摘要
对隧道进行风险评价和管理可以减少施工过程中事故的发生和避免工期延误。目前对隧道风险管理中风险因素的辨识和风险评价主要集中在利用专家经验进行总体的、静态的风险评价。在有经验可循的工程中能够起到借鉴作用，但对于经验较少的情况，该方法可能会造成判断失误，因此需要提出一种更加客观、符合实际的动态评价方法。目前中国隧道等地下工程建设已经积累了大量的工程施工案例，这些案例是当前和今后风险管理、技术改进的重要资源，如何充分挖掘这些数据以更加切合实际的进行风险辨识与风险评价，有待于研究。其次，随着大数据理论和技术的进步，数据挖掘方法在各行各业中得到了广泛的应用，因此利用隧道建设所积累的数据和施工过程中的监测数据，不仅可以为工期预测和投资费用预估提供有效的方法，也可以为隧道建设过程中的风险辨识、风险预测以及风险评价等问题提供新的思路。因此本文是在已有事故案例基础上，结合现场监测数据提出一种动态的风险评价方法。 在案例分析的基础上结合专家调查法，首先提出一种模糊多态贝叶斯网络风险评价方法，对渔寮隧道进行坍塌风险总体评价;对于经评价认为坍塌风险较高的区段，首先利用所提出的优化Verhulst-MC模型（灰色模型-马尔科夫链）在监测数据基础上对其位移进行预测，然后根据位移预测值，利用所提出的实数编码反分析法与最优双参数强度折减法相结合的围岩稳定性评价方法对隧道稳定性进行评价;开发了模糊多态贝叶斯网络风险评价软件，利用二郎山隧道和鹧鸪山隧道对其进行了检验。主要完成以下相关内容的研究: (1)利用大量已建隧道的坍塌案例数据，通过数据挖掘，对隧道坍塌事故进行了系统分类，分析了隧道坍塌的主要影响因素，对山岭隧道施工过程中的主要风险因素进行辨识，揭示各因素之间的相互关系，建立了隧道坍塌事故树。 (2)提出一种模糊多态贝叶斯网络分析法。首先由已建立的事故树构建贝叶斯网络，通过引入模糊数学和将参数划分为多种状态分别代表概率的模糊性和节点状态的不确定性;在数据调查过程，通过综合小概率区间、专家权重和信心指数、置信区间以及t分布来处理专家调查数据，并首次引入Chauvenet法处理专家调查数据中的离群数据，从而降低异常值的影响;利用专家调查所得概率与案例事故所得概率，综合得出节点条件概率;以渔寮隧道为例，进行隧道坍塌风险概率计算。同时利用该方法构建了坍塌后果贝叶斯网络，对坍塌可能引起的后果进行估计。利用风险矩阵对结果进行分析，最终对隧道坍塌风险进行等级划分。 (3)在对Verhulst模型的背景值优化的基础上，结合马尔可夫链，提出优化Verhulst-MC预测模型，分别对位移中的趋势项位移和随机项位移进行预测，通过对其趋势性和随机性分别进行预测，可以得到更为精确的预测值。经与灰色模型GM(1，1)和传统Verhulst模型对比，预测精度有明显提高，对于长期预测精度更为明显。 (4)提出了基于实数编码遗传算法与最优化双参数强度折减法相结合的围岩稳定性评价方法。在反分析中引入在地质参数反分析中较少使用的实数编码遗传算法来代替反分析中常用的二进制编码算法，并对遗传算法的选择、交叉和变异因子进行了新的组合，提高了反分析计算效率、避免了局部最优值的出现和合理高效的确定神经网络中的权值。通过实数编码遗传算法对预测位移值进行反分析获得围岩的内摩擦角、弹性模量等参数。然后基于潘家铮最大最小原理和模式搜索法的基础上提出最优化双参数强度折减法，使得在折减过程中充分考虑两个参数的作用后，得出两个参数的合理取值（折减后取值），对围岩的稳定性进行评价。该方法相对于最短路径法具有计算量小和不固定比例的优点。 (5)利用R语言构建了隧道坍塌风险评价软件，该软件内置了四个模型包括离散分布数据模型、高斯分布数据模型、隧道坍塌数据模型和数据自建模型。其中模型三为隧道坍塌风险评价模型，是根据本文相关研究所确定的节点以及网络结构而建立，当对工程案例进行了数据调查后可以直接计算隧道坍塌的风险概率，并利用二郎山和鹧鸪山隧道进行了检验，预测结果与现场实际情况相符。
NETL