Sicherheitsrisikobewertung des Lösstunnelbaus in komplexer Umgebung auf der Grundlage der Spieltheorie

Aug 15, 2023

Scientific Reports Band 13, Artikelnummer: 12249 (2023) Diesen Artikel zitieren

257 Zugriffe

1 Altmetrisch

Details zu den Metriken

Aufgrund der Auswirkungen der Umgebung sind die beim Bau von Lösstunneln auftretenden Sicherheitsfaktoren komplex und zahlreich, was zu häufigen Unfällen führt, und es mangelt an Methoden zur Bewertung des Sicherheitsrisikos, die auf den Bau von Lösstunneln in komplexen Umgebungen anwendbar sind . Basierend auf dem Luochuan-Tunnelprojekt der Hochgeschwindigkeitsstrecke Xi'an–Yan'an analysiert dieser Artikel die Einflussfaktoren der Risiken beim Bau von Lösstunneln und wählt 15 Hauptauswirkungsfaktoren, die subjektive und objektive Faktoren umfassen, zur Erstellung der Sicherheitsrisikobewertung aus System des Lösstunnelbaus unter komplexer Umgebung. Um das Gewicht der Einflussfaktoren zu bestimmen, wird in diesem Artikel erstmals die auf der Spieltheorie basierende Kombinationsgewichtungsmethode vorgestellt. Anschließend wird das Risikobewertungsmodell für die Bausicherheit von Lösstunneln unter Verwendung der herkömmlichen Wolkenmodelltheorie erstellt. Abschließend wird das Modell zur Verifizierung auf das unterstützende Projekt angewendet. Die Ergebnisse zeigen, dass Stützung und Auskleidung den größten Einfluss auf die Sicherheit des Tunnelbaus haben, gefolgt von Baumanagement, umgebendem Gesteinsgehalt, schädlichem technischem Boden, Überwachungsmessung, Vorpolung und Baumethode. Das Bewertungsergebnis stimmt mit dem tatsächlichen Grad des Baurisikos überein, was beweist, dass das Bewertungsergebnis des Modells genau und zuverlässig ist und dass das Modell eine richtungsweisende Bedeutung für die Sicherheitsrisikobewertung des Lösstunnelbaus in einer komplexen Umgebung hat.

Löss ist in den zentralen und westlichen Regionen Chinas weit verbreitet und seine Fläche erreicht 631.000 km2, was etwa 6,6 % der Gesamtfläche des Landes ausmacht1. Als quartäres Sediment zeichnet sich Löss durch vertikale Fugenbildung, lockere Struktur und Wasserenthärtung aus2. Die besonderen technischen Eigenschaften stellen auch eine große Herausforderung für den Ingenieurbau in der westlichen Region dar, insbesondere bei Tunnelprojekten, die die Lössschicht durchqueren, bei denen es während des Baus häufig zu Katastrophen wie Erdrutschen, hervorstehendem Schlammboden und überströmendem Wasser sowie großen Verformungen kommt Diese Katastrophen verursachen große Sicherheitsrisiken und wirtschaftliche Verluste3. In der Vergangenheit haben viele Wissenschaftler die Eigenschaften des umgebenden Gesteins und die strukturelle Stabilität von Lösstunneln untersucht4,5,6, mit dem Ziel, das Baurisiko in der Produktionspraxis zu minimieren. Das Kernproblem, das dringend gelöst werden muss, besteht daher darin, die Baurisiken von Lösstunneln gründlich zu analysieren und wirksame Bewertungsmethoden vorzuschlagen.

Zahlreiche Wissenschaftler haben sich in den letzten Jahren intensiv mit der Risikobewertung von Tunneln befasst. In dem Buch „Guidelines for Tunnelling Risk Management“ von Eskesen et al. werden Risikobewertungsmodelle und Bewertungsindizes erörtert und erstmals ein vollständiger Satz von Referenzstandards für die Risikobewertung und das Risikomanagement im Tunnelbau vorgeschlagen. Auf der Grundlage einer Umfrageforschung und einer systematischen Zusammenfassung von mehr als 50 Tunneln entwickelten McFeat-Smith und Harman8 ein IMS-Risikobewertungssystem, das viele verschiedene Risikoarten umfasst. Hyun et al.9 untersuchten und analysierten die potenziellen Sicherheitsrisikofaktoren von TBM im Tunnelbauprozess anhand von Fallstudien und Expertenberatung, erstellten einen Fehlerbaumsatz aus drei Aspekten der Geologie, des Designs und der Konstruktion und prognostizierten effektiv die Eintrittswahrscheinlichkeit des Risikos und seine Auswirkungen auf die Entwurfs- und Bauphasen des TBM-Tunnels durch den Einsatz von FTA und AHP. Durch die Analyse des Mechanismus von 76 großen und mittelgroßen Tunneleinsturzunfällen schlugen Gao et al.10 sieben Hauptrisikofaktoren als Bewertungsindizes vor und führten eine Risikobewertung des Tunneleinsturzes auf der Grundlage der Theorie des entropiegewichteten grauen Systems durch. Liu et al.11 diskutierten den Zusammenhang zwischen Tunnelverformung und menschlichen Aktivitäten und wenden den Fuzzy-Analyse-Hierarchieprozess an, um das Risiko eines Einsturzes in Lösstunneln unter Wohngebieten zu bewerten. Balta et al.12 entwickelten eine Risikoidentifikationssoftware für den Tunnelbau auf der Grundlage der Bayes'schen Theorie und wendeten sie erfolgreich in der Ingenieurspraxis an. Basierend auf technischen Fällen und Untersuchungen haben Lin et al.13 vier Einflussfaktoren zusammengefasst und analysiert, die in engem Zusammenhang mit TBM-Störungen stehen. Unter Verwendung der ISM-Theorie wurde ein dynamisches BN-Modell erstellt, um die geologischen Bedingungen vor der Tunnelbrust zu ermitteln und eine dynamische Vorhersage von geologischen Katastrophen und TBM-Störungen während des Tunnelbaus zu ermöglichen.

In Bezug auf Risikobewertungsmethoden für den Tiefbau, einschließlich der Risikomatrixmethode14, der Risikoindexmethode15, der IMS-Methode8, der Ereignisbaummethode16, der Fuzzy-Bewertungsmethode17, des Bayes'schen Netzwerks18,19 und des neuronalen Netzwerks20 usw. Jede Methode weist jedoch einige Einschränkungen auf und ist nicht in der Lage, gleichzeitig die große Unsicherheit und Unschärfe des Zufalls im Tunnelbauprozess zu erklären21, die den Tunnelbau in der Praxis nicht gut steuern kann. Daher haben viele Experten und Wissenschaftler umfassende Analysemethoden für Unsicherheiten vorgeschlagen, die auf diesen Theorien und Methoden basieren. Chamzini et al.22 untersuchten das Problem der Unschärfe und Zufälligkeit, ermittelten die Indexgewichte durch Expertenberatung und erstellten ein Entscheidungsmodell in Kombination mit der Fuzzy-TOPSIS-Methode, das eine neue umfassende Bewertungsmethode für die Auswahl von TBM-Systemen unter der neuen Situation bereitstellt. Durch die Identifizierung der Risikofaktoren des Lösstunneleinsturzes konnten Zhang et al. erstellte ein Multi-Index-Bewertungsmodell für die Bewertung des Einsturzrisikos von Lösstunneln unter Verwendung der Rough-Set-Theorie und der Erweiterungsmethode23. Cai et al.24 haben eine verbesserte hybride Inferenzmethode entwickelt, die gleichzeitig die Stochastizität und Unschärfe des Risikosystems berücksichtigt, um eine effektive Fusion von Informationen aus mehreren Quellen zu erreichen. Sharafat et al.25 schlugen zunächst eine Risikoanalyse- und Managementmethode für TBM-Tunnelbauprojekte mit schwierigen Bodenverhältnissen vor, die auf der generischen Bow-Tie-Methode basierte. Durch die Integration von Ursachen- und Folgenmodellen mit Fehlerbaum und Ereignisbaum können sie die Risiken, die der TBM-Bau bei schwierigen Bodenverhältnissen mit sich bringt, effektiv identifizieren und bewerten und entsprechende Abhilfemaßnahmen bereitstellen.

Die meisten früheren Studien konzentrierten sich jedoch auf eine einzelne Risikoquelle und eine statische Bewertung, doch die Risikoereignisse und ihre Auswirkungsfaktoren im selben Tunnel zu unterschiedlichen Zeiten und in unterschiedlichen Räumen reagieren unterschiedlich empfindlich auf den Sicherheitsrisikozustand. Noch wichtiger ist, dass der Bauprozess von Lösstunneln erheblich von der Oberflächenumgebung, der Tunneltiefe und den Niederschlagsbedingungen beeinflusst wird und die vorhandenen Forschungsergebnisse die Unsicherheit der Bewertungsdaten nicht berücksichtigen, die für Lösstunnel größere Einschränkungen mit sich bringt. Daher ist es dringend erforderlich, eine Methode zur Bewertung des Sicherheitsrisikos vorzuschlagen, die auf den Bau von Lösstunneln unter komplexen Bedingungen anwendbar ist.

