CN117035418A - 基于多源数据融合的隧道施工综合风险评价方法、装置 - Google Patents
基于多源数据融合的隧道施工综合风险评价方法、装置 Download PDFInfo
- Publication number
- CN117035418A CN117035418A CN202311026644.3A CN202311026644A CN117035418A CN 117035418 A CN117035418 A CN 117035418A CN 202311026644 A CN202311026644 A CN 202311026644A CN 117035418 A CN117035418 A CN 117035418A
- Authority
- CN
- China
- Prior art keywords
- risk
- tunnel
- evidence
- evaluation
- index data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 248
- 238000010276 construction Methods 0.000 title claims abstract description 156
- 230000004927 fusion Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 60
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 38
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 38
- 238000005315 distribution function Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000013461 design Methods 0.000 claims description 27
- 238000011835 investigation Methods 0.000 claims description 25
- 239000011435 rock Substances 0.000 claims description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000004062 sedimentation Methods 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000011161 development Methods 0.000 claims description 16
- 238000009412 basement excavation Methods 0.000 claims description 12
- 239000010754 BS 2869 Class F Substances 0.000 claims description 5
- 238000009933 burial Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000009826 distribution Methods 0.000 description 16
- 238000005457 optimization Methods 0.000 description 13
- 238000012854 evaluation process Methods 0.000 description 12
- 230000000052 comparative effect Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 230000009172 bursting Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000011010 flushing procedure Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007433 macroscopic evaluation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012764 semi-quantitative analysis Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
Abstract
本发明公开了基于多源数据融合的隧道施工综合风险评价方法、装置,评价方法包括以下步骤:S1,建立不同隧道风险评价体系;S2,构建评价指标和风险等级划分标准;S3,获取评价体系的指标数据;S4,固定值和区间值指标数据采用不同基本概率分配函数计算对应不同风险等级的概率,构建指标数据概率集;S5,计算证据体之间的冲突性,当冲突因子大于等于设定阈值,采用加权平均方法得到平均证据体,采用D‑S合成规则进行融合;否则采用D‑S合成规则进行融合,确定隧道风险评价体系的风险等级;S6,得到隧道施工综合风险评价结果。本发明引入证据理论对不确定信息进行有效融合,使得***中的多源不确定信息能够被充分利用,获得更加贴合实际的评价结果。
Description
技术领域
本发明涉及施工安全技术领域,特别涉及基于多源数据融合的隧道施工综合风险评价方法、装置。
背景技术
随着我国交通建设的快速发展以及路网规划的持续延伸,隧道建设正逐渐成为当前公路工程的重要建设领域之一,尤其是在丘陵、山地地形密布的西南地区,隧道建设需求日益强烈。然而,由于工程地质条件的复杂性以及不可预见性,上述偏远地区所面临的隧道施工风险也越来越高,导致诸如掌子面围岩大变形、掌子面塌方及突泥涌水等不良地质灾害频发,这些问题给隧道施工带来了极大的安全风险和施工延误,直接影响了工程进度和施工质量。因此,为保障隧道施工安全,如何高效、可靠开展隧道各类施工风险评价是目前行业内的一大迫切需求。
