任志華，張博，丁祖德，計霞飛

基于云模型的山嶺隧道襯砌服役狀況評價方法研究

任志華1，張博2，丁祖德2，計霞飛2

(1. 云南省公路科學(xué)技術(shù)研究院，云南 昆明 650051；2. 昆明理工大學(xué) 建筑工程學(xué)院，云南 昆明 650500)

采用層次分析方法，構(gòu)建涵蓋目標層、準則層、子準則層的襯砌結(jié)構(gòu)服役狀況3層級評價指標體系。依據(jù)襯砌病損安全性影響的研究成果和云模型理論，將定性指標進行等級劃分并賦值，實現(xiàn)定性指標的定量化。運用云逆向發(fā)生器原理生成指標云模型，進一步采用改進EW-AHP綜合賦權(quán)方法確定指標權(quán)重，從指標層到目標層逐層計算各層級云模型，由此得到基于云模型的運營公路隧道襯砌結(jié)構(gòu)服役狀態(tài)評價方法。結(jié)合云南山區(qū)某國省干線公路隧道質(zhì)量檢測數(shù)據(jù)，驗證云模型評價方法的有效性和合理性，該評價方法能反映指標的隨機性和模糊性特征，評價結(jié)果直觀形象。

公路隧道；襯砌結(jié)構(gòu)；云模型；改進熵權(quán)?層次分析法；綜合評價

截至2018年底，我國大陸運營公路隧道總里程已達17 236 km[1]。數(shù)量巨大的公路隧道運營安全管理，是當前公路管理部門十分重視的工作。其中，運營隧道服役狀況評價是重要環(huán)節(jié)之一，而且評價結(jié)果將直接影響隧道維修養(yǎng)護決策，因此，采取有效合理的評價方法來診斷隧道服役狀況，已成為業(yè)內(nèi)重點關(guān)注的課題[2?9]。為評價隧道結(jié)構(gòu)服役狀況，國內(nèi)外學(xué)者提出了如地質(zhì)雷達檢測法[2]、層次分析法[3]、模糊數(shù)學(xué)理論與層次分析相結(jié)合方法[4?5]、DERU法[6]、聚類分析[7]、扭轉(zhuǎn)波法[8]、模糊神經(jīng)網(wǎng)絡(luò)方法[9]等。Davis等[2]基于脈沖響應(yīng)法直接檢測襯砌，用以評價隧道服役狀況。程姝菲[3]采用層次分析法構(gòu)建公路隧道多層次、多因素的運營風險評價模型；RAO等[4?5]運用模糊數(shù)學(xué)理論與層次分析相結(jié)合方法對隧道結(jié)構(gòu)安全進行綜合評價。蔣雅君等[6]基于DERU方法建立改進的DES綜合評價模型，采用分段、分幅和整體的次序進行隧道土建結(jié)構(gòu)綜合評價。李偉等[7]依據(jù)聚類分析方法的R型聚類分析建立評價指標體系，采用Q型分析實現(xiàn)隧道健康診斷。BIAO等[8]基于隧道響應(yīng)特征，提出了隧道健康診斷的扭轉(zhuǎn)波法。王洪德等[9]融合神經(jīng)網(wǎng)絡(luò)方法與模糊邏輯，建立了隧道綜合健康狀況評價模型。由于隧道結(jié)構(gòu)服役狀況評價具有隨機性和模糊性特征，上述方法涉及的理論和實際運用，尚未能較好地解決評價指標的隨機性和模糊性問題，限制了評價結(jié)果的準確度。為了充分利用公路隧道的常規(guī)檢測數(shù)據(jù)、更客觀全面地對隧道襯砌服役狀況進行評價，需要重要解決指標的隨機性、模糊性和指標權(quán)重問題。云模型作為一種能描述事物隨機性、模糊性，能建立定性和定量之間映射關(guān)系的數(shù)學(xué)模型，可較好地運用于不確定系統(tǒng)的評價中[10]。近年來，云模型理論已初步應(yīng)用到地鐵盾構(gòu)隧道健康診斷中，并顯示較好的實用性及有效性[11]。考慮到隧道的隱蔽性特征，現(xiàn)有檢測手段無法全面獲得隧道襯砌服役性能的定量數(shù)據(jù)。在現(xiàn)有的隧道結(jié)構(gòu)服役狀況評價指標體系中，既有定量指標，也有定性指標。在確定評價指標權(quán)重需要解決定量數(shù)據(jù)和定性描述指標的綜合影響問題。層次分析法(AHP)可以據(jù)專業(yè)人員的工程經(jīng)驗給出權(quán)重，熵權(quán)法(EW)可以通過數(shù)學(xué)手段計算各種定量指標權(quán)重，兩者結(jié)合可以較好地解決定量和定性指標綜合權(quán)重的確定。因此，本文首先介紹運營公路隧道襯砌常見的質(zhì)量缺陷及病害，在此基礎(chǔ)上，采用云模型理論，結(jié)合改進熵權(quán)?層次分析法(EW-AHP)的綜合權(quán)重確定方法[12?13]，建立公路隧道襯砌服役狀況的云模型綜合評價方法。