Das Cloud-Modell ist ein von Li vorgeschlagenes Unsicherheitstransformationsmodell, das qualitative Konzepte und quantitative Beschreibungen verarbeiten kann26, das qualitative und unscharfe Probleme im Bewertungsprozess objektiv behandeln kann und erhebliche Vorteile für die Verbesserung des Vertrauensniveaus der Bewertungsergebnisse bietet. Es wird in verschiedenen Bereichen wie der Sicherheitsbewertung27, der Entscheidungsanalyse28 und der Risikobewertung29,30 umfassend eingesetzt und hat beachtliche Ergebnisse erzielt. Allerdings ist bei der Risikobewertung im Tunnelbau die Gewichtung zu stark vom subjektiven Bewusstsein abhängig, was zu einer geringen Glaubwürdigkeit der Bewertungsergebnisse führt. Als Operations-Research-Theorie kann die Spieltheorie die Konflikte zwischen verschiedenen Gewichtungsmethoden besser koordinieren, den Einfluss subjektiver Faktoren bei der Gewichtung von Indikatoren minimieren und so die Gewichte verschiedener Faktoren wissenschaftlich und sinnvoll zuweisen31.

Auf dieser Grundlage zielt diese Studie darauf ab, ein neues umfassendes Risikobewertungsmodell vorzuschlagen, das auf der Sicherheit des Lösstunnelbaus in einer komplexen Umgebung basiert und die qualitativen Indikatoren einer komplexen Umgebung effektiv auf quantitative Weise darstellen und Baueinheiten dabei helfen kann, den Risikostatus zu ermitteln des Tunnelbaus und optimieren den Bauplan rechtzeitig. Bestimmen Sie zunächst das Risikobewertungsindexsystem und die Bewertungskriterien. Zweitens wird ein neues Gewichtungsfusionsmodell unter Verwendung der Spieltheorie vorgeschlagen, um die subjektiv-objektive Zuordnungsmethode zur Bestimmung der Gewichte jedes Risikoindikators zu verbessern. Abschließend wird das standardisierte Wolkenmodell in die Risikobewertung des Lösstunnelbaus eingeführt, um die Bestimmtheit jedes Index unter verschiedenen Risikostufen zu ermitteln, das Sicherheitsrisikoniveau des Tunnelbaus mithilfe des Kriteriums des maximalen Unterordnungsgrads zu bestimmen und die Durchführbarkeit und Wirksamkeit zu überprüfen das Modell durch den Vergleich der Monitoringdaten des tatsächlichen Projekts mit den Evaluierungsergebnissen. Die vorgeschlagene Methode kann zuverlässig zur Sicherheitsüberwachung und Frühwarnung vor Baurisiken in Lösstunneln angewendet werden und ist gleichermaßen auf andere Tunnel unter komplexen Bedingungen anwendbar.

Der Luochuan-Tunnel liegt im Landkreis Luochuan in der Provinz Shaanxi und ist ein Schlüsselprojekt der neuen Hochgeschwindigkeitsstrecke Xi'an–Yan'an (Abschnitt XYZQ-8). Der Tunnel hat die Entwurfsstruktur eines Einloch-Doppellinien-Eisenbahntunnels mit einer Gesamtlänge von 4140,43 m, einer theoretischen Aushubfläche von 167,3 m2 (Abb. 1) und einer maximalen Erdtiefe von 64 m. Der gesamte Tunnel ist in bergmännischer Bauweise gebaut und mit einem geneigten Schacht versehen. Die geneigte Welle schneidet die Hauptlinie bei der Laufleistung DK196 + 700 und bildet mit der Linie einen Winkel von 53°. Das Tunnelgelände gehört zum Schluchtgebiet des Weibei-Löss-Plateaus, und die Schichten, die der Tunnel durchquert, bestehen hauptsächlich aus Löss. Die Lithologie des umgebenden Gesteins besteht hauptsächlich aus quartärem Malan-Löß des oberen Pleistozäns, quartärem mittelpleistozänem Lishi-Löß und Paläosol. Der geologische Längsschnitt ist in Abb. 2 und die geotechnischen Parameter der Gesteinsformationen in Tabelle 1 dargestellt.

Der Querschnitt des Luochuan-Tunnels.

Geologischer Längsschnitt des Luochuan-Tunnels.

Der Luochuan-Tunnel ist unter den 45 Tunneln der Xi'an-Yan'an-Eisenbahnlinie der typischste und repräsentativste hochriskante flach vergrabene Lösstunnel mit großem Abschnitt, mit einer komplexen Umgebung und einem hohen Baurisiko entlang der Strecke. Im Hinblick auf die geologischen Bedingungen durchdringt der Tunnel eine Schicht, die kollabierbaren Löss, weichen plastischen Löss und ausgedehntes Paläosol enthält. Der Teil der weichen plastischen Lössschicht ist 2073 m lang und über das Gewölbe, den Kavernenkörper und das Fundament verteilt Base. Aus technischer Sicht zeichnet sich der Luochuan-Tunnel einerseits durch einen langen, flachen, vergrabenen Abschnitt aus, der 2892 m lang ist und 70 % der Gesamtlänge ausmacht, andererseits zeichnet er sich durch eine komplexe Bauumgebung aus. Dabei unterquert der Tunnel flache, vergrabene Lössschluchten und bestehende Bauwerke wie Dorfhäuser, Fabriken und Autobahnen. Darüber hinaus ist die Kreuzung von Haupttunnel und Nebentunnel am Schrägschacht einer komplexen Beanspruchung ausgesetzt. Infolgedessen besteht beim Tunnelbau die Gefahr eines Einsturzes, großer Verformungen, herabfallender Bögen und Kellerverformungen. Der Tunnelplan ist in Abb. 3 dargestellt.

Luochuan-Tunnelplan.

Die vergrabene Tiefe des unterirdischen Aushubabschnitts DK198 + 170–DK198 + 881 am Ausgang des Luochuan-Tunnels beträgt nur 8–18,8 m, und während des Baus kam es zu ungleichmäßigen Setzungen der Bodenoberfläche mit einer Oberflächenreichweite von 50 m auf beiden Seiten Die Tunnelachse ist durch Bauarbeiten beeinträchtigt. Wie in Abb. 4 dargestellt, bilden sich über dem Tunnel entlang der Tunnelachse auf beiden Seiten des Tunnels und senkrecht zur Tunnelachse entstandene Bodenrisse, und auch Gebäude über dem Tunnel werden in unterschiedlichem Ausmaß beschädigt.

Oberflächenrisse und Gebäudeschäden (a) Oberflächenrisse, (b) Gebäudeschäden.

Der Ausgangsabschnitt des Luochuan-Tunnels ist mit selbstgewichtigem Einsturzlöss verteilt, der Abschnitt von DK198 + 170–DK198 + 700 unterquert das Dorf Zuoshan und es kam während des Baus zu großen Verformungen. Die Überwachungsergebnisse der Bogenkronensetzung seit dem Bau des Ausgangsabschnitts sind in Abb. 5 dargestellt. Aus Abb. 5 ist ersichtlich, dass die Verformung des gewöhnlichen flach vergrabenen Abschnitts im Allgemeinen und des größten Teils des Abschnitts in einem sicheren Zustand ist Die Verformung überschreitet nicht die ursprünglich vorgesehene Verformung. Im Unterquerungsabschnitt und im speziellen geotechnischen Abschnitt übersteigt die Tunnelverformung die ursprünglich vorgesehene Verformung, und die maximale Verformung erreicht 436,5 mm, was weit über der ursprünglich vorgesehenen Verformung liegt, was große Auswirkungen auf die Bausicherheit hat.

Überwachungsergebnisse der Kronensetzung im Luochuan-Tunnel.

Das Gebiet des Tunnelstandorts gehört zum gemäßigt feuchten kontinentalen Monsunklima mit heißen Sommern, konzentrierten Niederschlägen und häufigen Gewittern. Der Jahresniederschlag kann 596,7 mm erreichen und konzentriert sich hauptsächlich auf die Monate Mai bis September. In Abb. 6 sind die monatlichen Regentage und Niederschläge seit Baubeginn im Jahr 2022 dargestellt, und aus Abb. 6 ist ersichtlich, dass der maximale Niederschlag im Juli auftritt. Vor allem am 26. Juli kam es auf dem Tunnelgelände zu einem Regenschauer, bei dem Regenwasser über die Oberflächenrisse und den Eingang in den Tunnel strömte, was zu starken Wassersprudeln im Tunnel führte, was die Tragfähigkeit des Fundamentsockels und die Bausicherheit erheblich beeinträchtigte.

