楊耀紅YANG Yao-hong；薛光緒XUE Guang-xu

（華北水利水電大學，鄭州450011）

0 引言

南水北調中線工程沿線主要是渠道工程，渠道襯砌設備施工績效直接影響南水北調中線工程進度。渠道襯砌設備施工績效受到多種因素的影響，各種影響因素和設備施工績效之間呈現(xiàn)復雜的非線性關系。目前，關于渠道襯砌設備施工績效預測研究成果較少，文獻[1-3]對渠道襯砌設備施工績效和其影響因素之間的關系，只是做了一些定性討論，并未做定量研究。找出施工績效與影響因素之間的定性關系，預測渠道襯砌設備施工績效，對于南水北調中線工程的進度計劃安排、資源配置以及其他有關工程具有一定的指導意義。

1 渠道襯砌設備施工績效影響因素的影響機理

影響渠道襯砌設備施工績效的因素較多。通過查閱相關方面的資料和工程實地調研，收集、整理、分析了渠道襯砌設備施工績效影響因素，包括6個一級影響因素和16個二級影響因素。

1.1 組織安排 ①施工作業(yè)人員協(xié)作和穩(wěn)定程度：襯砌設備施工前，對即將參與襯砌施工的全體人員進行一個總體的分工，通過合理有序的分工，使每個人員各司其職，高效的完成自己所分配的任務，也有利于提高襯砌設備施工績效。同時，同一臺設備頻繁更換操作人員，也直接影響設備施工績效。②員工培訓力度：對參與襯砌施工的全部人員，進行全面、持續(xù)的培訓，不斷提高這些人員的素質和技能，有利于提高襯砌設備施工績效。③管理人員狀況：施工管理人員是襯砌設備施工現(xiàn)場最直接的調度指揮人員，做好設備的施工計劃，并根據現(xiàn)場的實際施工情況及時做出相應調整，是提高襯砌設備施工績效的重要工作。

1.2 資源配置 ①設備狀況：襯砌設備本身的技術水平、施工質量可靠性、易維護程度等必然直接影響著襯砌施工績效。②配套狀況：渠道襯砌設備施工所需要的混凝土攪拌站、混凝土罐車、抹光機等配套設備的數(shù)量、質量以及維修狀況，也必然影響襯砌機施工績效。③作業(yè)人員狀況：作業(yè)人員是襯砌設備的直接操作者和使用者，他們的基本素質和技術水平、熟練程度將會對襯砌設備施工績效產生較大影響。

1.3 澆筑狀況 ①厚度：混凝土的澆筑厚度是襯砌設備施工績效的直接影響因素，澆筑厚度越厚，混凝土的需求量就越大，受布料機運輸速度的限制，施工績效就會降低。②坡長：渠道的襯砌深度和渠坡坡比決定著襯砌的坡長，而渠坡的長度又直接決定著混凝土的澆筑量，進而影響渠道襯砌設備施工績效。③天氣狀況：天氣狀況的好壞對襯砌設備施工績效的影響是顯而易見的，在有效施工時間，遇到小雨、刮風等不良天氣狀況，需要采取必要的防范措施，否則襯砌設備施工績效將會大打折扣。

1.4 緊前工作 ①土工膜鋪設及焊接：土工膜鋪設及焊接是襯砌設備施工的緊前工作，其鋪設速度的快慢及施工規(guī)范化程度間接地影響著襯砌設備施工績效。②保溫板鋪設：保溫板鋪設是土工膜鋪設及焊接的緊前工作，其鋪設速度的快慢及施工規(guī)范化的程度間接地影響著襯砌設備施工績效。③反濾料鋪設：反濾料鋪設是保溫板鋪設的緊前工作，其鋪設速度的快慢及施工規(guī)范化程度間接地影響著襯砌設備施工績效。④軟式透水管鋪設：軟式透水管鋪設是反濾料鋪設的緊前工作，其鋪設速度的快慢及施工規(guī)范化程度間接地影響著襯砌設備施工績效。⑤管溝開挖：管溝開挖是軟式透水管鋪設的緊前工作，其開挖速度的快慢及施工規(guī)范化程度間接地影響著襯砌設備施工績效。

1.5 緊后工作 切縫：襯砌施工完畢后，當其強度達到1～5Mpa時進行切縫最為適宜，因此掌握好切縫的最佳時間并快速及時的切縫對后續(xù)的襯砌設備施工來說尤為重要。沒有及時切縫容易造成混凝土襯砌裂縫，所以沒有及時切縫將造成襯砌機被迫停止繼續(xù)推進，等待切縫跟上。切縫機配備、切縫班組工人素質和熟練程度直接影響切縫效率。

1.6 其他 協(xié)調能力：襯砌設備施工的各個工序之間的銜接和配合形成了一個完整的系統(tǒng)，對于這個系統(tǒng)能否良好運行，各個工序之間的配合協(xié)調能力尤為關鍵，其對襯砌設備施工績效影響較大。

2 渠道襯砌設備施工績效預測研究方法

2.1 渠道襯砌設備施工績效影響因素取值 16個二級影響因素中包括定性和定量兩種因素，為了能將因素輸入模糊推理系統(tǒng)進行推理，需要對輸入因素進行處理。在這個模糊推理系統(tǒng)中，定性和定量兩種因素取值必須在[0,1]區(qū)間內，輸入模型才有效。

2.1.1 定量因素的處理 二級影響因素中只有混凝土厚度和坡比這兩個定量因素，且取值不在[0,1]區(qū)間內，我們采用歸一化處理的方法，使處理后的相對值能夠反應單個影響因素的優(yōu)劣。