目前隧道施工风险评价对象主要包括两方面:一是总体施工风险评价,指在施工前根据设计勘察资料对隧道的总体风险进行评判;二是专项施工风险评价,指在隧道施工过程中,根据揭露的地质信息与施工现场情况,针对围岩大变形、掌子面坍塌以及掌子面突泥涌水等重大风险源开展专项风险评价。在实际评价操作中,总体施工风险评价和专项施工风险评价通常是完全割裂、静态的,难以应对复杂隧道的多种风险评价需求,且无法根据施工进度进行动态评价。
以上述风险评价对象为目标,目前风险指标体系主要考虑了隧道地质条件、建设规模、气候与地形条件等因素,并针对重大风险源进一步考虑了开挖后真实地质揭露情况,如断层破碎情况、渗水状态、地质符合性、施工方法等。总体而言,风险指标体系构建以工程应用的便捷性为主,其所涵盖的指标多较易获取但也相对片面,且多数指标的给定多依赖于现场技术人员的主观判断,导致其在应用中存在较大的随意性与不确定性。
隧道施工风险评价方法的发展历程主要经历了三个阶段,即经验性评价方法阶段、定性评价方法阶段以及目前所处的半定量评价方法阶段,其中定性评价方法LEC评价法、专家打分法等,半定量评价方法包括模糊综合评价法、层次分析法、灰色***等,在发展的过程中,风险评价方法从根据经验进行主观评判到目前依托数学模型如模糊综合评价法、逻辑回归、灰色***等,在构建相应风险指标体系的基础上将风险指标量化,从而更为准确地评估风险,但仍存在容易受到人为主观因素的影响、指标体系构建不完善、具体指标量化程度不足、评价方法可靠度不足等技术问题。在工程应用中,目前主流的隧道施工风险评价体系通常应对单一且静态的隧道施工风险对象,即难以应对当前隧道施工复杂、多类的综合风险评价需求,也难以匹配隧道施工进度进行动态风险评价。
综上所述,目前隧道施工风险评价领域需要一种考虑隧道施工过程中多源风险数据进行指标体系构建,且采用多源数据融合方法进行可应对多种综合风险评价需求以及匹配施工进行的综合风险动态评价体系。
发明内容
本发明的目的在于克服现有评价方法大多以定性或半定量分析为主,所计算风险评价结果可靠度不足,只适用于总体风险或单一专项风险的静态评价工况,难以应对隧道施工面临的综合风险动态评价需求的问题,提供基于多源数据融合的隧道施工综合风险评价方法、装置。
为了实现上述发明目的,本发明提供了以下技术方案:
基于多源数据融合的隧道施工综合风险动态评价方法,包括以下步骤:
步骤S1,建立不同隧道风险评价体系,隧道风险评价体系包括隧道勘察设计总体施工风险评价体系、超前预测总体施工风险评价体系和隧道专项风险评价体系;
步骤S2,构建隧道风险评价体系的评价指标和风险等级划分标准;
步骤S3,获取隧道风险评价体系的指标数据;
步骤S4,固定值指标数据和区间值指标数据采用不同的基本概率分配函数计算指标数据对应不同风险等级的概率,构建指标数据概率集;
步骤S5,将每个指标数据概率集作为一个证据体,计算N个证据体之间的冲突性,证据体的冲突性通过冲突因子表征,当冲突因子大于等于设定阈值时,采用加权平均方法对冲突证据体进行优化得到平均证据体,再采用D-S合成规则对平均证据体进行融合;否则,采用D-S合成规则对N个证据体进行融合;
步骤S6,根据融合结果确定隧道风险评价体系的风险等级,根据不同隧道风险评价体系的风险等级得到隧道施工综合风险评价结果。
在本发明的技术方法中,首先建立不同隧道风险评价体系的评价指标和风险等级划分标准,本申请建立隧道勘察设计总体施工风险评价体系、超前预测总体施工风险评价体系和隧道专项风险评价体系,其中隧道专项风险评价体系是施工过程中可能存在风险,具体的专项风险评价体系可根据施工项目、位置等因素来确定,通过建立的不同的评价体系和本申请多维多尺度评价指标,更能对对隧道施工进行综合性的评价,在数据处理时提出多策略优化方案,首先是通过对采集的指标数据采用不同的基本概率分配函数得到对应不同风险等级的概率;然后对计算的冲突因子进行判断,当冲突因子大于等于设定阈值时采用加权平均的方法对冲突证据合成进行优化,提高证据合成结果的可靠度,从而得到不同隧道风险评价体系的风险等级,将进一步得到隧道施工综合风险评价结果。本发明的技术方法引入证据理论对不确定信息进行有效融合,使得***中的多源不确定信息能够被充分利用,获得更加贴合实际的评价结果。
进一步地,隧道施工综合风险评价体系分为全长尺度的隧道勘察设计总体施工风险评价体系、超前预报尺度的超前预测总体施工风险评价体系,隧道专项风险评价体系分为掌子面及近掌子面的塌方、突泥涌水和大变形。在应用体系方面,由于增加了超前预报尺度的超前预测总体施工风险评价,隧道勘察设计、超前预报以及施工监测形成了合理的、匹配施工进度的、尺度从大到小的覆盖关系,随着隧道施工的不断开展,大尺度风险评价结果可以融合到较小尺度的风险评价过程中:如在进行某一段落超前预测总体施工风险评价时,将勘察设计总体施工风险评价结果纳入评价过程;同理在进行某一掌子面施工监测专项风险评价时,将掌子面所处段落内的超前预测总体施工风险评价结果纳入评价过程。在本发明中近掌子面是指掌子面附近尺度,在实际工程中可以对附近尺度进行限定。
更进一步地,隧道勘察设计总体施工风险评价体系的评价指标包括地质信息维度、施工信息维度和预测信息维度三个维度的数据,地质信息维度包括隧道最大埋深、围岩等级、偏压角度、强度应力比、年降水量、涌水量、地应力、完整程度、坚硬程度、风化程度、岩溶发育程度,施工信息维度包括开挖直径、隧道长度、开挖工法、循环进尺,预测信息维度包括围岩变形强度。需要说明的是本申请建立了多维多尺度评价指标,多尺度是指勘察设计尺度、超前预测尺度以及掌子面尺度,多维是指地质信息维度、施工信息维度和预测信息维度。
更进一步地,超前预测总体施工风险评价体系的评价指标包括地质雷达、超前钻探、数值模拟数据。
更进一步地,隧道专项风险评价体系的评价指标包括地质信息维度、施工信息维度和预测信息维度三个维度的数据,地质信息维度包括掌子面强度、掌子面完整程度、掌子面优势结构面倾角、掌子面出水类型、掌子面出水面积、围岩等级、风化程度、胶结程度、岩溶发育程度,施工信息维度包括沉降速率、累计沉降、围岩压力、相对变形量、监测方案合理性、监测质量、支护效率、支护措施合理性、施工质量、防排水措施合理性、地勘准确性,预测信息维度包括累计沉降、沉降速率。
更进一步地,不同隧道专项风险评价体系的评价指标会有一些差别,塌方的评价指标包括优势结构面倾角、掌子面强度、掌子面完整程度、围岩等级、风化程度、胶结程度、相对变形量、支护效率、地勘准确性;大变形的评价指标包括掌子面强度、掌子面完整程度、围岩等级、风化程度、相对变形量、沉降速率、累计沉降、围岩压力、监测质量、支护效率、地勘准确性、沉降速率(预测)、累计沉降(预测);突泥涌水的评价指标包括掌子面强度、掌子面完整程度、出水类型、出水面积、围岩等级、岩溶发育程度、防水排水措施、地勘准确性。
