陳孝國，黃鴻輝，楊 悅，劉紀峰，張會芝

(1. 三明學院 信息工程學院，福建 三明 365004；2. 黑龍江科技大學 理學院，黑龍江 哈爾濱 150022；3. 工程材料與結(jié)構(gòu)加固福建省高等學校重點實驗室(三明學院)，福建 三明 365004；4. 三明學院 建筑工程學院，福建 三明 365004；5. 中國礦業(yè)大學(北京) 力學與建筑工程學院，北京 100083)

煤炭是我國主要能源之一，目前淺層煤礦資源已基本采完，深部開采將是今后發(fā)展的主要趨勢。而傳統(tǒng)的立井已經(jīng)不能滿足深部開采的需要，因此我國的一些大型煤礦都在嘗試采用TBM(盾構(gòu))進行斜井開挖[1]。TBM具有高效、快速、優(yōu)質(zhì)、安全等優(yōu)點，其掘進速度是一般方法的4～10倍。所以越來越多的施工單位開始采用斜井TBM施工。但TBM對不良工程地質(zhì)條件的適應性較差，且對施工人員素質(zhì)要求較高，同時施工中面臨的不確定性風險因素較多，若不進行有效的風險評估與控制，將會導致各種工程事故的發(fā)生。因此，對煤礦長斜井TBM施工的風險進行分析與評估具有重要工程實踐價值。侯公羽等將集對分析的方法引入長斜井煤礦TBM施工風險評估中，并進行了實例分析[2]。美國Eistein教授對隧道工程進行了風險分析并建立數(shù)學評估模型[3]，后來Nilsen等提出了更為復雜地層條件下海底隧道工程分析的框架[4]。Sturk等建立了TBM施工風險決策和分析系統(tǒng)[5]。Kampmann等對哥本哈根地鐵工程進行風險類型的識別，提出應對風險的措施，并采用蒙特卡洛方法建立了風險模型[6]。賀志軍提出了山嶺鐵路隧道施工風險評估模式及鐵路隧道施工事故后果分類方式[7]。楊悅對巖體隧道施工安全風險進行支護結(jié)構(gòu)力學預警分析[8]。何發(fā)亮等提出用模糊成本重要度的指標來評價盾構(gòu)隧道施工中各風險對總成本的影響大小[9]。上述研究成果普遍存在風險指標值定性評價較多，權重確定不精確，無法實現(xiàn)動態(tài)預警等缺點。

本文將中智集理論引入長斜井煤礦TBM施工風險評估中，通過查閱資料和咨詢專家構(gòu)建風險評估指標體系，并利用熵權法和加權算子來研究風險值矩陣的融合，通過雙參數(shù)得分函數(shù)實現(xiàn)對風險等級的動態(tài)預警。

1 長斜井煤礦TBM施工風險識別

通過對長斜井煤礦TBM施工風險的分析，本文確立了施工中常見的27個因素，建立了二級風險評估指標體系，如表1所示。一級風險評估指標中考慮了長斜井煤礦TBM施工過程中最有可能導致事故發(fā)生的6個因素，分別是自然因素、地質(zhì)因素、技術因素、設備因素、內(nèi)在因素和事故因素。二級風險評估指標是在已有研究的基礎之上加入沖擊地壓因素，塌方因素，巖爆因素，TBM卡機，有害氣體中毒因素。根據(jù)《鐵路隧道風險評估若干問題探討》將長斜井煤礦TBM施工風險分為4級(表2)[9]。

表1 煤礦長斜井二層風險評估指標體系

表2 風險等級分級表

2 單值中智集理論

定義2[11]設兩個單值中智數(shù)α1=和α2=，若t1i2，f1>f2，則稱α1<α2。

定義3[11]設兩個單值中智數(shù)α1=和α2=，則：

(1)α1∪α2=；

(2)α1∩α2=。

定義4[12]設α=是一個中智數(shù)，則α的補集為αc=。且滿足(αc)c=α。

定義5[13]設兩個單值中智數(shù)α1=和α2=，常數(shù)k>0，則

(1)α1+α2= ；

(2)α1×α2=；

(3)kα1=<1-(1-t1)k,(i1)k,(f1)k>；

(4)(α1)k=<(t1)k,1-(1-i1)k,1-(1-f1)k>。

3 動態(tài)風險級別評判方法

3.1 中智數(shù)集成算子

(1)

3.2 指標因素權重的確定

(2)

為中智熵。利用公式(2)可以計算出評價矩陣中每個中智數(shù)所對應的熵值Eij，然后通過

(3)

(i=1,2,…,m;j=1,2,…,n)確定因素權重。

3.3 帶有參數(shù)的得分函數(shù)

(4)

3.4 評價步驟

(5)

步驟三：利用式(3)求解各一級指標權重Wk(k=1,2,…,l)。

(6)

4 實例分析

(7)

(8)

(9)

(10)

(11)

(12)

長斜井煤礦TBM施工風險評估步驟如下。

步驟一,根據(jù)式(3)確定各二級指標權重為：

ωB1=(0.20987.0.26749,0.30864,0.21399)；

(13)

ωB2=(0.127413,0.092664,0.250965,0.227799,0.301158)；

(14)

ωB3=(0.156522,0.237681,0.176821,0.176812,0.252174)；

(15)

ωB4=(0.139286,0.092857,0.171429,0.285744,0.310714)；

(16)

ωB5=(0.16895,0.205479,0.273973,0.182648,0.16895)；

(17)

ωB6=(0.16,0.4133,0.42667)。

(18)

(19)

步驟三，根據(jù)式(3)確定一級指標的權重：

ωA=(0.155789,0.079175,0.275163,0.285256,

0.096572,0.145133) 。

(20)

(0.463586,0.49029,0.413889)

(21)

步驟五,根據(jù)式(4)確定得分函數(shù)如下。

S(a1)=0.624902-0.275779+0.304864λ1λ2-λ1(1-λ2)0.304864；

(22)

S(a2)=0.589636-0.277386+0.375414λ1λ2-λ1(1-λ2)0.375414；

(23)

S(a3)=0.51285-0.413819+0.429325λ1λ2-λ1(1-λ2)0.429325；

(24)

S(a1)=0.463586-0.413889+0.49029λ1λ2-λ1(1-λ2)0.49029。

(25)

步驟六,利用MATLAB7.0作圖，不同風險等級對應的得分函數(shù)分布如圖1所示。

圖1 λ1,λ2取[0,1]上任意值時得分函數(shù)分布

由圖1可以看出λ1，λ2在[0,1]上絕大部分取值都有S(a2)>S(a1)>S(a3)>S(a4)成立，由最大隸屬度原則可知神華集團該煤礦長斜井TBM施工風險屬于二級風險。但值得注意的是當λ1,λ2都十分接近1時，有S(a1)>S(a2)>S(a3)>S(a4)，即風險等級由二級演變?yōu)橐患?，因此，應該提前做好防護措施，避免災害的發(fā)生。

5 結(jié)論

本文構(gòu)建了煤礦長斜井TBM施工風險分析的兩層評價指標體系，特別是將沖擊地壓因素、塌方因素、巖爆因素、TBM卡機及有害氣體中毒因素融入二級指標中。利用中智集理論建模，熵權法確定權重和加權算子融合可以有效提高模型精度，同時借助雙參數(shù)得分函數(shù)實現(xiàn)了動態(tài)預警分析。實例分析表明，神華集團某長斜井煤礦TBM施工風險預測結(jié)論為二級風險等級，這與實際施工情況勘測結(jié)果相吻合，但模型的智能化決策與預測還需進一步研究。