1 運營公路隧道襯砌常見病損

隧道病損是影響襯砌結(jié)構(gòu)性能的主要因素，了解其病損特征及影響機理是合理評價隧道襯砌服役狀況的前提基礎(chǔ)。隧道襯砌常見的病損包括質(zhì)量缺陷和病害兩大類。其中，質(zhì)量缺陷是由于設(shè)計考慮不周、施工技術(shù)限制、地質(zhì)復(fù)雜多變等原因引起結(jié)構(gòu)存在的與預(yù)期建設(shè)標準不符的質(zhì)量瑕疵現(xiàn)象。常見的襯砌質(zhì)量缺陷如設(shè)計參數(shù)與圍巖級別不匹配、襯砌內(nèi)部(背后)空洞、襯砌厚度不足、襯砌混凝土疏松、襯砌材料強度不足、襯砌鋼筋缺失、保護層厚度不足等。雖然隧道質(zhì)量缺陷的存在不會直接導(dǎo)致結(jié)構(gòu)破壞，卻是隧道病害的典型誘發(fā)因素，給隧道正常運營帶來安全隱患。

襯砌病害主要有襯砌裂損、襯砌水害和襯砌侵蝕等。這些病害往往不是單獨存在的，它們之間會相互影響與作用。如襯砌開裂會導(dǎo)致滲漏水，而襯砌的滲流水和積水，會造成襯砌裂縫的擴展，加重襯砌裂損。隨著襯砌病害的持續(xù)發(fā)展，最終導(dǎo)致結(jié)構(gòu)失穩(wěn)破壞，嚴重危及行車安全。

襯砌質(zhì)量缺陷屬于先天不足，而襯砌病害是后天產(chǎn)生的，在一定條件下質(zhì)量缺陷還會導(dǎo)致病害的產(chǎn)生。目前針對襯砌病害評價已較全面，由于質(zhì)量缺陷的隱蔽性，對襯砌質(zhì)量缺陷的有效評價依賴于檢測結(jié)果的合理性?，F(xiàn)有的襯砌質(zhì)量檢測以地質(zhì)雷達檢測法為主要手段，常見的襯砌質(zhì)量缺陷地質(zhì)雷達典型圖像如圖1所示。

2 云模型理論簡介

假設(shè)是用精確數(shù)值表示的一個定量論域，與對應(yīng)的定性概念為。若對于某一個任意定量值∈，且是的隨機實現(xiàn)，那么隨機數(shù)()∈[0,1]稱之為對的隸屬度。則在上的分布稱為云，[,(x)]構(gòu)成了云滴[10]，可表示為：

