CN108985587A - 一种软土盾构隧道结构健康状况评价方法 - Google Patents

Abstract

本发明提供一种针对软土盾构隧道的结构健康状况评价方法，结合可能性理论来描述监测数据与盾构隧道结构健康状况这两类不确定集合之间复杂多变的映射关系，反映评价过程中人的有限理性对评价结果的影响，为软土盾构隧道提供更为准确和快速的结构安全评价结果。该方法包括步骤：确定盾构隧道的健康状况等级及其可能性分布，确定适用于软土地区盾构隧道结构健康状况评价的指标体系及其参考分布函数，对各指标进行监测，构造监测数据的可能性分布函数及其与该指标参考分布函数之间的映射函数，构造损益矩阵，计算价值函数，构造权重函数，根据价值函数和权重函数计算综合前景价值，最后依据前景理论得到软土盾构隧道结构健康状况等级。

Description

一种软土盾构隧道结构健康状况评价方法

技术领域

本发明涉及盾构隧道性能评价技术领域，特别涉及一种软土盾构隧道结构健康状况评价方法。

背景技术

随着中国经济的飞速发展和城市化进程的加快，地铁已成为缓解城市巨大交通压力的有效手段。在城市的地下隧道工程中，盾构法施工是目前技术比较成熟且广泛采用的施工技术。相对于传统的隧道施工方法，盾构法可有效控制地表沉降，且施工速度快，已成为城市地下隧道工程的首选。特别是对于软土地区，盾构法是现阶段唯一可行的长隧道施工方法。

随着越来越多的地铁盾构隧道投入运营，隧道结构的健康状况会因为复杂地质和环境条件而逐渐劣化。而软土地区地质条件复杂多样，地下水位一般较高，盾构施工过程极其复杂，尤其是我国软土地区的盾构隧道，通常穿梭于城市复杂软土地层中，且周边构筑物基础施工及密集活动人群，使得软土盾构隧道结构健康状况在服役环境中存在许多不利因素。如何快速、准确地评价软土地区盾构隧道结构健康状况，做到及时有效的安全维护，降低隧道运营安全风险，已成为目前软土地区城市地铁盾构隧道结构安全管理的重难点问题。

现有的隧道健康评价方法大都基于指标的最大贡献而确定健康状况，无法有效考虑其他指标的影响，且评价中认为人是完全理性的，不能较好地体现监测指标与盾构隧道结构健康状况之间复杂多变的映射关系。另一种类型的基于变权重的盾构隧道结构性能评价方法指标众多，不利于快速评估盾构隧道，特别是软土盾构隧道的结构健康状态。因此，有必要针对软土盾构隧道，提出一种快速、准确的结构安全评估方法，以更好地指导隧道的结构维护和管理。

发明内容

针对现有技术的上述不足，本发明提供一种针对软土盾构隧道的结构健康状况评价方法，通过构建评价体系以及选择合理的评价指标，并结合可能性理论来描述指标监测数据与盾构隧道结构健康等级这两类不确定集合之间复杂多变的映射关系，同时反映评价过程中人的有限理性对评价结果的影响，为软土盾构隧道提供更为准确和快速的结构安全评价结果。

为了实现上述目的，本发明的软土盾构隧道结构健康状况评价方法包括步骤：

(S11)确定盾构隧道结构健康状况等级及各等级的可能性分布，优选地，该健康状况等级分为五层，采用经典集合中的区间数来描述。

(S12)确定适用于软土地区盾构隧道结构健康状况评价的指标体系，针对软土地质条件，优选的评价指标为纵向曲率半径R、相对弯曲Q、横断面直径变化量D、渗漏量S和渗漏范围F。

(S13)收集若干专家对各健康状况等级所对应的每一项评价指标的期望值，分别构造各评价指标对应于所有健康状况等级的期望值参考分布函数，优选通过计算各指标期望值的均值并确定支撑集得到，更优选地，该参考分布函数如式(1)所示：

式中，表示专家q对健康等级为i下监测指标j的期望值,表示各指标期望值的均值，支撑集

(S14)分别对各项评价指标进行实地监测，得到相应的评价指标监测数据样本，构造各评价指标的监测数据可能性分布函数，优选为三角可能性分布函数。

(S15)构造各评价指标的期望值参考分布函数及相应的监测数据可能性分布函数之间的映射函数，优选通过确定评价指标监测数据的落影与该指标对应于各健康状况等级的分布情况的落影及二者的联合落影得到，进一步，该映射函数如式(4)所示：

