Evaluación de riesgos de seguridad de la construcción de túneles de loess en un entorno complejo basado en la teoría de juegos

Aug 15, 2023

Scientific Reports volumen 13, número de artículo: 12249 (2023) Citar este artículo

257 Accesos

1 altmétrica

Detalles de métricas

Debido al impacto del entorno, los factores de impacto en la seguridad encontrados durante la construcción de túneles de loess son complejos y numerosos, lo que provoca accidentes frecuentes, y faltan métodos de evaluación de riesgos de seguridad aplicables a la construcción de túneles de loess en entornos complejos. . Basado en el proyecto del túnel Luochuan del ferrocarril de alta velocidad Xi'an-Yan'an, este artículo analiza los factores de impacto de los riesgos de construcción del túnel loess y se seleccionan 15 factores de impacto principales que involucran factores subjetivos y objetivos para establecer la evaluación de riesgos de seguridad. Sistema de construcción de túneles de loess en un entorno complejo. Para determinar el peso de los factores de impacto, este artículo introduce por primera vez el método de ponderación combinada basado en la teoría de juegos. Luego, el modelo de evaluación de riesgos de la seguridad de la construcción de túneles de loess se establece utilizando la teoría del modelo de nube convencional. Finalmente, el modelo se aplica al proyecto de soporte para su verificación. Los resultados muestran que el soporte y el revestimiento tienen el mayor impacto en la seguridad de la construcción de túneles, seguidos por la gestión de la construcción, la calidad de la roca circundante, el terreno de ingeniería dañino, la medición de monitoreo, la colocación de postes y el método de construcción. El resultado de la evaluación es consistente con el grado de riesgo de construcción real, lo que demuestra que el resultado de la evaluación del modelo es preciso y confiable, y que el modelo tiene importancia orientadora para la evaluación de riesgos de seguridad de la construcción de túneles loess en entornos complejos.

El loess está ampliamente distribuido en las regiones central y occidental de China y su superficie alcanza los 631.000 km2, lo que representa aproximadamente el 6,6% de la superficie total del país1. Como sedimento cuaternario, el loess tiene las características de desarrollo de juntas verticales, estructura suelta y ablandamiento del agua2. Las características especiales de ingeniería también plantean un gran desafío para la construcción de ingeniería en la región occidental, especialmente para los proyectos de túneles que cruzan el estrato de loess, que a menudo enfrentan desastres como deslizamientos de tierra, suelos de barro proyectados y chorros de agua, y grandes deformaciones durante la construcción, y aquellos desastres que causan grandes riesgos de seguridad y pérdidas económicas3. En el pasado, muchos académicos han estudiado las características de las rocas circundantes y la estabilidad estructural de los túneles de loess4,5,6, y el propósito es minimizar el riesgo de construcción en la práctica de producción. Por lo tanto, el problema clave que debe resolverse urgentemente es analizar en profundidad los riesgos de la construcción de túneles de loess y proponer métodos de evaluación eficaces.

Numerosos académicos han estudiado exhaustivamente la evaluación del riesgo de túneles en los últimos años. En el libro “Guidelines for Tunneling Risk Management” escrito por Eskesen et al.7 se analizan los modelos de evaluación de riesgos y los índices de evaluación y, por primera vez, se propone un conjunto completo de estándares de referencia para la evaluación y gestión de riesgos en la construcción de túneles. Sobre la base de una encuesta y un resumen sistemático de más de 50 túneles, McFeat-Smith y Harman8 desarrollaron un sistema de evaluación de riesgos IMS que incluye muchos tipos de riesgos diferentes. Hyun et al.9 investigaron y analizaron los posibles factores de riesgo para la seguridad de la TBM en el proceso de construcción de túneles a través de estudios de casos y consultas de expertos, construyeron un árbol de fallas a partir de tres aspectos de geología, diseño y construcción, y predijeron efectivamente la probabilidad de ocurrencia del riesgo. y su impacto en las etapas de diseño y construcción del túnel TBM mediante el uso de FTA y AHP. Al analizar el mecanismo de 76 accidentes de colapso de túneles grandes y medianos, Gao et al.10 propusieron siete factores de riesgo principales como índices de evaluación y realizaron una evaluación del riesgo de colapso de túneles basada en la teoría del sistema gris ponderado por entropía. Liu et al.11 discutieron la relación entre la deformación del túnel y las actividades humanas, y aplican el proceso de jerarquía analítica difusa para evaluar el riesgo de colapso en túneles de loess debajo de áreas residenciales. Balta et al.12 desarrollaron un software de identificación de riesgos para la ingeniería de túneles basado en la teoría bayesiana y lo aplicaron con éxito a la práctica de la ingeniería. Basándose en investigaciones y casos de ingeniería, Lin et al.13 resumieron y analizaron cuatro factores que influyen estrechamente relacionados con la interferencia de las TBM. Utilizando la teoría ISM, se estableció un modelo BN dinámico para obtener las condiciones geológicas frente al frente del túnel y lograr una predicción dinámica de desastres geológicos y atascos de la tuneladora durante la construcción del túnel.

