CN112258049A - 一种针对复杂地质条件区域隧道的安全控制方法 - Google Patents
一种针对复杂地质条件区域隧道的安全控制方法 Download PDFInfo
- Publication number
- CN112258049A CN112258049A CN202011151532.7A CN202011151532A CN112258049A CN 112258049 A CN112258049 A CN 112258049A CN 202011151532 A CN202011151532 A CN 202011151532A CN 112258049 A CN112258049 A CN 112258049A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- safety
- section
- lining
- arch
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000013528 artificial neural network Methods 0.000 claims abstract description 25
- 239000011435 rock Substances 0.000 claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 21
- 238000013210 evaluation model Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 230000036541 health Effects 0.000 claims abstract description 5
- 230000002787 reinforcement Effects 0.000 claims abstract description 5
- 229910000831 Steel Inorganic materials 0.000 claims description 25
- 239000010959 steel Substances 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 12
- 201000010099 disease Diseases 0.000 claims description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 11
- 230000007774 longterm Effects 0.000 claims description 7
- 238000005452 bending Methods 0.000 claims description 6
- 239000004567 concrete Substances 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 241000220304 Prunus dulcis Species 0.000 claims description 2
- 235000020224 almond Nutrition 0.000 claims description 2
- 239000000835 fiber Substances 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 5
- 230000008376 long-term health Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005336 cracking Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- OVBPIULPVIDEAO-LBPRGKRZSA-N folic acid Chemical compound C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-LBPRGKRZSA-N 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000011378 shotcrete Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001966 tensiometry Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
