基于AHP-云模型的土石坝老化病害风险评价

付成华，杜修娟，赵 川

(西华大学能源与动力工程学院，四川 成都 610039)



·建筑与土木工程·

基于AHP-云模型的土石坝老化病害风险评价

付成华，杜修娟，赵 川

(西华大学能源与动力工程学院，四川 成都 610039)

针对土石坝老化病害过程的不确定性和复杂性，建立AHP-云模型进行土石坝老化病害风险评价。综合考虑溃坝损失，运用AHP建立具有多个层次的土石坝老化病害风险评价指标体系，运用云模型对比标度构造判断矩阵定量确定指标层、因子层、评语集的云模型特征参数，辩识土石坝老化病害风险程度。对加固前后的沙河集水库大坝状态因子进行评分，计算总评云模型特征参数，完成加固前后的水库大坝老化病害风险程度的定量评价，评价结果符合工程实际，并可指导水库的除险加固。

土石坝；层次分析法；云模型；风险分析；特征参数

据统计，截至2013年3月，我国共修建中小型水库9万7 246座[1]，其中病险水库4.7万余座，大多是建于20世纪50-70年代的中小型土石坝。受各种因素的制约，我国的土石坝多缺乏质量保障，遗留隐患较多，水库老化失修且存在各种病害。同时，随着近年来水电开发成本的日益增加和节约型社会的政策倡导，对现有水库的充分利用备受关注。为提高水库利用效益，必须深入开展水库除险加固研究[2]。我国的土石坝老化病害研究始于20世纪80年代中期，鉴于党和政府的高度重视，近年来对全国土石坝工程的系统检查也开展得如火如荼，大坝安全分析技术也已有所发展。目前，国内外关于风险分析的方法有重现期法、直接积分法、JC法、MC法、AHP法、模糊综合评判法、模糊层次评价法、灰色综合评价法等[3]，但与发达国家相比还存在一定的差距，仍处于风险分析的初级阶段。本文综合考虑土石坝老化病害风险因素和评价体系中指标间的相关性，运用AHP建立风险评价指标体系，引入云模型解决问题的不确定性、随机性和模糊性，基于AHP-云模型建立风险评价模型，通过对土石坝老化病害不同影响因子的综合云计算，分析老化病害程度等级，为土石坝的除险加固提供依据。

1 风险评价指标体系

对病险水库除险加固前，需对大坝的病险因素进行有效的初步辨识，确定大坝的风险程度，以便指导除险加固。依据SL258-2000《水库大坝安全评价导则》和相关规程规范，“大坝”包括永久性挡水建筑物以及与大坝安全有关的泄水、输水和过坝建筑物及金属结构等，因此大坝安全评价就是水工建筑物结构、工程运行管理、工程质量等方面的系统评价[4]。除此之外，溃坝损失在风险评价中也是必不可少的，这里，将溃坝损失作为指标层，生命损失、经济损失、社会与环境影响作为因子层纳入评价体系，使初步辨识涵盖内容更全面，使评价结果更接近实际情况。采用AHP法建立包括目标层、评语层、指标层和因子层等多个层次的土石坝老化病害风险评价指标体系，如图1所示。

图1 土石坝老化病害多级评价指标体系

2 风险评价模型

2.1 云模型

云模型是基于统计数学和模糊数学提出的，统一刻画语言和数值之间的随机性和模糊性，构成定性和定量间的相互映射[5]。云的数字特征用期望值Ex、熵En和超熵He表示[6]。期望Ex代表定性概念的数值，反映土石坝老化病害程度的中心值；熵En反映可被概念接受的数域范围，即模糊性，熵越大，表示定性概念的可度量力度越大，反映土石坝老化病害的可能取值范围；超熵He，即熵的熵，是熵不确定性的度量，它代表定性概念样本出现的随机性，反映评价结果偏离中心值的程度。

2.2 AHP-云模型

1)建立层次结构模型。设B是土石坝老化病害因素构成的集合，即图1的指标层，则有B={B1，B2，B3，B4，B5，B6，B7}。设C是指标层因子构成的集合，即图1的因子层，则有{C1，C2，C3，C4，C5，C6，C7，C8，C9，C10，C11，C12，C13，C14，C15，C16，C17，C18，C19，C20，C21}。设F是土石坝老化病害风险等级构成的集合，即图1的评语层，则有F={F1，F2，F3，F4，F5}。

表1 云模型的对比标度(两个因素)