云采用3個特征數(shù)字來反映定性概念的定量特征，從而建立起定性概念與定量數(shù)據(jù)之間的轉(zhuǎn)換關(guān)系。云的3個數(shù)字特征值分別為：期望值E，熵E，超熵H。期望值E表示為定性概念在定量論域中的中心值；熵值E用來反映定性概念的模糊度，其值越大，說明模糊性和隨機性越大；超熵H可稱為熵E的熵，用于度量云滴的離散程度，超熵越大，云滴的不確定性越大。3個數(shù)字特征值的具體表達式詳見文獻[11, 14]。

(a) 襯砌內(nèi)部(背后)空洞；(b) 襯砌厚度不足；(c) 襯砌鋼筋缺失

圖1 襯砌典型質(zhì)量缺陷地質(zhì)雷達圖

Fig. 1 Radar map for typical quality defects of tunnel linings

云模型是云的具體實現(xiàn)方法，它是由李德毅院士于1995年提出的，用來處理定性和定量之間的轉(zhuǎn)換關(guān)系。云模型采用云發(fā)生器來表述其生成算法，云發(fā)生器類型包括正向云發(fā)生器(從定性到定量的映射)及逆向云發(fā)生器(從定量到定性的映射) 2種。

其中，正向云發(fā)生器是通過輸入云模型的3個基本數(shù)字特征參數(shù)和預(yù)期將要生成的云滴的數(shù)量，輸出指定數(shù)量的云滴在論域空間中的位置及其確定度。算法實現(xiàn)的具體步驟如下：

1) 生成一個期望值為E，方差為E為的正態(tài)隨機數(shù)；

2) 生成一個期望值為E、方差為T的正態(tài)隨機數(shù)；

3) 計算的隸屬度，具體表示為：

4) 生成一個云滴(,)；

5) 重復(fù)步驟1)～4)，直到生成滿足要求的云滴為止。

而逆向云發(fā)生器則是通過輸入數(shù)域空間中個云滴的精確位置及其在該論域的確定度，輸出是這個云所描述定性概念的3個數(shù)字特征值。算法實現(xiàn)的具體步驟為：

1) 首先計算樣本的均值即期望值、1階樣本絕對中心距和方差；

2) 得到云模型的期望值、熵值和超熵3個數(shù)字特征值。

3 改進EW-AHP權(quán)重確定方法

3.1 改進商權(quán)法

熵權(quán)法(Entropy Weight，EW)是一種指標權(quán)重確定方法，它依據(jù)指標變異性的大小，以此確定評價指標的權(quán)重。首先計算指標的信息熵值，計算得到某個指標的信息熵越小，說明數(shù)據(jù)的變異程度越大，提供的信息量就越大，在評價中所起的作用也就越大，即權(quán)重越大。反之，指標的信息熵越大，權(quán)重越小。以隧道襯砌服役狀況為例，假定評價項目為項，評價指標為個，組成評價矩陣1，采用極差歸一化方法處理1，得到評價指標矩陣為：

根據(jù)評價指標矩陣計算各指標的權(quán)重，計算步驟如下：

1) 計算第個指標下第個項目指標比重U

2) 計算第個評價指標的熵S

3) 確定指標的熵權(quán)值

4) 采用傳統(tǒng)熵權(quán)法計算各指標信息熵，當信息熵趨于1時，指標的微小差別都可能導(dǎo)致熵權(quán)值的較大變化[13]。因此，本文依據(jù)已有研究成果對此進行改進[13]：

3.2 改進層次分析法

傳統(tǒng)層次分析法采用九標度法確定指標權(quán)重，需要檢驗判據(jù)矩陣一致性。由于專家評分的主觀性，常需多次生成判據(jù)矩陣。為避免判據(jù)矩陣生成和一致性檢驗，本文采用三標度[15]的層次分析法(0,1,?1)生成判據(jù)矩陣。具體計算步驟如下：