Anzahl der Niederschlagstage und monatlichen Niederschlagsmengen im Kreis Luochuan (2022).

Der tonige Löss und das Paläosol bilden die Schichten, die der Tunnel durchquert. Sie bestehen hauptsächlich aus Schluff und haben eine lockere Struktur. Aufgrund der starken Aufrichtung des Lösses kollabiert die Palmenoberfläche während des Aushubs häufig und fällt entlang ihrer vertikalen Verbindungsfläche, wodurch es sehr einfach ist, den Bogen zu stark auszuheben. Während der eigentlichen Installation des Stahlrahmens kam es durch den Zusammenbruch des Blocks zu einem Sicherheitsunfall, bei dem ein Arbeiter verletzt wurde, wie in Abb. 7 dargestellt.

Zusammengebrochener Block der Handflächenoberfläche.

Die Risikofaktoren für den Bau des Luochuan-Tunnels können aufgrund der Identifizierung und Analyse der wichtigsten Risikoereignisse, die während des Tunnelbaus aufgetreten sind, in die folgenden vier Kategorien eingeteilt werden. Zu diesen Risiken zählen Erdrutsche, Schlammlawinen, Wasserspritzer, große Verformungen und andere Katastrophen. Im Hinblick auf die natürlichen geologischen Bedingungen durchquert der Tunnel schädliche geologische Schichten wie selbstgewichteten, kollabierbaren Löss, die Oberfläche ist mit Gebäuden bedeckt, die Niederschläge konzentrieren sich auf den Sommer und das umgebende Gestein ist dürftig, was die inneren Faktoren des Lösses sind Tunnelbau-Risikounfälle. Im Hinblick auf die Tunnelkonstruktionsparameter sind große Tunnelaushubflächen und eine geringe Tunneltiefe ebenfalls bedeutende technische Risikofaktoren, die zu Unfällen führen. Aus bautechnischer Sicht haben Vorpolung, Bauweise, Stützung und Auskleidung einen größeren Einfluss auf die Bausicherheit. Daher ist die Auswahl angemessener Baumethoden und Stützparameter eine notwendige Garantie zur Reduzierung von Baurisiken. Das Baumanagement ist eine direkte Ursache für riskante Unfälle. Als wichtiges technisches Mittel zur Gewährleistung der Bausicherheit stehen die Überwachung und ihre Informationsrückmeldung in direktem Zusammenhang mit dem Auftreten riskanter Unfälle und der Sicherheit des Baupersonals, während das Niveau der Bauorganisation und -leitung, das technische Niveau des Personals und die Konfiguration von Materialien und Geräte sind unabdingbare Voraussetzungen für den Lösstunnelbau.

Das Risiko beim Bau von Lösstunneln in einer komplexen Umgebung bezieht sich auf das Risiko bei Bautätigkeiten unter dem gemeinsamen Einfluss externer Faktoren wie der Oberflächenumgebung, meteorologischer Bedingungen und intrinsischer Faktoren wie den umgebenden Gesteinsverhältnissen und der Bautechnologie. Basierend auf der Risikoanalyse des Luochuan-Tunnelbaus und den Forschungsergebnissen zum Risiko des Lösstunnelbaus können die Einflussfaktoren in natürliche geologische Bedingungen, Tunnelcharakteristikparameter, Bautechnologie und Sicherheitsmanagement unterteilt werden.

Zu den natürlichen geologischen Bedingungen zählen die natürliche Umgebung und die Bauumgebung. Die Beschaffenheit des umgebenden Gesteins, die meteorologischen Bedingungen, die Wasserausbeute und verschiedene schädliche geologische Strukturen haben erhebliche Auswirkungen auf den Tunnelbau. Unter anderem ist die Beschaffenheit des umgebenden Gesteins ein Schlüsselfaktor für die Entstehung großer Tunnelverformungen. Beim Bau von Lösstunneln sind zahlreiche komplizierte Bauumgebungen vorhanden, wie z. B. die Unterquerung bestehender Gebäude und Bauwerke, Autobahnen, oberirdische Siedlungen und bewässertes Ackerland, was die Stabilität des umgebenden Gesteins des Tunnels beeinträchtigt und das Unfallrisiko erhöht. Gute geologische Bedingungen tragen eher dazu bei, Risiken für die Bausicherheit zu verringern. Logischerweise gilt: Je hochwertiger das umgebende Gestein ist, desto schlechter sind die mechanischen Eigenschaften des Gesteins und desto größer ist die Risikowahrscheinlichkeit im Tunnel. Die umgebenden Gesteine ​​des Projekts sind von IV bis VI verteilt.

Die Fläche und die Spannweite des Tunnelaushubabschnitts sind wichtige charakteristische Parameter für die Sicherheitsbewertung des Tunnelbaus. In gewissem Maße können sie die Schwierigkeit des Aushubs und den Grad der Störung des umgebenden Gesteins widerspiegeln, was einen wichtigen Einfluss auf die Stabilität hat des den Tunnel umgebenden Gesteins. Die meisten Lösstunnel-Aushubabschnitte sind nicht standardmäßig kreisförmig, daher wird der äquivalente Tunneldurchmesser D = 2A/π zur Darstellung der Tunnelabschnittsgröße verwendet, wobei A die Fläche des Aushubabschnitts ist. Gleichzeitig ist auch die Tiefe des Tunnels ein nicht zu vernachlässigender Faktor. Die schwache Wölbungswirkung flacher Tunnel führt leicht zum Einsturz des Tunnels oder zu großen Verformungen. Mit zunehmender Tiefe des Tunnels bildet sich nach und nach der stabile Einsturzbogen, aber auch die konzentrierte Spannung am Bogenfuß und am Boden des Tunnels nimmt zu.

Der Tunnel hat während des Baus drei Phasen durchlaufen: Störungsschäden durch Aushub – dynamische Anpassung von Stützung und Verformung – endgültiges Gleichgewicht und Stabilität. Die Stabilität des umgebenden Gesteins hängt weitgehend von der Kraft und Verformung der Stützstruktur ab. Das eigentliche Projekt ist entsprechend der unterschiedlichen Qualität des umgebenden Gesteins in verschiedene Stützschemata unterteilt, und der geeignete Zeitpunkt der Stützung ist ein wirksames Mittel zur Kontrolle die große Verformung des Tunnels. Unsachgemäße Konstruktion ist die direkte Ursache für Sicherheitsunfälle in Tunneln, einschließlich nicht konformer Aushubtechniken, irrationaler Parameter und Techniken für die Auskleidungsunterstützung, verspäteter Anwendung von Unterstützungsmaßnahmen und nicht konformen Bauvorgängen, die zu einer unzureichenden Unterstützungsstärke führen und zu Unfällen führen . Daher ist die Wahl einer sinnvollen Bauweise und eines entsprechenden Tragsystems für den sicheren Tunnelbau von großer Bedeutung. Zu den am häufigsten verwendeten Baumethoden gehören die CRD-Methode, die CD-Methode, die Drei-Stufen-Methode und die Vollschnittmethode. Die Vorpfahlung umfasst Vorpfahlbolzen, große Rohrdächer, kleine Rohre usw. Es ist notwendig, die Baumethode und den Stützplan entsprechend dynamisch anzupassen um die Gesamtstabilität des Tunnels während des Bauprozesses sicherzustellen.

Die Faktoren, die die Sicherheit des Tunnelbaus beeinflussen, sind nicht nur der Bauumfang und die Umweltbedingungen des Tunnels, sondern auch die Faktoren Mensch und Management, und das Sicherheitsmanagement erfolgt hauptsächlich aus der Perspektive der Sicherheitstechnik und des Organisationsmanagements. Überwachung und Messung können den Tunnelaushub erfassen und den Sicherheitsstatus in Echtzeit unterstützen, Prognosen und frühzeitige Warnungen vor Tunnelrisikoereignissen abgeben und entsprechende Maßnahmen umgehend ergreifen. Darüber hinaus ist Baumanagement und -organisation ein mit mehreren Faktoren gekoppeltes, kompliziertes System mit fünf Aspekten: Mensch-Maschine-Material-Umwelt-Methode, das verschiedene Phasen des Baus systematisch plant, organisiert, koordiniert und steuert und sich direkt auf die Bausicherheit im gesamten Bau auswirkt alle Phasen des Projekts.