- G01C7/06—Tracing profiles of cavities, e.g. tunnels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Primary Health Care (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
Abstract
本发明公开了一种针对复杂地质条件区域隧道的安全控制方法,通过监测元件对区域内隧道的高地应力断面、高压富水断面、层状软岩断面进行健康监测;将隧道的安全状态划分四个等级,并建立模糊综合评价的因素集;利用层次分析法中的1‑9标度法对模糊综合评价模型的因素集中的各因素的权重进行分析,计算出各监测断面所处的安全等级;将区域内隧道群所有的监测断面设为样本集,输入模糊神经网络中,对神经网络进行训练,建立隧道结构安全的影响因素与断面安全等级的映射关系,利用该模糊神经网络对隧道群未监测断面的安全状态进行推演。本发明对隧道群风险控制,及时采取相应加固措施保障隧道群安全运营具有重要的意义。
Description
技术领域
本发明涉及隧道的安全控制与评价领域,特别是一种针对复杂地质条件区域隧道的安全控制方法。
背景技术
近年来随着我国经济实力和隧道设计施工技术的不断提升,在高地应力、高地下水压、褶皱和断层破碎带等复杂水文地质条件区域正在修建大量的高速公路隧道群。受不良地质的影响,隧道易出现大变形、塌方、钢拱架扭曲和二次衬砌开裂等病害。根据2000年铁道部对5200余座全长超过2500km以上的运营隧道进行病害调研的结果,全国60%的运营中的铁路隧道存在着不同程度、不同类型的病害,有些隧道的病害已经相当严重,危及行车安全。而隧道工程通常是区域交通网络的重要控制性节点,一旦损坏将对物流和交通造成重大损失。因此开展隧道长期运营过程的监控量测,正确评价隧道支护结构所处的安全状态,对建立区域大规模隧道群病害的预防管理体制,及时发现隧道病害并采取针对性的维修加固措施具有重要的意义。
目前对于隧道结构安全性评价方法的研究多集中在隧道病害的评判基准上,多国相关管理机构制定了相应的安全状态评价和管理办法,日本将铁路隧道的安全等级被划分为四大级多小级,提出了基于“健全度”指标的评判方法,并建立了典型病害的健全度及其判定标准。美国《公路和高速铁路隧道检查手册》将隧道结构安全等级划分为10个等级,并对每个等级的划分标准和判定标准进行了规定。国内在《公路隧道养护技术规范》中,将公路隧道病害分为3种形式、4个安全等级,并给出了隧道衬砌变形速度、断面强度降低及渗漏水等6类隧道病害的评判标准。近年来随着人工智能技术的不断发展,基于智能算法如模糊综合评价、BP神经网络等的结构性能评价方法也开始运用于隧道工程当中。张敏等基于改进的层次分析法,采用客观融合主观的赋权方法,重点考虑了隧道结构变形、裂缝、漏水及结构应力等影响因素,建立了红谷隧道健康状态评价模型。田明杰等在现场试验的基础上,考虑围岩压力、衬砌变形等因素,建立了基于BP神经网络的隧道稳定性评价方法。李启月以山东某隧道为例,运用基于T-S模型的模糊神经网络,结合相关影响因素对地下硐室超挖进行了预测;于伟达采用长期现场数据监测、二衬开裂有限元数值模拟及模糊神经网络评价模型相结合的方式,对公路隧道运营阶段二次衬砌开裂进行了安全性评价。然而,目前我国采取的针对区域大规模隧道群的安全控制体系还存在着以下不足:
1.对隧道的监控量测仍以施工期变形监控为主,针对运营期隧道支护结构力学行为演化的监测较少。尽管变形观测相对简单易于实现,对于运营期的隧道而言,围岩被支护结构遮挡,而支护结构的刚度较大,不能实时的反映出岩体变形。反之,结构的力学特性的变化更加直观,且能够明确的体现隧道的安全状态。
2.现有的安全评价方法种类较少,只能应用于某一隧道具体断面的安全性评价,适用于大规模隧道群性能与安全的评价方法较少。此外用于安全评价的指标选取较为主观,主要依靠工程经验,缺少可用数学语言表达的定量的判别标准。
3.隧道在长期运营过程中的安全特性受到沿线地质条件如埋深、围岩等级、不良地质、地下水和自身的设计施工方法如初期支护及二次衬砌厚度、钢拱架锚杆间距、开挖方法等多种因素的共同影响。而目前在对隧道进行安全评价时考虑的影响因素较少,不能综合地反映隧道安全等级的演化趋势。
4.有关具体监测断面的安全等级与隧道群安全等级之间的映射关系的研究较少,为了反映众多隧道的安全状况,需要尽可能的增加监测断面,然而长期健康监测传感器的成本较高,对隧道群大量的断面都开展健康监测不仅花费极高,也不具有可操作性。如何通过有限的典型断面反映出区域隧道群的整体安全情况有待进一步研究。
