歐智勇，傅鶴林，黃震，張福權(quán)，趙濤濤

淺埋暗挖隧道施工風險綜合評價方法

歐智勇1，傅鶴林2，黃震2，張福權(quán)1，趙濤濤1

(1. 中鐵隧道局集團三處有限公司，廣東 廣州 511400；2. 中南大學 土木工程學院，湖南 長沙 410075)

淺埋暗挖隧道工程施工具有許多不確定性風險因素，需要對風險事件進行安全等級確定和風險優(yōu)先排序。采用模糊邏輯與失效模式影響分析、故障樹分析和層次分析法-數(shù)據(jù)包絡分析相結(jié)合的方法，提出淺埋暗挖隧道工程施工風險綜合評價新方法，可為淺埋暗挖隧道施工風險重要事件的篩選提供一種實用、合理的方法。將該方法應用于廣東金光東隧道淺埋暗挖礦山隧道工程的施工風險評估，結(jié)果表明：洞門破除土體失穩(wěn)風險和對周邊環(huán)境風險(古樹、電塔等)優(yōu)先級RPN值均＞0.4，且＜0.55，風險等級為2級，因此，針對這些風險事件需要采取風險控制措施進行預防。其他風險事件的風險等級為3級，風險可接受，可采取安全控制措施。

淺埋暗挖隧道；風險綜合評價；模糊集；故障樹；FMEA

城市地下空間的快速擴張，大量地下工程不斷涌現(xiàn)，其中隧道工程為當前發(fā)展規(guī)模最大的地下空間工程[1]。由于具有投資大、環(huán)境多變、技術(shù)難度大、周期長、不可預見的風險因素多和地質(zhì)條件復雜的特點，隧道工程建設過程中的風險因素眾多，極易引起各類風險事件[2]。尤其是淺埋暗挖隧道，通常地質(zhì)條件差、受周邊環(huán)境影響大、埋深淺及施工控制難，施工過程中的風險極大，需要對其進行必要的施工安全風險評價，以便于工程風險控制和減少風險事故。施工風險管理是識別風險來源，并分析風險影響，最終通過開發(fā)相應管理工具來實現(xiàn)項目的風險管理[3]。風險管理涉多種方法，包括風險的識別、風險評估、風險控制和風險監(jiān)測等[4]。對于風險評估過程，許多學者提出了一系列方法。其中模糊評價方法由于具有反映評價對象模糊性的特點，已經(jīng)成熟地應用于各行各業(yè)的風險項目管理中[5]。例如，在隧道工程中，程遠等[6]采用模糊數(shù)學方法定量化處理施工風險評價中的定性問題，并建立了跨度隧道施工風險多層次模糊綜合評價模型；張東明等[7]基于綜合超前地質(zhì)預報和模糊層次評價方法，建立深埋長隧道地質(zhì)災害風險評價預測機制；黃越等[8]采用專家調(diào)查法、層次分析法、主成分分析法和BP神經(jīng)網(wǎng)絡法，提出隧道洞口段施工階段風險模糊神經(jīng)網(wǎng)絡評估方法。王頠等[9]基于現(xiàn)有隧道風險模糊評價模型，提出一種隧道總體風險評價的模糊評判改進方法。了解風險產(chǎn)生的根本原因分析可幫助項目管理者找到風險控制的關(guān)鍵點，以實現(xiàn)積極應對風險的策略，實現(xiàn)最大限度的減少風險源。本文結(jié)合模糊邏輯與失效模式影響分析(FMEA)、故障樹分析(FTA)和層次分析法?數(shù)據(jù)包絡分析(AHP-DEA)相結(jié)合的方法，提出一種淺埋暗挖礦山法隧道施工風險綜合評價方法。該方法有助于改進施工風險安全管理，為淺埋暗挖礦山法隧道施工風險重要事件的篩選提供一種實用、全面的方法。將該方法應用于廣東金光東淺埋暗挖礦山法隧道工程的施工風險評估，為該工程的施工風險控制提供依據(jù)。

