長斜井煤礦TBM施工災(zāi)害風(fēng)險預(yù)警模型*

陳孝國，黃鴻輝，楊 悅，劉紀(jì)峰，張會芝

(1. 三明學(xué)院 信息工程學(xué)院，福建 三明 365004；2. 黑龍江科技大學(xué) 理學(xué)院，黑龍江 哈爾濱 150022；3. 工程材料與結(jié)構(gòu)加固福建省高等學(xué)校重點(diǎn)實(shí)驗(yàn)室(三明學(xué)院)，福建 三明 365004；4. 三明學(xué)院 建筑工程學(xué)院，福建 三明 365004；5. 中國礦業(yè)大學(xué)(北京) 力學(xué)與建筑工程學(xué)院，北京 100083)

煤炭是我國主要能源之一，目前淺層煤礦資源已基本采完，深部開采將是今后發(fā)展的主要趨勢。而傳統(tǒng)的立井已經(jīng)不能滿足深部開采的需要，因此我國的一些大型煤礦都在嘗試采用TBM(盾構(gòu))進(jìn)行斜井開挖[1]。TBM具有高效、快速、優(yōu)質(zhì)、安全等優(yōu)點(diǎn)，其掘進(jìn)速度是一般方法的4～10倍。所以越來越多的施工單位開始采用斜井TBM施工。但TBM對不良工程地質(zhì)條件的適應(yīng)性較差，且對施工人員素質(zhì)要求較高，同時施工中面臨的不確定性風(fēng)險因素較多，若不進(jìn)行有效的風(fēng)險評估與控制，將會導(dǎo)致各種工程事故的發(fā)生。因此，對煤礦長斜井TBM施工的風(fēng)險進(jìn)行分析與評估具有重要工程實(shí)踐價值。侯公羽等將集對分析的方法引入長斜井煤礦TBM施工風(fēng)險評估中，并進(jìn)行了實(shí)例分析[2]。美國Eistein教授對隧道工程進(jìn)行了風(fēng)險分析并建立數(shù)學(xué)評估模型[3]，后來Nilsen等提出了更為復(fù)雜地層條件下海底隧道工程分析的框架[4]。Sturk等建立了TBM施工風(fēng)險決策和分析系統(tǒng)[5]。Kampmann等對哥本哈根地鐵工程進(jìn)行風(fēng)險類型的識別，提出應(yīng)對風(fēng)險的措施，并采用蒙特卡洛方法建立了風(fēng)險模型[6]。賀志軍提出了山嶺鐵路隧道施工風(fēng)險評估模式及鐵路隧道施工事故后果分類方式[7]。楊悅對巖體隧道施工安全風(fēng)險進(jìn)行支護(hù)結(jié)構(gòu)力學(xué)預(yù)警分析[8]。何發(fā)亮等提出用模糊成本重要度的指標(biāo)來評價盾構(gòu)隧道施工中各風(fēng)險對總成本的影響大小[9]。上述研究成果普遍存在風(fēng)險指標(biāo)值定性評價較多，權(quán)重確定不精確，無法實(shí)現(xiàn)動態(tài)預(yù)警等缺點(diǎn)。

本文將中智集理論引入長斜井煤礦TBM施工風(fēng)險評估中，通過查閱資料和咨詢專家構(gòu)建風(fēng)險評估指標(biāo)體系，并利用熵權(quán)法和加權(quán)算子來研究風(fēng)險值矩陣的融合，通過雙參數(shù)得分函數(shù)實(shí)現(xiàn)對風(fēng)險等級的動態(tài)預(yù)警。

1 長斜井煤礦TBM施工風(fēng)險識別

通過對長斜井煤礦TBM施工風(fēng)險的分析，本文確立了施工中常見的27個因素，建立了二級風(fēng)險評估指標(biāo)體系，如表1所示。一級風(fēng)險評估指標(biāo)中考慮了長斜井煤礦TBM施工過程中最有可能導(dǎo)致事故發(fā)生的6個因素，分別是自然因素、地質(zhì)因素、技術(shù)因素、設(shè)備因素、內(nèi)在因素和事故因素。二級風(fēng)險評估指標(biāo)是在已有研究的基礎(chǔ)之上加入沖擊地壓因素，塌方因素，巖爆因素，TBM卡機(jī)，有害氣體中毒因素。根據(jù)《鐵路隧道風(fēng)險評估若干問題探討》將長斜井煤礦TBM施工風(fēng)險分為4級(表2)[9]。