渠道襯砌厚度設為X，最大厚度為Xmax，則相對值為Xi/Xmax。

表1 坡比及相對值

2.1.2 定性因素的處理 對于定性因素，采用7級取值方法，為了能夠反映單個影響因素的優(yōu)劣，我們采用固定最大值歸一化處理的方法，設最大值為Xmax，則歸一化處理后的相對值為Xi/Xmax，見表2。

2.1.3 績效值的處理 根據渠道襯砌機的施工情況，設一臺襯砌機的一天標準襯砌量是40米?？紤]到襯砌機施工期間，受到天氣、設備維護、設備調動等因素的影響，所以一臺襯砌機的有效工作天數(shù)按一個月22天計算，那么一臺襯砌機一個月的標準襯砌量是880米，每臺襯砌機的月實際工作量除以880米，作為該襯砌機的績效值。

2.2 模糊推理系統(tǒng) 基于模糊神經網絡的模糊推理機制[4]，渠道襯砌設備施工績效預測模糊推理系統(tǒng)結構如圖1所示。

圖1 模糊推理系統(tǒng)結構

模糊神經網絡共包含5層，為了簡化圖形，假定模糊推理系統(tǒng)有兩輸入變量x和y，實際在本系統(tǒng)中有16個輸入變量，規(guī)則集如下：

規(guī)則1：如果x是A1and y是B1，那么

規(guī)則1：如果x是A2and y是B2，那么

第1層：這一層的每個結點i是一個有結點函數(shù)的自適應結點。

這里x（或y）是結點i的輸入，A（或B）是與該結點有關的語言標識（如“好”或“差”）。O1,i是模糊集 A（=A1，A2，B1或B2）的隸屬度，并且它確定了給定輸入x（或y）滿足A的程度。這里A的隸屬函數(shù)可以是任意合適的參數(shù)化隸屬函數(shù)，如一般的鐘型函數(shù)：

式中 ｛ai， bi，ci｝是參數(shù)集。當這些參數(shù)的值改變時，鐘型函數(shù)也隨之改變，這樣展示了模糊集A的不同隸屬函數(shù)形式。本層參數(shù)稱為前提參數(shù)。

第2層：這一層的每個結點是一個標以∏的固定結點，它的輸出是所有輸入信號的積：

每個結點的輸出表示一條規(guī)則的激勵強度。

第3層：這一層的每個結點是一個標以N的固定結點。第i個結點計算第i條規(guī)則的激勵強度與所有規(guī)則的激勵強度之和的比值：

為方便起見，本層的輸出稱為歸一化激勵強度。

第4層：這一層的每個結點i是一個有結點函數(shù)的自適應結點。

第5層：這一層的單結點是一個標以Σ的固定結點，它計算所有傳來信號之和作為總輸出：

模糊推理系統(tǒng)的參數(shù)優(yōu)化計算，采用反向傳播算法與最小二乘法相結合的混合法[5]。網絡訓練采用允許誤差控制，當訓練得到的誤差值不大于允許誤差時，則停止訓練，保存得到的網絡參數(shù)；若不能滿足要求，應調整網絡參數(shù)或增加樣本數(shù)量，再訓練網絡，直到得到滿意結果為止。

3 實證研究

通過工程實地調研，共得到25臺渠道襯砌機的影響因素值和施工績效值。另外，設最優(yōu)襯砌機的各個因素的相對值均為1，最差襯砌機的各個因素的相對值均為0，關于影響渠道襯砌設備施工績效的因素取值，一共有25組數(shù)據，每組數(shù)據中有16個因素值，1個績效值。從中任意選出20組數(shù)據作為網絡訓練組，剩余5組數(shù)據作為網絡檢驗組，網絡訓練組的數(shù)據如表3（因數(shù)據組數(shù)比較多，故只列出了其中6組數(shù)據）。

表3

表4

訓練得到的模糊神經網絡結構如圖2所示，函數(shù)圖形如圖3所示。

圖2 訓練得到的模糊神經網絡結構

圖3 訓練得到的函數(shù)圖形

網絡訓練好以后，保存好相關的網絡參數(shù)，就可以進行網絡檢驗了，網絡檢驗組的數(shù)據如表4。

將以上數(shù)據輸入訓練好的模糊推理系統(tǒng)，檢驗結果如圖4所示，檢驗誤差為0.0199，滿足要求。

圖4 預測值和實際值的比較

4 結論

針對渠道襯砌設備施工績效預測這個問題，通過工程實地調查，確定了影響渠道襯砌機施工績效的16個影響因素，并得到了25臺襯砌機的施工實際值；然后基于模糊神經網絡建立了渠道襯砌設備施工績效預測系統(tǒng)；最后利用實證數(shù)據進行了網絡訓練和網絡檢驗。研究表明，利用模糊神經網絡自組織、自學習和處理不精確信息的能力，能夠對渠道襯砌設備施工績效進行有效準確的預測，利用模糊神經網絡對渠道襯砌設備施工績效進行預測是實用和可行的，可為南水北調中線工程及其它工程的進度計劃安排和資源配置提供實際參考。

[1]許慶河,諸葛梅君.南水北調中線總干渠襯砌施工關鍵技術[J].人民黃河,2010,32(7):137-138.

[2]張躍松.南水北調渠道混凝土襯砌施工技術[J].華北水利水電學院學報,2010,31(5):75-76.

[3]楊謝蕓,簡興昌,李靜.南水北調中線工程大型渠道混凝土施工方案選擇[J].人民長江,2010,41(16):75-76.

[4]張智星,孫春在,水谷英二.神經-模糊和軟計算[M].西安交通大學出版社,2000(12):238-240.

[5]張國良,曾靜,柯熙政,鄧方林.模糊控制及其MATLAB應用[M].西安交通大學出版社,2002(2):63-68.