Durch die Analyse der Schlüsselfaktoren für die Tunnelbausicherheit wird ein Risikobewertungsindexsystem für den Lösstunnelbau erstellt. Gleichzeitig wird das spieltheoretische Cloud-Modell eingeführt, um das optimale Gewicht jedes Index zu bestimmen und ein umfassendes Risikobewertungsmodell zu erstellen. Legen Sie das System fest, das von U bewertet werden soll. Die Sicherheit des Lösstunnelbaus in einer komplexen Umgebung ist in unabhängige Komponenten gemäß unterschiedlichen Risikomerkmalen U = (P1, P2,…, Pm) unterteilt, und jede Komponente enthält mehrere Unterkomponenten mit unterschiedlichen Attributen Pi = (b1, b2,…, bn), wobei n die Anzahl der Bewertungsindizes ist. Abbildung 8 zeigt den Risikobewertungsprozess.

Risikobewertungsprozess.

Das umfassende Risikobewertungsindexsystem für die Bausicherheit von Lösstunneln, einschließlich 15 Indizes wie dem Grad des umgebenden Gesteins und dem äquivalenten Lochdurchmesser, wurde eingerichtet, wie in Abb. 9 dargestellt. Die Rationalität der Auswahl von Bewertungsindikatoren wirkt sich direkt auf die Zuverlässigkeit der Risikoanalyse und des Risikoniveaus aus Diskriminierung. Nach der Schlussfolgerung aus der Identifizierung von Risikofaktoren ist das Risiko des Tunnelbaus das Ergebnis der Kopplungswirkung von geologischen Faktoren, Designfaktoren, Konstruktionsfaktoren und Managementfaktoren. Durch die Analyse und Zusammenfassung der Forschungsergebnisse der Baurisikobewertung repräsentativer Lösstunnelprojekte im In- und Ausland11,23,32,33 zieht das System nicht nur Lehren aus den Forschungserfahrungen von Experten, sondern berücksichtigt auch Wissenschaftlichkeit, Rationalität, Repräsentativität und Bedienbarkeit seine Einrichtungsprinzipien, sondern realisiert auch die Kombination von dynamischen Indizes und statischen Indizes.

Diagramm des Risikobewertungsindexsystems.

Angesichts des aktuellen Forschungsstandes besteht kein Konsens über die Formulierung von Sicherheitsrisikostandards für den Bau von Eisenbahntunneln. Dieses Papier bezieht sich auf „Die vorläufigen Bestimmungen zur Risikobewertung und zum Management von Eisenbahntunneln“34, „Der technische Leitfaden für den Bau von Eisenbahntunneln“35 und andere relevante Normen und Literatur36,37,38. Ausgehend von der tatsächlichen Ingenieurpraxis wird die Risikostufe des Lösstunnelbaus aus Sicht der Auswirkungsskala und Gefährdungsstufe in fünf Stufen definiert: I (grundsätzlich kein Risiko), II (geringes Risiko), III (mittleres Risiko), IV (relativ hohes Risiko) und V (hohes Risiko) sowie das Risikoniveauintervall jedes Index sind in Tabelle 2 aufgeführt.

Der Analytic Hierarchy Process ist eine von TL Saaty vorgeschlagene Entscheidungsmethode zur qualitativen und quantitativen Analyse komplexer Probleme mit mehreren Zielen39, die den Entscheidungsprozess des Systems auf der Grundlage des Konzepts von Multifaktoren und Mehrebenen mathematisiert Konstruiert ein mehrstufiges Analysestrukturmodell, um die relative Bedeutung von Faktoren entsprechend der Erfahrung des Entscheidungsträgers zu bestimmen. Im Bereich der Tunnelrisikobewertung haben Hyun et al. nutzte AHP, um den Grad der Auswirkung des Risikofaktors auf TBM-Tunnel zu bewerten.

Bestimmung des subjektiven Gewichts durch AHP, dessen grundlegender Prozess wie folgt ist. Die relative Bedeutung des Index wird durch paarweisen Vergleich beurteilt und die Beurteilungsmatrix E für jede Ebene wird mit der 1–9-Skalenmethode erstellt. Berechnen Sie den maximalen Eigenwert λmax der Beurteilungsmatrix, der den Konsistenztest erfüllt, und sein Eigenvektor a stellt den Gewichtskoeffizienten dar. In diesem Artikel wird die Quadratwurzelmethode verwendet, wie folgt:

Abschließend wird ein Konsistenztest an der Beurteilungsmatrix jeder Schicht durchgeführt. Die Testschritte sind wie folgt.

Berechnen Sie den Konsistenzindex der Beurteilungsmatrix:

Wenn das Zufallskonsistenzverhältnis CR < 0,1 ist, bedeutet dies, dass die Skalenauswahl angemessen und das Ergebnis akzeptabel ist. Andernfalls kehren Sie zur Aufgabe zurück, um die Beurteilungsmatrix zu berechnen, bis der Test bestanden ist und der Gewichtswert ausgegeben wird.

Der Entropiewert jedes Risikoindex wird mit der Entropiegewichtsmethode berechnet. Basierend auf der tatsächlichen und objektiven Extraktion der impliziten Informationen in den Indexdaten minimiert die Methode den Einfluss der subjektiven Faktoren auf die Bestimmung des Risikoindexgewichts40,41, um objektivere Bewertungsergebnisse zu erhalten.

Die Bestimmung des objektiven Gewichts durch die modifizierte Entropiegewichtsmethode gliedert sich hauptsächlich in 5 Schritte:

Schritt 1 Konstruieren Sie die ursprüngliche Multiattribut-Diskriminanzmatrix M wie folgt:

wobei m das Bewertungsobjekt ist; n ist der Bewertungsindex; xij ist der Wert des j-ten Index des i-ten Objekts.

Schritt 2 Standardisieren Sie die Beurteilungsmatrix, um die Interferenz ungerader Stichprobendaten zu eliminieren. Die standardisierte Transformationsformel für jeden Risikoindex lautet:

wobei xmin und xmax die minimalen bzw. maximalen Werte des j-ten Index sind. Wenn \(x_{\min } = x_{\max }\), gilt \(x_{ij}^{*} = 1\) .

Schritt 3 Berechnen Sie den Beitrag des i-ten Bewertungsobjekts zum j-ten Index \(p_{ij}\).

Um die Mängel der traditionellen Berechnungsformel auszugleichen, wird die Berechnungsformel des Entropiegewichts unter Bezugnahme auf die Forschung von Zhang und Ren42 modifiziert:

Schritt 4 Bestimmung der Informationsentropie \(E_{j}\) für jeden Index.

Darunter ist \(E_{j} \in \left[ {0,1} \right],\;i = 1,2, \ldots ,m\).

Schritt 5 Bestimmung des Entropiegewichts \(\omega_{j}\):

Die vorhandenen kombinatorischen Gewichtungsmodelle verwenden hauptsächlich eine einzelne lineare Gewichtung oder eine multiplikative Synthesemethode und ignorieren dabei die Konsistenz und Koordination zwischen ihnen. Um Gewichte weiter wissenschaftlich und genau zuzuweisen und optimale Gewichte zu erhalten, wird die Spieltheorie in die Gewichtszuweisung eingeführt43. Die Schritte zur Bestimmung des optimalen Kombinationsgewichts können wie folgt angegeben werden:

Schritt 1 Das subjektive Gewicht \(\omega_{1j}\) wird durch den analytischen Hierarchieprozess bestimmt.

Schritt 2 Das objektive Gewicht \(\omega_{2j}\) wird durch die modifizierte Entropiegewichtsmethode bestimmt.

Schritt 3 Die subjektiven und objektiven Gewichtsalgorithmen werden zusammengeführt, um die Diskrepanz zwischen qualitativ und quantitativ im Indexsystem auszugleichen. Die Berechnung des optimalen Gewichts wird als Spiel der beiden Algorithmen betrachtet und durch Minimierung der Abweichung erhält man die entsprechenden linearen Gleichungen:

Schritt 4 Die resultierenden optimalen linearen Koeffizienten werden normalisiert, um die endgültigen Subjekt-Ziel-Kombinationsgewichte zu erhalten:

Das Cloud-Modell ist ein Unsicherheitstransformationsmodell zwischen qualitativen Konzepten und quantitativen Beschreibungen, das auf der von Li et al.44 vorgeschlagenen Fuzzy-Theorie und Wahrscheinlichkeitstheorie basiert und aufgrund seiner Fähigkeit, auf die Unschärfe und Zufälligkeit von Zielen zu reagieren, häufig im Data Mining und in der Entscheidungsanalyse verwendet wird Dinge. U ist ein quantitativer Bereich, der durch exakte Werte dargestellt wird, und C ist ein qualitatives Konzept auf U. Wenn der quantitative Wert x ∈ U und x eine einzelne zufällige Realisierung des qualitativen Konzepts C ist und der Gewissheitsgrad µ(x) ∈ [ 0,1] von x für C eine Zufallszahl mit stabiler Tendenz ist, dann wird die Verteilung von x über den Bereich U als Wolke bezeichnet und jedes x wird als Wolkentropfen bezeichnet. Das ist:

Das Wolkenmodell stellt ein qualitatives Konzept durch die drei numerischen charakteristischen Parameter dar: Erwartung Ex, Entropie En und Hyperentropie He. Die Merkmalsparameter des Wolkenmodells sind in Abb. 10 dargestellt. Diese drei charakteristischen Parameter können wie folgt separat erklärt werden.