1) 構(gòu)造判據(jù)矩陣

假設(shè)某一評價指標的影響因素依次為1~B，則評價指標的判斷矩陣可表示為：

2) 分別計算最優(yōu)傳遞矩陣以及一致性判斷矩陣。其中，中的元素M計算如下：

一致性判斷矩陣中的元素C采用式(10)進行計算，具體為：

3) 計算權(quán)重系數(shù)

首先將判斷矩陣的每行元素相乘，得到U。然后對U開次方，求得向量T。最后，將向量T進行歸一化處理，即可得到權(quán)重系數(shù)的矩陣計算過程中的U，T和權(quán)重系數(shù)i可分別表示為：

3.3 綜合權(quán)重的確定

為了讓權(quán)重的取值既體現(xiàn)客觀數(shù)據(jù)的規(guī)律，又體現(xiàn)專家的經(jīng)驗性，對熵權(quán)法和層次分析法求得的權(quán)重進行綜合，得到綜合權(quán)重，具體表示為：

4 襯砌服役狀況的云模型評價方法

4.1 評價步驟

1) 根據(jù)層次分析法構(gòu)建隧道襯砌評價指標 體系；

2) 將評價指標進行等級劃分并賦值；

3) 根據(jù)逆向發(fā)生器原理計算各指標的3個數(shù)字特征(E，E，H)，確定指標云模型；

4) 采用改進EW-AHP法計算指標綜合權(quán)重；

5) 從指標層到目標層逐層計算各層級云模型，最終獲得綜合評價結(jié)果云模型。

4.2 評價指標云模型的生成

評價指標分為2類：一類是具體測量數(shù)值；另一類是定性描述信息。數(shù)值指標云模型的生成采用極差變換方法，將測量值進行量綱歸一化處理，變?yōu)闊o量綱且取值范圍為[0,1]的數(shù)，根據(jù)云模型理論，將數(shù)值信息轉(zhuǎn)化為對應(yīng)的云模型。

對于采用定性描述的指標信息，根據(jù)病害研究成果和專家建議，將檢測指標進行等級劃分，分為(1～)，以對應(yīng)等級數(shù)值作為其評分，實現(xiàn)定性描述的定量化，然后采用定量指標計算方法生成指標云模型。

4.3 綜合評價結(jié)果計算

根據(jù)公路隧道襯砌服役狀況評價指標體系，將指標云模型和指標權(quán)重進行計算，逐層求出目標層云模型，即得到綜合評價結(jié)果云模型。其計算表達式為：

4.4 評價等級云模型的生成

依據(jù)現(xiàn)行的《公路隧道養(yǎng)護技術(shù)規(guī)范》(JTG H12－2015)[16]，按照結(jié)構(gòu)技術(shù)狀況評分(JGCI)將確定服役狀態(tài)分為5類，類別越高，說明服役狀況越差。具體劃分依據(jù)如下：JGCI≥80分為1類，70≤JGCI＜85分為2類，55≤JGCI＜70分為3類，40≤JGCI＜55分為4類，JGCI＜40分為5類。

為方便與云模型評價結(jié)果對比，采用黃金分割分割法將規(guī)范中的技術(shù)狀況分類轉(zhuǎn)換為云模型，生成的評價分類云模型見表1，采用正向云發(fā)生器將分類云模型生成云圖，見圖2。

