基于概率神經(jīng)網(wǎng)絡(luò)和層次分析法的硐室群施工風(fēng)險評估

宗志栓，張逸飛，林作忠，陳 晨，楊 航，邱澤剛，申玉生

(1.中鐵十五局集團(tuán)城市軌道交通工程有限公司,廣州 510540; 2.西南交通大學(xué)土木工程學(xué)院,成都 610031; 3.中鐵第四勘察設(shè)計院集團(tuán)有限公司,武漢 430063)

引言

深部地下硐室群施工作業(yè)空間小,具有跨度大、空間縱橫交錯、挖空率高、邊墻難以穩(wěn)定等特點,其施工難度遠(yuǎn)超過一般的地下工程,同時存在施工隊伍安全意識和監(jiān)督管理力度等主觀不確定因素,一旦某個硐室出現(xiàn)較大片幫或冒頂,極易引發(fā)大范圍硐室群連鎖失穩(wěn)事故[1]。因此,為減少或避免安全事故的發(fā)生,有必要對硐室群施工風(fēng)險因素進(jìn)行研究,并做出科學(xué)合理的評價。

近年來,部分學(xué)者和專業(yè)人員對地下工程的風(fēng)險評估進(jìn)行了一系列研究,取得了一定成果。黃萍等[2]以管廊盾構(gòu)施工導(dǎo)致的地面沉降事故為例,采用AHP建立管廊盾構(gòu)施工的動態(tài)事故樹,定性分析了盾構(gòu)施工過程中的危險因素。何樂平等[3]采用博弈論思想,提出了一種應(yīng)用于軟巖大變形隧道的云模型綜合風(fēng)險評價方法。盧慶釗等[4]基于模糊數(shù)學(xué)理論和AHP構(gòu)建定量評估模型,開展了關(guān)于隧道穿越F7斷層破碎帶的安全風(fēng)險等級評估。鄭學(xué)召等[5]結(jié)合梯形模糊層次分析法(FAHP),提出了一種地鐵隧道施工風(fēng)險等級的綜合評價體系。宋戰(zhàn)平等[6]針對TBM穿越斷層段的施工,建立了基于非線性FAHP的風(fēng)險評價模型。楊卓等[7]運用BP神經(jīng)網(wǎng)絡(luò)方法評估了巖溶隧道發(fā)生突涌水的風(fēng)險,并結(jié)合超前預(yù)報提出支護(hù)方案。LI等[8]采用未確知測度分析和可信度識別標(biāo)準(zhǔn)對風(fēng)險等級進(jìn)行評估,建立了巖溶隧道綜合風(fēng)險控制理論和技術(shù)體系。HYUN等[9]從地質(zhì)、設(shè)計、施工和管理四方面構(gòu)建了盾構(gòu)隧道施工的故障樹集,采用故障樹分析法和AHP系統(tǒng)地評價了總體風(fēng)險水平。HASANPOUR等[10]利用人工神經(jīng)網(wǎng)絡(luò)及貝氏網(wǎng)絡(luò)評估隧道掘進(jìn)機(jī)在擠壓地層等不利地面條件下的干擾風(fēng)險,并對所需的推力進(jìn)行了估算。SOUSA等[11]基于貝葉斯網(wǎng)絡(luò)提出地質(zhì)預(yù)測模型和評估風(fēng)險的施工管理模型,成功應(yīng)用于現(xiàn)場地鐵施工。JEONGHEUM等[12]提出了一種基于量化分級體系的隧道塌方風(fēng)險評價模型,并采用AHP和德爾菲法對風(fēng)險指標(biāo)進(jìn)行了分析。這些研究實現(xiàn)了采用數(shù)學(xué)方法建立風(fēng)險評估模型,合理分析工程風(fēng)險,為地下工程施工預(yù)防事故發(fā)生提供了有效的解決辦法。但是,目前針對于地下硐室群施工的安全風(fēng)險評估研究較少,尚處于發(fā)展階段。地下復(fù)雜環(huán)境下硐室群的施工存在一系列不可控風(fēng)險因素,其風(fēng)險評價體系尚無成熟的架構(gòu)體系,仍有許多需要改進(jìn)和完善的地方。