发明内容
本发明的目的是要解决现有技术存在的不重视隧道长期安全问题的缺陷,提供一种针对复杂地质条件区域隧道的安全控制方法。
为达到上述目的,本发明是按照以下技术方案实施的:
一种针对复杂地质条件区域隧道的安全控制方法,包括以下步骤:
S1、查阅区域内各隧道的地勘报告和设计说明,了解隧道所处的工程地质条件,衬砌结构的设计参数,隧道断面尺寸和形状和施工水平场地因素内容,通过监测元件对区域内隧道的典型断面进行健康监测,所述典型断面包括高地应力断面、高压富水断面、层状软岩断面;
S2、定期读取S1中监测元件的测量数据,得出隧道支护结构所承受的围岩压力、初期支护与二次衬砌间的接触压力、初期支护钢拱架轴力和二次衬砌轴力与弯矩;
S3、开展国内外文献调研,结合区域内隧道的服役要求以及隧道结构安全的影响因素和常见病害,将隧道的安全状态划分为结构安全、结构基本安全、结构潜在不安全、结构不安全四个等级;并建立模糊综合评价的因素集,所述模糊综合评价的因素集包括以下因素:结构受力特征、工程地质条件、衬砌结构特征、隧道断面特征和其他影响因素五类,具体细分为支护-二衬接触压力、钢拱架应力特征、衬砌轴力特征、衬砌弯矩特征、岩石质量指标、围岩完整程度、围岩强度特征、地下水赋存情况、断层破碎带影响、地应力影响、衬砌厚度、衬砌支护类型、隧道断面跨度、隧道断面搞垮比、施工设计水平、地震烈度和使用年限;然后根据模糊综合评价的因素集构建模糊综合评价模型;
S4、基于模糊理论,根据三角形分布、正态分布、岭形分布模型建立因素集到指标集的隶属度函数,利用层次分析法中的1-9标度法对模糊综合评价模型的因素集中的各因素的权重进行分析,然后计算出各监测断面所处的安全等级;
S5、将区域内隧道群所有的监测断面设为样本集,输入模糊神经网络中,对神经网络进行训练,建立隧道结构安全的影响因素与断面安全等级的映射关系,利用该模糊神经网络对隧道群未监测断面的安全状态进行推演。
进一步,所述S1中监测元件为振弦式传感器和/或光纤光栅表贴式传感器,所述监测元件包括钢筋计、水压力计、土压力盒、混凝土应变计,当隧道完成上台阶开挖后,在隧道拱顶和拱肩位置的钢拱架处分别焊接钢筋计,在围岩与初期支护之间安装水压力计,当隧道完成下台阶的开挖后,在隧道拱腰位置安装钢筋计和水压力计;二次衬砌施工时,在初期支护和二次衬砌之间的拱顶、拱肩、拱腰位置用膨胀螺丝安装一土压力盒,在二次衬砌钢筋立架的拱顶、拱肩、拱腰和拱架位置的内外侧分别利用扎丝安装一对混凝土应变计。
更进一步,所述S3中隧道的安全状态划分具体为:
V={V1,V2,V3,V4}={Ⅰ,Ⅱ,Ⅲ,Ⅳ},
其中V1为结构安全;V2为结构基本安全;V3为结构潜在不安全;V4结构不安全,各等级的含义如下:
Ⅰ级的判定内容为:结构安全,结构无破损或存在极少量细微裂缝,此阶段对杏仁、行车安全不会产生影响,发出安全信号,保持日常监控即可;
Ⅱ级的判定内容为:结构基本安全,结构存在破损或轻微裂缝,此阶段对行人、行车安全不会产生影响,但应结合长期监控项目判断结构受力是否会进一步发展;
Ⅲ级的判定内容为:结构潜在不安全,结构存在较大破损或裂缝,且继续发展,此阶段早晚会对行人、行车安全造成威胁,进一步发展会导致结构功能的降低甚至破坏;
Ⅳ级的判定内容为:结构不安全,结构存在严重破坏,且继续发展,此阶段已危及行人、行车安全,建议加强监控频率并立即采取维修加固措施。
与现有技术相比,本发明解决了大规模隧道群监控量测成本高,安全评价复杂的问题,对隧道群风险控制,及时采取相应加固措施保障隧道群安全运营具有重要的意义。
附图说明
图1为复杂地质条件区域隧道群安全控制体系研究流程图。
图2为隧道群典型断面长期健康监测元件安装示意图。
图3为模糊综合评价的评判模型。
图4为模糊神经网络结构图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明,并不用于限定发明。
如图1所示,首先对隧道群所在区域进行详细的调研,依据地勘报告、隧道设计资料等文献,确定各隧道工程所面临的危险源、不良地质、地震烈度区域等工程地质条件和衬砌厚度、衬砌类型、施工工法、断面高跨比等设计信息。以此为依据筛选出区域内大规模隧道群的典型断面,开展长期健康监测。
(1)长期健康监测元件的安装
