Risk assessment of metro construction based on dynamic Bayesian network
-
摘要: 近年来中国地铁隧道建设发展迅速，然而地铁施工事故频繁发生。针对施工过程中风险随时间的演变，提出基于动态贝叶斯网络(DBN)和模糊综合评价法(FCEM)的地铁隧道施工动态风险评估方法，结合沉降监测数据进行地铁隧道下穿既有建筑物的风险实时动态评估。该方法通过施工环境、施工技术、施工机械、施工管理4方面共12个风险因素与施工风险间的因果关系，建立地铁隧道施工风险DBN模型，预测施工过程风险发生概率的动态变化；根据施工实测的累计沉降值和沉降变形速率反馈DBN模型，更新动态风险概率评估结果；基于FCEM评估地铁隧道施工风险损失，并计算施工动态风险值。以北京地铁14号线地铁盾构施工下穿工程为案例验证方法的合理性，结果表明该方法结合监测数据的动态风险评估结果能较好地反映实际施工过程中的突发风险事件。Abstract: Recently, tunnel construction has developed rapidly in China. However, tunnel construction accidents occur frequently. In order to reveal the risk evolution process during the construction process over time, a dynamic tunnel construction risk assessment method is proposed based on the dynamic Bayesian network (DBN) and the fuzzy comprehensive evaluation method (FCEM). The settlement monitoring data induced by underpass tunnel excavation can be used to evaluate the real-time risk of above-ground structures by employing the proposed method. Twelve risk factors are classified into construction environment, construction technology, construction machinery and construction management. The causal relationship between twelve risk factors and tunnel construction risk is considered to build the DBN model, and the model is used to predict the evolution of risk during the construction process. The monitoring data of settlement and subsidence rate are used to update the assessment results of dynamic risk probability. The tunnel construction risk is evaluated by the fuzzy comprehensive evaluation method and the construction dynamic risk is calculated by the definition of risk. The reasonability of the proposed method is verified through the case of shield construction project of Beijing Metro Line 14. The results show that the proposed method can reflect the unexpected risk events in the actual construction process.
-
0. 引言
管片错台作为盾构隧道施工期的常见现象，极易引发管片开裂、拼装困难、隧道漏水、盾尾刷挤压破损等种种结构病害[1-3]，常常给盾构隧道施工和运维带来极大困难。造成盾构隧道管片错台的因素很多，如管片制造误差过大、拼装不当、壁后注浆上浮、异常渗漏及盾构姿态失控等[1, 4-5]。当不考虑施工不当等人为因素时，施工期注浆上浮导致的管片错台无疑是难以避免且最值得关注的重要施工问题。因此，探明施工期管片上浮规律、明确各因素的影响程度并加以有效控制是避免管片错台的关键。
以往研究表明，施工期管片上浮通常是众多因素综合作用产生的。梁禹等[6]基于长沙市南湖路湘江公路隧道工程，通过计算管片上浮参数的敏感性，得出地质条件、浆液质量、螺栓剪力、千斤顶参与分力等对上浮的影响，并总结了管片上浮量计算公式。舒瑶等[7]针对南宁地铁复合地层盾构施工期管片上浮问题，开展现场测试研究了不同地层区段中同步注浆压力、注浆配比及实际出差渣量等施工因素对管片上浮的影响。季昌等[8]基于宁波地铁隧道，结合现场试验分析了掘进速度、总推力竖向分力、同步注浆压力及同步注浆浆液配比等不同单一因素对隧道管片上浮的影响规律。更有其他学者朱令等[9]、艾国平等[10]、李强等[11]，对注浆压力、土层反力系数、浆液凝固时间、盾构机姿态及注浆厚度等因素对隧道管片上浮影响进行了探讨。但是，目前的研究主要集中于单一因素或两三个因素分析，影响因素考虑时并不全面；且研究大多集中在因素量与上浮量的数量关系上，并未探明各因素引起管片上浮的根本原因。
此外，目前的研究主要聚焦于管片上浮现象，较少有关于上浮时管片错台规律的研究。在研究手段上主要采用现场试验测试管片错台量，如李明宇等[12]依托济南黄河隧道，对隧道部分区段隧道管片拱顶、拱底位置进行了错台监测分析。但是由于监测断面较为有限，难免管中窥豹、难以全面反映管片上浮错台的规律。
有鉴于此，本文首先建立了管片施工期上浮错台计算模型，分析各个因素影响下的环缝上浮错台量的变化规律，在此基础上，结合国内某超大直径水下隧道开展的现场上浮监测，分析验证了各因素对管片上浮错台影响、明确了各因素间的相关关系，可为类似盾构隧道的设计与施工提供参考。
1. 盾构隧道施工期上浮受力分析
1.1 盾构隧道施工期上浮影响因素分析
为了较为全面地分析盾构隧道施工期上浮错台现象，首先讨论管片施工期上浮的影响因素与关键控制参数，具体分析如表 1所示。
表 1 上浮影响因素Table 1. Influence factors for tunnel uplifting影响因素 影响特征 地层条件 地层约束管片上浮时的位移 地层条件影响浆液的分布 隧道断面 管片所受浮力与隧道直径呈正相关 隧道断面连接形式、分块形式影响错台发展 隧道埋深 隧道地层环境与埋深相关，一般埋深越大地层条件相对较好 埋深增大上覆荷载、水压、顶推力均发生变化，对从上浮错台造成影响 盾构推力 盾构掘进顶推力直接影响施工期管片环间轴力，直接控制错台大小 管片顶推侧的上下非对称的推力还将导致管片环受到额外的弯矩，导致隧道局部错台增大 浆液性质 浆液密度越大，浮力越大 浆液凝固时间差异导致管片上浮环境变化 浆液凝固后属性导致管片约束差异 掘进速度 掘进速度影响盾构“上浮悬臂效应”范围 掘进速度参数与盾构顶推力（管片轴力）相关，影响管片受力错台 盾尾间隙 盾尾间隙大小可能改变注浆量大小从而影响浆液凝固时间 间隙大小将影响管片上浮时的约束 内部压重 内部压重影响管片受力，阻碍管片上浮过程 注浆质量 浆液不完全包裹管片，局部空腔等会导致上浮错台产生更多不可控变化 内部压重及注浆质量因素受施工时的人为因素影响，本文不作讨论。综合上浮错台影响因素分析，本文将以隧道直径、围岩条件、覆土厚度（埋深）、浆液凝固时间、浆液密度、掘进速度及管片壁后间隙等因素作为研究对象。建立上浮错台计算模型，分析各因素对管片上浮错台的相关性。
1.2 盾构隧道施工期上浮受力模型的建立
采用纵向梁-弹簧模型分析施工期隧道因壁后注浆的受力状态，如图 1（a）所示，根据衬砌所处环境的差异将模型分为3个部分。其中l0段为衬砌位于盾构机内未脱出部分的盾构段，l0段长4 m（约为2环衬砌宽度）；l1段为壁后注浆浆液未凝固时的流体段，长度由施工参数掘进速度v以及浆液凝固时间t控制；l2段为浆液凝固后的成型段，建模时为保证足够反映后续隧道衬砌的受力变化，l2段长度取50 m。
![]()
图 1 盾构隧道施工期上浮受力模型Figure 1. Analysis model for segment ring uplifting during shield tunnelling模型中隧道视作截面为圆环的均质梁，梁的刚度采用日本学者川岛一彦与志波由纪夫提出的等效轴向刚度模型进行折减[13]，取为0.2。在梁的水平方向对成型段末尾约束X方向的位移；竖直方向施加地层弹簧约束。对于盾构段l0，衬砌不直接与地层接触，考虑盾构机的约束作用，根据有关研究[14]，将此部分弹簧刚度设置为5 MPa/m。
对于l2段成型段，隧道外部为成型的注浆层以及注浆层外的地层，如图 2所示。此时等效地层刚度取值受注浆层与围岩的共同影响，舒瑶等[15]研究表明，等效地层刚度K1为
K1=(−1Dc+2Htanθ+1Dc)/[1Kb(−1Dc+2Hbtanθ+1Dc)+1Kg(−1Dc+2Hgtanθ+1Dc+2Hbtanθ)]。 (1) 式中：Dc为管片形心线直径；K1为等效地层刚度；Kb为壁后注浆的刚度；Kg为靠近壁后注浆层的地层刚度；H为影响范围（一般取3倍洞径，当上覆土体小于3倍洞径时取覆土厚度）；Hb为壁后注浆圈厚度；Hg为从影响范围中减去壁后注浆层厚度后的厚度；θ为荷载的分布宽度（取为30°）。
在l1段流体段中，隧道衬砌周围环境为未凝固成型的浆液，根据注浆材料试验[16]，隧道壁后注浆体物理性质的增长可近似采用指数函数表示。模型中l1段地层弹簧刚度根据注浆体的弹性模量增长曲线按式（2）确定，切向弹簧刚度按径向弹簧的25%取值。
K2=K1(1−e−at)。 (2) 式中：K2为径向地层弹簧刚度；a为常数；t为浆液凝固时间。假设浆液凝固时（时间点t′）的等效地层弹簧刚度为最终值的99%，求得at′=4.6。
根据模型实际受力状况，在施工期中盾构隧道管片衬砌受到的荷载包括油脂浮力、结构自重、内部压重、浆液浮力、水浮力、盾构顶推力以及盾构顶推弯矩等7项，受力如图 1（b）所示。盾构段l0受到油脂浮力、结构自重及设备荷载作用；流体段l1受到浆液浮力结构自重及设备荷载作用；成型段仅受到水浮力影响。（其中设备荷载载荷值设为30 kPa/m2）。盾构顶推力与顶推弯矩施加在模型盾构段左侧。
1.3 盾构隧道施工期上浮影响因素与工况设计
为探明各因素对于管片上浮错台的影响程度，设置计算工况共计25组。其中，以工况3为对照工况，分别就各单一因素对照分析，工况如表 2所示。
表 2 盾构隧道施工期上浮计算工况表Table 2. Calculation cases of segment ring uplifting during shield tunnelling工况编号 隧道直径/m 衬砌厚度/cm 混凝土参数 地层类型 浆液密度/(kg·m-³) 浆液凝固时间t’/h 埋深/m 掘进速度v/(h·m-1) 管片壁后间隙/cm 浆液凝固后刚度/(MPa·m-1) 1 6.2 35 C50 粉质黏土 1800 12 20 2 15 15 2 10.8 50 C50 粉质黏土 1800 12 20 2 15 15 3 14.5 60 C60 粉质黏土 1800 12 20 2 15 15 4 15.2 65 C60 粉质黏土 1800 12 20 2 15 15 5 14.5 60 C60 板岩 1800 12 20 2 15 15 6 14.5 60 C60 泥岩 1800 12 20 2 15 15 7 14.5 60 C60 卵石土 1800 12 20 2 15 15 8 14.5 60 C60 砾砂 1800 12 20 2 15 15 9 14.5 60 C60 中砂 1800 12 20 2 15 15 10 14.5 60 C60 粉质黏土 1600 12 20 2 15 15 11 14.5 60 C60 粉质黏土 2000 12 20 2 15 15 12 14.5 60 C60 粉质黏土 1800 8 20 2 15 15 13 14.5 60 C60 粉质黏土 1800 10 20 2 15 15 14 14.5 60 C60 粉质黏土 1800 14 20 2 15 15 15 14.5 60 C60 粉质黏土 1800 16 20 2 15 15 16 14.5 60 C60 粉质黏土 1800 12 10 2 15 15 17 14.5 60 C60 粉质黏土 1800 12 30 2 15 15 18 14.5 60 C60 粉质黏土 1800 12 40 2 15 15 19 14.5 60 C60 粉质黏土 1800 12 50 2 15 15 20 14.5 60 C60 粉质黏土 1800 12 20 3 15 15 21 14.5 60 C60 粉质黏土 1800 12 20 4 15 15 22 14.5 60 C60 粉质黏土 1800 12 20 2 10 15 23 14.5 60 C60 粉质黏土 1800 12 20 2 20 15 24 14.5 60 C60 粉质黏土 1800 12 20 2 15 10 25 14.5 60 C60 粉质黏土 1800 12 20 2 15 20 注：表 2中各地层及材料参数可见表 3所示。 表 3 相关材料物理力学参数表Table 3. Physical and mechanical parameters of related materials材料名称 密度/(kg·m-³) 泊松比ν 垂直基床系数/(MPa·m-1) 粉质黏土 1950 0.35 10 板岩 2500 0.21 180 泥岩 2470 0.29 65 卵石土 2100 0.23 35 砾砂 1940 0.40 15 中砂 1910 0.40 8 C50混凝土 2500 0.20 — C60混凝土 2600 0.20 — 其中，工况1~4变量为隧道直径，分别选取直径6.2，10.8，14.5，15.2 m隧道计算；工况5~9变量为地层条件，地层类型包括粉质黏土、板岩、泥岩、卵石土、砾砂和中砂，具体地层参数可见表 2所示；工况10~11变量为浆液密度；工况12~16变量为浆液凝固时间；工况16~19变量为隧道埋深；工况20~21变量为盾构掘进速度；工况22~23变量为管片壁后间隙量；工况24~25变量为浆液凝固后刚度。模型中等效地层弹簧的刚度由式（1）计算。
2. 施工期管片上浮规律与错台计算条件
2.1 管片上浮受力分析
根据盾构隧道施工期管片受力计算结果，对管片所受剪力分析可知：盾构段l0、流体段l1及成型段l2前部受到正向剪力的作用，管片环间有上浮错动的趋势，成型段后端剪力逐渐变为负向，管片环呈沉降趋势。对于管片纵向轴力，隧道整体受到轴向压力作用，轴力变化趋势为从盾构段开始逐渐减小。对于纵向弯矩，隧道3个区段均受到负弯矩作用，结构上部有张开趋势，下部趋于闭合。
根据肖明清等[14]研究结果，管片发生上浮错台大致可分为上错台段、过渡段、下错台段及平稳段。对于施工来说，最大风险点即上浮期错台最大时刻，此时环间错动达到峰值，最容易引起次生危害。鉴于此，本文计算提取上浮阶段（即流体段l1）做重点分析，将流体段提出后，提取上节纵向梁-弹簧模型受力计算结果作为管片错台计算的边界荷载条件。
2.2 管片环间错台的计算条件与模型
1.3节工况设置中，对隧道直径为6.2，10.8，14.5，15.2 m工况选取4个典型工程进行建模。直径6.2 m参考武汉地铁二号线设计；直径10.8 m参考狮子洋隧道工程设计；直径14.5 m参考南京和燕路过江通道设计；直径15.2 m参考济南黄河隧道设计，设计参数可见表 4。具体管片断面情况如图 3所示。
表 4 相关盾构隧道设计参数表Table 4. Relevant design parameters for shield tunnel外直径/m 混凝土 管片厚度/m 管片环间连接 螺栓数量 6.2 C50 0.35 8.8级M27螺栓 10 10.8 C50 0.50 8.8级M30螺栓 22 14.5 C60 0.60 8.8级M30螺栓+凹凸榫 56 15.2 C60 0.65 8.8级M30螺栓+凹凸榫 28 计算模型采用大型有限元软件ABAQUS建立，对盾构隧道施工中管片从盾尾脱出后的关键管片环进行典型工况下的环缝错台量计算，计算模型如图 4所示。
管片环模型由前后2个半环中夹3个整环组成，纵向采用螺栓进行连接，计算不考虑环缝凹凸榫影响。管片左右两半环分别为施力环和约束环，模拟管片结构在施工过程中的受力、约束和边界条件。计算模型的管片环间设置摩擦接触。采用莫尔-库仑模型作为摩擦本构，摩擦因子为0.6。为模拟地层抗力，在管片环周围建有土层。土体与结构间法向传递接触力，模拟弹性地基梁的作用。切向考虑管片与土层间的摩擦作用，摩擦因子取0.25。
模型荷载施加方式可见图 4。管片环受到邻近环边界荷载条件，以及结构自重、设备荷载和浆液浮力。
3. 施工期管片上浮错台规律分析
采用管片错台量计算模型分析各工况管片环上浮错台情况，提取模型最大上浮量，以及发生最大错台的管片环拱顶与拱底处的错台量，如图 5所示。
![]()
图 5 管片上浮-错台计算结果Figure 5. Calculated results for uplifting and dislocation of segments3.1 隧道直径对管片上浮错台的影响
考虑国内已有隧道中隧道直径范围在6~15 m，选取管片外直径为6.2，10.8，14.5，15.2 m的典型隧道工程计算（对应表 1中工况1~工况4）。上浮错台结果如图 6所示。
![]()
图 6 隧道直径对上浮错台量影响Figure 6. Relationship between tunnel diameter and amount of uplifting dislocation总的来看，各工况管片上浮量随着直径的增大而减小。从结构力学分析，结构位移量与荷载呈正比与抗弯刚度EI呈反比（计算中结构长度l为常量）。在此引入上浮力与抗弯刚度比值K3的概念：
K3=上浮力抗弯刚度， (3) 式中，上浮力=壁后注浆浆液浮力-管片自重-设备配重。
此比值可表示管片受上浮力影响下的位移大小。从图 6（a）中可知，随隧道直径增大，K3的值越小，管片上浮量越小。管片直径增大时所受的上浮力以及抗弯刚度均会增加，但刚度增大幅度更大，管片更难发生上浮位移。
对于管片错台量分析可知，隧道直径与错台量无直接联系。引入上浮力与螺栓面积比值的概念，以此比值来衡量管片纵向连接强弱大小。从图 6（b）可知，纵向连接强度越大，管片环间产生的错台越小。同时隧道直径与纵向连接强度无关仅与设计方案有关，所以管片错台量的大小与隧道直径没有直接关联。
3.2 地层条件对管片上浮错台的影响
对于地层条件的影响进行分析，选取6种工程中常见地层条件进行对比分析（对应表 1中工况3与工况5~9）。
如图 7所示，随着隧道地层条件变好（地层弹簧刚度提升），上浮量与错台量同步减小，且变化幅度较大。隧道整体上浮错台与地层刚度大体呈对数曲线变化，即地层刚度较小时管片上浮量变化更为显著；当地层刚度提升至一定量值后，再增大地层刚度对于管片上浮错台的影响不明显。
![]()
图 7 地层条件与上浮错台量关系Figure 7. Relationship between stratum conditions and amount of uplifting dislocation从隧道整体受力来看，管片周围地层刚度变大会使管片所受纵向弯矩减小，这是周围地层约束作用增强的结果，外荷载作用下可以提供更大的约束反力，同样更强的地层约束也将使管片上浮错台同步减小。
3.3 隧道埋深对管片上浮错台的影响
以埋深为单一变量，分别分析隧道埋深10，20，30，40，50 m工况（对应表 1中工况3与工况16~19）的计算结果。
从图 8可见，随隧道埋深增大管片上浮错台呈线性减小趋势。分析可知，隧道埋深对管片环所受剪力、弯矩影响较小，且对于管片所受纵向主动荷载（浆液浮力等）不产生影响，但对于管片环间轴力影响较大，埋深越大则纵向轴力越大，也将提升管片纵向接头的抗剪能力，使管片环间错台得到控制。因此，管片上浮量与环间错台量随之减小。
![]()
图 8 隧道埋深与上浮错台量关系Figure 8. Relationship between buried depth of tunnel and amount of uplifting dislocations此外，埋深增大还将使周围地层约束变强，使隧道整体上浮得到控制。因此，在其他条件不变的情况下，隧道埋深越大管片上浮错台越小。
3.4 浆液物理属性对管片上浮错台的影响
同步注浆浆液属性主要从浆液密度及浆液凝固后刚度两个方面进行分析。
首先，对于浆液密度，考虑浆液密度分别为1600，1800，2000 kg/m³对管片上浮错台量的影响。如图 9（a）所示，随着同步注浆浆液密度增大，管片上浮量与错台均有所提升。浆液密度提高将加剧管片上浮错台趋势，浆液密度与管片上浮错台量的呈近似线性关系。
![]()
图 9 浆液物理属性与上浮错台量关系Figure 9. Relationship between physical property of grouts and amount of uplifting dislocation显然，根据浮力计算公式，浆液密度的增大直接使管片所受浆液浮力等比增大，但是受浆液自身性质的影响，壁后注浆浆液密度的变化范围较小，即采用不同浆液，密度变化不会有太大差异。从这个角度来看，在实际施工时，由于浆液密度改变导致的上浮错台变化是不大的。
另外，在同步注浆浆液凝固后刚度方面，设置浆液凝固后刚度值为10，15，20 kN/m的工况进行分析（工况3与工况24~25）。如图 9（b）所示，浆液凝固后刚度越大，管片上浮错台量越小，但影响较小。从计算模型看来，同步注浆浆液凝固后刚度主要影响管片周围围岩的等效地层刚度，其作用效果与地层条件的改变类似。但是，根据等效地层刚度计算模型（图 2）分析，注浆体由于所占厚度较小，对等效地层刚度的影响有限，只有当周围地层刚度较小、埋深较浅时此因素的影响才会凸显。
3.5 浆液凝固时间与掘进速度对管片上浮错台的影响
从1.3节受力模型计算结果来看，浆液凝固时间与掘进速度本质是影响流体段l1的长度，即l1=t′/V。如工况12与工况20，l1的长度同为4 m，此时管片结构受力相同，上浮量与错台均相同。
对比表 1中工况3、工况12~15及工况20~21，流体段长度越长，管片上浮量越大、错台量也越大，对应流体长度与上浮错台关系可见图 10所示。总的来说，掘进速度越快，浆液凝固时间越长，管片上浮量越大，错台量越大。
![]()
图 10 流体段长度与上浮错台量关系Figure 10. Relationship between length of fluid section and amount of uplifting dislocation3.6 管片壁后间隙对管片上浮错台的影响
本文所采用的纵向梁-弹簧模型，壁后间隙大小仅涉及等效地层刚度的计算，对于管片受力的影响较小。但在管片环错台量计算模型中，壁后间隙将直接影响管片周围的约束环境。因此，流体段地层周围刚度较小，壁后间隙范围大则更利于管片上浮错台的发展，如图 11所示。随管片壁后间隙的增大，管片上浮错台量有明显增大的趋势。
![]()
图 11 管片壁后间隙与上浮错台量关系Figure 11. Relationship between shield tail clearance and amount of uplifting dislocation4. 施工期上浮量实测分析
为进一步验证工程中管片上浮错台的规律，依托国内某超大直径水下隧道开展了施工期上浮现场测试，分析工程区段中掘进速度与隧道埋深两参数对管片上浮错台的影响。依托工程隧道管片内径13.3 m，外径14.5 m，管片厚0.6 m，纵向采用56根斜螺栓连接，并配备有分布式凹凸榫加强环间连接。隧道洞身穿越粉质黏土、粉细砂及风化砂砾岩等地层。
4.1 掘进速度影响的实测分析
隧道掘进至60环左右时，盾构自始发井始发后掘进逐渐稳定，掘进速度开始提升，第55环埋深约10.4 m掘进至85环掘进速度大致稳定，此时隧道埋深12.1 m。此区段埋深等其他施工因素影响较小，施工期上浮主要变量可视为掘进速度变化。区段上浮量与掘进速度变化情况如图 12所示。
随着63环开始掘进速度从15 mm/min提升至30 mm/min左右，管片上浮量显著提升从30 mm提升至62 mm。随着65~80环掘进速度的逐步调整，上浮量与掘进速度呈现正相关关系，掘进速度提高将导致上浮量的增加。与3.5节中得到掘进速度越大使流体段增长最终导致上浮量增大的规律相同。
4.2 隧道埋深影响的实测分析
取隧道区间155~255环，此区段开挖时掘进速度较为平稳，隧道穿越地层为粉细砂地层，且隧道埋深大体上随着里程的增大而增大，隧道区间纵断面如下图 13（a）所示。
隧道施工时155~255环的上浮量与掘进速度关系如图 13（b）所示，监测区间掘进速度稳定在25 mm/min，此时隧道随着埋深增大，管片上浮量减小。可以看出，在地层环境不变的条件下，埋深增大使管片周围地层约束增强，导致管片上浮量减小。
值得一提的是，实际工程中管片上浮由于各因素影响而处于波动状态。其中，隧道下穿江堤位置，隧道埋深增大较快，上浮量出现反向提升，这是由于施工环境变化导致施工参数的改变引起管片上浮波动，如：水压增大、盾构顶推力增大、注浆压力与注浆量提高等，实际工程中可依据具体参数进行估计与判断。
5. 讨论
管片环间错台现象作为盾构隧道施工中常见的问题，错台量过大不但会导致管片开裂、掉角，还会对接缝防水及耐久性产生威害，严重影响盾构隧道的安全性。现有研究中尚无管片上浮错台量的计算方法，导致目前接缝防水的控制标准常常依据规范按照“张开8 mm，错台15 mm”进行校核。然而，对于埋深较大、隧道掘进速度高、管片壁后间隙大，或同步注浆浆液凝结慢、刚度较小等情况，可能导致错台量的估算偏于不安全，从而影响接缝防水设计。
因此，本文针对不同因素进行探讨。管片直径的变化对错台影响较小，更多的是受到纵向连接刚度的控制；地层刚度影响较大，地层刚度越大错台越小；隧道埋深对管片错台的影响显著，埋深越大管片纵向越难发生错台；浆液性质对错台的影响较小，增大浆液密度以及减弱浆液凝固后刚度会少量增大管片错台；盾尾间隙增大将更易产生管片错台。
对于本文仅考虑螺栓连接的错台计算，仅在隧道处于地层条件较好的工况以及埋深较大的工况管片纵向最大错台量才将小于“张8错15”的错台界限。这就说明，隧道工程设计中采用凹凸榫、剪力销等增强纵向连接的措施，对于减小管片错台十分必要。
6. 结论
本文通过参数化建模分析与现场测试验证，分析了盾构隧道施工期不同因素影响下管片上浮错台的变化规律，探明了施工期各因素对盾构隧道管片上浮错台的影响，得出以下5点结论。
（1）地层条件（地层刚度）减弱、浆液密度增大、浆液凝固时间增长、隧道埋深减小、隧道掘进速度提高、管片壁后间隙增大及同步注浆浆液凝固后刚度减小将使盾构隧道施工期管片上浮错台现象加剧。
（2）隧道直径的增大会加剧盾构隧道管片上浮，但是与错台量的关系较小，错台的发展与环间连接方式有着较强的关联。
（3）管片纵缝间错台伴随着管片上浮同步发展，当上浮达一定程度时，管片环间接触摩擦与环间螺栓将起到抗剪作用，控制错台的发展。
（4）综合多因素分析，加强地层约束（地层环境、隧道埋深和盾尾间隙）是减小盾构隧道管片上浮错台的关键。其中盾尾间隙对管片错台影响最大，盾尾间隙从10 cm增至20 cm，最大错台提升21.5%。
（5）采用本文方法计算错台量可对管片纵向防水设计给出参考。同时对于埋深较小地层薄弱的隧道而言可能发生的错台较大，应加强纵向连接控制错台。
-
![]()
图 3 盾构下穿建筑物诱发建筑物破坏的风险因素
Figure 3. Risk factors of buildings induced by underpass tunnel
![]()
图 4 盾构下穿建筑物诱发建筑物破坏的动态贝叶斯网络模型
Figure 4. DBN model for buildings induced by underpass tunnel
![]()
图 8 未输入证据时盾构下穿建筑物动态风险概率
Figure 8. Dynamic risk probabilities of buildings without observation evidence
![]()
图 9 输入证据时盾构下穿建筑物动态风险概率变化曲线
Figure 9. Dynamic risk probabilities of buildings with observation evidence
![]()
图 10 盾构下穿建筑物诱发建筑物破坏的风险值
Figure 10. Risks of buildings induced by underpass tunnel excavation
表 1 风险等级划分
Table 1 Levels of probability and loss of risk
可能性等级 损失等级 1 2 3 4 5 灾难性的 非常严重的 严重的 需考虑的 可忽略的 1 频繁的 Ⅰ级 Ⅰ级 Ⅰ级 Ⅱ级 Ⅲ级 2 可能的 Ⅰ级 Ⅰ级 Ⅱ级 Ⅲ级 Ⅲ级 3 偶尔的 Ⅰ级 Ⅱ级 Ⅲ级 Ⅲ级 Ⅳ级 4 罕见的 Ⅱ级 Ⅲ级 Ⅲ级 Ⅳ级 Ⅳ级 5 不可能的 Ⅲ级 Ⅲ级 Ⅳ级 Ⅳ级 Ⅳ级 
下载: 导出CSV
表 2 专家权重说明
Table 2 Weights of experts
分类 说明 权重 人数 I 隧道施工领域知名专家 1.0 3 施工单位项目经理 高级职称的施工或监理技术人员 II 高级职称的设计或科研人员 0.9 4 中级职称的施工或监理技术人员 III 中级职称的设计或科研人员 0.8 5 初级职称的施工或监理技术人员 IV 初级职称的设计或科研人员 0.7 4
下载: 导出CSV
表 3 “施工管理X4”节点的条件概率
Table 3 Conditional probability of Construction Management X4
x41 x42 x43 X4=管理不良 X4=管理良好 N N N 0.704 0.296 G N N 0..545 0.455 N G N 0.545 0.455 G G N 0.3 0.7 N N G 0.577 0.423 G N G 0.35 0.65 N G G 0.35 0.65 G G G 0 1
下载: 导出CSV
表 4 观测变量状态
Table 4 States of observed variables
状态 沉降累计值S 变形速率V 1 S≥15 mm V≥2 mm/d 2 12.75 mm≤S＜15 mm V＜2 mm/d 3 10.5 mm≤S＜12.75 mm — 4 5 mm≤S＜10.5 mm — 5 0 mm≤S＜5 mm —
下载: 导出CSV
表 5 状态转移概率表
Table 5 Transition probabilities of DBN
t-1 t 状态1 状态2 状态3 状态4 状态5 状态1 0.83 0.1 0.04 0.02 0.01 状态2 0.12 0.75 0.08 0.03 0.02 状态3 0.05 0.1 0.7 0.1 0.05 状态4 0.02 0.03 0.13 0.7 0.12 状态5 0.02 0.03 0.05 0.1 0.8
下载: 导出CSV
表 6 4位专家对x41~x43的判断矩阵
Table 6 Judgment matrix of x41~x43 from 4 experts
A1 x41 x42 x43 A2 x41 x42 x43 x41 1 1/2 2 x41 1 1/2 2 x42 2 1 3 x42 2 1 3 x43 1/2 1/3 1 x43 1/2 1/3 1 A3 x41 x42 x43 A4 x41 x42 x43 x41 1 1/2 2 x41 1 1/2 2 x42 2 1 3 x42 2 1 3 x43 1/2 1/3 1 x43 1/2 1/3 1
下载: 导出CSV
-
[1] ESKESEN S D, TENGBORG P, KAMPMANN J, et al. Guidelines for tunnelling risk management: international tunnelling association, Working Group No. 2[J]. Tunnelling and Underground Space Technology, 2004, 19(3): 217–237. doi: 10.1016/j.tust.2004.01.001
[2] 徐琛, 刘晓丽, 王恩志, 等. 基于组合权重–理想点法的应变型岩爆五因素预测分级[J]. 岩土工程学报, 2017, 39(12): 2245–2252. doi: 10.11779/CJGE201712013 XU Chen, LIU Xiao-li, WANG En-zhi, et al. Prediction and classification of strain mode rockburst based on five-factor criterion and combined weight-ideal point method[J]. Chinese Journal of Geotechnical Engineering, 2017, 39(12): 2245–2252. (in Chinese) doi: 10.11779/CJGE201712013
[3] 田雨, 马如进, 陈艾荣, 等. 临近并行的高铁桥梁与高速公路相互影响的安全风险评估[J]. 振动与冲击, 2016, 35(21): 69–75. https://www.cnki.com.cn/Article/CJFDTOTAL-ZDCJ201621012.htm TIAN Yu, MA Ru-jin, CHEN Ai-rong, et al. Safety risk assessment for interactive influences between adjacent and parallel high-speed railway bridges and highway[J]. Journal of Vibration and Shock, 2016, 35(21): 69–75. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZDCJ201621012.htm
[4] 王者超, 陆宝麒, 李术才, 等. 地下水封石油洞库施工期安全风险评估研究[J]. 岩土工程学报, 2015, 37(6): 1057–1067. https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC201506015.htm WANG Zhe-chao, LU Bao-qi, LI Shu-cai, et al. Risk assessment for an underground crude oil storage facility with water-curtaining system during construction phase[J]. Chinese Journal of Geotechnical Engineering, 2015, 37(6): 1057–1067. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC201506015.htm
[5] HYUN K C, MIN S, CHOI H, et al. Risk analysis using fault-tree analysis (FTA) and analytic hierarchy process (AHP) applicable to shield TBM tunnels[J]. Tunnelling and Underground Space Technology, 2015, 49: 121–129. doi: 10.1016/j.tust.2015.04.007
[6] ŠPAČKOVÁ O, NOVOTNÁ E, ŠEJNOHA M, et al. Probabilistic models for tunnel construction risk assessment[J]. Advances in Engineering Software, 2013, 62: 72–84.
[7] 蒋水华, 杨建华, 姚池, 等. 考虑土体参数空间变异性边坡失稳风险定量评估[J]. 工程力学, 2018, 35(1): 136–147. https://www.cnki.com.cn/Article/CJFDTOTAL-GCLX201801012.htm JIANG Shui-hua, YANG Jian-hua, YAO Chi, et al. Quantitative risk assessment of slop failure considering spatial variability of soil properties[J]. Engineering Mechanics, 2018, 35(1): 136–147. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GCLX201801012.htm
[8] LI F W, PHOON K K, DU X L, et al. Improved AHP method and its application in risk identification[J]. Journal of Construction Engineering and Management, 2013, 139(3): 312–320. doi: 10.1061/(ASCE)CO.1943-7862.0000605
[9] 钟国强, 王浩, 孔利, 等. 基于T-S模糊故障树的地连墙+支撑支护基坑坍塌可能性评价[J]. 岩土力学, 2019, 40(4): 1569–1576. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201904040.htm ZHONG Guo-qiang, WANG Hao, KONG Li, et al. Evaluation of the possibility of foundation pit collapse with "diaphragm wall+support" based on T-S fuzzy fault tree[J]. Rock and Soil Mechanics, 2019, 40(4): 1569–1576. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201904040.htm
[10] 戢晓峰, 谢世坤, 覃文文, 等. 基于轨迹数据的山区危险性弯道路段交通事故风险动态预测[J]. 中国公路学报, 2020, 33: 1–15. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL202204023.htm JI Xiao-feng, XIE Shi-kun, QIN Wen-wen, et al. Dynamic prediction of traffic accident risk in risky curve sections based on vehicle trajectory data[J]. China Journal of Highway and Transport, 2020, 33: 1–15. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL202204023.htm
[11] 吕楠, 赵敬源. 基于贝叶斯概率理论的物流园区选址优化研究[J]. 中国公路学报, 2020, 33(9): 251–260. doi: 10.3969/j.issn.1001-7372.2020.09.024 LÜ Nan, ZHAO Jing-yuan. Location optimization of logistics park based on Bayesian probability theory[J]. China Journal of Highway and Transport, 2020, 33(9): 251–260. (in Chinese) doi: 10.3969/j.issn.1001-7372.2020.09.024
[12] WU X G, JIANG Z, ZHANG L M, et al. Dynamic risk analysis for adjacent buildings in tunneling environments: a Bayesian network based approach[J]. Stochastic Environmental Research and Risk Assessment, 2015, 29(5): 1447–1461. doi: 10.1007/s00477-015-1045-1
[13] WANG Z Z, CHEN C. Fuzzy comprehensive Bayesian network- based safety risk assessment for metro construction projects[J]. Tunnelling and Underground Space Technology, 2017, 70: 330–342. doi: 10.1016/j.tust.2017.09.012
[14] XIANG W, ZHOU W. Bayesian network model for predicting probability of third-party damage to underground pipelines and learning model parameters from incomplete datasets[J]. Reliability Engineering & System Safety, 2021, 205: 107262.
[15] 周宗青, 李术才, 李利平, 等. 浅埋隧道塌方地质灾害成因及风险控制[J]. 岩土力学. 2013, 34(5): 1375–1382. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201305022.htm ZHOU Zong-qing, LI Shu-cai, LI Li-ping, et al. Causes of geological hazards and risk control of collapse in shallow tunnels[J]. Rock and Soil Mechanics, 2013, 34(5): 1375–1382. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201305022.htm
[16] WANG N, XU C S, DU X L, et al. Probability risk assessment approach for sequential, prior and trigger- dependent multi-state systems based on DBNs[J]. Journal of Intelligent and Fuzzy Systems, 2018, 35(2): 2091–2103. doi: 10.3233/JIFS-172063
[17] SOUSA R L, EINSTEIN H H. Risk analysis during tunnel construction using Bayesian networks: Porto metro case study[J]. Tunnelling and Underground Space Technology, 2012, 27(1): 86–100. doi: 10.1016/j.tust.2011.07.003
[18] ŠPAČKOVÁ O, STRAUB D. Dynamic Bayesian network for probabilistic modeling of tunnel excavation processes[J]. Computer-Aided Civil and Infrastructure Engineering, 2013, 28(1): 1–21. doi: 10.1111/j.1467-8667.2012.00759.x
[19] 熊自明, 卢浩, 王明洋, 等. 中国大型岩土工程施工安全风险管理研究进展[J]. 岩土力学, 2018, 39(10): 3703–3716. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201810028.htm XIONG Zi-ming, LU Hao, WANG Ming-yang, et al. Research progress on safety risk management for large scale geotechnical engineering construction in China[J]. Rock and Soil Mechanics, 2018, 39(10): 3703–3716. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201810028.htm
[20] 周健, 柴嘉辉, 丁修恒, 等. 盾构隧道施工预测与动态调控方法研究[J]. 岩土工程学报, 2019, 41(5): 821–828. https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC201905005.htm ZHOU Jian, CHAI Jia-hui, DING Xiu-heng, et al. Construction prediction and dynamic control of shield tunnel[J]. Chinese Journal of Geotechnical Engineering, 2019, 41(5): 821–828. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC201905005.htm
[21] 李立云, 董莹莹. 一种地下开挖卸载作用下毗邻建筑物安全评估方法[J]. 土木工程与管理学报. 2017, 34(6): 23–28. https://www.cnki.com.cn/Article/CJFDTOTAL-WHCJ201706004.htm LI Li-yun, DONG Ying-ying. Method of safety assessment for adjacent building under unloading of underground excavation[J]. Journal of Civil Engineering and Management, 2017, 34(6): 23–28. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-WHCJ201706004.htm
[22] 苏洁, 张顶立, 周正宇, 等. 地铁隧道穿越既有桥梁安全风险评估及控制[J]. 岩石力学与工程学报, 2015, 34(增刊1): 3188–3195. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX2015S1073.htm SU Jie, ZHANG Ding-li, ZHOU Zheng-yu, et al. Safety risk assessment and control of existing bridge crossed by tunnel construction[J]. Chinese Journal of Rock Mechanics and Engineering, 2015, 34(S1): 3188–3195. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX2015S1073.htm
[23] WU X G, WANG Y H, ZHANG L M, et al. A dynamic decision approach for risk analysis in complex projects[J]. Journal of Intelligent & Robotic Systems, 2015, 79(3/4): 591–601.