因此,依托重慶軌道交通18號線歇臺子車站工程,通過統(tǒng)計分析國內(nèi)類似的“以小擴(kuò)大”硐室群施工案例,構(gòu)建硐室群施工風(fēng)險指標(biāo)和評估體系,開發(fā)復(fù)雜環(huán)境地下硐室群施工專項風(fēng)險評估軟件,實現(xiàn)隧道施工風(fēng)險評估,預(yù)防施工安全事故發(fā)生,從而提高施工安全性。

1 隧道施工風(fēng)險評估軟件設(shè)計流程

硐室群風(fēng)險評估軟件是由計算機(jī)軟件設(shè)計語言Python和GUI應(yīng)用軟件開發(fā)框架PyQt進(jìn)行開發(fā),分為“風(fēng)險概率評估”和“風(fēng)險因素權(quán)重計算”兩個模塊,分析流程如圖1所示。

圖1 地下硐室群施工風(fēng)險評估軟件分析流程

風(fēng)險概率評估模塊的設(shè)計算法是基于概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Network,PNN)建立,選取同時期開工建設(shè)的硐室群隧道工程作為樣本集,在“風(fēng)險概率評估”模塊導(dǎo)入后即可完成網(wǎng)絡(luò)的訓(xùn)練,再輸入待測硐室群施工各項風(fēng)險因素的綜合評分值即可預(yù)測施工風(fēng)險等級。

風(fēng)險因素權(quán)重模塊通過改進(jìn)的層次分析法能計算硐室群施工的風(fēng)險因素權(quán)重,得出了各個因素的影響權(quán)重后,便可根據(jù)不同因素的影響大小進(jìn)行有針對性的處理。

研究成果對保障大斷面硐室群施工的安全性以及解決硐室群隧道施工專項風(fēng)險預(yù)測難的問題具有一定指導(dǎo)和推廣作用。

2 硐室群施工風(fēng)險評估指標(biāo)體系構(gòu)建

首先,根據(jù)國內(nèi)學(xué)者對硐室群施工風(fēng)險因素的分析總結(jié),并參考《公路工程施工安全風(fēng)險評估指南》,將硐室群施工的風(fēng)險因素分為兩大類:一類是主觀人為的因素;二類是客觀物的因素。主觀因素包括設(shè)計施工因素和管理因素,客觀因素主要是工程地質(zhì)因素和自然因素。

其次,結(jié)合文獻(xiàn)[13-17]和安全領(lǐng)域?qū)＜业囊庖?依據(jù)科學(xué)性、系統(tǒng)性、全面性等原則,將工程地質(zhì)因素、自然因素、設(shè)計施工因素、管理因素作為4個一級風(fēng)險因素。其中,工程地質(zhì)因素主要是指在施工環(huán)境中易積聚危險能量的點,包括地質(zhì)構(gòu)造和巖體結(jié)構(gòu)情況、偏壓、地下水等指標(biāo)。自然因素取決于當(dāng)?shù)氐臍夂驐l件,其中降雨量和溫度對施工的影響較大。設(shè)計施工因素包括設(shè)計參數(shù)的選取、開挖工法的選擇、工程地質(zhì)勘探等指標(biāo),同時需要考慮復(fù)雜硐室群施工中各個導(dǎo)洞開挖步序是否合理、臨時支護(hù)是否有效、交叉洞口支護(hù)是否安全。管理因素是指有效控制風(fēng)險的手段,包括超前地質(zhì)預(yù)報情況、施工和設(shè)備的監(jiān)督管理情況、監(jiān)控量測的力度和質(zhì)量、施工隊伍的安全意識和素質(zhì)等指標(biāo)。

最后,在4個一級風(fēng)險因素基礎(chǔ)上,構(gòu)建出地下硐室群施工安全風(fēng)險評估體系,如圖2所示。該指標(biāo)體系由23個指標(biāo)構(gòu)成,能夠概括出硐室群施工中的各種風(fēng)險因素所在,適用于大部分傳統(tǒng)暗挖工法。但考慮工程多樣性、硐室群施工工序復(fù)雜,根據(jù)實際施工情況的變化可能出現(xiàn)新的風(fēng)險因素,此時則有必要對指標(biāo)體系進(jìn)行合理調(diào)整。