在本发明中需要说明的是,隧道风险评价体系的评估指标有多种,评估指标是一个指标库,在实际应用时根据现场实际情况进行取舍,即有的指标由于各种原因无法采集时可以忽略,这是因为受限于指标数据采集的手段与效率,允许个别指标数据缺失,但最终风险评价结果的可靠度与采用指标数据的丰富程度呈正相关,且指标数据具体的采集获取手段取决于自身所具备的技术手段,最终风险评价结果的可靠度与所采集指标数据的真实程度呈正相关。
进一步地,风险等级划分为四级,分别为较小风险(Ⅰ)、一般风险(Ⅱ)、较大风险(Ⅲ)和严重风险(Ⅳ)。
进一步地,计算指标数据对应风险等级的概率时,固定值指标数据和区间值指标数据采用不同的基本概率分配函数进行计算,固定值指标数据采用基于正态云模型的基本概率分配函数进行计算,计算公式如下:
式中m(Aj(Fi))为证据Aj对识别框架中子集Fi的概率,即不同指标数据对应不同风险等级的概率;μ(x)是x对C的隶属度,也叫确定度,确定度在Y上的分布叫做隶属云,x、Y、C是一个普通的定量集合,被称为论域,其中x∈Y,C为Y上的定性概念,μ(x)∈[0,1],其中x满足而/>满足/>Ex为期望,En为熵,He为超熵;
区间值指标数据采用基于欧氏距离模型的基本概率分配函数进行计算,计算公式如下:
式中D(Qj,Fi)为指标数据Qj与风险等级Fi的欧氏距离。
在实际隧道施工风险评价过程中,根据指标数据采集方式的不同,指标数据可分为固定值与区间值两种,固定值为确切的一个数;区间值为具有上下限的区间数值,固定值与区间值都具有不同程度的不确定性。现有技术的风险评价方法中由于只选取一种基本概率分配函数进行计算,因此通常只能选择其中一种指标值处理方式,也无法很好的考虑多源指标的不确定性。本技术方法中采用欧式距离模型的基本概率分配函数适用于区间值指标数据,采用正态云模型的基本概率分配函数适用于固定值指标数据,指标数据具体取固定值或者区间值要根据工程实际情况以及采集方法而定,采用本发明所构建基本概率分配函数优化策略可同时处理不同确定度的固定值与区间值,在工程应用过程中更加实用及灵活。
更进一步地,基于正态云模型的基本概率分配函数中,确定度μ(x)在论域Y上的分布为正态云,正态云隐含了3次正态分布规律,以期望Ex,熵En和超熵He共计三项数字特征值对云模型进行统一表征,其中:期望Ex为云滴在论域空间分布的期望,即云模型覆盖范围下面积的形心;熵En为一个定性概念的不确定的度量,表示在论域空间中可被定性概念接受的取值范围大小;超熵He为描述熵的不确定性的度量,反映了代表定性概念值的样本出现的随机性,揭示了模糊性和随机性的关联。根据正态云理论,由每项风险评价体系的指标数据对应每一风险等级所划定范围值来计算三项数字特征Ex、En和He,如指标体系中所划定的风险等级中第i个风险等级的范围值为则Ex、En和He的计算公式如下:
式中与/>分别为每一分级指标不同等级的上边界与下边界;T为常数,可以根据变量的模糊阈值进行调整。在实际应用过程中,正态云模型采用云发生器进行计算,云发生器包括正向云发生器和逆向云发生器。本发明采用正向云发生器,即根据云的数字特征(Ex、En、He)进行正态云模型建模,生成正态分布的随机数/>再根据特定输入值x和期望值Ex,利用隶属度μ(x)公式计算隶属度。由于E’n每次随机产生时的值是不同的,得到的μ(x)是不同的,m(Aj(Fi))是最大的隶属度,在计算过程中取8~15次E’n随机产生得到的隶属度中的最大值,具体地,取10次E’n随机产生得到的隶属度中的最大值。
更进一步地,指标数据Qj与风险等级Fi的欧氏距离D(Qj,Fi)的计算公式如下:
式中Qj为第j个风险指标所采集的指标数据,为区间值,Fi为指标体系中所划定的风险等级中第i个风险等级的范围值,/>本方案中i取值为Ⅰ,Ⅱ,Ⅲ,Ⅳ。根据基于欧氏距离模型的基本概率分配函数可知,欧氏距离D(Qj,Fi)越小,说明该指标数据从属于该风险等级的概率就越大。
进一步地,冲突因子的计算公式如下:
式中K为冲突因子,用于描述证据之间存在冲突性,K越大则说明指标数据之间的冲突越大,所融合后的决策结果也可靠度越差。所以上述D-S合成规则不仅能融合多源信息,同时也能反映不同信息或证据的冲突情况,从而全面地反映了不同信息或证据之间的联系。
进一步地,设定阈值为0.98。断证据体间是否存在高度冲突是是否进行冲突证据合成优化的前提条件,这里可以根据冲突因子K的大小进行设置设定阈值,超过设定阈值即执行冲突证据合成优化策略,得到平均证据体mMAE后根据D-S准则进行合成融合,低于设定阈值便直接根据D-S准则进行合成融合。
进一步地,基于加权平均方法的平均证据体的计算公式如下:
式中mMAE(A)为平均证据体,mj为待融合的证据体,j=1,2,…,N,ωj为证据体mj对应的权重。证据体mj对应的权重,可根据实际情况进行确定,包括但不局限于专家经验法、熵权法、Jousselme距离法等,虽然都可不同程度的解决证据冲突问题,但不同的权重分配将对最终评估结果产生影响。
进一步地,D-S合成规则的公式为:
式中K为冲突因子,m(Aj(Fi))为证据Aj对识别框架中子集Fi的概率。
在本发明的技术方案中,采用D-S合成规则对平均证据体进行融合时,将mMAE根据D-S合成规则迭代N-1次就得到最终的证据组合结果,若证据体过多,为提高计算效率,可设定迭代终止条件,即迭代后的结果中隶属于某一风险等级的超过某一阈值,便可终止迭代,根据最大隶属度原则输出隧道风险评价体系的风险等级结果。
本发明还提供了基于多源数据融合的隧道施工综合风险动态评价装置,用于执行上述的评价方法,所述装置包括:
评价体系建立模块,用于建立不同隧道风险评价体系;
评价指标模块,用于构建隧道风险评价体系的评价指标;
等级划分模块,用于构建风险等级划分标准;
获取模块,用于获取不同隧道风险评价体系的指标数据;
第一计算模块,用于对所述获取模块得到的指标数据,固定值指标数据和区间值指标数据采用不同的基本概率分配函数计算指标数据对应不同风险等级的概率,构建指标数据概率集;
冲突因子计算模块,用于将所述第一计算模块的每个指标数据概率集作为一个证据体,计算N个证据体之间的冲突性;
判断模块,用于判断所述冲突因子计算模块的冲突因子与设定阈值的大小关系;