如图2所示,在典型断面上安装钢弦式力学传感器。依托工程内的隧道主要采用台阶法开挖,隧道上台阶开挖后,在隧道拱顶和拱肩位置的围岩和初期支护接触区域,安装水压力计1,水压力计的探头用纱布包裹防止碎石和砂砾堵塞传感器影响监测结果。在初期支护钢拱架的拱顶和拱肩位置安装钢筋计2,钢筋计的安装采用焊接方式,在安装过程中采用湿毛巾保护钢弦传感器,防止其受高温影响出现误差。隧道下台阶开挖后采用相同的方法在拱腰处安装水压力计1和钢筋计2(注:如果隧址区域不受地下水渗流的影响则可不安装水压力计)。
在初期支护和二次衬砌之间的拱顶、拱肩、拱腰位置安装土压力盒3,土压力盒通过三枚膨胀螺丝固定在初期支护的喷射混凝土上。在二次衬砌的拱顶、拱肩、拱腰和拱脚位置各安装一对混凝土应变计4,混凝土应变计通过扎丝固定在模筑钢筋混凝土的内、外侧钢筋上,即可通过内外侧应变之差计算出二次衬砌的轴力与弯矩。传感器的导线均沿洞周顺时针方向走线,导线通过扎丝固定在二次衬砌的钢筋上。
(2)通过模糊综合评价方法判断监测断面的安全等级
1.隧道主体结构安全等级的确定
综合国内外资料可知,目前常用的几种划分方法中,三级划分法比较简单,主要用于隧道检查结果的评判。十级划分方法则划分过细,且对于公路隧道而言,有些状态是不需要的。因此在分析主流划分方法的优劣上,本发明将隧道主体结构的安全状态划分为4级:
V={V1,V2,V3,V4}={Ⅰ,Ⅱ,Ⅲ,Ⅳ}
其中V1为结构安全;V2为结构基本安全;V3为结构潜在不安全;V4结构不安全,各等级的含义见表1所示。
表1隧道结构安全等级划分
2.隧道群结构安全模糊综合评价模型因素集的分析
在复杂地质环境下的隧道结构安全的影响因素众多,查阅相关资料并结合(1)中进行的危险源辨识结果,确立了如图3所示的隧道结构安全模糊综合评判模型,具体的影响因素包含:结构受力特征、工程地质条件、衬砌结构特征、隧道断面特征和其他影响因素5个方面。其中,结构受力特征U1可细分为支护-二衬接触压力U11、钢拱架应力特征U12、衬砌轴力特征U13和衬砌弯矩特征U14;工程地质条件U2可细分为岩石质量指标U21、围岩完整程度U22、围岩强度特征U23、地下水赋存情况U24、断层破碎带影响U25和地应力影响U26;衬砌结构特征U3可细分为衬砌厚度U31、衬砌支护类型U32;隧道断面特征U4可细分为隧道断面跨度U41、隧道断面搞垮比U42;其他因素U5可细分为施工设计水平U51、地震烈度U52和使用年限U53。
综合设计资料调研、数值计算、监测结果分析和模型试验,结合隧道结构安全等级划分可得出隧道结构受力特征的评判标准如表2所示。
表2衬砌结构受力因素评判基准
本发明在对各种隧道围岩稳定性分级规范标准的基础上,建立了各子因素与隧道结构安全性之间的判别基准。如表3给出了部分子因素判别基准。
表3模糊综合评判模型中各影响因素判别基准
3.隶属度函数和各指标因素权重集的确定
隶属度函数是属于[0,1]之间的数值,本实施例基于正态分布模型计算出了各因素的隶属度函数。
公式当中αi是各指标第i安全等级划分区段的平均值,σi是相应的方差。其中方差可根据下式计算得到
本实施例采用基于层次分析法中的1-9标度法对区域内隧道群结构安全模糊综合评判模型中的各因素权重集进行分析,构建两两判断矩阵,“1-9”标度见下表4。
表4“1-9”标度法
这样,对因素集U,其n个制约子因素构成一两两判断矩阵C:
其中cij反映两个因素得相对重要性,若ci与cj相比较得cij,则cj与ci相比得到得比例标度为cji=1/cij,cij需满足条件:cij>0;cji=1/cij;cii=1。
通过两两判断矩阵C,计算因素U的权重W=(w1,w2,w3,…,wn),通常用特征根法求得:
Cw=λmaxW (3)
式中λmax是C的最大特征根,W是相应的特征向量,将W作归一化处理得到权重向量。λmax和W通过以下公式计算:
计算最大特征值λmax:
对于一个判断矩阵C,为了检验其计算结果符合实际,通常需要进行一致性检验,并设定一个判别一致性好坏的标准。
一致性比例C.R.:
其中C.I.为一致性指标,R.I.为平均随机一致性指标,当C.R.<0.1时,认为一致性符合标准,当C.R.>0.1,一致性不符合标准,应对判断矩阵进行修正。C.I.取值方法如下:
式中n为判断矩阵的阶数。
经过以上分析即可确定出判断矩阵中的标度,并构造出两两判断矩阵。影响区域隧道群长期安全性能的各指标因素的权重关系如表5所示。
表5准则从及指标层的权重关系表
再将各项乘以相应的因素权数ai(i=1,2,…m),便能合理反映所有因素的综合影响。因此,模糊综合评判可表示为:
综上所述即可完成对隧道典型断面的模糊综合评价,得出各断面所处的安全等级。
(3)模糊神经网络的推演