En términos de métodos de evaluación de riesgos para la ingeniería subterránea, incluido el método de la matriz de riesgos14, el método del índice de riesgos15, el método IMS8, el método del árbol de eventos16, el método de evaluación difusa17, la red bayesiana18,19 y la red neuronal20, etc. Sin embargo, cada método tiene algunas limitaciones. y al mismo tiempo es incapaz de explicar la gran incertidumbre y la falta de claridad de la aleatoriedad en el proceso de construcción del túnel21, que no puede guiar bien la construcción del túnel en la práctica. Por lo tanto, muchos expertos y académicos han propuesto métodos de análisis integrales de la incertidumbre basados ​​en estas teorías y métodos. Chamzini et al.22 consideraron el problema de la borrosidad y la aleatoriedad, determinaron las ponderaciones del índice mediante consulta de expertos y establecieron un modelo de decisión combinado con el método TOPSIS difuso, proporcionando un nuevo método de evaluación integral para la selección del esquema de TBM en la nueva situación. Al identificar los factores de riesgo del colapso del túnel de loess, Zhang et al. estableció un modelo de evaluación de índices múltiples para la evaluación del riesgo de colapso de túneles de loess utilizando la teoría de conjuntos aproximados y el método de extensión23. Cai et al.24 desarrollaron un método de inferencia híbrido mejorado que considera simultáneamente la estocasticidad y la borrosidad del sistema de riesgo para lograr una fusión efectiva de información de múltiples fuentes. Sharafat et al.25 propusieron por primera vez un método de análisis y gestión de riesgos para proyectos de túneles con TBM en condiciones de terreno difíciles, basado en el método genérico de la pajarita. Al integrar modelos de causa y consecuencia con árboles de fallas y árboles de eventos, identifican y evalúan de manera efectiva los riesgos que conlleva la construcción de TBM en condiciones de terreno difíciles y brindan las medidas correctivas correspondientes.

Sin embargo, la mayoría de los estudios anteriores se centraron en una única fuente de riesgo y en la evaluación estática, pero los eventos de riesgo y sus factores de impacto del mismo túnel en diferentes tiempos y espacios tienen diferente sensibilidad al estado de riesgo para la seguridad. Más importante aún, el proceso de construcción de túneles de loess se ve significativamente afectado por el entorno de la superficie, la profundidad del túnel y las condiciones de lluvia, y los resultados de la investigación existente no consideran la incertidumbre de los datos de evaluación, que tienen mayores limitaciones para los túneles de loess. Por lo tanto, es urgente proponer un método de evaluación de riesgos de seguridad aplicable a la construcción de túneles de loess en entornos complejos.

El modelo de nube es un modelo de transformación de incertidumbre propuesto por Li que puede manejar conceptos cualitativos y descripciones cuantitativas26, que puede abordar objetivamente problemas cualitativos y confusos en el proceso de evaluación y tiene ventajas significativas para mejorar el nivel de confianza de los resultados de la evaluación. Se ha aplicado ampliamente en diversos campos, como la evaluación de la seguridad27, el análisis de decisiones28 y la evaluación de riesgos29,30, y ha logrado resultados considerables. Sin embargo, en el proceso de evaluación de riesgos de la construcción de túneles, la ponderación depende demasiado de la conciencia subjetiva, lo que da lugar a una baja credibilidad de los resultados de la evaluación. Como teoría de investigación operativa, la teoría de juegos puede coordinar mejor los conflictos entre diferentes métodos de ponderación, minimizar el impacto de factores subjetivos en la ponderación de indicadores, para asignar científica y razonablemente las ponderaciones de varios factores31.

