一种地铁盾构施工风险及其发展趋势的预测方法

摘要

本发明公开了一种地铁盾构施工风险及其发展趋势的预测方法，属于盾构施工技术领域，解决了现有技术中包括如下步骤；步骤A：对盾构施工中存在的风险和盾构机的故障进行收集，筛选出重大风险和关键故障信息，并对重大风险和关键故障信息分别进行编码；步骤B：构建“盾构施工风险与盾构机故障”故障树；步骤C：根据构建的“盾构施工风险与盾构机故障”故障树,构建盾构施工风险贝叶斯网络拓扑图；步骤D：确定贝叶斯网络拓扑图中的参数；步骤E：利用贝叶斯网络拓扑图进行反向诊断推理，得出盾构施工风险最大路径；步骤F：根据盾构施工风险最大路径，对盾构施工风险进行预测。

说明书

技术领域

本发明属于盾构施工技术领域，具体属于一种地铁盾构施工风险及其发展趋势的预测方法。

背景技术

随着我国地铁建设的蓬勃发展，盾构法施工的应用越来越多，但盾构施工存在施工强度大、机械装备掌握难度大、施工环境复杂变化大等诸多风险隐患，风险事故在施工过程中时有发生，造成经济损失、工期延误和人民生命财产损失。因此，预测风险的发生趋势，实现风险实时预警已成为盾构施工风险管理的首要任务。

目前，国内外在盾构施工风险预测方面的研究主要包括：模糊数学方法,建立有限元模型对盾构项目中的某一场景进行模拟，分析盾构项目过程中存在的致险机理，对风险进行预测；构建神经网络模型，对盾构项目中的地表沉降、盾构项目施工成本等风险参数进行分析，实现对地表沉降风险、施工成本风险等的预测；采用贝叶斯网络对所关注的风险状况与风险起因进行分析，预测出主要风险源，制定预防风险的对应措施；通过探索性因子分析(EFA)和结构方程模型(SEM)相结合的方式，找到盾构施工的关键风险因素，通过计算路径系数来描述路径上的各风险因素对盾构施工整体风险的影响，预测地铁盾构施工整体风险的影响最大的风险源；

可靠度理论、层次分析法、模糊综合评价法、物元分析法、改进的LEC法、探索性因子分析(EFA)和结构方程模型(SEM)结合法、BP神经网络预测等研究方法降低了风险评估与管理过程中的主观性，使评价结果更科学可靠。但是，对于地铁盾构施工这种大型施工项目，因其风险因素众多，且各风险因素之间亦存在各种复杂的相关性，导致对边界模糊的风险因素的评估结果不准确，以及对风险因素之间的关联关系缺乏深入的研究，此外，现有的盾构施工风险研究还存在一些不足和局限性：

对事故现场产生数据的搜集与处理不足；做好各类盾构施工风险数据的调查搜集是研究盾构施工风险管理的前提，是一项必不可少的基础工作，但由于对施工现场日常储藏的各类大量信息数据，特别是对事故现场产生的信息数据搜集掌控的不足、不实，在一定程度上影响到风险因素定量分析的质量和定性判断的结果；对盾构机自身风险的研究偏少，忽略了在盾构机运行中产生的大量施工参数数据和报警数据；地铁盾构施工风险因素之间存在各种复杂的相关性，但目前对风险因素之间的关联关系缺乏深入的研究；

如何将科学创新的风险评价方法与行之有效的传统风险评价方法有机结合，以利于更好、更完整研究出探索地铁隧道盾构施工风险管理成果，有待认识探讨。

发明内容

针对现有技术中缺乏将科学创新的风险评价方法与行之有效的传统风险评价方法有机结合，以利于更好、更完整研究出探索地铁隧道盾构施工风险管理成果的方法问题，本发明提供一种地铁盾构施工风险及其发展趋势的预测方法，其目的在于：为确保地铁盾构施工安全提供科学决策。