1 工程概況

廣州金光東礦山隧道下穿新造鎮(zhèn)元崗山古樹群，包括28棵烏欖古樹和34棵荔枝古樹，樹齡均在100 a以上，根莖深度大約5 m，為掛牌保護的古樹名木。由于古樹樹齡較高，移植難度大，因此不考慮遷移，該段隧道采用礦山法暗挖通過。

金光東隧道為雙向4車道城市主干道，全長440 m。隧道限界凈高4.5 m，隧道埋深約為5.17~ 18.21 m。隧道斷面采用雙洞分離式馬蹄形斷面。礦山段均位于Ⅴ級圍巖地段，按照新奧法原理為基礎，采用四部CRD開挖法。

該隧道工程廣泛分布第四系填土，中細砂及粉質(zhì)黏土組成，部分地段由建筑垃圾或塊石組成，土質(zhì)不均勻。隧道下伏基巖為花崗巖，其風化殘積土主要為砂質(zhì)黏性土或礫質(zhì)黏性土，在遇水或施工擾動時，土體強度、穩(wěn)定性及圍巖級別降低，對隧道的穩(wěn)定性及承載力有影響。該隧道地勢較高，區(qū)內(nèi)地下水以松散巖類孔隙潛水為主，基巖裂隙水水量貧乏，主要接受大氣降水入滲及溝谷流水補給，含水層位于風化巖層中，地下水位埋深約為1.09~4.05 m。金光東隧道平、縱斷面橫斷面如圖1所示。

(a) 平面圖；(b) 縱斷面圖；(c) 隧道橫斷面圖

2 施工風險分析方法

2.1 模糊集理論

模糊集理論是Zadeh提出的[10]。在研究不確定的或模糊的對象時，該理論可以很好地反映事物的不確定性和模糊性。

2.1.1 模糊隸屬函數(shù)

有許多不同類型的模糊隸屬函數(shù)，如三角形模糊數(shù)，梯形模糊數(shù)和高斯模糊數(shù)。比較而言，梯形模糊數(shù)隸屬函數(shù)能更好地處理實際決策信息，反映因素不確定性和決策者的主觀性[5]。本文利用梯形隸屬函數(shù)對專家認知中的主觀不確定性和模糊不確定性進行量化。如圖2所示，可將梯形模糊數(shù)定義為(1，2，3，4)。

圖2 梯形模糊數(shù)A

2.1.2 模糊集的截集

為便于數(shù)值計算，通常將模糊數(shù)表示為有限個-截集的上界和下界集合。對于梯形模糊數(shù)(，，，)，采用式(1)和式(2)可分別用于計算每個-截集水平方向上的下限和上限：

下限= (a+ (b?a)) (1)

上限= (d?(d?c)) (2)

如果和是區(qū)間α=[1,1]，α=[2,2]上表示的2個模糊集合，那么α+α，α?α和α×α可被定義為以下表達式：

(A+B)=α+α[12,1+2] (3)

(A?B)=α?α[12,1?2] (4)

(A×)=α×α[min(1×2,1×2,1×21×2)

max(1×2,1×2,1×2,1×2)] (5)

2.1.3 去模糊化

依據(jù)反映實際情況、簡便易行、高效以及評估組觀點的要求，采用式(6)進行去模糊化處理：

2.2 失效模式與效應分析

失效模式和效應分析(FMEA)是一種能夠定義、識別和消除來自系統(tǒng)、設計或過程的已知及潛在的故障、問題和錯誤的工程技術(shù)。根據(jù)傳統(tǒng)的FMEA方法，通過計算風險優(yōu)先數(shù)(RPN)來確定故障模式的臨界程度。將嚴重程度(S)、發(fā)生度(O)和檢測/控制難易度(D)的值相乘，得到風險優(yōu)先數(shù)(RPN)，即＝××。

由于傳統(tǒng)的FMEA方法存在缺陷。因此，引入模糊數(shù)來取代清晰數(shù)字來測量，，。這些模糊數(shù)可以是基于專家判斷或其他技術(shù)語言變量。

2.3 故障樹分析

故障樹分析方法(FTA)最初是在1960~1961年貝爾電話實驗室開發(fā)的[11]。FTA通過關(guān)系圖形來追溯系統(tǒng)的危害，最終找到其根本原因。收集足夠的統(tǒng)計數(shù)據(jù)來準確評估故障率往往是困難的。為了克服這個問題，可結(jié)合模糊集理論。故障樹分析用于識別風險的根本原因和評估頂上事件發(fā)生概率。

假設事故樹中不含重復或相同基本事件，各事件互相獨立，頂上事件發(fā)生概率可根據(jù)故障樹結(jié)構(gòu)采用以下公式計算。

采用“與門”連接的頂上事件的發(fā)生概率為：

采用“或門”連接的頂上事件的發(fā)生概率為：

式中：q為第個基本事件的發(fā)生概率(=1,2,…,)。

本文采用-截集的概念來計算頂上事件發(fā)生的概率?；?截集概念的“與”門及“或”門的模糊數(shù)形式的故障樹頂上事件的概率可以分別通過式(9)和式(10)得到：

2.4 層次分析法-數(shù)據(jù)包絡分析

層次分析法是一種多準則決策方法，通過該方法可以評估備選方案并計算其費率。AHP適用于主觀專家判斷和使用定性和定量數(shù)據(jù)的決策情況。

在AHP方法中，將比較結(jié)果形成判斷矩陣，并計算標準權(quán)重。如果有個標準被確定用于比較，AHP通過以下步驟來計算這些標準的權(quán)重。

1) 為個目標創(chuàng)建(×)維的判斷矩陣， 如下：

式中：a表示第個目標比第個目標重要多少。對于矩陣中所有的s 和s，必須滿足a= 1和a= 1/a。

2) 將列中的每個值除以列中所有值的總和。得到的新矩陣種每一列的值的總和為1，形成的歸一化判斷矩陣為：

3) 通過找到矩陣的主特征向量來計算c。計算c作為矩陣中第行中所有值的平均值，最終得到列向量。列向量中的值表示第個目標的權(quán)重。

4) 檢查權(quán)重值(c)的一致性。為了確定一致性，需要進行以下步驟。

首先，計算×矩陣(一致性向量)：

其次，通過×計算x，x是比特征向量更好的近似值，可采用以下公式計算max：

max為判斷矩陣的特征值。然后采用以下公式計算一致性指數(shù)結(jié)果。

最后，為確保判斷矩陣的一致性，須通過CR控制一致性判斷為合適的值，即：

式中：是隨機一致性指數(shù)，當≤0.10，則其一致性滿足要求。如果＞0.1，則存在不一致性，則AHP計算結(jié)果沒有意義。

對于個決策選項，采用判斷矩陣，如果給定大量不同的標準和決策選項，決策者將需要進行大量的比較分析。為解決這類問題，可采用數(shù)據(jù)包絡分析(DEA)的AHP方法。

為明確每個風險的相對重要性，為每個標準給出備選方案，并且根據(jù)式(18)為每個標準引入一組評估度：

式中：Hl到H表示標準的評估分數(shù)從最高顯著性到最低顯著性，k表示每個標準的評估分數(shù)。

如果標準將由N專家評估，那么結(jié)果可以由根據(jù)式(19)的分布評價向量表示：

此時，用于確定(H)值的DEA模型可以表 述如下。

最大化：

式中：(H1)，…，(H)為決策變量。然后，指出每個決策備選方案的局部權(quán)重也可以用式(21)中的信任結(jié)構(gòu)來定義：

最后，可以通過式(22)生成總體權(quán)重：

式中：w(＝1,…,)是由AHP方法確定的因素權(quán)重；v是DEA方法確定的局部權(quán)重(式(21))；(A)(=1,…,)是個備選方案的總權(quán)重?；谝陨蠙?quán)重，個備選方案可進行優(yōu)先排序或排序。

3 隧道施工風險綜合評價模型

基于第2節(jié)各施工風險分析方法，構(gòu)建隧道工程施工風險綜合評價模型，該模型由4個階段組成，如圖3所示。

圖3 施工風險評估模型的流程圖

3.1 風險辨識

由隧道工程專業(yè)的專家、科研單位技術(shù)人員、設計院技術(shù)人員、監(jiān)理工程師以及項目部技術(shù)人員組成的大型建設項目風險評估小組，總?cè)藬?shù)不少于10人。對工程項目的任務及風險源進行辨識和 驗證。

3.2 風險分析

針對風險、因素和不期望事件的原因，建立一個層次結(jié)構(gòu)。在模糊FTA中，通過給基本事件的概率賦值并計算傳播概率，來確定頂上事件發(fā)生的概率。在此，采用語言變量(非常低、低、中、高和非常高)為故障樹和每個風險的影響準備調(diào)查問卷。然后分配給行業(yè)專家、科研技術(shù)人員和設計院技術(shù)人員及監(jiān)理工程師等，并由他們填寫完成。專家組需要使用語言術(shù)語來評估基本事件發(fā)生的模糊概率。本文采用語言變量及對應梯形模糊數(shù)如表1所示。圖4為不同語言變量所對應的模糊隸屬度函數(shù)。因此，通過將基本事件的模糊概率代入方程(10)得到不同的-截集下的頂上事件的模糊概率。該方法同時用于計算發(fā)生概率和風險檢測/控制概率。

然后，結(jié)合AHP-DEA方法來計算風險影響因素的權(quán)重?？紤]風險因素對4個指標的影響，即個人的傷害、財產(chǎn)損失、施工進度和環(huán)境影響。利用專家的認知(通過收集問卷中的調(diào)查結(jié)果)，進行相互比較，并使用AHP方法，對個人傷害、財產(chǎn)損失、施工進度和環(huán)境影響進行加權(quán)。

表1 發(fā)生概率和識別危險對應的評估語言變量

圖4 語言評價值的隸屬函數(shù)

最后，根據(jù)模糊FMEA方法，對每個識別風險的，和結(jié)果進行分析。

3.3 風險優(yōu)先數(shù)與風險響應

結(jié)合-截集和式(5)，將，和3個參數(shù)相乘得到風險優(yōu)先數(shù)(RPN)。最后使用式(6)對RPN進行去模糊化處理。根據(jù)RPN對風險事件進行排序，并對那些具有較高優(yōu)先級的風險采取必要進一步的風險控制分析，并提出對應的預防措施。

4 礦山法段施工風險分析

4.1 風險識別

在調(diào)查隧道淺埋暗挖礦山隧道工程事故的基礎上，分析本項目的周邊建筑環(huán)境、水文地質(zhì)條件、施工工藝、人員管理和施工進度等情況，并咨詢了隧道行業(yè)專家和安全技術(shù)管理人員之后，確定7個常見的風險事件，見表2。

4.2 故障樹分析法

繪制風險故障樹來分析其根本原因。通過返回的問卷數(shù)據(jù)來計算風險發(fā)生概率，并基于對應的調(diào)查問卷來計算風險檢測/控制概率。

表2 7種風險事件的模糊發(fā)生概率的α-截集

4.3 計算發(fā)生概率

利用式(1)中所定義的上、下限方程，并結(jié)合式(9)和式(10)，頂上事件的模糊概率可表示為：

結(jié)合式(23)，可通過遞增α值來計算頂上事件的模糊概率。

利用式(5)求解等式(10)中的乘法算子，利用式(23)計算頂上事件((=0,0.5和1)發(fā)生的模糊概率。然后將基本事件的模糊概率代入式(23)得到不同截集下頂上事件的模糊概率的計算結(jié)果如表2 所示。

4.4 計算檢測概率

為了計算風險檢測難易度概率，識別風險的根本原因，并繪制用于所有風險的檢測故障樹，如圖6所示。根據(jù)發(fā)生概率計算的過程，計算該項目的風險檢測概率，其檢測故障樹分析結(jié)果見表3。

圖6 風險檢測概率的故障樹

表3 模糊檢測概率的α截集

4.5 計算風險影響

結(jié)合AHP-DEA方法計算風險影響的權(quán)重?？紤]了風險因素對4個指標的影響，即個人傷害、財產(chǎn)損失、施工進度和環(huán)境影響。利用專家調(diào)查結(jié)果，從個人的傷害、財產(chǎn)損失、施工進度和環(huán)境影響4個角度出發(fā)，對風險因素進行兩兩比較，并采用式(11)~(13)，對個人傷害、財產(chǎn)損失、施工進度和環(huán)境影響進行加權(quán)處理，結(jié)果為0.323，0.253，0.240和0.207。結(jié)合DEA方法，根據(jù)式(19)~(20)計算每個子因素的權(quán)重。

采用式(20)求解4個因素的局部風險得分。此處局部權(quán)重可理解為風險評估應用中的局部風險分數(shù)。對于個人傷害，采用式(20)得到以下最優(yōu)解：

(非常高)=0.050 4，(高)=0.040 2，(中)=0.031 9，(低)=0.020 2，(非常低)=0.010 6

此外，根據(jù)式(20)得到的財產(chǎn)損失、施工進度和環(huán)境影響的最優(yōu)解為：

(非常高)=0.069 4，(高)=0.058 7，(中)=0.046 2，(低)=0.026 2，(非常低)=0.015 5

(非常高)=0.072 7，(高)=0.063 2，(中)=0.054 2，(低)=0.032 1，(非常低)=0.016 4

(非常高)=0.079 1，(高)=0.069 4，(中)=0.056 3，(低)=0.035 2，(非常低)=0.018 7

基于上述最優(yōu)解，通過式(21)計算4個標準中的每個局部風險得分，結(jié)果見表4。

表4 風險嚴重程度總分

最后，結(jié)合式(22)得到一個風險因素的綜合影響得分，見表4。以第1個風險因素為例，采用式(22)計算的洞門破除土體失穩(wěn)風險的綜合影響分數(shù)如下：

綜合影響分數(shù)=(0.323×0.87)+(0.253×0.75)+ (0.240×0.78)+(0.207×0.34)=0.728

4.6 風險優(yōu)先數(shù)

根據(jù)發(fā)生概率的計算結(jié)果，得到每個風險的影響和檢測概率，即風險優(yōu)先數(shù)(RPN)，并對風險進行評級排序，結(jié)果見表5。以洞門破除土體失穩(wěn)為例，根據(jù)表2和表3中=0，1時的概率計算結(jié)果和表4中的風險嚴重程度計算結(jié)果，洞門破除土體失穩(wěn)風險的，和值分別為：

=(0.64,0.75,0.93,0.95)

O0=[0.64,0.95],O1=[0.75,0.93]

=(0.43,0.58,0.92,0.95)

D0=[0.43,0.95],D1=[0.58,0.92]

=0.728

采用式(5)可求解乘法算子，計算=0和=1的RPN如下：

10=××=0.728×[(0.64×0.43,0.95×

0.95)] =[0.200,0.657]

11=××=0.728×[(0.75×0.58,0.93×

0.92)]=[0.317,0.623]

=(0.200,0.317,0.623,0.657)

根據(jù)式(6)，結(jié)合RPN計算結(jié)果，得到洞門破除土體失穩(wěn)的去模糊化值。

表5 風險因素的優(yōu)先數(shù)

為便于風險控制，對具有較高優(yōu)先級的風險可以作為優(yōu)先風險控制事項，如表6所示，表中風險等級劃分是參考《城市軌道交通地下工程建設風險管理規(guī)范》[12]進行劃分的。上述風險事件的優(yōu)先數(shù)RPN分值中，洞門破除土體失穩(wěn)風險和對周邊環(huán)境風險(古樹、電塔等)RPN值均＞0.4，且＜0.7，風險等級為2級，因此，針對這些風險事件需要采取風險控制措施進行預防。其他風險事件的風險等級為3級，風險可接受，可采取安全控制措施。

表6 施工安全風險等級

5 驗證分析

為驗證所提方法的合理性，結(jié)合程遠等[13]提出的基于模糊理論淺埋公路隧道施工風險評估方法進行驗證分析。程遠等[13]所提方法運用模糊理論對專家給出的隧道施工各項風險因素的概率等級和損失等級隸屬度進行統(tǒng)計分析，得到各因素的概率及損失估計結(jié)果，最后，采用加權(quán)平均法對評判指標進行處理，以確定風險等級。

結(jié)合本文中的礦山隧道工程風險因素，依據(jù)8個行業(yè)專家(一類專家4人，二類2人，三類2人)調(diào)查結(jié)果確定各個風險因素的概率等級和風險損失等級[13]，見表7。然后基于=×模型考慮風險發(fā)生概率和風險損失對風險評估的影響，建立風險評價矩陣，風險等級依據(jù)表6劃分原則進行，計算結(jié)果見表8。從對比結(jié)果可看出，本文計算方法與文獻[13]方法得到的結(jié)論一致。

表7 風險因素的風險概率和損失估計結(jié)果

表8 驗證分析結(jié)果

6 結(jié)論

1) 廣東金光東隧道淺埋暗挖礦山隧道工程的風險事件的優(yōu)先數(shù)RPN中，洞門破除土體失穩(wěn)風險和對周邊環(huán)境風險(古樹、電塔等)RPN值均＞0.4，且＜0.55，風險等級為2級，針對這些風險事件需要采取風險控制措施進行預防。其他風險事件的風險等級為3級，風險可接受，可采取安全控制措施。

2) 提出的隧道施工風險綜合評價方法，能反映施工風險因素對個人的傷害、財產(chǎn)損失、施工進度和環(huán)境的影響程度。對比驗證結(jié)果表明該方法具有一定可靠性，可為淺埋暗挖礦山隧道施工風險重要事件的篩選和風險等價評價提供一種新方法。

[1] 魏丹. 基于故障樹和層次分析法的地鐵施工風險評價—以隧道豎井基坑圍護結(jié)構(gòu)失穩(wěn)為例[J]. 安全與環(huán)境工程, 2018, 25(1): 100?104. WEI Dan. Risk assessment for subway construction based on fault tree analysis and analytical hierarchy process: a case study of destabilization of pit supporting structure of tunnel shaft[J]. Safety and Environmental Engineering, 2018, 25(1): 100?104.

[2] 鄭濤, 孫捷城, 王國富. 地鐵隧道礦山法施工事故風險分析與評價[J]. 鐵道科學與工程學報, 2018, 15(5): 1356?1362. ZHENG Tao, SUN Jiecheng, WANG Guofu. Risk analysis and evaluation of mine tunnel construction accidents[J]. Journal of Railway Science and Engineering, 2018, 15(5): 1356?1362.

[3] 黃震, 傅鶴林, 尹光明, 等. 地鐵隧道結(jié)構(gòu)災變模型及應用研究[J]. 災害學, 2018, 33(3):216?221, 228.HUANG Zhen, FU Helin, YIN Guangming, et al. Study on catastrophic model of subway tunnel structure and its application[J]. Journal of Catastrophology, 2018, 33(3): 216?221, 228.

[4] 黃宏偉, 邊亦海. 深基坑工程施工中的風險管理[J]. 地下空間與工程學報, 2005, 1(4): 611?614.HUANG Hongwei, BIAN Yihai. Risk management in the construction of deep excavation engineering[J]. Chinese Journal of Underground Space and Engineering, 2005, 1(4): 611?614.

[5] 黃震, 傅鶴林, 黃宏偉, 等. 一種運營地鐵盾構(gòu)隧道結(jié)構(gòu)健康狀況評價方法[J]. 地下空間與工程學報, 2018,14(5): 1410?1418.HUANG Zhen, FU Helin, HUANG Hongwei, et al. A method for evaluating the health condition of operation metro shield tunnel structure[J]. Chinese Journal of Underground Space and Engineering, 2018, 14(5): 1410? 1418.

[6] 程遠, 朱合華, 劉松玉, 等. 基于模糊理論大跨淺埋公路隧道施工風險評估[J]. 地下空間與工程學報, 2016, 12(6): 1616?1622. CHENG Yuan, ZHU Hehua, LIU Songyu, et al. Risk assessment for construction of large-span and shallow buried highway tunnels based on fuzzy theory[J]. Chinese Journal of Underground Space and Engineering, 2016, 12(6): 1616?1622.

