语言值通过专家根节点;(2)自然语言值转换成模糊集;(3)聚合专家意见由山姆(五个专家的权重如表所示7);(4)获取节点概率值使用方程(14)和(15);和(5)获取其他节点的条件概率后上述步骤。

以根节点低水平的管理意识Y14为例,按照上面的步骤获得节点的概率,和具体结果如表所示8。自然语言值和所有根节点的先验概率如表所示9。由于空间的限制,只选择有条件的地下水渗流日元的可能性,如表所示10。

4.2.3。风险评估基于FBN推理和诊断

图7给出了计算结果。隧道崩溃的概率是0.177。表11计算每个因子的发生概率,后验概率,和排名情况。穷人围岩稳定和地质超前预报工作不足采取最广泛和最低0.651和0.044的机会,分别。在地质方面的因素中,最可观的概率是0.651围岩稳定性差,和最低的0.071的突变是地质条件之一。勘察设计方面的因素之一,不准确的地质调查的最大概率为0.157,最低可能的不合理设计是0.077;在建筑方面的因素中,最大和最小可能是不规则的建筑0.234和0.140施工措施不当或质量差,分别。在组织管理方面的因素中,概率最高的0.160属于低水平的管理意识,和最低0.044属于地质超前预报工作中不足的可能性。从表11,更多的变化可以发现,后验概率的因素发生概率最高的是围岩的稳定性差(0.662),过度建设扰动(0.374),地下水渗流(0.325),大气降雨(0.273),特别恶劣的地质条件(0.269),支持力量不足(0.263),和不规则建筑(0.244)。排名也表明,建筑方面的因素变化最大。最大的两个因素变化过度施工扰动0.162和0.109支持的力量不足。相比之下,其他因素分享更多微小的变化。

4.2.4。敏感性分析

网络中可以确定哪些变量对其他变量的变化很敏感的敏感性分析。我们可以找出最重要的子节点影响隧道崩溃节点。表12列出了灵敏度分析的结果。过度建设扰动和支持力量不足是两个因素显著影响隧道崩溃。

分析相关因素的影响在两个关键元素对降低隧道坍塌的风险是至关重要的。当发生不规则的建筑时,过度的施工扰动的概率增加23.4%,和支持力量不足的可能性上升到17.8%。图8显示支持强度不足和过度建设的概率变化扰动下每个因素的发生节点。

图显示不合理设计(13.2%)是主要的影响因素支持力量不足,和施工措施不当或质量差(12.8%)最高对过度施工扰动的影响。总之,主体建筑方面的因素仍然是影响这两个关键因素。换句话说,人类的这些错误的基础元素。总之,管理者必须加强现场人员的管理和培训。

5。讨论

崩溃,因为在隧道施工期间的一个至关重要的风险,可能导致经济损失和人员伤亡。隧道坍塌的风险非常复杂,因为变量之间的关系不是线性的。本文提出一种ISM-FBN方法解决隧道坍塌的风险评估方法的局限性,不考虑风险因素之间的相互作用。具体来说,供应管理协会(ISM)用于确定风险因素之间的层次关系。FBN量化风险因素之间的相互作用的强度,进行风险分析。该方法还用于评估潜在崩溃的风险Canglongxia隧道。

本研究利用ISM实现隧道坍塌的分层因素。的因素可分为三个层次,即。,direct causes, transitive causes, and underlying causes. Qualitatively, the ISM identifies insufficient support strength and excessive construction disturbance as the immediate causes. The transitive causes include poor stability of surrounding rock, irregular construction, untimely support, severe bias, shallow buried, improper construction measures or poor quality, failure of monitoring and measurement standards, unreasonable design, low level of management awareness, and groundwater seepage. The underlying causes include special poor geology conditions, mutation of geological conditions, inaccurate geological survey, inadequate advance geological forecast, and atmospheric rainfall.

发现直接原因,包括支持强度不足和过度建设扰动,影响隧道崩溃最关键的风险。为了减少风险,我们应该控制在实际过程中其影响。首先,船员的建筑应该被训练在隧道施工期间的威胁。然后,建筑工人应该被迫遵循严格隧道施工期间设计和建筑规范。最后但并非最不重要,做好隧道施工的监视和测量工作,动态监测隧道施工过程中,地质变化,加强隧道施工现场的安全管理和安全检查。

与此同时,需要注意的是,多种因素影响隧道崩溃的风险。我们需要注意传递影响的直接原因和根本原因的原因,尤其是潜在原因,考虑隧道崩溃的根源。这些因素应该预防和处理施工期间,而不仅仅是关注导致事故的直接原因。

本文总结了17个因素影响隧道崩溃。仍然有一些因素需要考虑。同时,BN模型中的数据是由专家的意见。减少主观性的专家的意见尽可能山姆介绍聚合专家的观点。案例研究的结果表明,合理和客观的示例数据可以提高仿真结果。

6。结论

ISM-FBN方法提出了量化的隧道崩溃风险影响因素之间建立互动关系隧道崩溃。首先,ISM结构层次关系因素发展初步BN结构图。接下来,节点的先验概率和条件概率获得了山姆聚合专家意见。最终,GeNle软件用于实现BN推理和诊断。

拟议中的ISM-FBN方法可以确定风险因素之间的相互作用关系。它还可以识别基于灵敏度分析的关键元素,它提供了一种防止事故和风险决策依据指导风险控制工作。该方法预测的潜在崩溃风险Canglongxia隧道,ISM-FBN的验证方法的可行性。

数据可用性

在这项研究中给出的数据的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由中国国家自然科学基金(52178357和52178357)和四川科技项目(2021年2019 jdjq0037 2020 jdrc0091, yfsy0006)。作者也承认第二部中铁隧道集团有限公司有限公司的财政支持。