Con base en esto, este estudio tiene como objetivo proponer un nuevo modelo integral de evaluación de riesgos basado en la seguridad de la construcción de túneles de loess en un entorno complejo, que pueda presentar de manera efectiva los indicadores cualitativos de un entorno complejo de manera cuantitativa y ayudar a las unidades de construcción a adquirir el estado de riesgo. de la construcción del túnel y optimizar el plan de construcción en el tiempo. Primero, determinar el sistema de índice de evaluación de riesgos y los criterios de evaluación. En segundo lugar, se propone un nuevo modelo de fusión de pesos utilizando la teoría de juegos para mejorar el método de asignación subjetivo-objetivo para determinar los pesos de cada indicador de riesgo. Finalmente, el modelo de nube estandarizado se introduce en la evaluación de riesgos de la construcción de túneles de loess para obtener la determinación de cada índice bajo diferentes niveles de riesgo, determinar el nivel de riesgo de seguridad de la construcción del túnel utilizando el criterio de grado máximo de subordinación y verificar la viabilidad y eficacia de el modelo comparando los datos de seguimiento del proyecto real con los resultados de la evaluación. El método propuesto se puede aplicar de manera confiable al monitoreo de seguridad y alerta temprana de riesgos de construcción en túneles de loess, y es igualmente aplicable a otros túneles en entornos complejos.

Ubicado en el condado de Luochuan, provincia de Shaanxi, el túnel de Luochuan es un proyecto clave del nuevo ferrocarril de alta velocidad Xi'an-Yan'an (tramo XYZQ-8). El túnel adopta la estructura de diseño de un túnel ferroviario de doble vía, de un solo orificio, con una longitud total de 4140,43 m, el área teórica de excavación es de 167,3 m2 (Fig. 1), y una profundidad máxima enterrada de 64 m. Todo el túnel emplea el método de construcción minero y se agrega un pozo inclinado. El eje inclinado corta la línea principal en el kilometraje DK196 + 700 y forma un ángulo de 53° con la línea. El área del sitio del túnel pertenece al área de barrancos de la meseta de Weibei Loess, y los estratos que cruza el túnel son principalmente de loess. La litología de la roca circundante se compone principalmente de loess Malan del Pleistoceno superior Cuaternario, loess Lishi del Pleistoceno medio Cuaternario y paleosol. La sección geológica longitudinal se muestra en la Fig. 2 y los parámetros geotécnicos de las formaciones rocosas se muestran en la Tabla 1.

La sección transversal del túnel de Luochuan.

Sección longitudinal geológica del túnel de Luochuan.

El túnel de Luochuan es el túnel de loess de gran sección enterrado poco profundo, de alto riesgo, más típico y representativo entre los 45 túneles de la línea ferroviaria Xi'an-Yan'an, con un entorno complejo y un alto riesgo de construcción a lo largo de la línea. En términos de condiciones geológicas, el túnel penetra a través de un estrato que contiene loess colapsable, loess plástico blando y paleosuelo expansivo, y la porción del estrato de loess plástico blando mide 2073 m de longitud y se encuentra esparcido por toda la bóveda, el cuerpo de la caverna y los cimientos. base. En términos de ingeniería, por un lado, el túnel de Luochuan se caracteriza por una sección enterrada larga y poco profunda, que tiene 2892 m de largo, lo que representa el 70% de la longitud total; por otro lado, se caracteriza por un entorno de construcción complejo. en el que el túnel atraviesa barrancos poco profundos de loess enterrados y estructuras existentes como casas de pueblo, fábricas y carreteras. Además, la intersección del túnel principal y el túnel auxiliar en el pozo inclinado está sujeta a tensiones complejas. Como resultado, existen riesgos de colapso, gran deformación, caída de bloques del arco y deformación del sótano en la construcción del túnel; el plano del túnel se muestra en la Fig. 3.

Plano del túnel de Luochuan.

La profundidad enterrada de la sección de excavación subterránea DK198 + 170–DK198 + 881 a la salida del túnel Luochuan es de sólo 8 a 18,8 m, y durante la construcción se produjo un asentamiento desigual de la superficie del suelo, con un rango de superficie de 50 m a ambos lados de El eje del túnel se ve afectado por la construcción. Como se muestra en la Fig. 4, las fisuras del suelo desarrolladas a lo largo del eje del túnel en ambos lados del túnel y perpendiculares al eje del túnel se forman sobre el túnel, y los edificios sobre el túnel también sufren daños en diversos grados.

Grietas superficiales y daños a la construcción (a) grietas superficiales, (b) daños a la construcción.