式中，π_p和π_R分别为评价指标监测数据和该指标对应于各健康状况等级的分布情况的两个模糊场所对应的可能性分布，∨表示取大运算符号，P(x₀)＝{π_P(x₀)|x₀∈P(λ,α)}＝{π_P(x₀)|x₀∈P_λ}，R(y)＝{π_R(y)|y∈R(λ,α)}＝{π_R(y)|y∈R_α}，x₀是评价指标监测数据的落影中的元素，y是盾构隧道健康状况等级分布情况的落影中的元素，x₀和y均为归一化后相应的取值。

(S16)根据(S15)的映射函数构造各评价指标的损益矩阵。

(S17)利用(S16)的损益矩阵构造各评价指标的价值函数。

(S18)构造各评价指标的权重函数，计算各评价指标对同一健康状况等级的影响程度，得到不同评价指标对同一健康状况等级的权重，优选采用梯形模糊数的隶属函数，将判断矩阵转化为一般矩阵确定权重。

(S19)结合(S17)的价值函数和(S18)得到的权重计算出(S11)中各级健康状况等级所对应的综合前景价值，依据前景理论得到软土盾构隧道结构健康状况等级。优选的，所述综合前景价值其中v(D_ij)为价值函数，W′为不同指标对同一健康状况等级i的权重。

本发明的有益效果：

(1)将可能性理论和前景理论引入软土盾构隧道结构健康状况评价中，兼顾多指标对软土盾构隧道结构健康状况的综合影响以及人的有限理性对评价结果精确性的影响；

(2)基于可能性理论构造信息的可能性分布函数，避免因专家认识、监测人员及设备的差异而造成信息的模糊性和不确定性；

(3)建立监测指标与盾构隧道结构健康等级这两类不确定集合之间的映射关系，克服了确定性函数关系在描述不确定性信息间复杂多变关系时无法随信息的变化而变化的缺限；

(4)基于前景理论构造权重函数，利用价值函数进行方案决策，能够反映人的有限理性行为，更加合理和快速评估软土盾构隧道的结构健康状况。

附图说明

图1是本发明评价方法的流程简图；

图2是健康状况等级的可能性分布图；

图3是具体实施方式收集的各健康状况等级所对应的各评价指标的期望值均值；

图4是具体实施方式中评价指标纵向弯曲半径对各健康状况等级的参考分布图；

图5是具体实施方式中评价指标相对弯曲对各健康状况等级的参考分布图；

图6是具体实施方式中评价指标横断面直径变化对各健康状况等级的参考分布图；

图7是具体实施方式中评价指标渗漏量对各健康状况等级的参考分布图；

图8是具体实施方式中评价指标渗漏范围对各健康状况等级的参考分布图；

图9是具体实施方式各指标监测数据的可能性分布图。

具体实施方式

如图1所示，为本发明软土盾构隧道结构健康状况评价方法的流程简图，概括地说，包括步骤：

(1)确定盾构隧道的结构健康状况等级评价体系，包括健康状况等级及其可能性分布；

(2)确定适用于软土地区盾构隧道结构健康状况评价的指标体系及其参考分布函数；

(3)对各指标进行监测，构造各评价指标监测数据的可能性分布函数；

(4)构造各指标的参考分布函数及其可能性分布函数之间的函数关系；

(5)构造损益矩阵；

(6)计算价值函数；

(7)构造权重函数；

(8)根据价值函数和权重计算综合前景价值，依据前景理论得到软土盾构隧道结构健康状况等级。

以下结合具体实施方式对上述各步骤进行详细的说明。

地铁运营盾构隧道的结构健康状况等级是确定隧道健康状况的标准，也是指导工程决策的依据，工程上通常采用表1所示的健康状况等级对盾构隧道结构健康进行诊断，各级健康状况等级用经典集合中的区间数来描述，即1-5级健康状况等级分别对应区间[0，0.2]、[0.2，0.4]、[0.4，0.6]、[0.6，0.8]、[0.8，1]，其可能性分布如图2所示。

表1地铁运营盾构隧道结构健康状况等级评价体系

对于软土地区，盾构隧道结构损伤主要是因为纵向不均匀沉降或横向收敛变形超过地铁规定限值而引起结构受力集中或失稳，或因螺栓进入塑性状态引起结构力学性能下降，或因相对弯曲过大引起错台等。本发明申请人发现，选取纵向曲率半径R、相对弯曲Q、横断面直径变化量D、渗漏量S及渗漏范围F这5项评价指标即可充分考虑这些因素，不仅能反映隧道承载能力极限状态和正常使用极限状态影响，而且考虑了环缝、纵缝的张开度，在保证评估效率的前提下，有效缩减了评估工作量。