Expectation Ex spiegelt den Schwerpunkt des statistischen Wolkentropfensatzes wider, der aus Punkten im Diskursbereich besteht, die das qualitative Konzept am besten repräsentieren.

Die Entropie En repräsentiert die Unsicherheit des Wolkenkonzepts, die ein umfassendes Maß für die Mehrdeutigkeit und Zufälligkeit des qualitativen Konzepts ist, und sie spiegelt den Domänencharaktergrad wider, der sowohl dies als auch das des qualitativen Konzepts ist.

Die Hyperentropie He stellt die Unsicherheit der Wolkenentropie dar, die den Grad der Kohäsion der „Wolkentropfen“ im Wolkenmodell widerspiegelt.

Charakteristische Parameter des Wolkenmodells.

Der untergeordnete Wolkengenerator umfasst einen Vorwärtswolkengenerator und einen Umkehrwolkengenerator. Der Vorwärtsnormalwolkengenerator, der auf der Grundlage der Normalverteilung und der Fuzzy-Mathematik entwickelt wurde, kann den Prozess der Umwandlung allgemeiner Dinge von qualitativen Konzepten in quantitative Beschreibungen realisieren. Durch Eingabe der Erwartung, der Entropie, der Hyperentropie und der Anzahl der Wolkentropfen des Wolkenmodells kann der quantitative Wert von „Wolkentropfen“ im Diskursbereich und der Grad der Sicherheit seines Darstellungskonzepts ermittelt werden.

In diesem Artikel verwenden wir den Vorwärts-Normalwolkengenerator und die Bedingungen, die der Vorwärtsnormalwolkengenerator erfüllt, sind \(x\sim N(E_{x} ,E_{n}^{^{\prime}2} )\ ), die \(E_{n}{\prime} \sim N(E_{n} ,H_{e}^{2} )\), und die Bestimmtheit von x für C erfüllt:

Der Aufbau einer Standard-Cloud zur Risikobewertung ist die erste Aufgabe der Cloud-Modellbewertung. Gemäß dem Standardintervall verschiedener Bewertungsstufen jedes Index können die entsprechenden numerischen Eigenschaften des Wolkenmodells (Ex, En, He) gemäß Gleichung berechnet werden. (17).

wobei Smax und Smin jeweils die kritischen Werte des Standardintervalls jeder Bewertungsstufe darstellen. k ist eine Konstante, die den Domänenbereich des Wolkenmodells steuert, der in diesem Artikel mit 0,1 angenommen wird.

Wenn es einseitige Einschränkungen für den Wert des quantitativen Bereichs xij eines Index gibt, können die charakteristischen Parameter des Wolkenmodells in \((x_{ij}^{1} ,x_{ij}^{2} ]\) mithilfe der Berechnung abgeleitet werden Methode in Tabelle 3. Daraus können die charakteristischen Parameter des Wolkenmodells (Ex, En, He) jedes Bewertungsindex in der Bauphase eines Lösstunnels unter komplexer Umgebung bestimmt werden, und die Berechnungsergebnisse sind in Tabelle 4 dargestellt Die Bewertungsstandardwolke eines einzelnen Index wird durch die Konstruktion eines Vorwärtswolkengenerators mit Matlab 2021 generiert. Das Wolkenmodell der Bewertungskriterien für natürliche geologische Bedingungen P1 ist in Abb. 11 dargestellt.

Das Wolkenmodell der Bewertungskriterien für natürliche geologische Bedingungen P1.

Gemäß dem Bewertungsstandard-Cloud-Modell, das für jeden Index generiert wurde, wird der x-bedingte Forward-Cloud-Algorithmus verwendet, um die Gewissheitsgrade jedes Risikoindex bei verschiedenen Risikoniveaus zu berechnen. Die Ergebnisse einer umfassenden Risikobewertung der Bausicherheit von Lösstunneln in komplexen Umgebungen werden durch gewichtete Berechnung von Gl. (18).

wobei \(U_{ki}\) der integrierte Gewissheitsgrad des zu bewertenden Objekts i entsprechend der Ebene k ist, \(\mu_{{\left( {k,ij} \right)}}\) der Grad der Gewissheit des Index j im Bewertungsobjekt i auf der Ebene k ist \(\omega_{j}\) das kombinierte Gewicht der Risikobewertungsindizes.

Normalisieren Sie den integrierten Gewissheitsgrad auf das Objekt i, das der Ebene k entspricht, und die Berechnungsformel lautet wie folgt.

wobei \(\varphi_{ki}\) der integrierte Gewissheitsgrad der k-ten Ebene nach der Normalisierung ist.

Dabei handelt es sich um das Sicherheitsrisikoniveau, das der aktuellen Situation des zu messenden Objekts entspricht.

Nimmt man den Luochuan-Tunnel der Hochgeschwindigkeitsstrecke Xi'an–Yan'an als Forschungsobjekt, so ist die Bauumgebung entlang des Tunnels komplex und variabel. Es gibt Unterquerungen wie Straßen, Fabriken, Wohngebiete und Schluchten, und der Tunnel durchquert schädliche geologische Schichten wie weichen Plastiklöss, kollabierbaren Löss und quellenden Boden, und der Bauprozess ist anfällig für Störungen durch äußere Faktoren wie Regenfälle , wodurch das Baurisiko höher und dynamischer wird. Gemäß den Empfehlungen einschlägiger Experten und auf der Grundlage der Baurisikoanalyse des Projektgebiets wählt dieses Papier 10 repräsentative Abschnitte des Luochuan-Tunnels für die Baurisikobewertung des Lösstunnels unter komplexer Umgebung, den ingenieurgeologischen Bedingungen und Risikofaktoren aus Die einzelnen Abschnitte sind in Tabelle 5 aufgeführt.

Zunächst wird bezüglich der im vorherigen Abschnitt eingeführten Methode der Skala 1–9 ein Zwei-mal-zwei-Vergleich der Risikokategorien und Indizes jeder Ebene von Risikofaktoren durchgeführt, um eine Zwei-mal-zwei-Beurteilungsmatrix und das Konsistenzverhältnis zu erstellen CI wird mithilfe einer Gleichung berechnet. (4) um festzustellen, ob die Zwei-mal-Zwei-Vergleichsmatrix die Konsistenzanforderungen erfüllt, wie in den Tabellen 6 und 7 gezeigt.

Gemäß den Berechnungsschritten von AHP wird der Gewichtsvektor jeder Risikokategorie wie folgt berechnet: \(\omega_{1}^{*} = (P_{1} ,P_{2} ,P_{3} ,P_{ 4} ) = (0,381,0,11,0,211,0,298)\). Ebenso sind die Gewichte der Beurteilungsmatrix jedes Risikofaktorbewertungsindex \(\omega_{11} = (0,365,0,3,0,118,0,146,0,071)\), \(\omega_{12} = (0,493,0,196, 0,311)\), \(\omega_{13} = (0,311,0,196,0,493)\), \(\omega_{14} = (0,269,0,42,0,19,0,121)\). Die 15 Bewertungsindizes werden Schicht für Schicht gemäß der in Abb. 8 dargestellten Struktur des Risikoindexsystems gewichtet. Die subjektiven Gewichte der Bewertungsindizes können ausgedrückt werden als:\(\omega_{1} = \left\{ \begin{gathered } 0.1390,\;0.1142,\;0.0448,\;0.0558,\;0.0272,\;0.0543,\;0.0215,\;0.0342,\; \hfill \\ 0.0655,\;0.0413,\;0.1040,\;0.0801 ,\;0.1253,\;0.0566,\;0.0362 \hfill \\ \end{gathered} \right\}.\)

Zweitens werden die objektiven Gewichte mithilfe der modifizierten Entropiegewichtsmethode berechnet und die ursprüngliche Diskriminanzmatrix M, die aus den quantifizierten Werten der 10 Zonenbewertungsindizes besteht, wird durch Gleichung normalisiert. (7) um die normalisierte Diskriminanzmatrix N zu erhalten.