La sección de salida del túnel de Luochuan está distribuida con loess de colapso por peso propio, la sección de DK198 + 170 – DK198 + 700 cruza por debajo de la aldea de Zuoshan, y se produjo una gran deformación durante la construcción. Los resultados del monitoreo del asentamiento de la corona del arco desde la construcción de la sección de salida se muestran en la Fig. 5. Se puede ver en la Fig. 5 que la deformación de la sección enterrada poco profunda ordinaria generalmente se encuentra en un estado seguro, y la mayor parte de la sección La deformación no excede la deformación reservada del diseño original. En la sección de paso inferior y en la sección geotécnica especial, la deformación del túnel excede la deformación reservada de diseño original, y la deformación máxima alcanza los 436,5 mm, superando con creces la deformación reservada de diseño original, lo que tiene un gran impacto en la seguridad de la construcción.

Resultados del seguimiento del asentamiento de coronas en el túnel de Luochuan.

El área del sitio del túnel pertenece a un clima monzónico continental húmedo templado, con veranos calurosos, lluvias concentradas y frecuentes tormentas. La precipitación anual puede alcanzar los 596,7 mm y se concentra principalmente de mayo a septiembre. En la Fig. 6 se muestran los días de lluvia mensuales y las precipitaciones desde el inicio de la construcción en 2022, y en la Fig. 6 se puede ver que la precipitación máxima ocurre en julio. Especialmente el 26 de julio, el área del sitio del túnel encontró una tormenta y el agua de lluvia se vertió en el túnel a lo largo de las grietas de la superficie y la entrada, lo que provocó graves chorros de agua en el túnel, lo que afectó gravemente la capacidad de carga de la base de los cimientos y la seguridad de la construcción.

Número de días de lluvia y precipitaciones mensuales en el condado de Luochuan (2022).

El loess arcilloso y el paleosuelo conforman los estratos que atraviesa el túnel, los cuales están compuestos principalmente por limo y tienen una estructura suelta. Debido a la fuerte posición vertical del loess, la superficie de la palma frecuentemente colapsa y cae a lo largo de su superficie de unión vertical durante la excavación, lo que hace muy sencillo sobreexcavar el arco. Durante la instalación real de la estructura de acero, se produjo un accidente de seguridad debido al colapso del bloque, lo que provocó que un trabajador resultara herido, como se muestra en la Fig. 7.

Bloque colapsado de la superficie de la palma.

Los factores de riesgo de la construcción del túnel de Luochuan se pueden clasificar en las siguientes cuatro categorías como resultado de la identificación y el análisis de los principales eventos de riesgo que ocurrieron durante la construcción del túnel. Estos riesgos incluyen deslizamientos de tierra, deslizamientos de tierra, chorros de agua, grandes deformaciones y otros desastres. En términos de condiciones geológicas naturales, el túnel atraviesa estratos geológicos dañinos como el loess colapsable autopesado, la superficie está cubierta de edificios, las precipitaciones se concentran en verano y la roca circundante es pobre, que son los factores internos del loess. Accidentes de riesgo en ingeniería de túneles. En términos de parámetros de diseño de túneles, las grandes áreas de excavación de túneles y la poca profundidad del túnel enterrado también son factores de riesgo de ingeniería importantes que resultan en accidentes. En términos de tecnología de construcción, los postes, el método de construcción, el soporte y el revestimiento tienen un mayor impacto en la seguridad de la construcción. Por lo tanto, la selección de métodos de construcción y parámetros de soporte razonables es una garantía necesaria para reducir los riesgos de construcción. La dirección de obra es causa directa de accidentes de riesgo. Como medio técnico importante para garantizar la seguridad de la construcción, el monitoreo y su retroalimentación de información están directamente relacionados con la ocurrencia de accidentes riesgosos y la seguridad del personal de la construcción, mientras que el nivel de organización y gestión de la construcción, el nivel técnico del personal y la configuración de Los materiales y equipos son condiciones indispensables para la construcción de túneles de loess.

El riesgo de pérdida de construcción de túneles en un entorno complejo se refiere al riesgo en las actividades de construcción bajo el impacto conjunto de factores externos como el entorno de la superficie, las condiciones meteorológicas y factores intrínsecos como las condiciones de las rocas circundantes y la tecnología de construcción. Según el análisis de riesgo de la construcción de túneles de Luochuan y los resultados de la investigación sobre el riesgo de construcción de túneles de loess, los factores de impacto se pueden dividir en condiciones geológicas naturales, parámetros característicos del túnel, tecnología de construcción y gestión de seguridad.