第一融合模块,用于当所述判断模块判断冲突因子大于等于设定阈值时,采用加权平均方法对冲突证据体进行优化得到平均证据体,再采用D-S合成规则对平均证据体进行融合;
第二融合模块,用于当所述判断模块判断冲突因子小于设定阈值时,采用D-S合成规则对N个证据体进行融合;
风险等级确定模块,用于根据所述第一融合模块或所述第二融合模块确定不同隧道风险评价体系的风险等级;
评估结果确定模块,用于根据根据不同隧道风险评价体系的风险等级得到隧道施工综合风险评价结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上述的基于多源数据融合的隧道施工综合风险动态评价方法中的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的基于多源数据融合的隧道施工综合风险动态评价方法中的步骤。
与现有技术相比,本发明的有益效果:
1、本发明提供的是基于多源数据融合的“2+3”隧道施工综合风险动态评价体系,其中“2”是指隧道勘察设计总体施工风险评价体系和超前预测总体施工风险评价体系,“3”是指隧道专项风险评价体系中的塌方、突泥涌水和大变形三种情况,引入证据理论对不确定信息进行有效融合,使得***中的多源不确定信息能够被充分利用,获得更加贴合实际的评价结果。由于增加了超前预报尺度的超前预测总体施工风险评价,隧道勘察设计、超前预报以及施工监测形成了合理的、匹配施工进度的、尺度从大到小的覆盖关系,随着隧道施工的不断开展,大尺度风险评价结果作为一条证据体融合到较小尺度的风险评价过程中,从而实现高可靠度的动态风险评价,因此“2+3”隧道综合风险动态评价体系具有较高的工程可用性,可以满足隧道在勘察设计、超前预测及开挖监测三个阶段下进行匹配施工进度的总体+专项多种风险评价需求。
2、本发明对体系应用过程中涉及的指标体系库、优化策略及各注意事项进行了相应规定,充分考虑了实际施工情况,且具有高度拓展性,在应用过程中具有高度灵活性;该方法还具备数据处理量小、易于操作、结果可靠性和准确性高等优点。
3、本发明的评价方法在计算风险等级概率时,固定值指标数据采用基于正态云模型的基本概率分配函数进行计算,区间值指标数据采用基于欧氏距离模型的基本概率分配函数进行计算,很好的考虑多源指标的不确定性,在工程应用过程中更加实用及灵活。
4、本发明的评价方法在证据体融合时,先计算证据体之间的冲突性,当冲突因子大于等于设定阈值时,采用加权平均方法对冲突证据体进行优化得到平均证据体,再采用D-S合成规则对平均证据体进行融合;否则,采用D-S合成规则对N个证据体进行融合。本发明体系及多策略优化D-S证据理论在处理冲突证据方面具有显著优势,不仅在宏观的评估结果上表现出了充足的可靠性和敏感度,在微观的各等级概率分布方面也更为合理。
附图说明:
图1为本发明基于多源数据融合的隧道施工综合风险动态评价方法的流程图;
图2为本发明“2+3”隧道施工综合风险动态评价体系的示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
针对现有的隧道施工风险评价方法存在容易受到人为主观因素的影响、指标体系构建不完善、具体指标量化程度不足、评价方法可靠度不足的技术问题,本实施例提供了一种基于多源数据融合的隧道施工综合风险动态评价方法,如图1所示,包括以下步骤:
步骤S1,建立不同隧道风险评价体系,隧道风险评价体系包括隧道勘察设计总体施工风险评价体系、超前预测总体施工风险评价体系和隧道专项风险评价体系;
隧道施工综合风险评价体系分为全长尺度的隧道勘察设计总体施工风险评价体系、超前预报尺度的超前预测总体施工风险评价体系,隧道专项风险评价体系分为掌子面及近掌子面的塌方、突泥涌水和大变形。近掌子面是指掌子面附近尺度,在实际工程中可以对附近尺度进行限定。在应用体系方面,由于增加了超前预报尺度的超前预测总体施工风险评价,隧道勘察设计、超前预报以及施工监测形成了合理的、匹配施工进度的、尺度从大到小的覆盖关系,随着隧道施工的不断开展,大尺度风险评价结果可以融合到较小尺度的风险评价过程中:如在进行某一段落超前预测总体施工风险评价时,将勘察设计总体施工风险评价结果纳入评价过程;同理在进行某一掌子面施工监测专项风险评价时,将掌子面所处段落内的超前预测总体施工风险评价结果纳入评价过程。
步骤S2,构建隧道风险评价体系的评价指标和风险等级划分标准;
风险等级划分为四级,分别为较小风险(Ⅰ)、一般风险(Ⅱ)、较大风险(Ⅲ)和严重风险(Ⅳ)。
隧道勘察设计总体施工风险评价体系的评价指标包括地质信息维度、施工信息维度和预测信息维度三个维度的数据,地质信息维度包括隧道最大埋深、围岩等级、偏压角度、强度应力比、年降水量、涌水量、地应力、完整程度、坚硬程度、风化程度、岩溶发育程度,施工信息维度包括开挖直径、隧道长度、开挖工法、循环进尺,预测信息维度包括围岩变形强度。
超前预测总体施工风险评价体系的评价指标包括地质雷达、超前钻探、数值模拟数据。
隧道专项风险评价体系的评价指标包括地质信息维度、施工信息维度和预测信息维度三个维度的数据,地质信息维度包括掌子面强度、掌子面完整程度、掌子面优势结构面倾角、掌子面出水类型、掌子面出水面积、围岩等级、风化程度、胶结程度、岩溶发育程度,施工信息维度包括沉降速率、累计沉降、围岩压力、相对变形量、监测方案合理性、监测质量、支护效率、支护措施合理性、施工质量、防排水措施合理性、地勘准确性,预测信息维度包括累计沉降、沉降速率。不同隧道专项风险评价体系的评价指标会有一些差别,塌方的评价指标包括优势结构面倾角、掌子面强度、掌子面完整程度、围岩等级、风化程度、胶结程度、相对变形量、支护效率、地勘准确性;大变形的评价指标包括掌子面强度、掌子面完整程度、围岩等级、风化程度、相对变形量、沉降速率、累计沉降、围岩压力、监测质量、支护效率、地勘准确性、沉降速率(预测)、累计沉降(预测);突泥涌水的评价指标包括掌子面强度、掌子面完整程度、出水类型、出水面积、围岩等级、岩溶发育程度、防水排水措施、地勘准确性。
按照风险等级对指标数据进行分级,得到不同隧道风险评价体系的评价指标的分级,如表1、表2、表3所示。
表1隧道勘察设计总体施工风险评价体系的评价指标及分级
表2超前预测总体施工风险评价体系的评价指标及分级
表3隧道专项风险评价体系的评价指标及分级
步骤S3,获取隧道风险评价体系的指标数据;