\(N = \left( {x_{ij}^{*} } \right)_{9 \times 15} = \left[ {\begin{array}{*{20}c} {0.5} & {0.5 } & 1 & {0,33} & 0 & {0,15} & {0,41} & 1 & 1 & {0,5} & 1 & 1 \\ {0,5} & {0,5} & 0 & {0,67} & 1 & {0,41} & {0,12} & 1 & {0,67} & {0,5} & 1 & 1 \\ 1 & {0,5} & 1 & {0,67} & 1 & 1 & 1 & 1 & 1 & 0 & 0 & 1 \\ { 0,5} & 1 & 1 & 1 & 1 & {0,8} & {0,41} & 1 & 1 & 0 & {0,67} & 0 \\ {0,5} & 0 & 0 & 0 & 1 & {0,76} & {0,12 } & 0 & {0,33} & 0 & {0,67} & 0 \\ {0,5} & 0 & 0 & 0 & 1 & {0,75} & {0,71} & {0,33} & 0 & 0 & 0 & 0 \\ 0 & 0 & 1 & {0,33} & 1 & {0,06} & 0 & {0,67} & {0,33} & 1 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & {0,04} & 0 & { 0,33} & 0 & {0,5} & 0 & 0 \\ 0 & 0 & 0 & {0,33} & {0,75} & {0,03} & 0 & {0,33} & 0 & {0,5} & 0 & 0 \\ 0 & 0 & 0 & 0 & 1 & 0 & 0 & {0,33} & 0 & {0,5} & 0 & 0 \\ \end{array} } \right].\) Bezogen auf die Schritte 3 bis 5 von „Modifizierte Entropie Im Abschnitt „Gewichtungsmethode“ können die objektiven Gewichte jedes Index ermittelt werden. \(\begin{gathered} \omega_{2} = (0.0577,0.0111,0.1041,0.0644,0.0328,0.0501, \hfill \\ 0.0000,0.0000,0.0828,0.0284,0.0641,0.0817,0.1066,0.0755 ,0,1410) \hfill \\ \end{gesammelt}\).

Schließlich verwenden wir die Gleichungen. (12) und (14) Um die Gewichte der optimalen Indexkombination basierend auf der Spieltheorie zu erhalten, sind die Ergebnisse in Tabelle 8 dargestellt.

Gemäß den Parametern des Wolkenmodells für jede in Tabelle 4 identifizierte Risikostufe, unter Verwendung von Matlab und der Formel, um die gemessenen und quantifizierten Werte der entsprechenden Indizes zur Berechnung in den X-Bedingungsgenerator im Wolkenmodell einzufügen (N = 3000) und leiten Sie schließlich das Cloud-Modell für jede Indexbewertung ab. Kombiniert mit den Gewichtungswerten jeder Indexkombination in Tabelle 8 kann das Bewertungsmodell durch Anwendung der Gleichungen abgeleitet werden. (17) und (18) und die normalisierte integrierte Sicherheit jedes Abschnitts ist in Abb. 12 dargestellt.

Normalisierte integrierte Sicherheit.

Nach Gl. (20) kann das Risikoniveau der Bausicherheit für jedes Untersuchungsgebiet bestimmt werden, und die Ergebnisse der Bewertung des Sicherheitsrisikoniveaus und die gemessene Verformung jedes Abschnitts sind in Abb. 13 dargestellt.

Ergebnisse der Risikobewertung und tatsächliche Verformungsmenge.

Der Verformungsgrad ist eine visuelle Darstellung der Stabilität der Stützstruktur, und die Verformung des Lösstunnels ist hauptsächlich das Gesamtsinken, sodass die Kronensetzung als Sicherheitskriterium beim Bau des Lösstunnels verwendet werden kann, was widerspiegelt die Höhe des Baurisikos bis zu einem gewissen Grad. Vergleichen Sie das Risikobewertungsniveau jedes Abschnitts mit dem tatsächlichen Verformungsbetrag. Wie aus Abb. 13 ersichtlich ist, stimmt der Verteilungstrend des Risikobewertungsniveaus jedes Abschnitts mit dem des tatsächlichen Verformungsbetrags überein. Darunter ist der Abschnitt DK198 + 877 ein superflacher, vergrabener Abschnitt, der mit kollabierbarem Löss bedeckt ist, der Verformungsgrad dieses Abschnitts übersteigt den ursprünglich vorgesehenen Verformungsgrad und das Baurisiko des Abschnitts liegt bei Stufe V. Die Kronensetzung des Abschnitts DK198 + 593 erreicht 436,5 mm, an der Oberfläche des Abschnitts schafft die Bildung der Absetzmulde Bedingungen für die Niederschlagsmessung, und die Oberflächenrisse werden zum dominanten Kanal für die Infiltration. Als der Tunnel am 26. Juli Regenwetter ausgesetzt war, floss eine große Menge Schlamm und Wasser hinein, was zum Herabfallen von Blöcken und zum Eindringen von Verformungen führte. Das Baurisiko dieses Abschnitts entspricht der Stufe V und entspricht der tatsächlichen Situation. DK198 + 663 und DK198 + 558 befinden sich in dem Abschnitt des unterquerenden Wohngebiets, in dem die primäre Stütze große Verformungen aufweist, und die Risikobewertung ist Stufe V, was mit der tatsächlichen Situation übereinstimmt. DK196 + 840 und DK196 + 760 befinden sich im Querschnitt des geneigten Schachts bzw. Abschnitts der Unterführungsfabrik, beide haben eine große vergrabene Tiefe, der umgebende Gesteinszustand ist Grad V, die Risikobewertungsstufe ist III, die tatsächliche Verformung liegt im Regelbereich. Während DK198 + 680 eine höhere Stützfestigkeit aufweist und die Risikobewertungsstufe II ist, entspricht dies der tatsächlichen Konstruktion. Die Verformung des restlichen Abschnitts ist gering und die Risikobewertungsstufe liegt nicht höher als II. Der Risikobewertungsgrad der oben genannten Proben stimmt mit der tatsächlichen Risikosituation auf der Baustelle überein und bezeugt die Verfügbarkeit des Modells.

Bei diesem Projekt sind die Hauptgründe für das hohe Risikoniveau des Tunnelbaus folgende. (1) Die technischen Eigenschaften des Lösses selbst führen zu einer geringen Stabilität des umgebenden Gesteins und zu hohen Bauschwierigkeiten. (2) Der Tunnel weist unter komplexen Baubedingungen einen großen Querschnitt auf, was sich stark auf die mechanischen Eigenschaften des umgebenden Gesteins auswirkt, wenn die weichplastische Lössschicht über eine lange Strecke durchquert wird. (3) Verzögerte Designänderung. (4) Das Sicherheitsmanagementsystem für den Tunnelbau weist nach wie vor Schwachstellen auf, darunter eine verspätete Überwachung und Messung sowie das Fehlen spezieller Notfallpläne für Risikoquellen. Daher sollten beim anschließenden Bau Maßnahmen zur Verbesserung der geotechnischen Eigenschaften des Bodens rund um die Aushuboberfläche ergriffen werden, wie z. B. fortgeschrittene kleine Rohrinjektionen, Bodenverstärkung und zusätzliche wasserdichte Streifentücher auf der Oberfläche. Beim Bau von Abschnitten mit hohem Risiko sollte die Unterstützungsstärke entsprechend erhöht und das Überwachungsfeedback verstärkt werden, um rechtzeitig entsprechende Maßnahmen zur Gewährleistung der Sicherheit des Tunnelbaus zu ergreifen.

Der Bau von Lösstunneln in einer komplexen Umgebung hat viele bauliche Einflussfaktoren, große Auswirkungen auf die Gesellschaft und andere Merkmale und gehört zur Hochrisikotechnik. Um das Risiko von Bauunfällen zu verringern, schlägt dieses Papier eine neuartige Risikobewertungsmethode für den Bau von Lösstunneln vor Basierend auf der Spieltheorie und der Cloud-Modelltheorie mit klarem Analyseprozess und zuverlässigen Ergebnissen, die eine starke Orientierung für Design und Konstruktion bieten und Referenzen für die Umsetzung ähnlicher Projekte bieten. Die wichtigsten Schlussfolgerungen lauten wie folgt.

Ein umfassendes Bewertungsindexsystem für das Sicherheitsrisiko des Lösstunnelbaus in einer komplexen Umgebung wird in vier Aspekten erstellt, indem die verschiedenen Faktoren analysiert werden, die die Sicherheit des Lösstunnelbaus beeinflussen: natürliche geologische Bedingungen, Tunnelcharakteristikparameter, Bautechnologie und Sicherheitsmanagement sowie bestehende Forschungsergebnisse im In- und Ausland werden die Bewertungsstufen in fünf Stufen unterteilt: grundsätzlich kein Risiko (Stufe I), geringes Risiko (Stufe II), mittleres Risiko (Stufe III), relativ hohes Risiko (Stufe IV) und hohes Risiko (Stufe IV) Stufe V).