圖2 地下硐室群施工風(fēng)險評估指標(biāo)體系

為便于后續(xù)“風(fēng)險概率評估模塊”工作,借鑒相關(guān)資料中的風(fēng)險事件可能性等級標(biāo)準(zhǔn),將每個風(fēng)險等級一一對應(yīng)每個分值區(qū)段,具體評分標(biāo)準(zhǔn)如表1所示。風(fēng)險結(jié)果的期望輸出結(jié)果與工程的實際情況相對應(yīng),期望輸出結(jié)果1～5作為分別對應(yīng)風(fēng)險評估概率等級Ⅰ～Ⅴ。

表1 風(fēng)險等級對應(yīng)分值范圍

3 基于PNN硐室群施工風(fēng)險模型設(shè)計

硐室群施工風(fēng)險評估軟件中“風(fēng)險概率評估”模塊設(shè)計算法是基于PNN建立的。PNN是徑向基函數(shù)[18]的一種變化形式,但不同的是,PNN結(jié)合貝葉斯決策來判斷測試樣本的類別,從貝葉斯判定策略以及概率密度函數(shù)的非參數(shù)估計角度,將貝葉斯統(tǒng)計方法映射到前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),不需要反向傳播優(yōu)化參數(shù)。

硐室群施工風(fēng)險評估指標(biāo)較多,本質(zhì)上屬于較復(fù)雜的分類問題。相比一般最常用的BP神經(jīng)網(wǎng)絡(luò)[19-20],PNN可以任意精度逼近任意的非線性函數(shù),具有良好的泛化能力,能從根本上解決BP網(wǎng)絡(luò)的局部最優(yōu)問題,并且學(xué)習(xí)速度和收斂性也較BP網(wǎng)絡(luò)更易于保證,適用于不同的訓(xùn)練樣本。且PNN基本結(jié)構(gòu)較簡單、在計算機(jī)算法設(shè)計上比較容易完成,能用線性學(xué)習(xí)算法實現(xiàn)非線性學(xué)習(xí)算法的功能[21-22],適合解決復(fù)雜分類預(yù)測問題。因此,硐室群施工風(fēng)險概率評估模型基于PNN進(jìn)行建立。

3.1 模型結(jié)構(gòu)

基于PNN的硐室群施工風(fēng)險概率模型共由4個結(jié)構(gòu)層組成,分別為輸入層、隱含層、求和層和輸出層,如圖3所示。

圖3 PNN的硐室群施工風(fēng)險概率模型結(jié)構(gòu)

第一層是輸入層,主要功能是傳輸給下一網(wǎng)絡(luò)層輸入的數(shù)據(jù)。第二層是隱含層(徑向基層),主要功能是計算輸入數(shù)據(jù)與每一個神經(jīng)元節(jié)點中心的距離,最后返回一個標(biāo)量值。求和層用于負(fù)責(zé)將各個類的模式層單元連接起來,這一層的神經(jīng)元個數(shù)是樣本的類別數(shù)目。最后輸出層負(fù)責(zé)輸出求和層中概率值最大的那一類。

3.2 計算流程

在基于密度函數(shù)核估計PNN中,每一個隱含的神經(jīng)元由一個樣本確定,訓(xùn)練樣本的輸入數(shù)據(jù)可直接確定神經(jīng)元的權(quán)重值,分析過程如下。

(1)歸一化輸入樣本

假設(shè)原始數(shù)據(jù)共有m個樣本數(shù),每一個樣本都有n個特征屬性值,則輸入的原始數(shù)據(jù)矩陣X為

(1)

計算原始數(shù)據(jù)矩陣歸一化系數(shù)B為

(2)

(3)

則歸一化后的輸入樣本矩陣C為

C=Bm×1[1 1 … 1]1×mXm×n

(4)

(2)激活隱含層函數(shù)

假設(shè)待識別矩陣Y由p個n維向量組成,則經(jīng)歸一化處理后的待識別矩陣D為

(5)

(6)