本发明采用的技术方案如下：

一种地铁盾构施工风险及其发展趋势的预测方法，包括如下步骤；

步骤A：对盾构施工中存在的风险和盾构机的故障进行收集，筛选出重大风险和关键故障信息，并对重大风险和关键故障信息分别进行编码；

步骤B：构建“盾构施工风险与盾构机故障”故障树；

步骤C：根据构建的“盾构施工风险与盾构机故障”故障树,构建盾构施工风险贝叶斯网络拓扑图；

步骤D：确定贝叶斯网络拓扑图中的参数；

步骤E：利用贝叶斯网络拓扑图进行反向诊断推理，得出盾构施工风险最大路径；

步骤F：根据盾构施工风险最大路径，对盾构施工风险进行预测。

所述步骤A中的具体步骤包括：通过工程案例和文献对盾构施工中存在的风险进行收集，通过盾构施工监测平台对盾构机的故障进行收集，根据专家经验筛选出重大风险和关键故障信息并编码。

所述步骤A中的重大风险包括盾构施工准备风险、盾构始发风险、盾构推进风险，关键故障信息包括盾刀盘系统故障信息、泵站系统故障信息、油缸系统故障信息。

所述步骤B中具体包括如下步骤：

B1：确定以盾构施工风险作为故障树的顶事件；

B2：分析盾构施工风险出现的数类风险因素，确定为故障树的中间风险事件；

B3：确定各风险因素间的逻辑关系，使用逻辑符号将事件连接；

B4：分析导致各风险因素出现的盾构机故障因素及逻辑关系并用逻辑符号连接。

所述步骤C中具体包括：用盾构机故障报警事件作为根节点，盾构施工风险事件作为叶节点，用连接节点的箭头来表示盾构机故障报警事件和盾构施工风险事件间的相互关系。

所述步骤D中的参数包括：叶斯网络拓扑图中的根节点的先验概率和叶节点的条件概率。

所述步骤E中具体包括：利用贝叶斯网络拓扑图进行反向诊断推理，根据叶节点的条件概率，反推根节点的后验概率，得出盾构施工风险最大路径。

所述步骤F中具体包括：根据盾构施工风险最大路径，得到施工风险最大路径的关键节点，通过监控关键节点对盾构施工风险进行预测。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1.本发明采用故障树与贝叶斯网络模型相结合的方法，探索盾构施工重要风险与盾构机故障报警数据之间的关联，实现通过盾构机故障对后续施工可能发生的风险事件进行预测的目的。

2.本发明可以确保地铁盾构施工安全提供科学决策，确保施工安全是降低施工成本加快施工进度的前提保障。通过科学采集盾构施工衍生的大量数据，经过全面归纳梳理分析，找出施工作业产生的隐患问题，评估判断危及施工安全的事故风险，实施科学决策。针对涵盖施工全过程危及安全的风险隐患，制定防范措施，提供“数据可靠”“隐患可查”“风险可控”“事故可防”科学有效的地铁盾构施工安全技术组织方案，确保施工作业全过程、全方位安全无事故，从而规避根除高额事故费用和施工人员伤亡。

3.本发明运用盾构机实时数据，对风险进行监测和预警，拓展地铁盾构施工应用范围，提供地铁盾构施工调研成果交流。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是：本发明的一种具体实施方式的流程示意图。

图2是：本发明的一种具体实施方式的“盾构施工风险与盾构机故障”故障树的示意图。

图3是：本发明的一种具体实施方式的盾构掘进轴线偏离设计轴线风险故障树的示意图。

图4是：本发明的一种具体实施方式的盾构开仓风险故障树的示意图。

图5是：本发明的一种具体实施方式的地面隆起变形风险故障树的示意图。

图6是：本发明的一种具体实施方式的开挖面土体失稳风险故障树的示意图。

图7是：本发明的一种具体实施方式的盾构施工风险贝叶斯网络拓扑图。

图8是：本发明的一种具体实施方式的M项目盾构施工风险关键路径推理结果的示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