表1 煤礦長斜井二層風(fēng)險評估指標(biāo)體系

表2 風(fēng)險等級分級表

2 單值中智集理論

定義2[11]設(shè)兩個單值中智數(shù)α1=和α2=，若t1i2，f1>f2，則稱α1<α2。

定義3[11]設(shè)兩個單值中智數(shù)α1=和α2=，則：

(1)α1∪α2=；

(2)α1∩α2=。

定義4[12]設(shè)α=是一個中智數(shù)，則α的補(bǔ)集為αc=。且滿足(αc)c=α。

定義5[13]設(shè)兩個單值中智數(shù)α1=和α2=，常數(shù)k>0，則

(1)α1+α2= ；

(2)α1×α2=；

(3)kα1=<1-(1-t1)k,(i1)k,(f1)k>；

(4)(α1)k=<(t1)k,1-(1-i1)k,1-(1-f1)k>。

3 動態(tài)風(fēng)險級別評判方法

3.1 中智數(shù)集成算子

(1)

3.2 指標(biāo)因素權(quán)重的確定

(2)

為中智熵。利用公式(2)可以計算出評價矩陣中每個中智數(shù)所對應(yīng)的熵值Eij，然后通過

(3)

(i=1,2,…,m;j=1,2,…,n)確定因素權(quán)重。

3.3 帶有參數(shù)的得分函數(shù)

(4)

3.4 評價步驟

(5)

步驟三：利用式(3)求解各一級指標(biāo)權(quán)重Wk(k=1,2,…,l)。

(6)

4 實(shí)例分析

(7)

(8)

(9)

(10)

(11)

(12)

長斜井煤礦TBM施工風(fēng)險評估步驟如下。

步驟一,根據(jù)式(3)確定各二級指標(biāo)權(quán)重為：

ωB1=(0.20987.0.26749,0.30864,0.21399)；

(13)

ωB2=(0.127413,0.092664,0.250965,0.227799,0.301158)；

(14)

ωB3=(0.156522,0.237681,0.176821,0.176812,0.252174)；

(15)

ωB4=(0.139286,0.092857,0.171429,0.285744,0.310714)；

(16)

ωB5=(0.16895,0.205479,0.273973,0.182648,0.16895)；

(17)

ωB6=(0.16,0.4133,0.42667)。

(18)

(19)

步驟三，根據(jù)式(3)確定一級指標(biāo)的權(quán)重：

ωA=(0.155789,0.079175,0.275163,0.285256,

0.096572,0.145133) 。

(20)

(0.463586,0.49029,0.413889)

(21)

步驟五,根據(jù)式(4)確定得分函數(shù)如下。

S(a1)=0.624902-0.275779+0.304864λ1λ2-λ1(1-λ2)0.304864；

(22)

S(a2)=0.589636-0.277386+0.375414λ1λ2-λ1(1-λ2)0.375414；

(23)

S(a3)=0.51285-0.413819+0.429325λ1λ2-λ1(1-λ2)0.429325；

(24)

S(a1)=0.463586-0.413889+0.49029λ1λ2-λ1(1-λ2)0.49029。

(25)

步驟六,利用MATLAB7.0作圖，不同風(fēng)險等級對應(yīng)的得分函數(shù)分布如圖1所示。

圖1 λ1,λ2取[0,1]上任意值時得分函數(shù)分布

由圖1可以看出λ1，λ2在[0,1]上絕大部分取值都有S(a2)>S(a1)>S(a3)>S(a4)成立，由最大隸屬度原則可知神華集團(tuán)該煤礦長斜井TBM施工風(fēng)險屬于二級風(fēng)險。但值得注意的是當(dāng)λ1,λ2都十分接近1時，有S(a1)>S(a2)>S(a3)>S(a4)，即風(fēng)險等級由二級演變?yōu)橐患?，因此，?yīng)該提前做好防護(hù)措施，避免災(zāi)害的發(fā)生。

5 結(jié)論

本文構(gòu)建了煤礦長斜井TBM施工風(fēng)險分析的兩層評價指標(biāo)體系，特別是將沖擊地壓因素、塌方因素、巖爆因素、TBM卡機(jī)及有害氣體中毒因素融入二級指標(biāo)中。利用中智集理論建模，熵權(quán)法確定權(quán)重和加權(quán)算子融合可以有效提高模型精度，同時借助雙參數(shù)得分函數(shù)實(shí)現(xiàn)了動態(tài)預(yù)警分析。實(shí)例分析表明，神華集團(tuán)某長斜井煤礦TBM施工風(fēng)險預(yù)測結(jié)論為二級風(fēng)險等級，這與實(shí)際施工情況勘測結(jié)果相吻合，但模型的智能化決策與預(yù)測還需進(jìn)一步研究。