确立上述指标之后，收集若干专家对各健康状况等级所对应的每一项评价指标的期望值，分别构造各指标对应于所有健康状况等级的期望值参考分布函数。在前景理论中，参考点的选取通常依据专家对目标的期望值获得，然而各专家自身的认识和偏好存在明显差异，给出的参考点信息在某种程度上存在模糊性。为此，可以采用可能性分布函数来构造参考分布函数，以反映这种模糊性，充分考虑人的有限理性。进一步，构造该参考分布函数包括步骤：

(S21)采用专家调研法获得各结构健康状况等级所对应的每一项评价指标的期望值(i＝1,2,3,4,5，j＝1,2,...,n)，表示专家q对健康等级为i下评价指标j的期望值；

(S22)计算每一项评价指标期望值的均值并将其作为健康标准值，依据可能性理论，均值对应的可能度为1；

(S23)依据期望值的最大值和最小值，确定支撑集

(S24)构建如式(1)所示的各评价指标参考分布函数

式中，

除考虑参考信息的模糊性以外，还需要考虑监测人员及设备等因素对监测数据的影响。因此，同样依据可能性理论来表征模糊的监测信息。在分别对各项指标进行实地监测并得到相应的评价指标监测数据样本后，构造各评价指标的监测数据可能性分布函数。优选采用三角可能性分布函数，因为与另外两种常见的模糊隶属度函数(梯形分布函数和高斯分布函数)相比，三角分布计算最为简便，能清晰反映模糊界限，很好地反映监测数据的可能性分布。其构造步骤包括：

(S31)根据单项评价指标的监测数据样本X＝{x₁,x₂,...,x_n}，计算样本均值

(S32)将该监测数据样本分为两组X₁＝{x_i|x_i＜m,i＝1,2,...,n₁}和X₂＝{x_i|x_i＞m,i＝1,2,...,n₂}，计算对应的均值

(S33)采用式(2)所示的三角可能性分布函数表征各评价指标监测数据的可能性分布：

π(x_i)＝(m,3(m-m₁),3(m₂-m))式(2)

式中，3(m-m₁)和3(m₂-m)分别表示三角分布函数的左、右宽度。

为更好地描述评价指标监测数据与盾构隧道结构健康状况之间复杂多变的映射关系，消除确定性函数存在的评价结果不准确的缺陷，可以采用可能性集值映射来反映这两类不确定集合之间复杂的映射关系。相应地，映射函数可以通过确定评价指标监测数据的落影与该指标对应于各健康状况等级的分布情况的落影及二者的联合落影得到，计算方法包括步骤：

(S41)设(X,P)和(Y,R)分别为评价指标监测数据及该评价指标对应于各健康状况等级的分布情况的两个模糊场，二者对应的可能性分布分别为π_p和π_R，依据据式(3)确定二者的落影：

式中，P_λ为评价指标监测数据的落影，λ∈[0,1]为评价指标监测数据的截集水平，R_α为该评价指标对应于各健康状况等级的分布情况的落影，α∈[0,1]为该评价指标对应于各健康状况等级的分布情况的截集水平；

(S42)依据扩张原理，将点的映射扩展到模糊集合映射，在Z：X＝Y轴上得到评价指标监测数据及该评价指标对应于各健康状况等级的分布情况的联合落影对二者的可能性集值映射如式(4)所示。该部分理论和公式参考了“基于可能性集值映射的尾矿风险评估技术研究”，史冬梅，中北大学硕士学位论文，2015，第34-35页中公开的方法。

式中，∨表示取大运算符号，x₀是评价指标监测数据的落影中的元素，y是盾构隧道健康状况等级分布情况的落影中的元素，x₀和y均为归一化后相应的取值，

P(x₀)＝{π_P(x₀)|x₀∈P(λ,α)}＝{π_P(x₀)|x₀∈P_λ}，R(y)＝{π_R(y)|y∈R(λ,α)}＝{π_R(y)|y∈R_α}。

构造损益矩阵前需要判断收益或损失。即通过找到可能度为1的健康状态值并与健康标准值(即指标期望值的均值)比较，当则结构趋于安全，表示收益；当则结构趋于危险，表示损失。收益值与损失值计算公式如式(5)所示，进而得到损益矩阵(D_ij)_m×n。

价值函数v(D_ij)如式(6)所示：

式中，D_ij为收益值和损失值；0≤θ≤1，0≤ψ≤1，θ、ψ分别表示收益和损失区域价值函数额凹凸程度，θ、ψ取值越大，表明决策者倾向于冒险；ξ为损失规避系数，反映损失区域比收益区域更陡的特征。根据“实验检验累积前景理论”，曾建敏，暨南大学学报(自然科学版)，2007，第28卷第1期，第44-47页中提出的风险偏好系数，取θ＝1.21，ψ＝1.02，ξ＝2.25。