表1 襯砌服役狀況分類云模型

各類別云模型的數(shù)字特征采用黃金分割法實現(xiàn)，其計算公式如下：

圖2 公路隧道評價等級云圖

5 實例應(yīng)用

5.1 隧道襯砌檢測指標云模型

為了驗證云模型評價方法的有效性，以云南山區(qū)某隧道病害檢測數(shù)據(jù)為樣本，對隧道襯砌服役狀況進行云模型評價。該隧道為單洞雙車道隧道，隧道長6 680 m，隧道凈寬7.0 m，凈高6.65 m，采用曲墻式襯砌斷面、復(fù)合式襯砌結(jié)構(gòu)。該隧道存在襯砌裂縫、滲漏水、襯砌背后空洞及厚度不足等質(zhì)量缺陷與病害，裂縫以環(huán)向裂縫為主，集中分布在寬度小、長度短的區(qū)間；滲漏水以浸滲為主；襯砌背后空洞主要為拱部空洞，空洞長度處于中小長度區(qū)間。限于篇幅，襯砌質(zhì)量檢測數(shù)據(jù)詳見文獻[14]，按照已有評價指標體系研究成果[17?18]，建立隧道檢測指標體系，統(tǒng)計各層級指標數(shù)據(jù)建立相應(yīng)的云模型見表2。

表2 某公路隧道襯砌各測試指標的云模型

5.2 權(quán)重確定

根據(jù)改進層次分析法，計算得到各指標的權(quán)重值如表3所示。

同時選取16座同類隧道檢測數(shù)據(jù)建立熵權(quán)法評價指標矩陣，采用改進熵權(quán)法計算各指標的熵值、權(quán)重和綜合權(quán)重結(jié)果見表4。

表3 三標度AHP法確定的指標權(quán)重

5.3 評價結(jié)果及分析

由上述分析可得到某公路隧道襯砌的評價指標云模型和權(quán)重，從子準則層到目標層逐層向上計算各層的評價云模型見表5，對應(yīng)的云圖如圖3所示。

表4 評價指標的熵權(quán)和綜合權(quán)重

表5 各級指標評價結(jié)果云模型

圖3顯示，某隧道襯砌服役狀況介于2～3類區(qū)間，靠近2類，評價云圖能形象地刻畫健康狀況所處等級的詳細區(qū)域。根據(jù)《公路隧道養(yǎng)護技術(shù)規(guī)范》[16]中4.5.4相關(guān)規(guī)定，結(jié)合該隧道的檢測數(shù)值，獲得各分項檢查段落狀況值，根據(jù)規(guī)范要求的相關(guān)評分原則和結(jié)構(gòu)各分項權(quán)重的選取，對該隧道的土建結(jié)構(gòu)進行了技術(shù)狀況評定，通過計算獲得土建結(jié)構(gòu)技術(shù)狀況評分為70分，評價結(jié)果為2類隧道，與云模型結(jié)果基本一致，驗證了基于云模型的山嶺隧道襯砌服役狀況評價的有效性，還體現(xiàn)了該方法的直觀可視性?？梢?，云模型評價方法能有效應(yīng)用于隧道工程實際服役狀況評價。

(a) 襯砌裂縫云模型評價；(b) 襯砌背后空洞云模型評價；(c) 襯砌厚度不足云模型評價；(d) 襯砌滲漏水云模型評價；(e) 襯砌服役狀況云模型綜合評價

6 結(jié)論

1) 采用云模型理論，結(jié)合改進EW-AHP綜合賦權(quán)方法，建立了隧道襯砌服役狀況的云模型評價方法。

2) 采用云模型評價能實現(xiàn)定性概念和定量數(shù)值之間的相互轉(zhuǎn)換，能夠較好地處理指標的模糊性和隨機性問題，對于診斷隧道健康狀況的模糊系統(tǒng)，采用云模型能夠獲得最優(yōu)解答，將其運用于襯砌結(jié)構(gòu)的評價，從理論角度看，云模型評價方法更科學(xué)合理。

3) 工程實例的評價過程顯示，所建立的襯砌服役狀況云模型評價方法計算簡單；對比規(guī)范評價方法，兩者評價結(jié)果一致，說明該方法在工程應(yīng)用上是可行的。而且，云模型評價方法更為客觀、評價結(jié)果更為形象精確，具有良好的應(yīng)用前景。

[1] 洪開榮. 近2年我國隧道及地下工程發(fā)展與思考(2017—2018年)[J]. 隧道建設(shè), 2019, 39(5): 710?723. HONG Kairong. Development and thinking of tunnels and underground engineering in China in recent 2 years (From 2017 to 2018)[J].Tunnel Construction, 2019, 39(5): 710?723.

