大跨度高架桥施工风险评估及应对措施

2019-10-31贾士平石建平刘庆昌

智能城市 2019年20期

贾士平石建平刘庆昌

（1.济南市交通工程质量监督站，山东济南 250002；2.石榴置业集团股份有限公司，北京 100071）

近年来，随着我国综合国力与经济水平的不断提升，经过多年的技术积累和创新，我国的桥梁建设事业蓬勃发展，取得不俗的成绩，在国际上处于领先水平。大跨度桥梁建设，由于需要跨越交通繁忙的公路铁路、峡谷、深水，施工环境复杂，施工难度相当大，工程事故频发[1]。为保证工程施工安全，对大跨度桥梁施工过程中的风险评估非常重要。

桥梁施工过程进行安全评估的方法很多[2-3]，常见的有故障数分析法、概率决策法、人工神经网络法、指标体系法、LEC评价法和蚁群算法等。这些方法在各类桥梁施工安全评估应用中各有优缺点，但在大跨度桥梁施工中应用较少。

1 基于蚁群算法和BP神经网络的评估模型

BP神经网络是一种在人工神经网络中应用十分广泛的多层前馈神经网络，有着复杂的非线性映射能力、函数逼近及大规模数据分布处理能力。蚁群算法依据蚂蚁觅食的行为，是对真实行为的一种模拟。将蚁群算法与BP神经网络相结合，用于桥梁工程的专项风险评估是一种新的探索。该法有以下主要特点：

（1）改进训练BP神经网络的权值、阈值，以更新信息素的方式进行循环训练[4-6]；

（2）蚁群的蚂蚁对网络中各阈值与权值形成的集合进行相应选择，随后依据输出层与隐含层的节点蚂蚁选择路径，最后选择出最优路径；

（3）避免了网络收敛慢、易陷入局部小值点的问题；

（4）降低原有数据的训练时间与次数，风险的不确定性显著降低，准确性大大提高。

2 大跨度桥梁风险评估

2.1 工程概况

某大跨度高架桥，具有较为平坦的桥址区地形，属剥蚀堆积山间平原地貌单元。桥跨径组成为（8×（4×30）+3×（3×30）+2×70+2×（4×30）+（2×30+25+30）+3×（4×30）+2×（3×30））m，全桥共20联，上部结构主桥2×70 m为现浇箱梁。

2.2 传统方法的风险评估

利用指标体系法对该高架桥进行总体风险分析，得到工程总体风险值R为13分，风险等级判定为Ⅲ级。在专项风险评估中采用指标体系评估法得到该大跨度桥梁工程施工过程中发生事故可能性等级为Ⅱ级，事故严重程度等级为2级，事故风险等级为Ⅱ级。对于重大风险源风险等级中支架现浇法施工与钻孔灌注桩两大重要风险源的估测与判定如表1所示。

表1 重大风险源风险等级估测结果汇总表

2.3 基于蚁群算法改进BP神经网络的专项风险评估

采用蚁群算法与改进BP神经网络相结合的算法在风险辨识、分析的基础上估测重大风险源的风险等级。本文选择支架现浇法施工进行风险源事故风险等级的确定。

2.3.1 网络学习模型构建

选择合理的样本集，可以显著提高网络学习模型中学习的准确度。本文选取12个样本，其中2个作为测试样本。

按照基于蚁群算法改进的BP神经网络评估模型方法，分析采用了单层隐含层网络结构，训练目标为0.000 01，学习率为0.01，编制了风险评估程序。网络模型采用的输出层为2个节点，采用的输入层为7个节点，隐藏层最佳节点数为11，参数分量为90个，加上起、终点，参数分量共91个，蚁群将从不同的路径走完所有的91个分量，选择信息素强度Q为20，ant_amount为40，信息挥发度为0.7，最小误差设置为0.001，最大迭代次数设置为1 000次。MATLAB模型经过1 001次迭代之后，停止训练，最小误差值仍然小于实际误差值，即使经过更多次的迭代之后，仍然存在这种情况，但最终结果能满足规定要求。图1、图2为训练学习的结果。

图1 事故可能性风险等级训练结果

图2 事故严重性风险等级训练结果

2.3.2 网络模型风险估测

由根据MATLAB建立风险评估程序进行计算得出的结果可知，测试样本的准确度满足规定的要求，风险等级估测可以在MATLAB中调用SIM函数进行。经计算，可得到本文大跨度高架桥的重大风险源的风险等级，如表2所示。

表2 桥梁支架现浇施工风险估测结果

2.4 风险评估对比

采用支架现浇法施工的两种风险源估测方法，得到的最终评价结果基本相同，这明显证实了基于蚁群算法改进BP神经网络模型的专项风险评估是可取的，同时该方法在计算工程中避免了评估过程中的人为因素，大大提高了准确度，但此方法要求足够多的样本数量与非常相似的施工工艺，同时训练样本要求近几年的工程，这样才能保证结果的准确性与合理性。