评价指标权重通常采用层次分析法进行计算，利用“1-9”比较标度法对指标进行量化，但这种标度方法不能真实的反映客观情况，例如，i比j稍微重要，则利用“1-9”标度法取为3:1，得到i与j的重要性比为0.75:0.25，这个结果不符合实际评判思维，很明显，该比值取0.6：0.4更为合理。考虑到这一点，优选采用梯形模糊数的隶属函数来确定指标权重。目前，运用较多的模糊数以三角形模糊数和梯形模糊数为主，但三角模糊数的隶属函数的形状比较简单，在实际决策问题中不能很好地反映决策者的决策信息，尤其是当决策方案依据一定的因素时，评价结果往往与实际情况存在很大的差异。比较而言，梯形模糊数的隶属函数更复杂，能更好地处理实际决策信息，反映因素的不确定性和决策者的主观性。根据梯形模糊数对应的隶属度函数为(1，1，3/2，2)，梯形模糊数对应的隶属度函数为(x-1，x-1/2，x+1/2，x+1)(x为2至8)，梯形模糊数对应的隶属度函数为(8，17/2，9，9)，对任意两个的梯形模糊数A·₁＝(l₁，m₁，n₁，s₁)和A·₂＝(l₂，m₂，n₂，s₂)，且A·₁＞0，A·₂＞0，则A·₁/A·₂＝(l₁/s₂，m₁/n₂，n₁/m₂，s₁/l₂)，计算得到表2所示的梯形模糊数标度等级赋值情况(即指标影响性大小量化表)。

表2指标影响性大小量化表

在表2的基础上，进一步计算各评价指标对同一健康状况等级的权重，步骤如下：

(S51)邀请将Y位专家对同一指标集进行两两比较，根据每两个指标的影响性对应的量化结果(参考表2)，分别得到判断矩阵R^(e)＝(r·_ij ^(e))_n×n，其中(r·_ij ^(e))_n×n＝(l_ij ^(e),m_ij ^(e),n_ij ^(e),s_ij ^(e))，e为大于1的整数，表示第e位专家。然后采用梯形重心公式把梯形模糊数判断矩阵转化为一般矩阵，为兼顾中国国情及计算结果的准确性，优选对判断矩阵进行一致性检验，满足一致性要求后，依据式(7)综合各专家的偏好信息；

(S52)根据式(8)计算模糊评价值v_i：

v·_i＝(α_iδ^-1，β_iγ^-1，γ_iβ^-1，δ_iα^-1)式(8)

式中，

(S53)按下式计算各评价指标模糊评价值v·_i的期望值E(v·_i)，期望值越大，则对应的指标越重要；

(S54)按式(10)进行归一化处理，计算得到各评价指标的权重；

(S55)根据前景理论中权重的计算方法，按式(11)计算各指标对同一健康状况等级的影响程度，在考虑专家自身认知和经验的基础上，合理评价指标的重要性程度，公式(11)参考了“基于可能性集值映射的尾矿风险评估技术研究”，史冬梅，中北大学硕士学位论文，2015，第41页，以及“实验检验累积前景理论”，曾建敏，暨南大学学报(自然科学版)，2007，第28卷第1期，第44-47页中公开的方法；

式中，η和ε均为权重函数的弯曲程度参数，为更好地将中国国情与累积前景理论相结合，申请人在大量数据统计的基础上，综合考虑中国人的风险态度、得失态度和对试验参数敏感性等多种影响因素，最终确定γ和δ取值分别为0.55和0.49；

(S56)按式(12)进行归一化处理，得到不同指标对同一健康状况等级的权重。

在得到上述价值函数和权重的基础上，根据式(13)计算各级健康状况等级所对应的综合前景价值V_i。

具体地，以某软土地区地铁运营区间盾构隧道为例，其结构健康状况等级评价过程如下：

收集五位专家对该地区地铁运营区间盾构隧道在不同健康状况等级下所对应的各项指标(R(单位：1/m)、Q、D(单位：mm)、S(单位：(L/m2)/24h)和F)的期望值，计算相应的期望值均值结果如图3所示。分别确定各个指标对应于所有健康状况等级的参考分布，如图4-8所示。对各评价指标的监测数据进行整理，构造监测数据的可能性分布，如图9所示。结合各评价指标对所有健康状况等级的期望值参考分布及各指标监测数据的可能性分布，利用式(4)建立二者的函数关系，得到判断收益或损失，构造出表3所示的损益矩阵。