如图4所示确立模糊神经网络的结构,由于隧道安全推演法则共有13个推演指标,所以模糊神经网络输入层共有13个输入节点。输出结果为隧道断面的安全等级,因此输出结果的矩阵为V={V1,V2,V3,V4}={Ⅰ,Ⅱ,Ⅲ,Ⅳ},且每个安全等级下都会输出对应的隶属度。因此神经网络的输出层为4个输出节点。所以隧道结构安全模糊神经网络模型分为4层。其中第1层为输入层,有13个输入节点,表示13个推演指标;第2层为模糊化层,使输入层的推演指标数据模糊化,将各指标数值转为输入变量模糊值即各指标值对各评价等级的隶属度,作用是将输入变量模糊化后作为神经网络的输入;第3层为模糊推理层,即神经网络的隐含层,可以完成输入变量模糊值到输出变量模糊值之间的映射;第4层为输出层,其输出是结构安全的评判结果,即结构安全对各评价等级的隶属度。隐含层中的机理函数为高斯函数其公式为(11)所示:
Ri(X)=exp(-||X-Ci||/2σi),i=1,...,m (11)
在所有检测断面的安全评价结果中选出一部分,作为样本集输入模糊神经网络中进行训练,训练结束后该神经网络即储存有因素集与安全等级之间的复杂映射关系。再将未选择数据作为验证集输入神经网络中,将推演得出的结果与模糊综合评判的计算结果进行对比,若误差在允许范围内则说明该模糊神经网络符合要求。
将未监测的断面信息输入神经网络中经推演即可得知该断面所处的安全等级。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。
Claims (3)
1.一种针对复杂地质条件区域隧道的安全控制方法,其特征在于,包括以下步骤:
S1、查阅区域内各隧道的地勘报告和设计说明,了解隧道所处的工程地质条件,衬砌结构的设计参数,隧道断面尺寸和形状和施工水平场地因素内容,通过监测元件对区域内隧道的典型断面进行健康监测,所述典型断面包括高地应力断面、高压富水断面、层状软岩断面;
S2、定期读取S1中监测元件的测量数据,得出隧道支护结构所承受的围岩压力、初期支护与二次衬砌间的接触压力、初期支护钢拱架轴力和二次衬砌轴力与弯矩;
S3、开展国内外文献调研,结合区域内隧道的服役要求以及隧道结构安全的影响因素和常见病害,将隧道的安全状态划分为结构安全、结构基本安全、结构潜在不安全、结构不安全四个等级;并建立模糊综合评价的因素集,所述模糊综合评价的因素集包括以下因素:结构受力特征、工程地质条件、衬砌结构特征、隧道断面特征和其他影响因素五类,具体细分为支护-二衬接触压力、钢拱架应力特征、衬砌轴力特征、衬砌弯矩特征、岩石质量指标、围岩完整程度、围岩强度特征、地下水赋存情况、断层破碎带影响、地应力影响、衬砌厚度、衬砌支护类型、隧道断面跨度、隧道断面搞垮比、施工设计水平、地震烈度和使用年限;然后根据模糊综合评价的因素集构建模糊综合评价模型;
S4、基于模糊理论,根据三角形分布、正态分布、岭形分布模型建立因素集到指标集的隶属度函数,利用层次分析法中的1-9标度法对模糊综合评价模型的因素集中的各因素的权重进行分析,然后计算出各监测断面所处的安全等级;
S5、将区域内隧道群所有的监测断面设为样本集,输入模糊神经网络中,对神经网络进行训练,建立隧道结构安全的影响因素与断面安全等级的映射关系,利用该模糊神经网络对隧道群未监测断面的安全状态进行推演。
2.根据权利要求1所述的针对复杂地质条件区域隧道的安全控制方法,其特征在于:所述S1中监测元件为振弦式传感器和/或光纤光栅表贴式传感器,所述监测元件包括钢筋计、水压力计、土压力盒、混凝土应变计,当隧道完成上台阶开挖后,在隧道拱顶和拱肩位置的钢拱架处分别焊接钢筋计,在围岩与初期支护之间安装水压力计,当隧道完成下台阶的开挖后,在隧道拱腰位置安装钢筋计和水压力计;二次衬砌施工时,在初期支护和二次衬砌之间的拱顶、拱肩、拱腰位置用膨胀螺丝安装一土压力盒,在二次衬砌钢筋立架的拱顶、拱肩、拱腰和拱架位置的内外侧分别利用扎丝安装一对混凝土应变计。
3.根据权利要求1所述的针对复杂地质条件区域隧道的安全控制方法,其特征在于:所述S3中隧道的安全状态划分具体为:
V={V1,V2,V3,V4}={Ⅰ,Ⅱ,Ⅲ,Ⅳ},
其中V1为结构安全;V2为结构基本安全;V3为结构潜在不安全;V4结构不安全,各等级的含义如下:
Ⅰ级的判定内容为:结构安全,结构无破损或存在极少量细微裂缝,此阶段对杏仁、行车安全不会产生影响,发出安全信号,保持日常监控即可;
Ⅱ级的判定内容为:结构基本安全,结构存在破损或轻微裂缝,此阶段对行人、行车安全不会产生影响,但应结合长期监控项目判断结构受力是否会进一步发展;
Ⅲ级的判定内容为:结构潜在不安全,结构存在较大破损或裂缝,且继续发展,此阶段早晚会对行人、行车安全造成威胁,进一步发展会导致结构功能的降低甚至破坏;