在樣本集矩陣和待識別矩陣歸一化后,令Eij(i=1,2,…,p,j=1,2,…,m)表示待識別矩陣Y歸一化后的第i個n維向量與歸一化后的訓(xùn)練集樣本矩陣C的第j個樣本之間的歐拉距離,則待識別矩陣與樣本集矩陣之間的模式距離矩陣E為

(7)

(8)

激活隱含層的高斯函數(shù),取標(biāo)準(zhǔn)層σ=0.1。得到待識別矩陣的初始概率矩陣G為

(9)

(3)計算求和層概率

假設(shè)樣本集矩陣X的m個樣本一共可分為c類,且各類的樣本數(shù)均為l。令Sij(i=1,2,…p,j=1,2,…c) 表示待識別樣本矩陣Y中第i個樣本屬于第j類的初始概率之和。則可在PNN模型的求和層中算得待識別矩陣Y屬于各類的初始概率S為

(10)

(4)計算概率并輸出

計算待識別樣本矩陣Y中第i個樣本屬于第j類的概率

(11)

因此,依據(jù)待識別樣本所屬各類別的概率值,則輸出層的概率值即為第i個樣本屬于第j類的最大概率值。

4 風(fēng)險因素權(quán)重計算

在硐室群施工的眾多風(fēng)險因素中,權(quán)重值的大小反映了評估指標(biāo)對風(fēng)險影響的程度。然而,概率神經(jīng)網(wǎng)絡(luò)在評估過程中是根據(jù)訓(xùn)練集的數(shù)據(jù)進(jìn)行綜合評估分類,對于特定的某一硐室群工程的風(fēng)險因素之間的重要程度關(guān)系是無法區(qū)別的。因而,基于AHP進(jìn)行施工風(fēng)險指標(biāo)權(quán)重計算,建立硐室群施工風(fēng)險評估軟件中“風(fēng)險因素權(quán)重”模塊。

4.1 計算流程

在隧道工程風(fēng)險評估領(lǐng)域,通常采用專家調(diào)查法來進(jìn)行兩兩指標(biāo)的重要程度比較,從而構(gòu)造出判斷矩陣。在硐室群施工專項風(fēng)險評估過程中,風(fēng)險指標(biāo)往往并不只一個,專家們在對大量的指標(biāo)之間進(jìn)行兩兩判斷時難免會出現(xiàn)填寫不仔細(xì),或判斷不準(zhǔn)確等情況,且1～9標(biāo)度法用重要程度來描述指標(biāo)之間的判斷依據(jù),這可能導(dǎo)致專家在評議過程中出現(xiàn)難以抉擇的情況,例如標(biāo)度值相差不大時,指標(biāo)之間的重要程度往往難以評定。

為解決上述問題,使構(gòu)造出的判斷矩陣更加符合實際情況,盡可能地使判斷矩陣少含主觀臆斷性,本文將待評定的每個指標(biāo)的重要程度劃分為3個等級,每個等級用分值1～9來表示,如表2所示。分值越低代表其重要程度越低,反之分值越高,代表其重要程度越高。

表2 風(fēng)險指標(biāo)分值評定

專家調(diào)查法統(tǒng)計出來的數(shù)據(jù)并不只有一個專家的評分情況,而是由多名專家進(jìn)行打分評定的。將各個專家打分情況匯總?cè)绫?所示。

表3 專家評分匯總

綜合考慮每個專家的打分情況,對每項風(fēng)險因素取平均值,即

(12)

求得每項風(fēng)險因素得分平均值后,再定義判定數(shù)Aij

(13)

(14)

4.2 風(fēng)險指標(biāo)權(quán)重計算

(15)

(16)

w=(w1w2…wn)T

(17)

最后,根據(jù)判斷矩陣的最大特征值λmax進(jìn)行一致性驗算。

(18)

(19)

其中,CI即為判斷矩陣A的一般一致性指標(biāo),n為判斷矩陣的階數(shù)。若CI/RI<0.1,則判斷矩陣符合要求,否則需對判斷矩陣進(jìn)行再次建立并重新進(jìn)行計算直到符合要求為止。當(dāng)所有判斷矩陣符合要求時,可計算各層次指標(biāo)之間的組合權(quán)重。判斷矩陣一致性驗算如表4所示。