表3损益矩阵

将表3的损益矩阵代入式(6)，计算出价值函数，相应的价值函数矩阵如下：

根据表(2)收集专家对R、Q、D、S和F指标体系的评价矩阵，依次为：

以第一个专家为例，将该评价矩阵转化为以下所示的梯形模糊数矩阵：

对于梯形模糊数利用梯形重心公式将其转化为一般矩阵，上式的转化过程如下：

根据判断满足一致性要求，依据式(7)综合各专家的偏好信息，得到综合后的梯形模糊矩阵，再结合式(8)-(12)得到权重矩阵，如表4所示。

表4权重矩阵

将上述价值函数矩阵和权重矩阵代入式(13)，得到盾构隧道结构各健康状况等级的综合前景值V_i，分别为V₁＝-0.1170，V₂＝-0.8352，V₃＝-0.4587，V₄＝0.6613，V₅＝0.2149。根据到的综合前景价值对健康状况等级进行排序，依次为V₄＞V₅＞V₁＞V₃＞V₂，则依据最小前景价值为盾构隧道结构健康状况等级的原则，确定该区间盾构隧道结构健康状况等级为2级，结构轻微受损，需要采取加强管理及巡视。

以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，本领域的技术人员在本发明的技术构思范围内进行的多种等同替代或简单变型方式，均属于本发明的保护范围。

Claims (10)

1.一种软土盾构隧道结构健康状况评价方法，其特征在于，包括以下步骤：

(S11)确定盾构隧道结构健康状况等级及各等级的可能性分布；

(S12)确定适用于软土地区的盾构隧道结构健康状况评价指标；

(S13)收集若干专家对各健康状况等级所对应的每一项评价指标的期望值，分别构造各评价指标对应于所有健康状况等级的期望值参考分布函数；

(S14)分别对各项评价指标进行实地监测，得到相应的评价指标监测数据样本，构造各评价指标的监测数据可能性分布函数；

(S15)构造各评价指标的期望值参考分布函数及相应的监测数据可能性分布函数之间的映射函数；

(S16)利用(S15)的映射函数构造各评价指标的损益矩阵；

(S17)利用(S16)的损益矩阵构造各评价指标的价值函数；

(S18)构造各评价指标的权重函数，计算各评价指标对同一健康状况等级的影响程度，得到不同评价指标对同一健康状况等级的权重；

(S19)结合(S17)的价值函数和(S18)得到的权重计算出(S11)中各级健康状况等级所对应的综合前景价值，依据前景理论得到软土盾构隧道结构健康状况等级。

2.根据权利要求1所述的评价方法，其特征在于，盾构隧道结构健康状况等级分为五层，采用经典集合中的区间数来描述。

3.根据权利要求1所述的评价方法，其特征在于，所述评价指标为纵向曲率半径R、相对弯曲Q、横断面直径变化量D、渗漏量S和渗漏范围F。

4.根据权利要求1所述的评价方法，其特征在于，构造参考分布函数包括步骤：分别计算各评价指标期望值的均值，确定支撑集，进而得到各指标的期望值参考分布函数。

5.根据权利要求4所述的评价方法，其特征在于，所述参考分布函数如式(1)所示：

式中，表示专家q对健康等级为i下评价指标j的期望值，表示各评价指标期望值的均值，支撑集

6.根据权利要求1所述的评价方法，其特征在于，各评价指标监测数据的可能性分布函数为三角可能性分布函数。

7.根据权利要求1所述的评价方法，其特征在于，所述映射函数通过确定评价指标监测数据的落影与该指标对应于各健康状况等级的分布情况的落影及二者的联合落影得到。

8.根据权利要求7所述的评价方法，其特征在于，所述映射函数如式(4)所示：

式中，π_p和π_R分别为评价指标监测数据和该指标对应于各健康状况等级的分布情况的两个模糊场所对应的可能性分布，∨表示取大运算符号，P(x₀)＝{π_P(x₀)|x₀∈P(λ,α)}＝{π_P(x₀)|x₀∈P_λ}，R(y)＝{π_R(y)|y∈R(λ,α)}＝{π_R(y)|y∈R_α}，x₀是评价指标监测数据的落影中的元素，y是盾构隧道健康状况等级分布情况的落影中的元素，x₀和y均为归一化后相应的取值。

9.根据权利要求1所示的评价方法，其特征在于，权重计算方法为：采用梯形模糊数的隶属函数，将判断矩阵转化为一般矩阵。

10.根据权利要求1-9任一项所述的评价方法，其特征在于，综合前景价值V_i根据式(13)计算得到：

式中，v(D_ij)为价值函数，W′为不同指标对同一健康状况等级i的权重。