[7] 張東明, 白永杰, 白鑫, 等. 深埋長隧道施工地質(zhì)災害風險模糊層次評價[J]. 安全與環(huán)境學報, 2018, 18(1): 50?55. ZHANG Dongming, BAI Yongjie, BAI Xin, et al. Evaluation and prediction of the geological hazards in the deep-buried long tunnel project through fuzzy- hierarchical analysis[J]. Journal of Safety and Environment, 2018, 18(1): 50?55.

[8] 黃越, 龔珍, 鄧祥輝, 等. 基于模糊神經(jīng)網(wǎng)絡的公路隧道洞口段施工階段風險評估[J]. 工程管理學報, 2018, 32(3): 119?123. HUANG Yue, GONG Zhen, DENG Xianghui, et al. Evaluation of highway tunnel portal construction risk based on the fuzzy neural network method[J]. Journal of Engineering Management, 2018, 32(3): 119?123.

[9] 王頠, 黃斌, 周強, 等. 隧道總體風險評價的改進模糊評判方法[J]. 地下空間與工程學報, 2016, 12(2): 531? 538. WANG Wei, HUANG Bing, ZHOU Qiang, et al. Improved fuzzy assessment method of total risk for tunnel engineering[J]. Chinese Journal of Underground Space and Engineering, 2016, 12(2): 531?538.

[10] Zadeh L. Fuzzy sets[J]. Information and Control, 1965, 8: 38?53.

[11] Vario J K. Fault tree analysis of phased mission system with repairable and non-repairable components[J]. Reliability Engineering and System Safety, 2001, 74(2): 169?180.

[12] GB 50652—2011, 城市軌道交通地下工程建設風險管理規(guī)范[S].GB 50652—2011, Code for risk management of underground works in urban rail transit[S].

[13] 程遠, 朱合華, 劉松玉, 等. 基于模糊理論大跨淺埋公路隧道施工風險評估[J]. 地下空間與工程學報,2016, 12(6): 1616?1622.CHENG Yuan, ZHU Hehua, LIU Songyu, et al. Risk assessment for construction of large-span and shallow buried highway tunnels based on fuzzy theory[J]. Chinese Journal of Underground Space and Engineering, 2016, 12(6): 1616?1622.

Comprehensive risk assessment method for shallow underground tunnel construction

OU Zhiyong1, FU Helin2, HUANG Zhen2, ZHANG Fuquan1, ZHAO Taotao1

(1. Third Engineering Department of China Railway Tunnel Bureau Group Co., Ltd, Guangzhou 511400, China; 2. School of Civil Engineering, Central South University, Changsha 410075, China)

There are many uncertain risk factors in the construction of shallow buried tunnels. It is necessary to determine the safety level and prioritize the risk events. In this paper, a new comprehensive evaluation method of construction risk of shallow-buried tunnels was proposed by combining fuzzy logic with failure mode impact analysis, fault tree analysis and analytic hierarchy process-data envelopment analysis. It can provide a practical and comprehensive method for screening important risk events of shallow-buried tunnels. The method was applied to the construction risk assessment of shallow-buried tunnels in Jinguangdong Tunnel. The results show that the risk of instability of the tunnel entrance and Shallow-Buried Section and the priority RPN value of the surrounding environmental risk (ancient trees, electric towers, etc.) are >0.4, and <0.55. The risk level is 3. Therefore, appropriate mining is needed for these risk events. Take corresponding control measures to prevent. The risk level of other risk events is 2, and the risk is low, so some safety control measures can be taken.

shallow buried tunnels; comprehensive risk assessment; fuzzy set; fault tree; FMEA

U45；X93

A

1672 ? 7029(2019)09? 2368 ? 10

10.19713/j.cnki.43?1423/u.2019.09.032

2018?12?07

國家自然科學基金重點基金資助項目(51538009)；中鐵隧道集團科技創(chuàng)新計劃項目(2017-43)

傅鶴林(1965?)，男，江西高安人，教授，博士，從事隧道與巖土工程教學與科研工作；E?mail：fu.h.l@csu.edu.cn

(編輯 陽麗霞)