3)一致性检验。由于在综合全部比较结果时，无法避免一定程度的非一致性，因此需要进行判断矩阵的一致性检验。一致性检验步骤如下：

②由表2中Saaty给出的RI值查找随机一致性指标RI。

该模型是对大坝进行初步风险辨识，为了规避溃坝后果在评价中所占比重太大反而影响土石坝本身存在的病害风险，进而影响评价结果的真实性；因此，在指标层构造两两比较判断矩阵时将溃坝后果考虑为较不重要，出于对生命的重视，在溃坝后果因子层构造两两比较判断矩阵时将生命损失考虑为极其重要。构造指标层和各因子层的两两比较判断矩阵，经一致性检验合格，通过下式计算各状态因子的期望Exc、熵Enc、超熵Hec和各指标因子的期望ExB、熵EnB、超熵HeB，分别见表3、表4。

(1)

表2 随机一致性指标RI值

表3 各状态因子的权重云模型特征参数

表4 指标层的权重云模型特征参数

2.3 评语集云模型

根据有关规范和资料[8-9]，按评分Z的大小将大坝老化风险程度分为5个等级，见表5。

表5 土石坝风险评价标准

评语集云模型相应期望值、熵和超熵由下式计算，较低风险与较高风险处于边界，期望值分别取7.5和2.5，熵值取与其相近的风险等级的熵值。计算出评语集云模型的特征参数如表6所示。

(2)

较低风险即是主体及附属结构均未产生老化，大坝的整体功能可正常发挥，建议进行正常维护。低风险即是主体及大部分附属结构无明显老化，大坝整体功能可正常发挥，建议进行正常维护，适当增加检查频次。一般风险即是主体结构基本完好，大坝整体功能基本发挥，建议进行适当维修加固。较高风险即是主体结构部分老化损坏，附属结构物损坏严重，大坝整体功能只能部分发挥，建议立即进行维修加固。高风险即是主体及附属结构均严重损坏或报废，大坝整体功能只能部分发挥或已基本丧失，强烈建议需立即进行维修加固或报废重建。

在土石坝老化病害影响因子两两比较过程中采用AHP-云模型对比标度比单纯运用AHP方法更客观。评语集云模型贴合人类语言习惯，实现了不确定性语言与定量数值之间的自然转换。运用云模型标度描述专家评分中的语言变量解决判断矩阵标度选择困难问题。运用期望、熵、超熵3个数字特征代替传统方法描述隶属度实现定性和定量之间一对多的映射。

3 实例应用分析

3.1 实例概况

沙河集水库1979年基本建成，下游人口30多万，农田30多万亩，一旦溃坝，淹没总损失约53亿元，尚未包括人员伤亡损失。除险加固前大坝下游坡局部失稳，汛期多次发生局部滑动、塌陷及裂缝。右坝头与山坡接触面没有很好的处理，绕坝渗漏依然存在。坝基存在绕渗隐患，可能形成漏水通道，渗流从背水坡流出，危及坝坡安全，坝顶雨后易造成积水下渗，影响下游坝坡局部稳定。上游护坡质量差，垫层流失，护坡松动塌陷，损坏严重。现有大坝安全监测设施极不完善，难以准确和实时监测大坝的运行状态。泄洪闸门漏水严重，启闭设备陈旧，损坏严重。北涵洞闸门碳化严重，铁附件锈蚀，止水橡皮老化。2000年5月对沙河集水库大坝进行除险加固，坝身已做黏土井柱防渗心墙，右坝头山坡岩体防渗加固措施未实施，坝身未设过渡层。对原有的防浪墙浆砌石块进行加固，拆除断裂损坏段墙体。上游护坡局部翻修，下游坡抗震平台挖除软弱土体，右坝头山体滑坡体设置变形观测点，建立了包括渗流及环境量监测的自动化观测系统，大大提高了沙河集水库的大坝安全管理水平。拆除现有简易启闭房顶，重新现浇钢筋混凝土屋面，更新4台卷扬式启闭机齿轮变速箱，更换闸门止水橡皮、铁附件，配一副检修钢闸门及启吊设备[10]。

3.2 评价云模型特征参数计算

由3位专家根据表6中设定的评价云模型，结合沙河集水库加固前后的实际情况对指标体系中的21个状态因子分别进行评价打分，由下式计算得出评价云模型特征参数，如表7和表8所示。

(3)

3.3 总评云模型计算及结果分析

设总评云模型特征参数的期望值Ex由下式计算，熵En和超熵He亦类似计算。

Ex=(ExF1Exc1+ExF2Exc2+ExF3Exc3)ExB1+...+

(ExF20Exc20+ExF21Exc21)ExB7。

(4)