风险评价中指标数据的等级划分有几点说明如下:(1)当指标数据取值超过等级划分最大或最小范围值时,取超出方向的取值范围最大值;(2)百分制指标数据需要技术人员根据现场实际情况,在规定的取值范围内进行合理取值;(3)上述表中指标数据等级划分属于较为完整的指标库,具体隧道项目可以根据实际工程情况进行指标筛选,但应保证每一尺度、每一维度都有相应的采集指标。
需要说明的是,隧道风险评价体系的指标数据有多种,可以是定性的或定量的,为了方便后期风险的评估,在指标数据采集过程中将定性数据转化为定量数据,如转化成百分制的定量数据。此外,所提供的评估指标是一个指标库,在实际应用时根据现场实际情况进行取舍,受限于指标数据采集的手段与效率,允许个别指标数据缺失,但最终风险评价结果的可靠度与采用指标数据的丰富程度呈正相关,且指标数据具体的采集获取手段取决于自身所具备的技术手段,最终风险评价结果的可靠度与所采集指标数据的真实程度呈正相关。
步骤S4,固定值指标数据和区间值指标数据采用不同的基本概率分配函数计算指标数据对应不同风险等级的概率,构建指标数据概率集。
基本概率分配函数用m表示,如果函数m:2Θ→[0,1](其中2Θ表示识别框架Θ的幂集)满足如下条件:
式中:为空集;m(Aj(Fi))为证据Aj对识别框架中子集Fi的概率。则称m是识别框架Θ的基本概率分配函数,也称为基本概率赋值函数、基本可信度分配函数或质量函数。假设有一个需要判别的问题,对于该问题的所有结果的集合可以采用识别框架Θ表示,Θ={F1,F2,…,Fn},Fi为识别框架Θ中的一个结果或者子集,要对某一问题进行识别和判断,除了识别框架Θ外,还需要相应的证据集Φ,Φ={A1,A2,…,Ak},式中Ai为支持识别框架中某一子集的证据。在本发明中,证据集即为所构建的风险评价体系,其中每一项指标数据都是一条单独的证据。当构成了一个证据时,识别框架内的每一个可能结果或者子集都应分配一个[0,1]之内的支持概率,且所有独立子集的支持概率之和应该等于1。在本发明中,当一项风险评价体系完成指标数据采集或确定后,就应当选用相应的基本概率分配函数,对其在所属识别框架,即该指标数据属于各风险等级的概率进行计算。
计算指标数据对应风险等级的概率时,固定值指标数据和区间值指标数据采用不同的基本概率分配函数进行计算,固定值指标数据采用基于正态云模型的基本概率分配函数进行计算,计算公式如下:
式中m(Aj(Fi))为证据Aj对识别框架中子集Fi的概率,即不同指标数据对应不同风险等级的概率;μ(x)是x对C的隶属度,也叫确定度,确定度在Y上的分布叫做隶属云,x、Y、C是一个普通的定量集合,被称为论域,其中x∈Y,C为Y上的定性概念,μ(x)∈[0,1],其中x满足而/>满足/>Ex为期望,En为熵,He为超熵。
基于正态云模型的基本概率分配函数中,确定度μ(x)在论域Y上的分布为正态云,正态云隐含了3次正态分布规律,以期望Ex,熵En和超熵He共计三项数字特征值对云模型进行统一表征,其中:期望Ex为云滴在论域空间分布的期望,即云模型覆盖范围下面积的形心;熵En为一个定性概念的不确定的度量,表示在论域空间中可被定性概念接受的取值范围大小;超熵He为描述熵的不确定性的度量,反映了代表定性概念值的样本出现的随机性,揭示了模糊性和随机性的关联。根据正态云理论,由每项风险评价体系的指标数据对应每一风险等级所划定范围值来计算三项数字特征Ex、En和He,如指标体系中所划定的风险等级中第i个风险等级的范围值为则Ex、En和He的计算公式如下:
式中与/>分别为每一分级指标不同等级的上边界与下边界;T为常数,可以根据变量的模糊阈值进行调整。在实际应用过程中,正态云模型采用云发生器进行计算,云发生器包括正向云发生器和逆向云发生器。本发明采用正向云发生器,即根据云的数字特征(Ex、En、He)进行正态云模型建模,生成正态分布的随机数/>再根据特定输入值x和期望值Ex,利用隶属度μ(x)公式计算隶属度。由于E’n每次随机产生时的值是不同的,得到的μ(x)是不同的,m(Aj(Fi))是最大的隶属度,在计算过程中取8~15次E’n随机产生得到的隶属度中的最大值,具体地,取10次E’n随机产生得到的隶属度中的最大值。
区间值指标数据采用基于欧氏距离模型的基本概率分配函数进行计算,计算公式如下:
式中D(Qj,Fi)为指标数据Qj与风险等级Fi的欧氏距离。指标数据Qj与风险等级Fi的欧氏距离D(Qj,Fi)的计算公式如下:
式中Qj为第j个风险指标所采集的指标数据,为区间值,Fi为指标体系中所划定的风险等级中第i个风险等级的范围值,/>本方案中i取值为Ⅰ,Ⅱ,Ⅲ,Ⅳ。根据基于欧氏距离模型的基本概率分配函数可知,欧氏距离D(Qj,Fi)越小,说明该指标数据从属于该风险等级的概率就越大。
在实际隧道施工风险评价过程中,根据指标数据采集方式的不同,指标数据可分为固定值与区间值两种,固定值为确切的一个数;区间值为具有上下限的区间数值,固定值与区间值都具有不同程度的不确定性。现有技术的风险评价方法中由于只选取一种基本概率分配函数进行计算,因此通常只能选择其中一种指标值处理方式,也无法很好的考虑多源指标的不确定性。本技术方法中采用欧式距离模型的基本概率分配函数适用于区间值指标数据,采用正态云模型的基本概率分配函数适用于固定值指标数据,指标数据具体取固定值或者区间值要根据工程实际情况以及采集方法而定,采用本发明所构建基本概率分配函数优化策略可同时处理不同确定度的固定值与区间值,在工程应用过程中更加实用及灵活。
步骤S5,将每个指标数据概率集作为一个证据体,计算N个证据体之间的冲突性,证据体的冲突性通过冲突因子表征,当冲突因子大于等于设定阈值时,采用加权平均方法对冲突证据体进行优化得到平均证据体,再采用D-S合成规则对平均证据体进行融合;否则,采用D-S合成规则对N个证据体进行融合;
冲突因子的计算公式如下:
式中K为冲突因子,用于描述证据之间存在冲突性,K越大则说明指标数据之间的冲突越大,所融合后的决策结果也可靠度越差。所以上述D-S合成规则不仅能融合多源信息,同时也能反映不同信息或证据的冲突情况,从而全面地反映了不同信息或证据之间的联系。
断证据体间是否存在高度冲突是是否进行冲突证据合成优化的前提条件,这里可以根据冲突因子K的大小进行设置设定阈值,超过设定阈值即执行冲突证据合成优化策略,得到平均证据体mMAE后根据D-S准则进行合成融合,低于设定阈值便直接根据D-S准则进行合成融合。设定阈值为ζ,本实施例中ζ为0.98。
当冲突因子大于等于设定阈值时,采用加权平均方法对冲突证据体进行优化得到平均证据体,基于加权平均方法的平均证据体的计算公式如下:
式中mMAE(A)为平均证据体,mj为待融合的证据体,j=1,2,…,N,ωj为证据体mj对应的权重。证据体mj对应的权重,可根据实际情况进行确定,包括但不局限于专家经验法、熵权法、Jousselme距离法等,虽然都可不同程度的解决证据冲突问题,但不同的权重分配将对最终评估结果产生影响。
D-S合成规则的公式为:
在本发明的技术方案中,采用D-S合成规则对平均证据体进行融合时,将mMAE根据D-S合成规则迭代N-1次就得到最终的证据组合结果,若证据体过多,为提高计算效率,可设定迭代终止条件,即迭代后的结果中隶属于某一风险等级的超过某一阈值,便可终止迭代,根据最大隶属度原则输出隧道风险评价体系的风险等级结果。
步骤S6,根据融合结果确定隧道风险评价体系的风险等级,根据不同隧道风险评价体系的风险等级得到隧道施工综合风险评价结果。
实施例2
本实施例采用实施例1的评估方法对广西某隧道进行风险评价,广西某隧道为削竹式越岭长隧道,左线起止桩号ZK19+005~ZK20+903,设计长度为1893m,出口掌子面位于ZK20+903;右线起止桩号YK18+985~YK20+875,设计长度为1890m,进口掌子面位于YK18+990,出口掌子面位于YK20+875。隧道宽14.5m,净高5.0m。根据实际工程进度,选取ZK19+105~ZK19+175共70m作为验证段落进行多源数据融合计算与风险评价。
其中根据超前地质预报与实际监控量测,将超前预测阶段分为ZK19+104~ZK19+127、ZK19+127~ZK19+157、ZK19+150~ZK19+180三个段落,施工监测阶段涉及ZK19+105、ZK19+129、ZK19+150、ZK19+175四个断面。且由于该隧道现场实际岩溶发育情况一般,岩石强度较高,因此本实施例主要对掌子面塌方进行专项风险评价。
在步骤S3中,根据所收集隧道设计及施工资料数据,结合现场实际情况选取的各阶段指标及其采集指标数据如下表4~表6所示。
表4实施例2隧道勘察设计总体施工风险评价体系指标数据
/>
表5实施例2超前预测总体施工风险评价体系指标数据
编号 | 段落划分 | 指标 | 取值 |
1 | ZK19+104~ZK19+127 | 地质雷达(BQ) | 200~250 |
2 | ZK19+127~ZK19+157 | 地质雷达(BQ) | 200~250 |
3 | ZK19+150~ZK19+180 | 地质雷达(BQ) | 100~150 |
表6实施例2隧道专项风险评价体系指标数据
编号 | 断面 | 结构面倾角 | 完整程度 | 风化程度 | 胶结程度 | 相对变形 | 支护效率 |
1 | ZK19+104 | 35~45 | 80~90 | 80~90 | 70~80 | 1.18 | 50~60 |
2 | ZK19+129 | 35~45 | 70~80 | 60~70 | 30~40 | 1.44 | 70~90 |
3 | ZK19+150 | 35~45 | 60~70 | 60~70 | 30~40 | 1.07 | 60~80 |
4 | ZK19+175 | 60~70 | 60~70 | 40~50 | 70~80 | 0.85 | 150~180 |
步骤S4,根据表4~表6的指标数据,固定值指标数据采用基于正态云模型的基本概率分配函数进行计算,区间值指标数据采用基于欧氏距离模型的基本概率分配函数进行计算。
步骤S5,完成各阶段、各证据体的基本分配概率结果计算后,下一步根据前文制定的“2+3”隧道施工综合风险动态评估进行风险概率的融合,如图2所示,其中“2”是指隧道勘察设计总体施工风险评价体系和超前预测总体施工风险评价体系,“3”是指隧道专项风险评价体系中的塌方、突泥涌水和大变形三种情况。设定冲突因子K阈值为0.98,所计算K大于0.98时即进行冲突证据合成优化,根据优化策略求出平均证据体mMAE;本实施例基于Jousselme距离法进行冲突证据间的加权平均优化,再采用D-S合成规则对平均证据体进行融合;否则,采用D-S合成规则对N个证据体进行融合,确定隧道风险评价体系的风险等级;根据不同隧道风险评价体系的风险等级得到隧道施工综合风险评价结果。
为了说明本发明应用效果,与设置了对比例,其中对比例1与本发明的区别在于:没有对冲突因子进行判断,未优化D-S证据理论合成得到计算结果;对比例2是采用现有技术中通常使用的模糊综合评价法得到计算结果,结果如表7~表9所示。
表7采用对比例1风险评价结果
/>
表8采用对比例2风险评价结果
表9采用本发明多策略优化D-S证据理论风险评价结果
从上表的评估结果上来看,对比例1采用未优化D-S证据理论由于不进行冲突证据处理,导致勘察设计阶段无评估结果(冲突因子K=1导致无法进行合成计算);对比例2采用模糊综合评价法受计算规则限制,无法对只有一项指标的超前预测阶段的三个里程段进行风险评价计算。在更为具体的各评估结果概率分布方面,对比例1在证据体存在高度冲突而不进行冲突的情况下,导致开挖监测阶段的概率分布趋向于一票否决制,即基本只有0与1两种情况。对比例2在ZK19+104以及ZK19+175都出现了概率分布异常情况(正常的概率分布应该由隶属度最高项向两侧逐渐下降,而不应出现跳跃情况)。相比之下本发明下所计算所有概率分布情况合理、正常。根据现场开挖揭露情况,ZK19+105~ZK19+175是由泥质围岩向岩质围岩转化的里程段,同时也是由双侧壁开挖向CD法开挖转化的里程段,塌方风险呈逐渐提高趋势,只有本发明体系方法足够敏感,有效将ZK19+175断面识别Ⅲ级风险。
在本发明中由于增加了超前预报尺度的超前预测总体施工风险评价,隧道勘察设计、超前预报以及施工监测形成了合理的、匹配施工进度的、尺度从大到小的覆盖关系,随着隧道施工的不断开展,大尺度风险评价结果作为一条证据体融合到较小尺度的风险评价过程中,从而实现高可靠度的动态风险评价,因此“2+3”隧道综合风险动态评价体系具有较高的工程可用性,可以满足隧道在勘察设计、超前预测及开挖监测三个阶段下进行匹配施工进度的总体+专项多种风险评价需求。如在进行某一段落超前预测总体施工风险评价时,将勘察设计总体施工风险评价结果纳入评价过程;同理在进行某一掌子面施工监测专项风险评价时,将掌子面所处段落内的超前预测总体施工风险评价结果纳入评价过程。
实施例3
本实施例提供了基于多源数据融合的隧道施工综合风险动态评价装置,用于执行实施例1的评价方法,所述装置包括:
评价体系建立模块,用于建立不同隧道风险评价体系的评价指标;
评价指标模块,用于构建隧道风险评价体系的评价指标;
等级划分模块,用于构建风险等级划分标准;
获取模块,用于获取不同隧道风险评价体系的指标数据;
第一计算模块,用于对所述获取模块得到的指标数据,固定值指标数据和区间值指标数据采用不同的基本概率分配函数计算指标数据对应不同风险等级的概率,构建指标数据概率集;
冲突因子计算模块,用于将所述第一计算模块的每个指标数据概率集作为一个证据体,计算N个证据体之间的冲突性;
判断模块,用于判断所述冲突因子计算模块的冲突因子与设定阈值的大小关系;
第一融合模块,用于当所述判断模块判断冲突因子大于等于设定阈值时,采用加权平均方法对冲突证据体进行优化得到平均证据体,再采用D-S合成规则对平均证据体进行融合;
第二融合模块,用于当所述判断模块判断冲突因子小于设定阈值时,采用D-S合成规则对N个证据体进行融合;
风险等级确定模块,用于根据所述第一融合模块或所述第二融合模块确定不同隧道风险评价体系的风险等级;
评估结果确定模块,用于根据不同隧道风险评价体系的风险等级得到隧道施工综合风险评价结果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于多源数据融合的隧道施工综合风险动态评价方法,其特征在于,包括以下步骤:
步骤S1,建立不同隧道风险评价体系,隧道风险评价体系包括隧道勘察设计总体施工风险评价体系、超前预测总体施工风险评价体系和隧道专项风险评价体系;
步骤S2,构建隧道风险评价体系的评价指标和风险等级划分标准;
步骤S3,获取隧道风险评价体系的指标数据;
步骤S4,固定值指标数据和区间值指标数据采用不同的基本概率分配函数计算指标数据对应不同风险等级的概率,构建指标数据概率集;
步骤S5,将每个指标数据概率集作为一个证据体,计算N个证据体之间的冲突性,证据体的冲突性通过冲突因子表征,当冲突因子大于等于设定阈值时,采用加权平均方法对冲突证据体进行优化得到平均证据体,再采用D-S合成规则对平均证据体进行融合;否则,采用D-S合成规则对N个证据体进行融合;
步骤S6,根据融合结果确定隧道风险评价体系的风险等级,根据不同隧道风险评价体系的风险等级得到隧道施工综合风险评价结果。
2.根据权利要求1所述的基于多源数据融合的隧道施工综合风险动态评价方法,其特征在于,隧道专项风险评价体系包括掌子面及近掌子面的塌方、突泥涌水和大变形。
3.根据权利要求1所述的基于多源数据融合的隧道施工综合风险动态评价方法,其特征在于,隧道勘察设计总体施工风险评价体系的评价指标包括地质信息维度、施工信息维度和预测信息维度三个维度的数据,地质信息维度包括隧道最大埋深、围岩等级、偏压角度、强度应力比、年降水量、涌水量、地应力、完整程度、坚硬程度、风化程度、岩溶发育程度,施工信息维度包括开挖直径、隧道长度、开挖工法、循环进尺,预测信息维度包括围岩变形强度;超前预测总体施工风险评价体系的评价指标包括地质雷达、超前钻探、数值模拟数据。
4.根据权利要求3所述的基于多源数据融合的隧道施工综合风险动态评价方法,其特征在于,隧道专项风险评价体系的评价指标包括地质信息维度、施工信息维度和预测信息维度三个维度的数据,地质信息维度包括掌子面强度、掌子面完整程度、掌子面优势结构面倾角、掌子面出水类型、掌子面出水面积、围岩等级、风化程度、胶结程度、岩溶发育程度,施工信息维度包括沉降速率、累计沉降、围岩压力、相对变形量、监测方案合理性、监测质量、支护效率、支护措施合理性、施工质量、防排水措施合理性、地勘准确性,预测信息维度包括累计沉降、沉降速率。
5.根据权利要求1所述的基于多源数据融合的隧道施工综合风险动态评价方法,其特征在于,风险等级划分为四级,分别为较小风险、一般风险、较大风险和严重风险。
6.根据权利要求1所述的基于多源数据融合的隧道施工综合风险动态评价方法,其特征在于,计算指标数据对应风险等级的概率时,固定值指标数据和区间值指标数据采用不同的基本概率分配函数进行计算,固定值指标数据采用基于正态云模型的基本概率分配函数进行计算,计算公式如下:
式中m(Aj(Fi))为证据Aj对识别框架中子集Fi的概率;μ(x)是x对C的隶属度,x、Y、C是一个普通的定量集合,其中x∈Y,C为Y上的定性概念,μ(x)∈[0,1],其中x满足而/>满足/>Ex为期望,En为熵,He为超熵;
区间值指标数据采用基于欧氏距离模型的基本概率分配函数进行计算,计算公式如下:
式中D(Qj,Fi)为指标数据Qj与风险等级Fi的欧氏距离。
7.根据权利要求1所述的基于多源数据融合的隧道施工综合风险动态评价方法,其特征在于,冲突因子的计算公式如下:
式中K为冲突因子,m(Aj(Fi))为证据Aj对识别框架中子集Fi的概率。
8.根据权利要求7所述的基于多源数据融合的隧道施工综合风险动态评价方法,其特征在于,设定阈值为0.98。
9.根据权利要求1所述的基于多源数据融合的隧道施工综合风险动态评价方法,其特征在于,基于加权平均方法的平均证据体的计算公式如下:
式中mMAE(A)为平均证据体,mj为待融合的证据体,j=1,2,…,N,ωj为证据体mj对应的权重。
10.基于多源数据融合的隧道施工综合风险动态评价装置,其特征在于,用于执行权利要求1-9任意一项所述的基于多源数据融合的隧道施工综合风险动态评价方法,所述装置包括:
评价体系建立模块,用于建立不同隧道风险评价体系的评价指标;
评价指标模块,用于构建隧道风险评价体系的评价指标;
等级划分模块,用于构建风险等级划分标准;
获取模块,用于获取不同隧道风险评价体系的指标数据;
第一计算模块,用于对所述获取模块得到的指标数据,固定值指标数据和区间值指标数据采用不同的基本概率分配函数计算指标数据对应不同风险等级的概率,构建指标数据概率集;
冲突因子计算模块,用于将所述第一计算模块的每个指标数据概率集作为一个证据体,计算N个证据体之间的冲突性;
判断模块,用于判断所述冲突因子计算模块的冲突因子与设定阈值的大小关系;
第一融合模块,用于当所述判断模块判断冲突因子大于等于设定阈值时,采用加权平均方法对冲突证据体进行优化得到平均证据体,再采用D-S合成规则对平均证据体进行融合;
第二融合模块,用于当所述判断模块判断冲突因子小于设定阈值时,采用D-S合成规则对N个证据体进行融合;
风险等级确定模块,用于根据所述第一融合模块或所述第二融合模块确定不同隧道风险评价体系的风险等级;