[2] Davis A G, Lim M K, Petersen C G. Rapid and economical evaluation of concrete tunnel linings with impulse response and impulse radar non-destructive methods[J]. Ndt & E International, 2005, 38(3):181?186.

[3] 程姝菲. 基于模糊層次分析的公路隧道運營風險評價[J]. 鐵道建筑技術(shù), 2014(增1): 201?204. CHENG Zhufei. Risk assessment of highway tunnel operation based on fuzzy analytic hierarchy process[J]. Railway Construction Technology, 2014(Suppl 1): 201? 204.

[4] RAO J Y, XIE T, LIU Y M. Fuzzy evaluation model for in-service karst highway tunnel structural safety[J]. KSCE Journal of Civil Engineering, 2016, 20(4): 1242? 1249.

[5] ZHANG W, SUN K, LEI C, et al. Fuzzy analytic hierarchy process synthetic evaluation models for the health monitoring of shield Tunnels[J]. Computer-Aided Civil and Infrastructure Engineering, 2014, 29(9): 676? 688.

[6] 蔣雅君, 陶雙江, 楊露, 等. 基于DERU評價方法的運營公路隧道土建結(jié)構(gòu)技術(shù)狀況綜合評價技術(shù)研究[J]. 隧道建設(shè), 2017, 37(10): 1239?1245. JIANG Yajun, TAO Shuangjiang, YANG Lu, et al. Study of comprehensive evaluation system for operation highway tunnel structure technical conditions based on DERU evaluation method[J]. Tunnel Construction, 2017, 37(10): 1239?1245.

[7] 李偉, 張淼, 蔡影. 基于聚類分析的隧道健康評價[J]. 西華大學(xué)學(xué)報(自然科學(xué)版), 2017, 36(2): 106?111. LI Wei, ZHANG Miao, CAI Ying. Tunnel health assessment based on cluster analysis[J]. Journal of Xihua University (Natural Science), 2017, 36(2): 106?111.

[8] BIAO Z, X Xiongyao, LI Yongsheng. A structural health assessment method for shield tunnels based on torsional wave speed[J]. Science China, 2014, 57(6): 1109?1120.

[9] 王洪德, 高秀鑫. 高速公路隧道健康診斷及預(yù)警的模糊神經(jīng)網(wǎng)絡(luò)方法[J]. 中國安全科學(xué)學(xué)報, 2014, 24(2): 9?15. WANG Hongde, GAO Xiuxin. Method of fuzzy neural network for expressway tunnel health diagnosis and early-warning[J]. China Safety Science Journal, 2014, 24(2): 9?15.

[10] 李德毅, 劉常昱, 杜鹢, 等. 不確定性人工智能[M]. 北京: 國防工業(yè)出版社, 2014. LI Deyi, LIU Changyu, DU Yi. Artificial intelligence with uncertainty[M]. Beijing: National Defence Industry Press, 2014.

[11] 傅鶴林, 黃震, 黃宏偉, 等. 基于云理論的隧道結(jié)構(gòu)健康診斷方法[J]. 工程科學(xué)學(xué)報, 2017, 39(5): 794?801. FU Helin, HUANG Zhen, HUANG Hongwei, et al. Health diagnosis method of shield tunnel structure based on cloud theory[J]. Chinese Journal of Engineering, 2017, 39(5): 794?801.

[12] XU Hongshi, MA Chao, LIAN Jijian, et al. Urban flooding risk assessment based on an integrated k-means cluster algorithm and improved entropy weight method in the region of Haikou, China[J]. Journal of Hydrology, 2018, 563: 975?986.