表4 判斷矩陣一致性驗算

5 工程應(yīng)用

5.1 工程概況

歇臺子站為14 m島式站臺車站,為單拱雙層結(jié)構(gòu),采用復(fù)合式襯砌,隧道最大開挖寬度26.02 m,開挖高度22.26 m,開挖面積492.84 m2。拱頂埋深19.65～40.38 m,其中上覆土層厚度0.33～10.73 m,上覆巖層厚度9.08～37.36 m。本工程主要地處構(gòu)造剝蝕丘陵地帶,少部分為長江河谷侵蝕、堆積地貌,地貌形態(tài)較簡單,無區(qū)域性斷裂通過,上覆土層主要為第四系全新統(tǒng)人工填土層、殘坡積層粉質(zhì)黏土,下伏基巖為侏羅系中統(tǒng)沙溪廟組巖層。地下水類型主要為松散層孔隙水、基巖裂隙水。周邊環(huán)境極為復(fù)雜,管線及房屋密集。該工程擬采用“以小擴(kuò)大”劃分多個硐室分9部開挖,施工需嚴(yán)格按設(shè)計圖紙進(jìn)行組織各分部開挖,加強(qiáng)中隔壁施作質(zhì)量,保證施工作業(yè)安全。

5.2 風(fēng)險概率評估

樣本集選取了50個工程實例各項指標(biāo)的綜合評分,主要源于重慶、青島、大連等地區(qū)的硬巖地層大斷面暗挖車站施工,施工方法一般為雙側(cè)壁導(dǎo)坑法、拱蓋法,其與應(yīng)用工程的施工過程十分相近,如表5所示,限于篇幅,只列出工程地質(zhì)因素中的部分樣本數(shù)據(jù)。

表5 二級風(fēng)險指標(biāo)綜合分值

導(dǎo)入樣本數(shù)據(jù)完成網(wǎng)絡(luò)訓(xùn)練后,對歇臺子車站硐室群的典型區(qū)段YCK12+584～YCK12+673上臺階導(dǎo)洞施工進(jìn)行風(fēng)險評估,以驗證軟件“風(fēng)險評估模塊”的實用性。車站導(dǎo)洞掌子面開挖情況如圖4所示。開挖后掌子面巖體較完整,巖質(zhì)較硬,巖體裂隙不發(fā)育,圍巖基巖裂隙水補(bǔ)給、排泄條件一般,水量較小,呈滴狀或脈狀。

圖4 小導(dǎo)洞開挖掌子面

將各項風(fēng)險因素的綜合評分值輸入到風(fēng)險評估軟件對應(yīng)的輸入框中,即可預(yù)測相應(yīng)的風(fēng)險概率等級,結(jié)果如圖5所示,得到其發(fā)生風(fēng)險事件的概率等級為Ⅳ,即風(fēng)險事件發(fā)生可能性很小。實際施工過程與預(yù)測的風(fēng)險概率評估結(jié)果較符合。該導(dǎo)洞為保證初支臺車順利進(jìn)入,下調(diào)了1節(jié)鋼架高度(2 m),導(dǎo)致開挖面很大,并且存在滲漏水的問題,因此,需要采取相應(yīng)的風(fēng)險控制措施,盡可能把風(fēng)險發(fā)生概率降至最低。

圖5 風(fēng)險概率等級評估結(jié)果

5.3 風(fēng)險權(quán)重分析

基于硐室群施工風(fēng)險評估指標(biāo)體系,邀請5位來自施工企業(yè)、國內(nèi)高校等具備多年車站施工經(jīng)驗的教高或教授級專家,以專家調(diào)查的方式對歇臺子車站硐室群施工各個風(fēng)險因素進(jìn)行重要度判斷,評分標(biāo)準(zhǔn)參考表2,匯總后的專家評分表如表6和表7所示。