Ein neuartiges Gewichtungsfusionsmodell wird vorgeschlagen, indem die bestehende hierarchische Analysemethode und die modifizierte Entropiemethode auf der Grundlage der einschlägigen Spieltheorie integriert werden, um die natürliche Umwandlung qualitativer Indizes und quantitativer Daten zu realisieren, wodurch die subjektive Unsicherheit der Entscheidungsträger erheblich beseitigt wird .

Die Anwendung des EAHP-Cloud-Modells auf die umfassende Bewertung des Sicherheitsrisikos beim Bau von Lösstunneln in einer komplexen Umgebung kann die Mehrdeutigkeit und hohe Unsicherheit im Bewertungsprozess besser bewältigen, was eine wirksame Methode für die Sicherheitsrisikobewertung beim Bau von Lösstunneln darstellt und eine zuverlässige Entscheidungsunterstützung bietet für Führungskräfte.

Mit der vorgeschlagenen Methode kann der Sicherheitsrisikostatus des Tunnelbaus effektiv vorhergesagt und im Voraus Maßnahmen zur Reduzierung der Bausicherheitsrisiken ergriffen werden. Darüber hinaus kann die Methode auch in anderen Tunnelprojekten eingesetzt werden, jedoch muss jede Anwendung die Besonderheiten des Projekts berücksichtigen, um die erforderlichen Anpassungen für jeden einzelnen speziellen Risikoindikator der Gewichtsverteilung und -bewertung vorzunehmen Maximieren Sie die Einhaltung der technischen Praxis und nutzen Sie die Zuverlässigkeit der Bewertungsmethode effektiv.

Die während der aktuellen Studie generierten und/oder analysierten Datensätze sind nicht öffentlich verfügbar, können aber auf begründete Anfrage beim entsprechenden Autor angefordert werden.

Li, YR, Shi, WH, Aydin, A., Beroya-Eitner, MA & Gao, GH Löss-Entstehung und weltweite Verbreitung. Erdwissenschaften. Rev. 201, 102947. https://doi.org/10.1016/j.earscirev.2019.102947 (2019).

Artikel Google Scholar

Xing, YQ Entwicklung und Ausblick auf die Lössmechanik. J. Hydroelektr. Ing. 04, 54–65 (2000).

Google Scholar

Wang, XL et al. Reflexion und Herausforderungen beim Bau von Bergtunneln in China: Eine Datensammlung von 2002 bis 2018. Geomat. Nat. Gefahrenrisiko 11(1), 766–784. https://doi.org/10.1080/19475705.2020.1747554 (2020).

Artikel CAS Google Scholar

Lai, JX, Wang, KY, Lai, HP, Qiu, JL & Xie, YL Mechanische Charakteristikprüfung der Tunnelstützstruktur in schwacher Lössschicht. J. Verkehrstransp. Ing. 15(03), 41–51 (2015).

Google Scholar

Zhang, X. Forschung zu mechanischen Eigenschaften der Stützstruktur in Lösstunneln mit großem Querschnitt. Masterarbeit, Beijing Jiaotong University. (2020)

Hu, Z. et al. Studie zu den umgebenden Gesteinsdruckeigenschaften von Lösstunneln basierend auf statistischen Analysen in China. Appl. Wissenschaft. 12(13), 6329 (2022).

Artikel MathSciNet CAS Google Scholar

Eskesen, SD, Tengborg, P., Kampmann, J. & Holst, T. Richtlinien für das Risikomanagement im Tunnelbau: International Tunnelling Association, Arbeitsgruppe Nr. 2. Tunn. Undergr. Weltraumtechnologie. 19(3), 217–237. https://doi.org/10.1016/j.tust.2004.01.001 (2004).

Artikel Google Scholar

McFeat-Smith, I. & Harman, KW IMS-Risikobewertungssystem für die Finanzierung und Versicherung von Tunnelprojekten. Tunn. Undergr. Weltraumtechnologie. 19(4), 334. https://doi.org/10.1016/j.tust.2004.01.030 (2004).

Artikel Google Scholar

Hyun, KC, Min, S., Choi, H., Park, J. & Lee, IM Risikoanalyse mittels Fehlerbaumanalyse (FTA) und analytischem Hierarchieprozess (AHP), anwendbar auf Schild-TBM-Tunnel. Tunn. Undergr. Weltraumtechnologie. 49, 121–129. https://doi.org/10.1016/j.tust.2015.04.007 (2015).

Artikel Google Scholar

Gao, CL, Li, SC, Wang, J., Li, LP & Lin, P. Die Risikobewertung von Tunneln basiert auf der Graukorrelations- und Entropiegewichtungsmethode. Geotechnik. Geol. Ing. 36(3), 1621–1631. https://doi.org/10.1007/s10230-011-0148-2 (2018).

Artikel Google Scholar

Liu, XJ, Yao, ZW, Wan, XQ & Zhang, Z. Forschung zur Risikobewertung großer Verformungen von Lösstunneln unter Wohngebieten. KSCE J. Civ. Ing. 26(6), 2826–2834. https://doi.org/10.1007/s12205-022-1401-x (2022).

Artikel Google Scholar

Balta, GCK, Dikmen, I. & Birgonul, MT Bayesianische netzwerkbasierte Entscheidungsunterstützung zur Vorhersage und Minderung des Verzögerungsrisikos bei TBM-Tunnelprojekten. Autom. Konstr. 129(1), 103819. https://doi.org/10.1016/j.autcon.2021.103819 (2021).

Artikel Google Scholar

Lin, P., Xiong, Y., Xu, Z., Wang, W. & Shao, R. Risikobewertung von TBM-Störungen basierend auf Bayes'schen Netzwerken. Stier. Ing. Geol. Umgebung. 81, 1–15. https://doi.org/10.1007/s10064-021-02511-z (2022).

Artikel Google Scholar

Priagung, WN, Agung, PD, Ahmad, I. & Jalu, KG Entwicklung einer umfassenden Brand- und Explosionsrisikobewertung für Kohlerückgewinnungstunnel unter Verwendung der Monte-Carlo-Simulation und der Risikomatrixmethode. Ing. Rep. 4(4), 12476. https://doi.org/10.1002/eng2.12476 (2021).

Artikel CAS Google Scholar

Gao, JP, Xu, ZS, Liu, DL & Cao, HH Anwendung des Modells basierend auf Fuzzy-Consistent-Matrix und AHP bei der Bewertung des Brandrisikos von U-Bahn-Tunneln. Procedia Eng. 71(16), 591–596. https://doi.org/10.1016/j.proeng.2014.04.084 (2014).

Artikel Google Scholar

Hong, ES, Lee, IM, Shin, HS, Nam, SW & Kong, JS Quantitative Risikobewertung basierend auf der Technik der Ereignisbaumanalyse: Anwendung auf die Konstruktion von Schild-TBM. Tunn. Undergr. Weltraumtechnologie. 24(3), 269–277. https://doi.org/10.1016/j.tust.2008.09.004 (2008).

Artikel CAS Google Scholar

Chen, JJ, Zhou, F., Yang, JS & Liu, BC Fuzzy-analytischer Hierarchieprozess zur Risikobewertung von Einstürzen beim Bau eines Bergtunnels. Fels-Boden-Mech. 30(8), 2365–2370 (2009).

CAS Google Scholar

Feng, XD & Jimenez, R. Vorhersage der Tunnelquetschung mit unvollständigen Daten mithilfe von Bayes'schen Netzwerken. Ing. Geol. 195, 214–224. https://doi.org/10.1016/j.enggeo.2015.06.017 (2015).

Artikel Google Scholar

Zhang, GD & Shi, MX Bayesianische Bewertung des Risikos von Versorgungstunneln basierend auf einem Mechanismus zum Informationsaustausch. J. Intell. Fuzzy-System. 41(4), 4749–4757 (2021).

Artikel Google Scholar

Wei, XY, Jin, CL, Gong, L., Zhang, J. Eisenbahnwissenschaft. Ing. 18(03), 794–802 (2021).

Google Scholar

Chamzini, Y. Vorschlag einer neuen Methodik basierend auf Fuzzy-Logik für die Tunnelrisikobewertung. J. Civ. Ing. Geschäftsführer 20(1), 82–94. https://doi.org/10.3846/13923730.2013.843583 (2014).

Artikel Google Scholar

Yazdani-Chamzini, A. & Yakhchali, SH Auswahl von Tunnelbohrmaschinen (TBM) mithilfe von Fuzzy-Multikriterien-Entscheidungsmethoden. Tunn. Undergr. Weltraumtechnologie. 30, 194–204. https://doi.org/10.1016/j.tust.2012.02.021 (2012).