[13] 阮永芬, 高春欽, 李志偉, 等. 基于改進AHP與熵權(quán)法的膨脹土脹縮等級云模型評價[J]. 江蘇大學(xué)學(xué)報(自然科學(xué)版), 2017, 38(2): 218?223. RUAN Yongfen, GAO Chunqin, LI Zhiwei, et al. Cloud model evaluation of swell-shrink grade of swelling soil based on improved analytic hierarchy process and entropy weight method[J]. Journal of Jiangsu University (Natural Science), 2017, 38(2): 218?223.

[14] 張博. 云南山區(qū)公路隧道襯砌病損特征及服役狀況評價方法研究[D]. 昆明: 昆明理工大學(xué), 2018. ZHANG Bo. Study on the damage characteristics and service status evaluation methods of highway tunnel lining in Yunnan mountain area[D]. Kunming: Kunming University of Science and Technology, 2018.

[15] 熊立, 梁樑, 王國華. 層次分析法中數(shù)字標度的選擇與評價方法研究[J]. 系統(tǒng)工程理論與實踐, 2005, 25(3): 72?79. XIONG Li, LIANG Liang, WANG Guohua. Method research on selection and valuation of numeric scale in analytic hierarchy process[J]. Systems Engineering- Theory & Practice, 2005, 25(3): 72?79.

[16] JTGH12—2015,公路隧道養(yǎng)護技術(shù)規(guī)范[S]. JTGH12—2015,Technical specifications of maintenance for highway tunnel[S].

[17] 蘇亮亮, 尹訓(xùn)強. 基于灰色定權(quán)聚類的公路隧道結(jié)構(gòu)健康評估[J]. 大連大學(xué)學(xué)報, 2016, 37(6): 21?26. SU Liangliang, YIN Xunqiang. Health assessment of highway tunnel structure based on grey fixed weight cluster[J]. Journal of Dalian University, 2016, 37(6): 21?26.

[18] 王亞瓊, 周紹文, 孫鐵軍, 等. 基于模糊貼近度的公路隧道結(jié)構(gòu)健康評價[J]. 公路交通科技, 2014, 31(12): 78?83. WANG Yaqiong, ZHOU Shaowen, SUN Tiejun, et al. Structural health assessment for highway tunnels based on fuzzy proximity[J]. Journal of Highway and Transportation Research and Development, 2014, 31(12): 78?83.

A service performance evaluation method for mountain tunnel linings based on cloud model

REN Zhihua1, ZHANG Bo2, DING Zude2, JI Xiafei2

(1. Yunnan Institute of Highway Science and Technology, Kunming 650051, China ;2. Faculty of Civil Engineering and Mechanics, Kunming University of Science and Technology, Kunming 650500, China)

Three level evaluation index system of lining structure service condition including target layer, criterion level and sub criterion level was constructed by using the analytic hierarchy process (AHP). According to the research results of lining damage safety and cloud model theory, the qualitative indicators were classified and assigned, and the qualitative indicators were quantified. Using the principle of cloud reverse generator, the index cloud model was generated, and the index weight was determined by the improved EW-AHP comprehensive empowerment method. The cloud model of each layer was calculated from the index layer to the target layer, and a comprehensive evaluation method of cloud model for the service status of the highway tunnel lining was established. Combined with the test data of a tunnel, the validity and rationality of the cloud model evaluation method was verified. The evaluation method can reflect the randomness and fuzziness of the index, and the evaluation results are intuitive and visual.

highway tunnel; lining structure; cloud model; improved EW-AHP; comprehensive evaluation

U459.3

A

1672 ? 7029(2020)10 ? 2618 ? 08

10.19713/j.cnki.43?1423/u.T20200119

2020?02?18

國家自然科學(xué)基金資助項目(51768028)；云南省交通廳科技資助項目(云交科2016A-01，2017A-04)

丁祖德(1979?)，男，湖南常德人，副教授，博士，從事隧道及地下工程方面的教學(xué)與科研工作；E?mail：dzdvsdt@163.com

(編輯 蔣學(xué)東)