表6 一級風(fēng)險指標(biāo)專家評分

表7 二級風(fēng)險指標(biāo)專家評分

一級風(fēng)險指標(biāo)的判斷矩陣如表8所示,采用硐室群風(fēng)險評估軟件中的“風(fēng)險因素權(quán)重計算”模塊進(jìn)行驗證計算權(quán)重結(jié)果如圖6所示?；诟倪M(jìn)后的判斷矩陣構(gòu)建方法,構(gòu)建二級風(fēng)險因素的判斷矩陣并進(jìn)行一致性驗證,并計算出相對應(yīng)的權(quán)重值。最終可以計算出各個風(fēng)險因素的權(quán)重值,在風(fēng)險評估軟件中顯示結(jié)果如圖7所示。

表8 一級風(fēng)險指標(biāo)判斷矩陣

圖6 一級風(fēng)險指標(biāo)權(quán)重值

圖7 二級風(fēng)險指標(biāo)權(quán)重值

通過權(quán)重計算結(jié)果可以看出,一級因素指標(biāo)對歇臺子站硐室群典型段施工風(fēng)險影響大小為:工程地質(zhì)因素C1>設(shè)計施工因素C3>管理因素C4>自然因素C2。二級因素指標(biāo)中,地下水C17、圍巖等級C11、支護(hù)及時性C34和特殊地質(zhì)C16對隧道施工過程風(fēng)險概率的影響較大。得到風(fēng)險因素的影響權(quán)重后,即可根據(jù)不同因素的影響大小進(jìn)行有針對性的處理,從而有效降低隧道施工風(fēng)險事件的概率。根據(jù)風(fēng)險評估結(jié)果和現(xiàn)場施工情況,該典型區(qū)段初期支護(hù)采用300 mm厚C25早強(qiáng)噴射混凝土內(nèi)置I22b型鋼拱架及φ8 mm雙層鋼筋網(wǎng)的形式,環(huán)向間距1 m,隧洞拱部120°范圍內(nèi)設(shè)置φ25 mm、t=5 mm中空注漿錨桿,每根長度4.5 m。

該工程案例驗證了軟件中“風(fēng)險因素權(quán)重”模塊的實用性,能夠準(zhǔn)確高效地完成各個風(fēng)險因素的權(quán)重分析,對于硐室群現(xiàn)場施工管理及風(fēng)險控制能夠提供一定參考。

6 結(jié)論

(1)基于以往工程案例,以客觀和主觀兩類因素進(jìn)行研究分析,構(gòu)建地下硐室群施工風(fēng)險因素評價指標(biāo)體系,其中,包括工程地質(zhì)、自然、設(shè)計施工和管理共4個一級指標(biāo)和23個二級指標(biāo)。

(2)結(jié)合PNN和AHP進(jìn)行硐室群施工風(fēng)險評估,PNN模型訓(xùn)練速度快、穩(wěn)定性高,通過識別代表性樣本數(shù)據(jù)即可完成對施工風(fēng)險概率等級的預(yù)測分類。實現(xiàn)評估施工風(fēng)險概率后,采用 AHP 定量分析風(fēng)險指標(biāo)權(quán)重,迅速捕捉風(fēng)險點,從而針對風(fēng)險概率大的因素采取有效的防范措施,保證硐室群施工安全。

(3)采用本文研發(fā)的硐室群風(fēng)險評估軟件,依托重慶軌道交通18號線歇臺子車站硐室群工程,對硐室群工程上臺階施工風(fēng)險事件概率進(jìn)行了預(yù)測,得出發(fā)生風(fēng)險事件的概率等級為Ⅳ,即“發(fā)生可能性很小”的結(jié)論,并結(jié)合實際施工情況對風(fēng)險指標(biāo)進(jìn)行了權(quán)重分析,驗證了軟件的實用性,為類似地下硐室群施工風(fēng)險評估項目提供了參考和借鑒。

(4)在PNN模型的構(gòu)建中,統(tǒng)計樣本的數(shù)量、神經(jīng)元個數(shù)會對輸出結(jié)果產(chǎn)生一定影響,整個風(fēng)險評估軟件仍有優(yōu)化空間,在未來有必要結(jié)合不同工程特點對硐室群施工風(fēng)險評估結(jié)果進(jìn)行動態(tài)調(diào)整。