Ⅳ级的判定内容为:结构不安全,结构存在严重破坏,且继续发展,此阶段已危及行人、行车安全,建议加强监控频率并立即采取维修加固措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011151532.7A CN112258049A (zh) | 2020-10-26 | 2020-10-26 | 一种针对复杂地质条件区域隧道的安全控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011151532.7A CN112258049A (zh) | 2020-10-26 | 2020-10-26 | 一种针对复杂地质条件区域隧道的安全控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112258049A true CN112258049A (zh) | 2021-01-22 |
Family
ID=74261840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011151532.7A Pending CN112258049A (zh) | 2020-10-26 | 2020-10-26 | 一种针对复杂地质条件区域隧道的安全控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258049A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113187505A (zh) * | 2021-04-06 | 2021-07-30 | 淮北市平远软岩支护工程技术有限公司 | 一种基于围岩应变软化特性的抗冲击地压支护及监控设备 |
CN113187556A (zh) * | 2021-05-06 | 2021-07-30 | 西南交通大学 | 一种基于全概率的断层错动下隧道地震风险分析方法 |
CN113362389A (zh) * | 2021-06-08 | 2021-09-07 | 长安大学 | 基于cnn-rnn耦合数-形融合的盾构隧道变形预测方法 |
CN114427885A (zh) * | 2022-01-14 | 2022-05-03 | 成都金隧自动化工程有限责任公司 | 一种围岩及结构健康安全监测系统 |
CN114493375A (zh) * | 2022-04-02 | 2022-05-13 | 清华大学 | 施工安全宏观评估系统及方法 |
CN115929406A (zh) * | 2022-12-07 | 2023-04-07 | 河海大学 | 基于神经网络的围岩稳定性预测方法、系统及存储介质 |
CN116011222A (zh) * | 2023-01-04 | 2023-04-25 | 西南交通大学 | 一种基于主客观赋权云模型的隧道结构安全评价方法 |
CN116070322A (zh) * | 2023-01-28 | 2023-05-05 | 交通运输部公路科学研究所 | 一种强降雨下岩溶隧道衬砌结构安全性评价方法 |
CN116152009A (zh) * | 2023-04-19 | 2023-05-23 | 铁正检测科技有限公司 | 一种基于大数据的隧道地质监控管理系统 |
CN116906125A (zh) * | 2023-09-06 | 2023-10-20 | 四川高速公路建设开发集团有限公司 | 基于数据同步传输算法的软岩隧道安全监测方法及系统 |
CN117168419A (zh) * | 2023-11-02 | 2023-12-05 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于机器视觉系统的岩体结构与质量自动化识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056308A (zh) * | 2016-06-13 | 2016-10-26 | 宁波工程学院 | 一种公路隧道运行环境安全风险自动判定方法 |
CN107609805A (zh) * | 2017-10-31 | 2018-01-19 | 辽宁工程技术大学 | 一种基于模糊综合评判的地铁安全评价方法 |
CN110646854A (zh) * | 2019-09-24 | 2020-01-03 | 贵州顺康路桥咨询有限公司 | 一种基于模糊层次分析法的隧道综合超前地质预报方法及系统 |
-
2020
- 2020-10-26 CN CN202011151532.7A patent/CN112258049A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056308A (zh) * | 2016-06-13 | 2016-10-26 | 宁波工程学院 | 一种公路隧道运行环境安全风险自动判定方法 |
CN107609805A (zh) * | 2017-10-31 | 2018-01-19 | 辽宁工程技术大学 | 一种基于模糊综合评判的地铁安全评价方法 |
CN110646854A (zh) * | 2019-09-24 | 2020-01-03 | 贵州顺康路桥咨询有限公司 | 一种基于模糊层次分析法的隧道综合超前地质预报方法及系统 |
Non-Patent Citations (1)
Title |
---|
甘林卫: "复杂地质条件下大规模隧道群结构健康状态评价研究" * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113187505A (zh) * | 2021-04-06 | 2021-07-30 | 淮北市平远软岩支护工程技术有限公司 | 一种基于围岩应变软化特性的抗冲击地压支护及监控设备 |
CN113187556A (zh) * | 2021-05-06 | 2021-07-30 | 西南交通大学 | 一种基于全概率的断层错动下隧道地震风险分析方法 |
CN113362389A (zh) * | 2021-06-08 | 2021-09-07 | 长安大学 | 基于cnn-rnn耦合数-形融合的盾构隧道变形预测方法 |
CN113362389B (zh) * | 2021-06-08 | 2024-02-27 | 长安大学 | 基于cnn-rnn耦合数-形融合的盾构隧道变形预测方法 |
CN114427885A (zh) * | 2022-01-14 | 2022-05-03 | 成都金隧自动化工程有限责任公司 | 一种围岩及结构健康安全监测系统 |
CN114493375A (zh) * | 2022-04-02 | 2022-05-13 | 清华大学 | 施工安全宏观评估系统及方法 |
CN114493375B (zh) * | 2022-04-02 | 2022-07-22 | 清华大学 | 施工安全宏观评估系统及方法 |
CN115929406B (zh) * | 2022-12-07 | 2023-08-18 | 河海大学 | 基于神经网络的围岩稳定性预测方法、系统及存储介质 |
CN115929406A (zh) * | 2022-12-07 | 2023-04-07 | 河海大学 | 基于神经网络的围岩稳定性预测方法、系统及存储介质 |
CN116011222A (zh) * | 2023-01-04 | 2023-04-25 | 西南交通大学 | 一种基于主客观赋权云模型的隧道结构安全评价方法 |
CN116070322A (zh) * | 2023-01-28 | 2023-05-05 | 交通运输部公路科学研究所 | 一种强降雨下岩溶隧道衬砌结构安全性评价方法 |
CN116152009A (zh) * | 2023-04-19 | 2023-05-23 | 铁正检测科技有限公司 | 一种基于大数据的隧道地质监控管理系统 |
CN116906125A (zh) * | 2023-09-06 | 2023-10-20 | 四川高速公路建设开发集团有限公司 | 基于数据同步传输算法的软岩隧道安全监测方法及系统 |
CN116906125B (zh) * | 2023-09-06 | 2023-12-29 | 四川高速公路建设开发集团有限公司 | 基于数据同步传输算法的软岩隧道安全监测方法及系统 |
CN117168419A (zh) * | 2023-11-02 | 2023-12-05 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于机器视觉系统的岩体结构与质量自动化识别方法 |
CN117168419B (zh) * | 2023-11-02 | 2024-02-02 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于机器视觉系统的岩体结构与质量自动化识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112258049A (zh) | 一种针对复杂地质条件区域隧道的安全控制方法 | |