下面结合图1-8对本发明作详细说明。

一种地铁盾构施工风险及其发展趋势的预测方法，包括如下步骤：

(1)盾构数据的收集与处理。由相关工程案例和文献梳理出盾构施工项目中的风险，同时通过盾构施工监测平台收集项目中盾构机的故障报警数据并进行统计整理，根据专家经验筛选出重大风险和关键盾构机故障信息并编码。

其中，用R表示风险，G表示故障，对风险类型和盾构机故障所属系统使用大写首拼表示，例如盾构始发风险编码为RSF，刀盘系统的编码为DP，具体风险和故障使用顺序码。

(2)构建“盾构施工风险与盾构机故障”故障树。盾构施工风险故障树用事件符号、逻辑门符号和转移符号描述系统中各盾构机故障风险之间的因果关系。逻辑门的输入是输出的“因”，逻辑门的输出是输入的“果”。各种风险故障事件符号和连接事件的逻辑门组成了盾构施工风险故障树。在盾构施工风险故障树中，使用的符号包括4种：

a.矩形符号：顶事件和中间事件，即事件的结果。

b.圆形符号：基本事件，即事件的原因。

c.与门符号：输入n个事件，n个事件同时发生时，输出事件才会发生。

d.或门符号：输入n个事件，其中任何一个事件发生时，输出事件均会发生。

盾构机出现故障导致的设备风险是盾构掘进过程中的重要风险因素，在本发明中，“盾构施工风险与盾构机故障”故障树的构建过程为：

①确定以盾构施工风险作为故障树的顶事件；

②分析盾构施工风险出现的几类风险因素，确定为故障树的中间风险事件；

③确定各因素间的逻辑关系，使用逻辑符号将事件连接；

④分析导致各风险因素出现的盾构机故障因素及逻辑关系并用逻辑符号连接。

(3)构建盾构施工风险贝叶斯网络拓扑结构。以盾构机故障报警事件作为根节点，以盾构施工风险事件作为叶节点，用连接节点的箭头来表示故障报警事件和风险事件间的相互关系。

(4)确定贝叶斯网络参数。网络中各节点的参数主要是根节点的先验概率以及其他节点的条件概率，表示了节点间的关系强弱，故障节点的先验概率以盾构机故障报警频率表示，风险事件节点的先验概率通过专家打分加权计算得到。

在本发明中，将盾构机故障报警频率作为故障节点的先验概率。工程建设风险等级标准分为四级，Ⅰ级为不能接受风险、Ⅱ级为不愿接受风险、Ⅲ级为可接受风险、Ⅳ级为可忽略风险，请专家对风险事件的风险等级进行打分，计算风险事件等级的概率分布，作为各风险事件的先验概率。

其中，将专家从技术职称、从业时间、对盾构施工的了解程度三个方面进行分级，采用加权平均法计算每位专家的权重：将某一专家的各项权重值相加，和用v表示。所有专家权重值和的集合用V表示，再对其进行归一化处理，即可得到每位专家的权重值V’。

V’＝[v

根据专家打分结果，由式(2)乘以每位专家权重并求和，即可得到风险事件等级的概率分布。

上式中，n

在确定贝叶斯网络中每个根节点的先验概率之后，根据贝叶斯理论公式(3)计算叶节点的条件概率表。

上式中，B为目标事件，A＝(A

(5)贝叶斯网络反向诊断推理。利用贝叶斯网络的反向诊断推理技术，根据已知或假设的叶节点状态和条件概率表，反推各根结点的后验概率，快速找到最有可能导致结果的原因，即最可能致因组合。后验概率按以下公式进行计算：

上式中，P(G

(6)盾构施工风险预测。计算盾构施工风险贝叶斯网络，其中，概率值越高表示该节点的致因可能性越大，从而找出导致盾构施工风险的最大可能路径，进而找到最大路径上的关键节点，就可以通过监控这些关键节点和路径来预测后续风险事件的发生。

以下用M地铁项目盾构施工项目为例，对发明的具体实施方式进行说明。

(1)盾构数据的收集与处理

将盾构施工风险从施工准备、盾构始发、盾构推进环节以及盾构机设备等方面进行讨论，通过盾构施工监测平台收集到M项目某区间左线的20523条盾构及故障报警数据。根据实际工程经验，导致盾构设备风险发生的系统主要有刀盘(DP)系统、泵站(BZ)系统、油缸(YG)系统，包括推进(TJ)油缸、铰接(JJ)油缸，因此，本例中主要考虑这几个系统的风险故障。

(2)构建盾构施工风险故障树

①盾构施工风险故障树。导致盾构施工风险(R)发生的主要因素有施工准备(RZB)、盾构始发(RSF)和盾构推进(RTJ)，这些因素间的逻辑关系用或门来表示,故障树构建如图2所示。其中，地质勘查不准、盾构机选型错误(RZB01)是导致施工准备发生风险的主要因素；洞门涌水涌沙(RSF02)和支撑系统失稳(RSF03)是导致盾构始发阶段发生风险的主要事件；导致盾构推进过程发生风险的主要事件有开挖面土体失稳(RTJ01)、盾构掘进轴线偏离设计轴线(RTJ03)、盾构开仓(RTJ09)、地面隆起变形(RTJ12)，其相互间的逻辑关系均为逻辑或门关系。

②盾构掘进轴线偏离设计轴线风险故障树。盾构掘进轴线偏离设计轴线(RTJ03)是盾构推进过程中重要的风险因素之一，导致其发生的盾构机械故障主要属于盾构机的油缸系统 (RSB-YG)和泵站系统(RSB-BZ),故障树如图3所示。其中，盾构机油缸系统发生故障的表现主要有上部铰接最小行程报警(GJJ01)和铰接油缸行程差报警(GJJ09)；泵站系统发生故障的表现主要有液压油箱液位极低报警(GBZ02)和液压油箱回油过滤器报警(GBZ04)。相互间的逻辑关系均为逻辑或门关系。

③盾构开仓风险故障树。盾构开仓(RTJ09)也是盾构推进过程中重要的风险因素之一，导致其发生的盾构机故障主要有刀具磨损检测压力不足报警(GFZ01)、人仓刀盘急停报警 (GDP19)、主驱动安全继电器报警(GDP20)，其逻辑关系用逻辑或门表示，故障树如图4所示。

④地面隆起变形风险故障树。在盾构推进过程中，开挖面土体失稳(RTJ01)和盾构机刀盘系统(RSB-DP)的故障均会引起地面隆起变形(RTJ12)风险事件的发生，其逻辑关系用逻辑或门表示。而引起刀盘系统故障的因素主要有刀盘回油温度报警(GDP01)和刀盘驱动软起故障报警(GDP13)，其逻辑关系亦用逻辑或门表示。故障树如图5所示。

⑤开挖面土体失稳风险故障树。开挖面土体失稳(RTJ01)也是盾构推进过程中重要的风险因素之一，导致其发生的盾构故障主要有皮带机台车跑偏报警(GPD01)、螺旋机泵过滤器故障报警(GLJ02)，以及油缸系统(RSB-YG)故障中的推进安全继电器报警(GYG02)、推进泵放大板异常报警(GYG03)和推进压力异常报警(GYG18)，其逻辑关系均用逻辑或门表示，故障树构建如图6所示。

(3)构建盾构施工风险贝叶斯网络拓扑结构。根据构建的“盾构施工风险-盾构机故障报警”故障树，建立盾构施工风险网络拓扑图，如图7所示。图中共有29个节点，包括17个根节点，12个叶节点。其中盾构机故障节点用Gi表示，节点状态为报警和未报警两种；风险事件节点用Ri表示，节点状态为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级4种状态。

(4)确定贝叶斯网络参数。

i.计算根结点先验概率分布

盾构机在M地铁项目施工左线产生了20523条报警数据，对其进行统计分析，得到盾构机多种故障发生的频率，以此作为故障节点Gi的先验概率，节点的两种状态，分别用1、2 表示。

本例共邀请到39位专家对网络中的风险事件进行风险等级打分，包含科研人员、管理人员、施工一线人员等。将专家从技术职称、从业时间、对盾构施工的了解程度三个方面进行分级，采用加权平均法计算每位专家的权重，结果如表1所示。

表1专家权重测算值

由式(1)(2)计算出风险事件等级的概率分布，如表2所示，将其作为各风险事件R

表2风险事件等级概率分布

ii.计算叶节点条件概率表

条件概率是进行贝叶斯网络推断的前提，根据式(3)通过编写程序即可计算盾构施工风险R的条件概率分布。首先进行参数设定和网络初始化，然后定义网络结构，再读取故障发生统计数据设定网络的先验概率参数，即可计算边缘概率即每个节点的参数，从而得到各节点的条件概率表。

在有n个节点且每个节点有4种状态的贝叶斯网络中，若某一节点有m个根节点，则它的条件概率表中有n*4m+1个概率值，条件概率表规模相当庞大。因此，这里只列出部分计算结果。表3中的数据表示在路径RSF02-RSF-R中，节点RSF02分别为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级4种状态时对应节点RSF的4种状态情况下的节点R的条件概率分布情况。同理，遍历所有节点的状态情况，即可得到其他节点的条件概率表。

表3节点R的条件概率示例

(5)贝叶斯网络反向诊断推理。利用可计算贝叶斯网络的软件(例如GeNIe2.4<试用版>软件，它是一种专业的图模型处理软件，可将贝叶斯网络模型计算进行可视化处理)，将节点R的状态设置为Ⅰ级，即将“level 1”的概率值设置为100％，再将获得的条件概率作为证据变量输入到软件中。根据式(4)即可反推其他节点的后验概率，后验概率值越高表示该节点的致因可能性越大，从而找出导致盾构施工风险的最大可能路径。软件可以清晰直观的显示后验概率的计算结果，最大路径由显著弧线表示，推理结果如图8所示。

(6)盾构施工风险预测。根据最大隶属度原则并寻找后验概率较大的根节点，可以诊断出导致盾构施工风险的最大可能路径有6条，分别是：

a.推进压力异常报警GYG18—油缸系统RSBYG—开挖面土体失稳RTJ01—盾构推进RTJ—盾构施工风险R

b.推进压力异常报警GYG18—油缸系统RSBYG—开挖面土体失稳RTJ01—地面隆起变形 RTJ12—盾构推进RTJ—盾构施工风险R

c.刀盘驱动软起故障报警GDP13—刀盘系统RSBDP—地面隆起变形RTJ12—盾构推进 RTJ—盾构施工风险R

d.人仓刀盘急停报警GDP19—盾构开仓RTJ09—盾构推进RTJ—盾构施工风险R

e.洞门涌水涌沙RSF02—盾构始发RSF—盾构施工风险R

f.地质勘查不准、盾构机选型错误RZB01—施工准备RZB—盾构施工风险R

根据最大路径可知，在M地铁项目施工左线项目中，导致盾构施工风险的主要因素有5 个。其中施工过程风险因素有洞门涌水涌沙、地质勘查不准、盾构机选型错误；机械因素有推进压力异常报警、刀盘驱动软起故障报警和人仓刀盘急停报警。因此，当盾构机油缸系统出现推进压力异常报警时，要注意防范开挖面土体失稳及地面隆起变形风险的发生；当盾构机刀盘系统出现刀盘驱动软起故障报警和人仓刀盘急停报警时，要注意防范地面隆起变形和盾构开仓风险的发生。

由此，本发明实现了通过盾构机报警数据对后续施工的风险及发展趋势进行预判，当发生此类盾构机报警时，应加以重点监控，及时防范对应风险的发生。

以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。