[24] WEBER P, MEDINA-OLIVA G, SIMON C, et al. Overview on Bayesian networks applications for dependability, risk analysis and maintenance areas[J]. Engineering Applications of Artificial Intelligence, 2012, 25(4): 671–682.
[25] XIANG W, ZHOU W X. Integrated pipeline corrosion growth modeling and reliability analysis using dynamic Bayesian network and parameter learning technique[J]. Structure and Infrastructure Engineering, 2020, 16(8): 1161–1176.
[26] FENG X, JIANG J, WANG W. Gas pipeline failure evaluation method based on a Noisy-or gate Bayesian network[J]. Journal of Loss Prevention in the Process Industries, 2020, 66: 104175.
[27] ZAGORECKI A, DRUZDZEL M J. An empirical study of probability elicitation under Noisy-or assumption[C]// American Association for Artificial Intelligence Flairs Conference, 2004, Florida.
[28] ZAGORECKI A, DRUZDZEL M J. Knowledge engineering for Bayesian networks: how common are Noisy-max distributions in practice[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2013, 43(1): 186–195.
[29] 郭健, 钱劲斗, 陈健, 等. 地铁车站深基坑施工风险识别与评价[J]. 土木工程与管理学报. 2017, 34(5): 32–38. https://www.cnki.com.cn/Article/CJFDTOTAL-WHCJ201705007.htm GUO Jian, QIAN Jin-dou, CHEN Jian, et al. Risk identification and evaluation for foundation pit construction of subway station[J]. Journal of Civil Engineering and Management, 2017, 34(5): 32–38. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-WHCJ201705007.htm
[30] RITTER S, GIARDINA G, DEJONG M J, et al. Centrifuge modelling of building response to tunnel excavation[J]. International Journal of Physical Modelling in Geotechnics, 2018, 18(3): 146–161.
[31] 陈洁金, 张永杰. 下穿既有桥梁隧道施工风险定量评估方法[J]. 中南大学学报(自然科学版). 2015, 46(5): 1862–1868. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNGD201505039.htm CHEN Jie-jin, ZHANG Yong-jie. Quantitative Risk assessment model of tunnel construction under passing existing bridges[J]. Journal of Central South University (Science and Technology), 2015, 46(5): 1862–1868. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZNGD201505039.htm
[32] 张连文, 郭海鹏. 贝叶斯网引论[M]. 北京: 科学出版社, 2006. ZHANG Lian-wen, GUO Hai-peng. Introduction to Bayesian Networks[M]. Beijing: Science Press, 2006. (in Chinese)
[33] 陈龙. 城市软土盾构隧道施工期风险分析与评估研究[D]. 上海: 同济大学, 2004. CHEN Long. Risk Analysis and Assessment of Shield Tunnel in Soft Soil During construction[D]. Shanghai: Tongji University, 2004. (in Chinese)
[34] 丁保军. 基于BN的地铁施工及盾构刀盘失效风险研究[D]. 武汉: 华中科技大学, 2015. DING Bao-jun. Study on the Risk Management of Subway Construction and Shield Cutter Head Failure Based on Bayesian Network[D]. Wuhan: Huazhong University of Science and Technology, 2015. (in Chinese)
[35] 丁保军, 吴贤国, 张立茂, 等. 基于DBN的盾构隧道施工参数优化方法研究[J]. 岩石力学与工程学报, 2015, 34(增刊1): 3215–3222. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX2015S1076.htm DING Bao-jun, WU Xian-guo, ZHANG Li-mao, et al. Optimization of shield tunneling parameters based on dynamic Bayesian networks[J]. Chinese Journal of Rock Mechanics and Engineering, 2015, 34(S1): 3215–3222. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX2015S1076.htm
[36] 陈军, 兀亚伟, 李垣志, 等. 基于动态贝叶斯网络的燃气管网燃爆风险分析[J]. 北京理工大学学报, 2021, 41(7): 696–705. https://www.cnki.com.cn/Article/CJFDTOTAL-BJLG202107003.htm CHEN Jun, WU Ya-wei, LI Yuan-zhi, et al. Risk analysis of burning and explosion of gas pipeline network based on dynamic Bayesian network[J]. Transactions of Beijing Institute of Technology, 2021, 41(7): 696–705. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-BJLG202107003.htm
[37] WU X G, LIU H T, ZHANG L M, et al. A dynamic Bayesian network based approach to safety decision support in tunnel construction[J]. Reliability Engineering & System Safety, 2015, 134: 157–168.
[38] 蒋光昱, 王忠静, 索滢. 西北典型节水灌溉技术综合性能的层次分析与模糊综合评价[J]. 清华大学学报(自然科学版), 2019, 59(12): 981–989. https://www.cnki.com.cn/Article/CJFDTOTAL-QHXB201912004.htm JIANG Guang-yu, WANG Zhong-jing, SUO Ying. Hierarchical analysis and fuzzy evaluation of comprehensive performance of typical water-saving irrigation techniques in northwest China[J]. Journal of Tsinghua University (Science and Technology), 2019, 59(12): 981–989. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QHXB201912004.htm
[39] ZHOU H B, ZHANG H. Risk assessment methodology for a deep foundation pit construction project in Shanghai, China[J]. Journal of Construction Engineering and Management, 2011, 137(12): 1185–1194.
计量
- 文章访问数: 499
- HTML全文浏览量: 127
- PDF下载量: 368