CN109034582B (zh) | 基于云模型和组合赋权的隧道穿越断层突水突泥风险评价方法 | |
CN113779835A (zh) | 基于ai与智能监测系统的深大基坑安全预警方法 | |
CN112100727A (zh) | 一种断层破碎带影响下的富水隧道突水的预警防控方法 | |
CN105718658A (zh) | 大型桥梁在线评估体系 | |
CN105956218A (zh) | 基于非均匀温度响应监测值的钢桥有限元模型修正方法 | |
CN115270527A (zh) | 道路塌陷风险实时评估方法、设备及存储介质 | |
Azhar et al. | Recent vibration-based structural health monitoring on steel bridges: Systematic literature review | |
CN111365051A (zh) | 基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法 | |
Liang et al. | Data fusion technique for bridge safety assessment | |
Zhou et al. | A method for convergence monitoring considering the flattening effect in a shield tunnel with BOTDA sensors | |
CN113008408A (zh) | 一种单点地下结构健康监测系统及方法 | |
CN114493295B (zh) | 一种盐岩地质下隧道监测项目的确定方法及监测系统 | |
CN114936397A (zh) | 融合数值模型与数理统计的道路塌陷风险评估方法及系统 | |
CN114066271A (zh) | 一种隧道突水灾害监测管理系统 | |
Li et al. | Research on a safety evaluation system for railway-tunnel structures by fuzzy comprehensive evaluation theory | |
Schubert et al. | The guideline for the geomechanical design of underground structures with conventional excavation. | |
Yang et al. | An AHP-DEMATEL health diagnosis model and its application in the Shuikou dam | |
Li et al. | AHP‐FSE‐Based Risk Assessment and Mitigation for Slurry Balancing Shield Tunnel Construction | |
CN111177918A (zh) | 一种地铁施工对既有桥梁损伤的评估方法 | |
Yao et al. | Mountain-Expressway Slope Safety Based on the Online Monitoring System and Fuzzy Comprehensive Evaluation | |
Wan et al. | New damage identification method for operational metro tunnel based on perturbation theory and fuzzy logic | |
Wu et al. | Fiber-Optic Sensors for Infrastructure Health Monitoring, Volume II: Methodology and Case Studies | |
Elhakem et al. | Using Dynamic Tests to Evaluate Structural Status of Barrage Before and After Rehabilitation | |
CN116878577B (zh) | 一种隧道钻爆法原位改扩建工程的监测方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210122 |
|
WD01 | Invention patent application deemed withdrawn after publication |