经计算，沙河集水库大坝加固前总评云模型特征参数Ex=3.023，En=1.691，He=0.011 9，总评结果云模型如图2所示。云的期望值为3.023，表明该土石坝老化病害风险较高，云的熵和数值较大，云分布比较离散，表明该土石坝评分是在以3.023分为中心值，且在较大范围内偏向较高风险和高风险，建议立即进行除险加固。运用同样方法再对加固后的沙河集水库进行计算得总评云模型特征参数Ex=6.803，En=1.155，He=0.011 9，总评结果云模型如图3所示。期望值为6.803，表明加固后土石坝老化病害风险明显降低，总评云位于一般风险和较低风险之间，并靠近较低风险，加固后沙河集水库大坝老化病害风险程度为较低风险，评价结果符合工程实际。

表7 加固前评价云模型特征参数

表8 加固后评价云模型特征参数

图2 加固前的总评云模型

图3 加固后总评云模型

4 结论

1)土石坝老化病害的影响因素很多，并非每个指标都能通过实测进行考核，在材料因素、自然因素、人为因素和结构因素基础上，将溃坝损失引入评价指标体系进行综合考虑，评价结果更直观、全面。

2)本文构建了土石坝老化病害评价指标体系，并提出基于AHP云模型的土石坝老化病害评价模型。其中AHP确定权重，充分考虑指标间的相关性，利用云模型的期望、熵、超熵3个数字特征来评价土石坝老化病害风险程度，综合考虑了评价结果的中心值、模糊性和随机性，提高了风险评价的鲁棒性。基于AHP-云模型的方法可以有效地对群体评价做出综合决策，降低专家的个人经验和主观因素的影响。最后，实证分析的结果表明该模型具有可行性，为定量分析水库大坝老化病害风险中的不确定性提供了一种简单有效的新方法，同时促进大坝老化病害风险评价方法的发展，更有利于指导水库的除险加固。

[1]中华人民共和国水利部. 第一次全国水利普查公报[M]. 北京:中国水利水电出版社，2013:3-4.

[2]杨杰，郑成成，江德军，等. 病险水库理论分析研究进展[J]. 水科学进展，2014,25(1):148.

[3]宋浩静. 土石坝风险分析的灰色模糊评判方法研究[D]. 郑州：郑州大学，2014.

[4]钮新强，杨启贵，谭界雄，等. 水库大坝安全评价[M].北京:中国水利水电出版社，2007:187-189.

[5]李德毅，杜鹢. 不确定性人工智能[M].北京:国防工业出版社，2005:160-170.

[6]吕辉军，王晔，李德毅. 逆向云在定性评价中的应用[J].计算机学报，2003,26(8):1009.

[7]张秋文，张永志，钟鸣，等. 基于云模型的水库诱发地震风险多级模糊综合评价[J].水利学报，2014,45(1):89.

[8]李天科，刘斌，李君，等.土石坝老化评价方法研究[J].中国农村水利水电，2007,(4):101.

[9]李雷，盛金保. 土石坝安全度综合评价方法初探[J].大坝观测与土工测试，1999,23(4):22.

[10]李雷，王仁钟，盛金保，等.大坝风险评价与风险管理[M]. 北京：中国水利水电出版社，2006:142.

(编校：夏书林)

Aging-injuring Risk Analysis of Earth-rock Dam Based on AHP-Cloud Model

FU chenghua,DU Xiujuan,ZHAO Chuan

(School of Energy and Power Engineering, Xihua University, Chengdu 610039 China)

For uncertainty and complexity of earth-rock dam aging damage process, AHP-cloud model was applied to finish ageing-injuring risk evaluation of earth-rock dam. First, AHP was used to construct the index system with multiple levels of ageing-injuring risk evaluation about earth-rock dam considering dam-break loss. The cloud model characteristic parameters of index layer and factor layer and comment set were processed quantitatively through established judgment matrix based on contrast scale of cloud model, to identify aging risk degree of earth-rock dam. Finally, every status factor of Shaheji reservoir dam before and after reinforcement was graded respectively and the characteristic parameters of general comment cloud model were calculated, then finished quantitatively the aging risk degree evaluation of earth-rock dam. The results show that this method of aging-injuring risk analysis is feasible and can be used in engineering.

earth-rock dam; analytic hierarchy process; cloud model; risk analysis; characteristic parameter

2015-10-30

西华大学流体及动力机械省部共建教育部重点实验室学术成果培育项目(SBZDPY-11-9)；西华大学研究生创新基金项目(ycjj2015162)。

付成华(1978—)，女，副教授，博士研究生，主要研究方向为水利水电工程。

TV641

A

1673-159X(2016)05-0046-6

10.3969/j.issn.1673-159X.2016.05.009