评估结果确定模块,用于根据不同隧道风险评价体系的风险等级得到隧道施工综合风险评价结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311026644.3A CN117035418A (zh) | 2023-08-15 | 2023-08-15 | 基于多源数据融合的隧道施工综合风险评价方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311026644.3A CN117035418A (zh) | 2023-08-15 | 2023-08-15 | 基于多源数据融合的隧道施工综合风险评价方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117035418A true CN117035418A (zh) | 2023-11-10 |
Family
ID=88636916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311026644.3A Pending CN117035418A (zh) | 2023-08-15 | 2023-08-15 | 基于多源数据融合的隧道施工综合风险评价方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035418A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474340A (zh) * | 2023-11-17 | 2024-01-30 | 中电建铁路建设投资集团有限公司 | 用于地铁盾构施工沉降的风险评价方法及*** |
CN117711160A (zh) * | 2024-02-05 | 2024-03-15 | 中铁四局集团有限公司 | 山岭隧道突泥涌水风险动态评估方法、设备、存储介质 |
-
2023
- 2023-08-15 CN CN202311026644.3A patent/CN117035418A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474340A (zh) * | 2023-11-17 | 2024-01-30 | 中电建铁路建设投资集团有限公司 | 用于地铁盾构施工沉降的风险评价方法及*** |
CN117474340B (zh) * | 2023-11-17 | 2024-06-07 | 中电建铁路建设投资集团有限公司 | 用于地铁盾构施工沉降的风险评价方法及*** |
CN117711160A (zh) * | 2024-02-05 | 2024-03-15 | 中铁四局集团有限公司 | 山岭隧道突泥涌水风险动态评估方法、设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117035418A (zh) | 基于多源数据融合的隧道施工综合风险评价方法、装置 | |
CN109709603B (zh) | 地震层位识别与追踪方法、*** | |
KR101618713B1 (ko) | 지반정보에 기초한 3차원 공간 모델링 방법 | |
Li et al. | Rainfall and earthquake-induced landslide susceptibility assessment using GIS and Artificial Neural Network | |
Sauquet et al. | Comparison of catchment grouping methods for flow duration curve estimation at ungauged sites in France | |
CN108492236B (zh) | 基于蒙特卡洛随机模拟的多重现期海啸灾害评估方法 | |
CN115061219B (zh) | 基于石油天然气探测的裂缝型储层预测识别方法及*** | |
CN102075356A (zh) | 一种网络风险评估方法与*** | |
KR102155101B1 (ko) | 지반 층상정보 예측 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 저장 매체 | |
CN114723095A (zh) | 缺失测井曲线预测方法及装置 | |
CN111639878A (zh) | 一种基于知识图谱构建的滑坡风险预测方法及*** | |
CN112131731A (zh) | 一种基于空间特征向量滤波的城市生长元胞模拟方法 | |
CN117035465B (zh) | 一种评估滑坡易发性的方法和装置 | |
CN116992522A (zh) | 深基坑围护结构变形预测方法、装置、设备及存储介质 | |
CN117593653B (zh) | 基于遥感监测的地质灾害预警方法 | |
CN112883646B (zh) | 联合机器学习和土力学模型的建筑沉降量提取方法、***及装置 | |
Wang et al. | Research on rock mass quality classification based on an improved rough set–cloud model | |
CN112199887A (zh) | 基于对抗生成网络和伪标注的半监督电阻率反演方法及*** | |
CN114782211B (zh) | 一种海山分布范围信息的获取方法及*** | |
CN112528554A (zh) | 一种适于多发多源火箭试验数据的数据融合方法及*** | |
CN116933920A (zh) | 一种矿山井下泥石流的预测预警方法及*** | |
CN114202551B (zh) | 一种喀斯特石漠化的分级制图方法及装置 | |
KR102387940B1 (ko) | 산사태와 관련된 환경 지리적 특성을 파악하기 위한 산사태 예측 장치 및 방법 | |
CN115019476A (zh) | 一种基于多源信息融合的滑坡时空信息监测预警方法 | |
CN113761699A (zh) | 裂缝模型构建方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |