基于Bayesian隧道施工风险模糊综合评估方法

郭发蔚,王宏辉

(兰州交通大学 土木工程学院，甘肃 兰州 730070)



基于Bayesian隧道施工风险模糊综合评估方法

郭发蔚,王宏辉

(兰州交通大学 土木工程学院，甘肃 兰州 730070)

摘要:提出了基于贝叶斯网络的隧道施工风险模糊综合评估方法，以龙家岩隧道实际收集数据为基础，首先对隧道工程进行总体风险评估，然后进行专项评估，此项中运用了贝叶斯网络的评估方法对事件风险的自然概率进行计算，并结合模糊综合评估方法对隧道工程风险进行评价，得到隧道工程的风险事件的风险等级。研究结果表明，龙家岩隧道洞口开挖的风险等级为2级，钻爆作业的风险等级2级，初期支护的风险等级为5级。这与现场施工的风险水平较为接近，从而可以看出本评估方法的合理性及实际施工过程中的适用性。本方法最终评估结果为隧道施工的风险预测及预防提供了参考依据。

关键词：隧道工程；风险评估；风险等级；贝叶斯网络；模糊综合评价

近年来，随着我国公路铁路的大量建设，隧道建设也越来越平常，隧道施工工程由于其隐蔽性、结构的复杂性、施工组织的综合性以及隧道作业的风险性，使得其具有造价高、周期长、施工技术复杂以及施工过程中不可控的风险因素较多的特点，导致隧道工程事故较为频繁的发生，给建设单位造成了巨大经济损失和人员伤亡，显现了隧道施工工程是一项高风险的工程体系。运用合理地评估方法对隧道工程进行科学准确的风险估计，是防范隧道事故频发，有效控制隧道建设风险，降低损失，顺利完成工程的有力保障。在隧道风险评估中常常用到层次分析法，故障树分析法，蒙特卡洛分析法等方法进行评估[1]-[3]，然而，这些方法只能定性或半定量的进行分析，很难准确的反应出风险水平的高低。贝叶斯网络概率模型由Pearl于1988年提出，它对于解决事件不确定性以及关联性引起的故障有很大的优势，贝叶斯网络(Bayesian network)能够将一些变量的信息、不完备信息进行处理而提高建模效率，提高其分析结果的可靠性[4]-[6]。贝叶斯网络已经在国内外有了较为广泛的应用。本文将贝叶斯网络与模糊综合评价相结合，以实际工程数据位基础，对隧道工程进行风险评估，为隧道工程的施工中风险的控制提供参考。

1总体风险的评估

总体风险的评估指的是在桥梁隧道开工前，首先通过隧道工程所处的地质环境，建设条件，结构特点等孕险环境与致险因子通过专家打分法评估桥梁或隧道的整体风险，由公式(1)估测出其所处的风险等级(如表1)。经总体风险评估后，对于Ⅲ级(高度风险)及以上等级的隧道工程，应组织开展专项风险评估。

由《公路桥梁和隧道工程施工安全风险评估指南(试行)》中规定隧道施工安全总体风险计算公式为：

R=G(A+L+S+C)

(1)

其中，G表示隧道路线周围的地质所赋分值的大小；A表示开挖断面所赋分值的大小；L表示隧道长度所赋分值的大小；S表示洞口形式所赋分值的大小；C指隧道洞口特征所赋分值的大小。

表1隧道工程施工安全总体风险分级标准

Table 1 Overall risk of tunnel engineering construction safety classification standard

风险等级R的区间描述4≥22极高风险314～21高度风险27～13中度风险10～6较低风险

2专项风险评估

定义风险为R=KC

(2)

式中：K表示隧道事故发生的概率；C表示后果严重程度。

2.1贝叶斯网络的建立

2.1.1贝叶斯网络的基本概念

贝叶斯网络是指基于概率分析和图论的一种不确定性知识的表示和推理模型[7]-[8]。贝叶斯网络是一个有向无环图，由节点变量与有向边组合构成，有向边表示变量间的直接依赖或因果关系，是由父节点指向后代节点。它适用于将不确定性概率事件进行分析和表达，可应用于有条件地依赖多种控制因素的决策，可在不精确、不完全或者不确定的信息或知识中作出推理，可以利用全概率公式和乘法定理得到贝叶斯公式，即：

P(B|A)=P(AB)/P(A)=P(B)P(A|B)/P(A)

(3)

式(3)表示事件B在事件A条件下发生的概率为AB事件同时发生的概率与事件A发生概率的比值或事件B发生的概率与在事件B下事件A发生概率的乘积与事件A发生概率的比值。

以此类推,设A1,A2,…,An是一完备事件组,则对任一事件B,P(B)>0,贝叶斯公式可以转化为：P(Ai|B)=P(AiB)/P(B)=P(Ai)P(B|Ai)/∑iP(Ai)P(B|Ai),i=1,2,3…。

2.1.2建立贝叶斯网络

1)梳理并确定各网络节点内容。对于隧道工程来说，就要选择与之相关重要因素，比如：地质、开挖断面、洞口形式、危石清除等因素。

2)利用有向五环图来确定各节点关系。以隧道施工其中一个环节威力，各网络节点中的有向变表示了因果关系，其子节点的重要度可以由父节点的重要度来推出，如人工钻孔→钻爆作业→洞身开挖，就表示了人工开挖、钻爆作业及洞身开挖这三者之间的因果关系，由人工钻孔发生事故的大小就可以依次推算出钻爆作业及洞身开挖发生事故的大小。

3)概率确定。对于贝叶斯网络中的先验概率和条件概率，由5名领域专家根据经验知识进行打分，最后取其均值作为该节点变量的先验概率和条件概率。最终确定贝叶斯网络，如图1。其中E3，E4，E5和E6为基本事件，E2和E3为中间事件，E1为顶事件。

图1　贝叶斯网络Fig.1 Bayesian networks

2.2事故发生的概率

采用隧道发生事故率k的概念，通过事故发生的可能性l与人员暴露于危险的概率e的的运算便可以得到[9]。采用国际隧道协会发布的风险发生频率区间划分标准，如表2所示[10]。通过确定每个基本事件发生的概率，然后运用贝叶斯网络的线性推理，便可以得到风险事件发生的自然概率k，进而将其进行对数运算，得到的对数概率如表3所示。

K=5+lgk=5+lg(l*e)　(4)

表3　事故可能性等级

注：对数区间由概率范围取对数再加5得到

2.3后果损失

通过查阅大量文献，为对同类工程项目的同种风险事件做定量分析，本文提出模糊对数损失率的概念，即 C=qRT。

其中q可由同一层的风险事件的对数损失率概率矩阵与所对应风险事件的重要度向量计算得到：

2.4风险等级的确定

由于风险具有不确定性及模糊性的特点，因此很难用一个准确的数值来确定风险水平，参考以前的研究结果，本文采用隶属度函数来确定风险水平，这样评定出来的风险等级更合理且有效(如表4)[11-14]。

将求得的风险事件的R代入上述函数，便可以得到该风险事件在该5个风险等级的隶属度，并根据最大隶属度原则，可以得到该风险事件的风险等级。

表4　风险等级及隶属度函数

3实例

龙家岩隧道位于云南省宣威市，全长567.8 m，由葛洲坝集团第五工程有限公司承建，本隧道采用小净距结构，并且采用分离式，分为左右两洞，隧道洞身开挖时较易发生坍塌，特别是洞口段，围岩条件较差，主要岩性为崩坡积块石土，裂隙呈现碎裂状，结构松散，容易坍塌，隧道主要出水形式有潮湿及滴水。出口处位于一段斜坡下部，在连续降雨是容易发生滑塌。

3.1总体风险评估

遵循《公路桥梁和隧道工程施工安全风险评估指南(试行)》的要求，建立评估体系，选择相应的分值，如表5，所对应的总体风险总体贝叶斯网络图如图2，并参照隧道工程施工安全总体风险分级标准(表2)，确定本项目的风险等级[1，15]。

可以得到该隧道工程施工安全风险R=G(A+L+S+C)=28，对照隧道施工安全总体风险分级标准(表2)可知该隧道的总体风险等级为4级，属于极高风险，需进行专项风险评估。

表5　隧道总体风险清单

图2　总体风险总体贝叶斯网络图Fig.2 Overall risk overall Bayesian network diagram

3.2隧道专项评估

3.2.1风险的识别

通过《公路桥梁和隧道工程施工安全风险评估指南(试行)》与现场风险的对比识别及由5名领域专家根据经验知识进行打分，最后取其均值作得到该隧道的风险清单，如表6。

3.2.2建立贝叶斯网络模型及风险事件发生概率

通过贝叶斯网络线性推理计算出表6中的任一风险事件的自然概率，并计算出其对数概率，其结果见表7。

3.2.3风险事件的影响后果

通过对该隧道的风险事件的分析，并通过专家评价及数据调查可得到每个基本事件在每个风险等级区间的概率qij，并结合事件的重要度求得非根节点风险事件的qij及后果严重程度C，见表8。

表6　龙家岩隧道风险清单

表7　风险事件发生对数概率

3.2.4风险等级的确定

通过(1)式计算出各个风险事件的风险值如表9所示，将其代入隶属度函数中，求的其各个隶属度，并由最大隶属度的原则确定各个事件的风险等级，见表10。

表8　风险事件严重程度

表9　风险事件风险值表

表10　风险事件风险等级

由表10可知洞口开挖的风险等级为2级，钻爆作业的风险等级2级，初期支护的风险等级为5级。这与现场隧道施工的风险现状基本相似，对于不同的风险事件，要制定相应的对策来预防可控制其风险事件的发生，减少损失。

4结论

1)针对隧道施工过程中施工风险的模糊性及随机性的特点，提出基于贝叶斯网络及模糊综合评价模型对隧道施工进行风险评估。其中运用贝叶斯网络及专家打分法计算风险因素的权重值，并运用模糊变换理论及隶属度函数对隧道施工风险的各个相关因素进行模糊综合评价。

2)在隧道施工风险评价中运用模糊数学评价方法可以解决非精确的性的问题，对于主观评价进行量化，将具有模糊性及随机性特点的风险事件用较为准确的量化数据加以表达，运用数学处理，减小了因主观判断带来的差异，使得结果更为准确，评估结果更趋实际。

3)运用模糊综合评估模型对龙家岩隧道施工风险进行评估，得出洞口开挖的风险等级为2级，钻爆作业的风险等级为3级初期支护的风险等级为5级，与施工现场实际情况基本符合，验证了此方法对隧道施工风险评估的可靠性和实用性。

参考文献:

[1] 陈洁金, 阳军生, 张永杰, 等. 下穿建筑物隧道施工风险评估方法[J]. 铁道科学与工程学报, 2013, 10(4): 88-94.

CHEN Jiejin,YANG Junsheng, ZHANG Yongjie, et al. Risk assessment methods of tunnel construction underpassing existing facilities [J]. Journal of Railway Science and Engineering, 2013, 10(4): 88-94.

[2] 李忠,魏嘉,朱彦鹏.大断面城市隧道施工全过程风险管理模式研究[J].岩石力学与工程学报,2014,33(10):2084-2094.

LI Zhong, WEI Jia, ZHU Yanpeng. Risk management of urban tunnel of large cross-section in whole construction process[J].Chinese Journal of Rock Mechanics and Engineering, 2014,33(10):2084-2094.

[3] 孙昕.铁路隧道风险评估指标体系及方法研究[J].铁道工程学报,2013,18(9):71-74.

SUN Xin. Research on the methods of rail tunnel risk assessment index[J].Journal of Railway Engineering Society, 2013,18(9):71-74.

[4] 俊忠,刘椿年,沙志强.贝叶斯网模型的学习、推理和应用[J].计算机工程与应用, 2003, 39(5):24-27.

JUN Zhong, LIU Chunnian, SHA Zhiqiang. Bayesian network model learning，inference and application[J].Computer Engineering and Applications, 2003, 39(5):24-27.

[5] Dai C Q, Zhao Z H. Fuzzy comprehensive evaluation model for construction risk analysis in urban subway[J]. International Journal of Modeling, Simulation, and Scientific Computing, 2015,15(5):20-24.

[6] Borg A, Bjelland H, Nja O. Reflections on Bayesian Network models for road tunnel safety design: A case study from Norway[J]. Tunnelling and Underground Space Technology, 2014, 43(25): 300-314.

[7] 肖秦琨. 动态贝叶斯网络推理学习理论及应用[M].北京：国防工业出版社, 2007.

XIAO Qinkun. Theory and application of dynamic Bayesian network inference[M].Beijing: National Defense Industry Press, 2007.

[8] 张春民, 李引珍, 何瑞春. 一类驼峰调车事故的贝叶斯网络模型研究[J]. 铁道科学与工程学报, 2012, 9(5): 103-107.

ZHANG Chunming, LI Yingzhen, HE Ruichun. Research on bayesian networks model of a class of shunting accident on hump [J] . Journal of Railway Science and Engineering, 2012, 9(5): 103-107.

[9] 方述诚,汪定伟.模糊数学与模糊优化[M].北京:科学出版社,1997.

FANG Shuchen,WANG Dingwei. Fuzzy mathematics and fuzzy optimization[M].Beijing:Science Press,1997.

[10] 李燕庭.铁路建设工程风睑分级标准研究[D]. 成都:西南交通大学,2014.

LI Yating. Research on risk classification criteria of railway construction projects[D]. Chengdu: Southwest Jiaotong University, 2014.

[11] Li H H, Zhao H Z, Li H Q. Based on fuzzy analytic hierarchy process in coal mine engineering bid evaluation index weight determination[J]. Meitan Jishu/ Coal Technology, 2013, 32(2): 54-56.

[12] 谢季坚,刘承平.模糊数学方法及其应用[M].武汉:华中科技大学出版社,2013:216-238.

XIE Jijian, LIU Chengping. Fuzzy mathematics and its applications[M].Wuhan: Huazhong University of Science & Technology Press, 2013:216-238.

[13] 葛侠,付保川.模糊综合评价建模方法及其应用[J].苏州科技学院学报(自然科学版),2015,32(2):19-23.

GE Xia, FU Baochuan. Research on modeling and application of fuzzy comprehensive assessment system[J]. Journal of Suzhou University of Science and Technology(Natural Science Edition), 2015,32(2):19-23.

[14] Zeng M, Chen Y, Hu X, et al. The risk assessment of China’s smart grid based on multi-level fuzzy comprehensive evaluation method[J]. East China Electric Power, 2011(4): 536-538.

[15] Fu S, Wang S. Measuring the risk of supply chain system based on multilevel fuzzy comprehensive evaluation model[M].LISS 2013. Springer Berlin Heidelberg, 2015: 99-104.

(编辑阳丽霞)

Risk assessment of tunnel constructionby using fuzzy comprehensive evaluation method based on bayesian networks

GUO Fawei,WANG Honghui

(School of Civil Engineering , Lanzhou Jiaotong University, Lanzhou730070, China)

Abstract:A fuzzy comprehensive evaluation method based on Bayesian networks was proposed. Based on the actual data collected from LONG rock tunnel, the overall risk assessment of the tunnel project was conducted first. Then a special evaluation was conducted, which the Bayeux Adams network evaluation method was utilized to calculate the natural probability of event risk. Finally, the risk level of risk events of the tunnel project was obtained by the fuzzy comprehensive evaluation method. The results show that the risk rating of the rock tunnel entrance excavation is 2, the risk level of drilling and blasting operations is 2, the risk level of initial support is 5. This site construction is closer to the level of risk, which can be seen in the reasonableness and the actual construction process of the assessment of the applicability of the method. The final results of the assessment method for the risk prediction and prevention of tunnel construction provides a reference.

Key words:tunnel project ;risk assessment; risk level；Bayesian networks; fuzzy comprehensive evaluation

中图分类号：TU18

文献标志码：A

文章编号：1672-7029(2016)02-0401-06

通讯作者：王宏辉(1973-),男,浙江金华人，副教授，从事风险管理研究；E-mail: wanghui97@126.com

收稿日期：2015-07-08