CN112418683A - 一种盾构下穿既有构筑物施工风险评价方法 - Google Patents
一种盾构下穿既有构筑物施工风险评价方法 Download PDFInfo
- Publication number
- CN112418683A CN112418683A CN202011347500.4A CN202011347500A CN112418683A CN 112418683 A CN112418683 A CN 112418683A CN 202011347500 A CN202011347500 A CN 202011347500A CN 112418683 A CN112418683 A CN 112418683A
- Authority
- CN
- China
- Prior art keywords
- risk
- construction
- existing structure
- model
- shield
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 109
- 238000011156 evaluation Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000009826 distribution Methods 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000010219 correlation analysis Methods 0.000 claims abstract description 9
- GJNGXPDXRVXSEH-UHFFFAOYSA-N 4-chlorobenzonitrile Chemical compound ClC1=CC=C(C#N)C=C1 GJNGXPDXRVXSEH-UHFFFAOYSA-N 0.000 claims abstract 7
- 238000005315 distribution function Methods 0.000 claims description 12
- 230000005641 tunneling Effects 0.000 claims description 8
- 239000002689 soil Substances 0.000 claims description 7
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000149 penetrating effect Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 238000009933 burial Methods 0.000 claims 1
- 230000035515 penetration Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 16
- 238000001514 detection method Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000001141 propulsive effect Effects 0.000 description 3
- 241000039077 Copula Species 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 108010074864 Factor XI Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012795 verification 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Abstract
本发明公开了一种盾构下穿既有构筑物施工风险评价方法，其主要包括如下步骤:基于相关文献与工程经验,建立盾构下穿既有构筑物的施工安全风险评价指标模型；采集检测数据，基于监测数据对评价指标进行最优边缘分布识别；基于贝叶斯网络构建PCBN模型，进行风险推理，确定工程施工风险等级；在构建的PCBN模型基础上，进行基于百分位蛛网图和相关系数的评价指标相关性分析，确定工程的关键风险因素。本发明将Pair‑Copula理论和贝叶斯网络相结合，对不确定风险信息进行推理分析，有效确定了工程的施工风险状态和潜在的关键风险因素，实现了更加准确合理的盾构下穿既有构筑物的施工安全风险综合评价。
Description
技术领域
本发明属于盾构下穿既有构筑物施工安全风险评价领域，具体涉及一种结合Pair-Copula理论和贝叶斯网络的混合方法，用以解决盾构下穿既有构筑物工程施工过程中潜在安全风险的不确定性表达和推理问题。
背景技术
随着我国城市轨道交通建设的高速发展，盾构构筑物下穿既有构筑物施工的现象越来越普遍。在构筑物施工过程中，施工环境复杂多变，且施工过程致险因子多、关联性强，极易诱发邻近既有构筑物的变形和沉降，因此，对盾构下穿既有构筑物施工过程风险开展实时动态安全评估与决策具有重要的工程意义。
很多国内外学者已经针对盾构下穿构筑物的施工安全问题进行了相关研究，目前的研究主要集中于理论分析、数值模拟和模型试验等方法。这些研究虽然在盾构下穿既有构筑物施工安全控制方面做出了一定的贡献，但上述方法中理论分析法在处理复杂问题时存在较大局限性，求解精度低；数值分析方法基于大量假设，工作量大，精确度浮动性比较大，且与实际工程情况存在一定程度脱离；而模型试验则存在造价高、耗时时间长等缺点，且无法精确描述工程地质条件以及相关致险因素的影响。目前从风险评估角度对构筑物近接施工安全问题进行系统的安全评价与预警的研究非常少，且分析方法仍停留在传统的层次分析和模糊综合评价等方法上，虽然在一定程度上考虑到了多源风险因素的模糊性和随机性，但未能对其进行较好的表达，也没有考虑到盾构施工过程中风险因素之间复杂的依赖关系，使得工程施工过程中的安全隐患未能被有效识别，也难以实现较好的构筑物施工风险预警与控制。
构筑物盾构施工过程中，施工环境复杂多变，大部分环境因素会随时间与空间而不断变化更新，并且施工过程致险因子多、关联性强，还存在较大的不确定性，使得盾构下穿既有构筑物的施工安全风险评价成为一个复杂的动态决策系统。如何对风险因素复杂依赖关系精确建模，并进行实时不确定推理评价成为了一个关键问题。
发明内容
针对现有方法的以上缺陷或改进需求，本发明提供一种基于Pair-Copula理论和贝叶斯网络(PCBN)的盾构下穿既有构筑物施工风险评价方法，其目的在于将Copula理论对于指标间相关性的处理优势与贝叶斯网络模型的不确定推理分析，通过风险推理分析和指标的相关性分析，确定工程的施工安全风险状态和关键控制因素，实现了盾构下穿既有构筑物施工安全风险综合评价。
为了实现上述目的，本发明提供一种盾构下穿既有构筑物施工风险评价方法，该方法包括如下步骤：
S1.基于相关文献与工程经验,建立盾构下穿既有构筑物的施工安全风险评价指标模型；
S2.采集构筑物下穿区间内的监测数据，基于所述施工安全风险评价指标模型,将所述监测数据进行评估得到评价指标,对所述评价指标进行最优边缘分布识别,获得初始风险指标评价模型；
S3.基于贝叶斯网络,构建模拟盾构施工下穿既有构筑物风险系统的PCBN模型；
S4.基于所述PCBN模型和所述初始风险指标评价模型，得到工程施工风险模型，根据所述工程施工风险模型确定工程施工风险数据；
S5.根据所述工程施工风险数据,绘制百分位蛛网图，构建所述百分位蛛网图的相关性分析模型,基于所述初始风险指标评价模型，确定工程的关键风险因素，实现工程的风险评估。
优选地，S1中，所述盾构下穿既有构筑物施工安全风险评价指标模型包括构筑物相关参数、土体条件、既有构筑物条件、施工与管理因素四类。构筑物相关参数包括新建构筑物的直径(X1)、两构筑物的净距(X2)以及两构筑物的平面夹角(X3)三个参数；土体条件包括压缩模量(X4)、粘聚力(X5)、摩擦角(X6)、和泊松比(X7)四个因素；既有构筑物条件包括：既有构筑物的埋深(X8)、既有构筑物的直径(X9)、覆跨比(X10)和既有构筑物的健康状态(X11)四个因素；施工与管理因素包括：注浆压力(X12)、土仓压力(X13)、推进力(X14)、推进速度(X15)四个因素。
优选地，所述S2中,对所述评价指标进行最优边缘分布识别的步骤包括：
(1)归一化处理：实际工程中由于监测原因可能会导致异常数据出现，为了降低PCBN模型受异常值和特殊指标的影响，在进行最优边缘分布识别前应先对监测数据进行归一化处理。
(2)识别最优边缘分布函数：选择Weibull函数、Exponential函数、Normal函数和Gamma函数这四种常用函数作为备选函数，通过AIC准则和BIC准则两种方式从中确定最优边缘分布函数，使AIC值和BIC值最小的分布即为最优边缘分布函数，AIC准则和BIC准则的具体公式如下所示：
其中，F(x；p,q)为分布函数的估计值，N为风险指标实测值的维度，k为通过AIC准则从备选函数中需选取的最优函数的个数，本文中k取1。
(3)拟合优度检验：为了保证识别结果的有效性，采用K-S检验对风险指标的边缘分布识别结果进行拟合优度检验。K-S检验是一种常用的非参数检验法，它通过对比分析两组数据之间的差异情况，判断观测样本值和假设分布之间的差值是否符合设定的置信区间。给定一组长度为n的升序排列的样本数据为x(.)，则其K-S检验的统计量如下式所示：
T＝sup|F*(x)-Fn(x)
其中，F*(x)和Fn(x)分别表示假设的分布函数和基于实测数据的分布函数，sup表示F*(x)和Fn(x)之间距离集的总和。
优选地，所述S3构建PCBN模型的步骤包括：
(1)根据专家知识和大量工程实践经验，将具有相关关系的风险指标用有向箭头连接，从而构建盾构构筑物下穿既有构筑物施工安全风险评价的有向无环图(DAG图)；
(2)基于风险指标的实测数据，依据公式(4-5)计算具有相关关系的风险指标间的Spearman秩相关系数，并将其作为参考更合理地定义指标之间的连接；
式中，dk为2个变量之间的等级差，即本文中2个风险指标实测值的排序之差；z为等级差的个数，即风险指标实测值的维度。
(3)将各风险指标的最优边缘分布输入构建的DAG图中，并对初步构建的DAG图进行修改和完善，从而构建盾构下穿既有构筑物施工安全风险评价的PCBN模型。
优选地，所述基于构建的PCBN模型进行风险推理是利用贝叶斯网络的概率推理技术，通过联合概率分布，推算出n个风险因素Xi(i＝1,2,…,n)风险组合下风险事件T对不同风险等级的发生概率，并根据概率最大原则在事故发生前预判事故风险等级。风险事件(即叶结点T)发生概率的计算如下所示：
其中，t表示风险等级，P(T＝t)为叶结点T对不同风险等级的发生概率。
优选地，所述S5中，基于百分位蛛网图的相关性分析是定性分析，通过对风险值的取值区间进行条件化设定，观察条件化下各个风险指标的取值情况来定性判断相关性大小。
优选地，所述S5中，基于相关系数的相关性分析是定量分析，通过Pearson相关系数和Spearman秩相关系数来度量相关强度，具体如下：
(1)Pearson相关系数
Pearson相关系数能够度量变量之间的线性相关关系，变量X，Y间的Pearson相关系数可用下式表示：
其中，γX,Y是Pearson线性相关系数，
是变量X，Y的方差，Cov(X,Y)为向量(X,Y)的协方差。
(2)Spearman秩相关系数
当两个变量X和Y之间以非线性方式相关时，常使用Spearman相关系数来衡量非线性相关关系的强弱。变量X与Y之间的Spearman秩相关系数可表示为ρX,Y，其表达式如下：
式中，dk为变量X与Y之间的等级差，即变量X与Y实测值的排序之差；n为等级差的个数，即风险指标实测值的个数。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1、本发明提供的基于Pair-Copula理论和贝叶斯网络(PCBN)的盾构下穿既有构筑物施工风险评价方法，建立了一套较为完善的盾构下穿既有构筑物施工安全风险评价指标体系，为其他同类工程的安全风险评价研究提供了适用的依据。
2、本发明提供的基于Pair-Copula理论和贝叶斯网络(PCBN)的盾构下穿既有构筑物施工风险评价方法，将Copula理论对于指标间相关性的处理优势与贝叶斯网络模型的不确定推理分析相结合，使得风险因素复杂依赖关系得到有效表达，多源不确定性信息在施工风险评价中得到充分的利用。
3、本发明提供的基于Pair-Copula理论和贝叶斯网络(PCBN)的盾构下穿既有构筑物施工风险评价方法，基于构建的PCBN进行风险推理分析，能够有效综合多源不确定信息，得到合理准确的风险评估结果。为盾构下穿既有构筑物施工风险管理提供决策依据。
4、本发明提供的基于Pair-Copula理论和贝叶斯网络(PCBN)的盾构下穿既有构筑物施工风险评价方法，基于构建的PCBN进行风险指标定性和定量的相关性分析，全面得揭示了风险因素与系统风险水平之间复杂的的相关关系，有助于确定关键风险因素实现施工安全风险管控。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
图1为本发明实施例提供的基于PCBN模型的盾构构筑物下穿既有构筑物施工风险动态评价流程图；
图2为本发明实施例提供的调整完善后的风险系统PCBN网络DAG设计图；
图3为本发明实施例提供的盾构构筑物下穿既有构筑物施工风险PCBN模型；
图4为本发明实施例提供的盾构构筑物下穿既有构筑物条件化的风险蛛网图；
图5为本发明实施例提供的风险指标Xi关于风险事件T的相关系数图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围；
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明；
针对现有分析方法存在的问题，本发明提供了基于Pair-Copula理论和贝叶斯网络(PCBN)的盾构下穿既有构筑物施工风险评价方法，下面结合附图，以武汉市某地铁盾构下穿工程为例对本发明的方法进行进一步描述。
如图1，本发明提出的基于Pair-Copula理论和贝叶斯网络(PCBN)的盾构下穿既有构筑物施工风险评价方法，主要包括以下步骤：
1、监测数据收集及边缘分布识别
基于盾构下穿既有构筑物施工安全风险评价指标体系，收集构筑物下穿区间内均匀设置的100个监测点的100组监测数据，如表1所示。基于表1中15个风险指标的实测值，首先对监测数据进行归一化处理，然后计算每个风险指标对于四个候选分布的AIC值和BIC值，按照AIC值和BIC值最小原则确定最优边缘分布函数。同时，对各风险指标边缘分布的拟合结果进行K-S检验。设定显著水平α＝0.05，若统计量P值大于显著性水平0.05，则假定的边缘分布拟合，反之，假定的边缘分布不拟合，计算得到各指标最优边缘分布K-S检验的拟合优度均较好。部分指标识别和检验结果如表2所示。
表1构筑物相交区间段监测数据
表2 AIC和BIC准则的最优边缘分布函数及拟合优度K-S检验结果
2、PCBN模型构建
构建PCBN模型是进行风险评价与分析的基础步骤，其主要作用是模拟盾构施工下穿既有构筑物风险系统，主要包括以下几个部分：
(1)风险系统DAG图初步构建
根据盾构下穿既有构筑物施工风险评价指标体系，将识别的15个风险因子作为贝叶斯网络DAG图的15个节点，结合专家经验和相关文献资料，确定各个风险指标间的经验相关关系并用节点间的有向箭头表示，初步构建出盾构下穿既有构筑物风险评价的贝叶斯网络结构图。
(2)相关系数计算与贝叶斯网络结构完善
根据监测数据进行基于Spearman相关系数的独立性假设检验，对初步DAG图进行修剪和完善。计算DAG图中存在有向箭头的风险指标之间的相关系数及P值，设定显著性水平为0.1，若P值大于显著性水平，则两节点为独立关系，反之，两节点间存在一定程度的相关关系，P值计算结果及相关性判别结果如下表3所示。由表3可知，在本工程中，可剔除具有独立性的3个经验相关关系，即X3-X2、X9-X8和X13-X12，修剪完善后的DAG图如图2所示。
表3节点之间独立性检验结果
3、基于PCBN模型的风险分析
基于构建的盾构下穿既有构筑物施工过程的PCBN模型，结合工程实际与专家经验，可将该工程的安全风险划分为5个安全状态，对应5个风险等级，各个风险等级与工程风险区间值的对应关系如表4所示。基于构建的PCBN模型进行风险值推理，可以得到盾构下穿既有构筑物施工风险值，绘制出该工程盾构下穿既有构筑物施工风险评价的PCBN模型如图3所示。
表4工程风险等级标准
由图3可知，该工程施工过程的风险值均值计算结果E(T)＝0.387，标准差计算结果为0.0719，故该工程施工风险值范围为[0.3151,0.4589]，依据表4可以判断该工程盾构下穿既有构筑物施工风险等级为Ⅲ级，即该工程施工风险状态为基本安全。但是由于在Ⅲ级风险值范围内，该工程的风险值范围偏高，有向Ⅳ级较危险状态发展的趋势，因此，可以判断某些监测点或者该构筑物的某些风险指标的风险等级状态较高，整体上来说该工程构筑物施工需要进一步加强风险管控，并采取一定的措施进一步降低风险水平。
进一步分析可以看出X2(两构筑物的净距)、X4(压缩模量)、X11(既有构筑物的健康状态)、X14(推进力)等因素的风险值范围主要在Ⅲ级和Ⅳ级，风险水平偏高。因此，为了有效降低本工程构筑物盾构施工风险，可以针对以上因素采取相应的管控措施，如注浆改善土体、对既有构筑物结构进行加固修复、及时调整盾构机械参数等，同时，对其他因素也应加强监控使其处在可控水平上。
4、基于PCBN模型的指标相关性分析
(1)百分位蛛网图分析
通过绘制各风险指标关于盾构下穿既有构筑物施工风险(节点T)条件化值下的百分位蛛网图，可以确定对工程施工风险影响较大的风险指标。图4为盾构下穿既有构筑物条件化的风险蛛网图。由图4可以看出，通过对T进行高概率值和低概率值的条件化，指标X12、X14、X15的蓝色样本线条(T的高概率值)分布基本集中于纵轴上部，黑色样本线条(T的低概率值)基本集中于纵轴下部。这表明，在该工程风险系统中，指标X12、X14、X15与风险变量T的高概率值和低概率值具有较强的相关关系，这三个因素对风险变量T的风险等级的影响更大。故注浆压力(X12)、推进力(X14)、推进速度(X15)为降低本工程施工风险的关键决策指标，当盾构构筑物下穿既有构筑物施工过程的风险较高时，应首先对这三个风险指标采取控制措施，及时调整其参数设置，以有效降低施工风险水平。
(2)相关系数分析
相关系数的计算结果能够反映致险因子与盾构下穿既有构筑物施工风险之间的相关程度，本文选用Pearson相关系数度量Xi与T之间的线性相关关系，选用Spearman相关系数度量Xi与T之间的非线性相关关系。相关系数的大小说明了两个变量在数值上的相关程度，相关系数大于0.5时认为具有显著相关性，当相关系数为0.3～0.5之间时，认为具有中等相关性。基于构建的PCBN模型，计算15个风险指标关于工程施工风险T的Pearson相关系数和Spearman相关系数，计算结果如图5所示。
由图5可知，在风险系统的15个风险指标中，X15、X14、X12三个指标的相关系数值最大。X15与工程施工风险的线性相关系数和非线性相关系数均大于0.5，表明X15与工程施工风险之间呈显著相关；X14与工程施工风险的线性关系为显著相关，非线性关系为中等相关；X12与工程施工风险的线性关系和非线性关系均为中等相关。因此，本工程中，推进速度(X15)为对盾构下穿既有构筑物施工风险影响最大的风险指标，推进力(X14)和注浆压力(X12)为影响次之的两个风险指标，它们三个指标是本工程风险系统中的关键风险指标，该分析结果与通过蜘蛛网图定性分析所获得的结论一致。根据所识别出的关键风险指标，应当重视对主要因素注浆压力、推进力和推进速度的检查，实施安全控制措施，以避免工程施工风险过高，发生安全事故。当盾构构筑物下穿既有构筑物施工过程风险过高时，推进速度为降低工程施工风险的优先决策风险指标，而推进力和注浆压力为具有第二优先级的的决策风险指标。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种盾构下穿既有构筑物施工风险评价方法，其特征在于包括以下几个步骤：
S1.建立盾构下穿既有构筑物的施工安全风险评价指标模型；
S2.采集构筑物下穿区间内的监测数据，基于所述施工安全风险评价指标模型,根据所述监测数据对所述施工安全风险评价指标模型中的风险指标进行最优边缘分布识别,获得初始风险指标评价模型；
S3.基于贝叶斯网络,结合所述初始风险指标评价模型,构建模拟盾构施工下穿既有构筑物风险系统的PCBN模型,即为工程施工风险模型；
S4.根据所述工程施工风险模型确定工程施工风险数据；
S5.根据所述工程施工风险数据,绘制百分位蛛网图，构建所述百分位蛛网图的相关性分析模型,基于所述初始风险指标评价模型，确定工程的关键风险因素，实现工程的风险评估。
2.根据权利要求1所述的一种盾构下穿既有构筑物施工风险评价方法，其特征在于，
所述施工安全风险评价指标模型,由施工安全风险评价指标组成,包括：构筑物相关参数、土体条件、既有构筑物条件、施工与管理因素。
3.根据权利要求2所述的一种盾构下穿既有构筑物施工风险评价方法，其特征在于，
所述构筑物相关参数包括：新建构筑物的直径、两构筑物的净距、两构筑物的平面夹角；
所述土体条件包括：压缩模量、粘聚力、摩擦角、和泊松比；
所述既有构筑物条件包括：既有构筑物的埋深、既有构筑物的直径、覆跨比、既有构筑物的健康状态；
所述施工与管理因素包括：注浆压力、土仓压力、推进力、推进速度。
4.根据权利要求1所述的一种盾构下穿既有构筑物施工风险评价方法，其特征在于，
所述S2中,对所述评价指标进行最优边缘分布识别的步骤包括：
S2.1.在最优边缘分布识别前,对所述监测数据,进行归一化处理,用于避免监测数据出现异常,降低所述PCBN模型受异常值和特殊指标的影响；
S2.2.识别最优边缘分布函数,通过AIC准则、BIC准则在备选函数中确定最优边缘分布函数，得到的AIC最小值、BIC最小值分布即为最优边缘分布函数；
S2.3.检验拟合优度,通过K-S检验对风险指标识别的边缘分布函数进行拟合优度检验,得到观测样本值和假设分布值与实际监测值之间的差值,判断所述观测样本值和所述假设分布差值是否符合设定的置信区间,用于检验拟合优度。
5.根据权利要求1所述的一种盾构下穿既有构筑物施工风险评价方法，其特征在于，
所述S3构建PCBN模型的步骤包括：
S3.1.将具有相关关系的风险指标用有向箭头连接，构建盾构构筑物下穿既有构筑物施工安全风险评价的有向无环图；
S3.2.根据所述风险指标的实测数据，计算风险指标间的Spearman秩系数，用于表示所述风险指标间的连接关系；
S3.3.将所述风险指标的最优边缘分布,输入到所述有向无环图，构建所述PCBN模型。
6.根据权利要求1所述的一种盾构下穿既有构筑物施工风险评价方法，其特征在于，
所述S4中,通过贝叶斯网络的概率推理技术,对所述PCBN模型进行风险推理，构建风险因素数据集合,基于联合概率分布的方法，评估不同风险等级的发生概率，并根据概率最大原则,在事故发生前预判事故风险等级。
7.根据权利要求1所述的一种盾构下穿既有构筑物施工风险评价方法，其特征在于，
所述S5中,通过对风险值的取值区间进行条件化设定，获得所述条件化设定的各个风险指标取值情况,对所述百分位蛛网图进行相关性分析。
8.根据权利要求1所述的一种盾构下穿既有构筑物施工风险评价方法，其特征在于，
所述S5中,通过Pearson相关系数和Spearman秩相关系数,对致险因子与盾构下穿既有构筑物施工风险之间的相关程度进行分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011347500.4A CN112418683A (zh) | 2020-11-26 | 2020-11-26 | 一种盾构下穿既有构筑物施工风险评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011347500.4A CN112418683A (zh) | 2020-11-26 | 2020-11-26 | 一种盾构下穿既有构筑物施工风险评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112418683A true CN112418683A (zh) | 2021-02-26 |
Family
ID=74843299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011347500.4A Pending CN112418683A (zh) | 2020-11-26 | 2020-11-26 | 一种盾构下穿既有构筑物施工风险评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112418683A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112966949A (zh) * | 2021-03-15 | 2021-06-15 | 北京市市政工程研究院 | 隧道施工的风险评估方法、装置及存储介质 |
| CN113450358A (zh) * | 2021-09-01 | 2021-09-28 | 国能大渡河大数据服务有限公司 | 一种用于水电流域梯级开发建设的进度管控方法及系统 |
| CN113506001A (zh) * | 2021-07-15 | 2021-10-15 | 广东电网有限责任公司中山供电局 | 一种作业现场安全风险精益化智慧管控辅助决策方法 |
| CN114996830A (zh) * | 2022-08-03 | 2022-09-02 | 华中科技大学 | 盾构隧道下穿既有隧道的可视化安全评估方法及设备 |
| CN115358494A (zh) * | 2022-10-20 | 2022-11-18 | 中电建铁路建设投资集团有限公司 | 一种地铁盾构下穿施工的危险预警方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111401653A (zh) * | 2020-03-25 | 2020-07-10 | 华中科技大学 | 一种隧道渗漏水风险空间相依性预测方法及预测系统 |
| CN111985804A (zh) * | 2020-08-18 | 2020-11-24 | 华中科技大学 | 基于数据挖掘和数据融合盾构近接既有隧道安全评价方法 |
-
2020
- 2020-11-26 CN CN202011347500.4A patent/CN112418683A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111401653A (zh) * | 2020-03-25 | 2020-07-10 | 华中科技大学 | 一种隧道渗漏水风险空间相依性预测方法及预测系统 |
| CN111985804A (zh) * | 2020-08-18 | 2020-11-24 | 华中科技大学 | 基于数据挖掘和数据融合盾构近接既有隧道安全评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吴贤国等: "基于粗糙集和贝叶斯网络的地铁盾构施工诱发邻近桥梁安全风险评价", 《土木工程与管理学报》, pages 9 - 15 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112966949A (zh) * | 2021-03-15 | 2021-06-15 | 北京市市政工程研究院 | 隧道施工的风险评估方法、装置及存储介质 |
| CN113506001A (zh) * | 2021-07-15 | 2021-10-15 | 广东电网有限责任公司中山供电局 | 一种作业现场安全风险精益化智慧管控辅助决策方法 |
| CN113450358A (zh) * | 2021-09-01 | 2021-09-28 | 国能大渡河大数据服务有限公司 | 一种用于水电流域梯级开发建设的进度管控方法及系统 |
| CN113450358B (zh) * | 2021-09-01 | 2021-11-09 | 国能大渡河大数据服务有限公司 | 一种用于水电流域梯级开发建设的进度管控方法及系统 |
| CN114996830A (zh) * | 2022-08-03 | 2022-09-02 | 华中科技大学 | 盾构隧道下穿既有隧道的可视化安全评估方法及设备 |
| CN115358494A (zh) * | 2022-10-20 | 2022-11-18 | 中电建铁路建设投资集团有限公司 | 一种地铁盾构下穿施工的危险预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112418683A (zh) | 一种盾构下穿既有构筑物施工风险评价方法 | |
| CN111985804B (zh) | 基于数据挖掘和数据融合盾构近接既有隧道安全评价方法 | |
| Liang et al. | Risk assessment for long-distance gas pipelines in coal mine gobs based on structure entropy weight method and multi-step backward cloud transformation algorithm based on sampling with replacement | |
| CN106407493B (zh) | 一种基于多维高斯云模型的岩爆等级评价方法 | |
| CN104061445B (zh) | 一种基于神经网络的管道泄漏检测方法 | |
| CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
| Wang et al. | A risk evaluation method with an improved scale for tunnel engineering | |
| CN112396320A (zh) | 一种基于ism与模糊贝叶斯网络的隧道坍塌风险评估方法 | |
| CN109490072B (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
| Wu et al. | Dynamic risk analysis for adjacent buildings in tunneling environments: a Bayesian network based approach | |
| CN111401653A (zh) | 一种隧道渗漏水风险空间相依性预测方法及预测系统 | |
| CN106779296A (zh) | 一种基于多传感器的隧道施工周围建筑物安全预警方法 | |
| CN104537211A (zh) | 一种基于层次分析法及灰色理论的企业安全风险预警方法 | |
| CN103077447A (zh) | 一种基于贝叶斯网络的地铁施工安全管理决策方法 | |
| CN110889440A (zh) | 基于主成分分析和bp神经网络的岩爆等级预测方法及系统 | |
| CN110162932A (zh) | 基于有限元分格的自动化监测边坡稳定性的计算方法 | |
| CN113962003A (zh) | 一种隧道围岩大变形评估方法 | |
| CN112837182A (zh) | 一种盾构掘进安全稳定性评价方法 | |
| CN112907130A (zh) | 基于盾构施工参数的施工风险等级确定方法、装置及介质 | |
| CN111126853A (zh) | 基于模糊fmea的水利工程风险预警分析方法及系统 | |
| Cui et al. | Identifying accident black spots based on the accident spacing distribution | |
| CN114417470A (zh) | 一种基于bim的桥梁裂缝安全评定方法和装置 | |
| CN105912775B (zh) | 桥梁动态称重系统车辆轴重数据的多模态建模方法 | |
| Wang et al. | Risk assessment and implementation of deformation disaster for operation tunnel based on entropy weight-grey relational analysis | |
| Sheng et al. | Risk assessment of urban gas pipeline based on different unknown measure functions |
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 |