Artikel Google Scholar

Zhang, XL, Wang, MX, Zhou, BH & Wang, XT Einfluss von Faktoren auf das Einsturzrisiko von Lösstunneln: Ein Multi-Index-Bewertungsmodell. J. Eng. Des. Technol. 16(5), 734–749. https://doi.org/10.1108/JEDT-02-2018-0018 (2018).

Artikel Google Scholar

Cai, QJ, Hu, QJ & Ma, GL Verbesserter hybrider Argumentationsansatz zur Wahrnehmung von Sicherheitsrisiken unter Unsicherheit beim Bau von Gebirgstunneln. J. Constr. Ing. Geschäftsführer 147(9), 2128. https://doi.org/10.1061/(ASCE)CO.1943-7862.0002128 (2021).

Artikel Google Scholar

Sharafat, A., Latif, K. & Seo, J. Risikoanalyse von TBM-Tunnelprojekten basierend auf einem generischen Bow-Tie-Risikoanalyseansatz bei schwierigen Bodenbedingungen. Tunn. Undergr. Weltraumtechnologie. 111, 103860. https://doi.org/10.1016/j.tust.2021.103860 (2021).

Artikel Google Scholar

Liu, Y. & Li, DY Statistiken über atomisierte Merkmale des normalen Wolkenmodells. J. Beijing Univ. Aeronaut. Astronaut. 36(11), 1320–1324 (2010).

CAS Google Scholar

Chen, H., Guo, Q., Wang, L. & Meng, X. Bewertung der Hangstabilität unter dem Einfluss des Bergbaus basierend auf kombinierter Gewichtung und einem endlichen Wolkenmodell. Energie-Explorer. Ausbeuten. 41(2), 636–655. https://doi.org/10.1177/01445987221134638 (2023).

Artikel Google Scholar

Li, J., Wang, MW, Xu, P. & Xu, PC Klassifizierung der Stabilität des umgebenden Gesteins mithilfe eines Wolkenmodells. Kinn. J. Geotech. Ing. 36(01), 83–88 (2014).

CAS Google Scholar

Shi, XY, Fan, JQ, Guo, P. & Kong, FL Auswertung des Wolkenmodells mit großem Deformationsgrad des umgebenden Gesteins basierend auf der Kombinationsgewichtungsmethode. IOP-Konf. Ser. Erdumgebung. Wissenschaft. 861(4), 142091. https://doi.org/10.1088/1755-1315/861/4/042091 (2021).

Artikel Google Scholar

Jia, XL & Xu, JL Cloud-Modellbasierte seismische Risikobewertung von Straßen in Erdbebengebieten. J. Tongji Univ. 42(09), 1352–1358 (2014).

Google Scholar

Dong, YX Forschung zu Sicherheitsrisiken von Schnellstraßen in touristischen Berggebieten basierend auf der Gewichtung von Spielkombinationen. MSc-Arbeit, Shanghai Institute of Technology (2021).

Xue, YG et al. Sensitivitätsanalyse der Lössstabilität gegenüber physikalischen und mechanischen Eigenschaften: Bewertungsmodell. Int. J. Geomech. 19(7), 06019012. https://doi.org/10.1061/(ASCE)GM.1943-5622.0001400 (2019).

Artikel Google Scholar

Xue, YG et al. Gesamtdeformationsvorhersage der typischen Lösstunnel. Stier. Ing. Geol. Umgebung. 79, 3624–3634. https://doi.org/10.1007/s10064-020-01782-2 (2020).

Artikel Google Scholar

Reilly, JJ Der Managementprozess für komplexe Untertage- und Tunnelprojekte. Tunn. Undergr. Weltraumtechnologie. 15(1), 31–44. https://doi.org/10.1016/S0886-7798(00)00026-2 (2000).

Artikel Google Scholar

Choi, HH, Cho, HN & Seo, JW Risikobewertungsmethodik für unterirdische Bauprojekte. J. Constr. Ing. Geschäftsführer 130(2), 258–272. https://doi.org/10.1061/(ASCE)0733-9364(2004)130:2(258) (2004).

Artikel Google Scholar

Sun, JL, Liu, BG, Chu, ZF, Chen, L. & Li, Qual. Zuverlässig. Ing. Int. 34(8), 1646–1662. https://doi.org/10.1002/qre.2351 (2018).

Artikel Google Scholar

Xu, ZG, Cai, NG, Li, XF, Xian, MT & Dong, TW Risikobewertung des Einsturzes eines Lösstunnels während des Baus basierend auf einem Attributerkennungsmodell. Stier. Ing. Geol. Umgebung. 80(8), 6205–6220. https://doi.org/10.1007/s10064-021-02300-8 (2021).

Artikel Google Scholar

Li, L. et al. Risikobewertung eines Tunneleinsturzes basierend auf der verbesserten quantitativen Theorie III und dem EW-AHP-Kopplungsgewicht. Wissenschaft. Rep. 12, 16054. https://doi.org/10.1038/s41598-022-19718-z (2022).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Lipovetsky, S. Den analytischen Hierarchieprozess verstehen. Technometrie 63(2), 278–279. https://doi.org/10.1080/00401706.2021.1904744 (2021).

Artikel Google Scholar

Chen, ZM, Yeh, YL & Chen, TC Bewertung eines regionalen Flutkatastrophenindikators mittels einer Entropiegewichtungsmethode. Nat. Hazards Rev. 19(2), 280. https://doi.org/10.1061/(ASCE)NH.1527-6996.0000280 (2018).

Artikel MathSciNet Google Scholar

Xue, YG et al. Erweiterungsvorhersagemodell für den Deformationsgrad von Weichgesteinstunneln basierend auf der Entropiegewichtsmethode und dem Grobsatz. Umgebung. Erdwissenschaft. 81(1), 1–13. https://doi.org/10.1007/s12665-021-10139-1 (2021).

Artikel ADS Google Scholar

Zhang, JL & Ren, J. Die Mängel und Änderungen der Berechnungsformulierung von Entropie und Entropiegewicht in der Entropietheorie. Stat. Inf. Forum 26(01), 3–5 (2011).

Google Scholar

Lin, LK, Xia, YM & Wu, D. Ein hybrider Fuzzy-Entscheidungsansatz mit mehreren Kriterien für eine umfassende Leistungsbewertung von Tunnelbohrmaschinen-Scheibenschneidern. Berechnen. Ind. Eng. 149, 106793. https://doi.org/10.1016/j.cie.2020.106793 (2020).

Artikel Google Scholar

Yang, J. et al. Rückblick und Ausblick auf die Erforschung des Normalwolkenmodells. Kinn. J. Comput. 41(03), 724–744 (2018).

Google Scholar

Referenzen herunterladen

Die Autoren bedanken sich sehr für die finanziellen Unterstützungszuschüsse aus dem Science and Technology Research and Development Plan der China Railway Corporation (Zuschussnummer: P2018G048) und dem Graduate Student Innovation Grant Program der Shijiazhuang Tiedao University (Zuschussnummer: YC2023006).

Fakultät für Bauingenieurwesen, Shijiazhuang Tiedao University, Shijiazhuang, 050043, Hebei, China

Bing Han, Weixing Feng und Liu Liu

The 2th Engineering Company, China Railway 20th Bureau Group Co., Ltd, Xi'an, 710016, Shaanxi, China

Wei Jia & Mingjie Niu

China Railway First Survey and Design Institute Group Co., Ltd, Xi'an, 710043, Shaanxi, China

Zhe Zhang

Xi'an Chengdu Railway Passenger Dedicated Line Shaanxi Co., Ltd, Xi'an, 710045, Shaanxi, China

Yinhu Guo

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

BH schrieb den Haupttext des Manuskripts; WJ stellte die Datenunterstützung bereit; WF, LL und ZZ haben es geändert; BH und YG führten Modellsimulationen durch. BH, ZZ und MN arbeiteten bei der Erstellung der Abbildungen und Tabellen zusammen. WJ und MN haben dazu beigetragen, einige der Zahlen zu verbessern; Alle Autoren haben die Manuskripte überprüft.

Korrespondenz mit Weixing Feng.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Han, B., Jia, W., Feng, W. et al. Sicherheitsrisikobewertung des Lösstunnelbaus in einer komplexen Umgebung basierend auf einem spieltheoretischen Cloud-Modell. Sci Rep 13, 12249 (2023). https://doi.org/10.1038/s41598-023-39377-y

Zitat herunterladen

Eingegangen: 02. Dezember 2022

Angenommen: 25. Juli 2023

Veröffentlicht: 28. Juli 2023

DOI: https://doi.org/10.1038/s41598-023-39377-y

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.