Las condiciones geológicas naturales incluyen el entorno natural y el entorno de construcción. La naturaleza de la roca circundante, las condiciones meteorológicas, la propiedad de producción de agua y diversas estructuras geológicas dañinas tienen un impacto significativo en la construcción del túnel. Entre ellos, la naturaleza de la roca circundante es un factor clave en la generación de grandes deformaciones del túnel. Numerosos entornos de construcción complejos, como cruces subterráneos de edificios y estructuras existentes, carreteras, actividades residenciales de superficie y tierras de cultivo irrigadas, están presentes durante la construcción de túneles de loess, lo que afecta la estabilidad de la roca circundante del túnel y aumenta el riesgo de accidentes. Las buenas condiciones geológicas son más propicias para reducir los riesgos de seguridad en la construcción. Lógicamente, cuanto mayor sea la ley de la roca circundante, peores serán las propiedades mecánicas de la roca, mayor será la probabilidad de riesgo en el túnel. Las rocas circundantes del proyecto se encuentran distribuidas del IV al VI.

El área y la luz de la sección de excavación del túnel son parámetros característicos clave en la evaluación de la seguridad de la construcción del túnel; hasta cierto punto, pueden reflejar la dificultad de la excavación y el grado de alteración de la roca circundante, lo que tiene un impacto importante en la estabilidad. del túnel que rodea la roca. La mayoría de las secciones de excavación de túneles de loess no son circulares estándar, por lo tanto, se utiliza el diámetro equivalente del túnel D = 2A/π para representar el tamaño de la sección del túnel, donde A es el área de la sección de excavación. Al mismo tiempo, la profundidad del túnel enterrado también es un factor que no debe ignorarse. El débil efecto de arco de los túneles poco profundos conduce fácilmente al colapso del túnel o a una gran deformación. Con el aumento de la profundidad del túnel enterrado, se forma gradualmente el arco de colapso estable, pero también aumenta la tensión concentrada en el pie del arco y en el fondo del túnel.

El túnel ha pasado por tres etapas durante la construcción: daños por perturbaciones causados ​​por la excavación, ajuste dinámico del soporte y deformación, equilibrio final y estabilidad. La estabilidad de la roca circundante depende en gran medida de la fuerza y ​​la deformación de la estructura de soporte, el proyecto real se divide en diferentes esquemas de soporte según los diferentes grados de la roca circundante, y el momento adecuado del soporte es un medio eficaz para controlar la gran deformación del túnel. La construcción inadecuada es la causa directa de accidentes de seguridad en túneles, incluidas técnicas de excavación no conformes, parámetros y técnicas de soporte de revestimiento irracionales, aplicación tardía de medidas de soporte y operaciones de construcción no conformes, que conducen a una resistencia de soporte insuficiente y son propensas a accidentes. . Por lo tanto, elegir un método de construcción razonable y el correspondiente sistema de soporte es de gran importancia para la construcción segura de túneles. Los métodos de construcción comúnmente utilizados incluyen el método CRD, el método CD, el método de tres pasos y el método de sección completa, y el método de construcción incluye pernos de construcción, techos de tuberías grandes, tuberías pequeñas, etc. Es necesario ajustar dinámicamente el método de construcción y el plan de soporte de acuerdo con a los continuos cambios en las condiciones geológicas y estados mecánicos durante la construcción del túnel para garantizar la estabilidad general del túnel durante el proceso de construcción.

Los factores que afectan la seguridad de la construcción de túneles no son solo la escala de construcción y las condiciones ambientales del túnel, sino también los factores humanos y de gestión, y la gestión de la seguridad se produce principalmente desde la perspectiva de la tecnología de seguridad y la gestión organizativa. El monitoreo y la medición pueden comprender la excavación del túnel y respaldar el estado de seguridad en tiempo real, pronosticar y proporcionar alertas tempranas de eventos de riesgo del túnel y tomar las medidas correspondientes con prontitud. Además, la gestión y organización de la construcción es un sistema complicado acoplado a múltiples factores con cinco aspectos: hombre-máquina-material-entorno-método, que planifica, organiza, coordina y controla sistemáticamente varias etapas de la construcción y afecta directamente la seguridad de la construcción durante todo el proceso. todas las fases del proyecto.

Al analizar los factores clave que afectan la seguridad de la construcción de túneles, se construye un sistema de índice de evaluación de riesgos para la construcción de túneles de loess. Al mismo tiempo, se introduce el modelo de nube de teoría de juegos para determinar el peso óptimo de cada índice y construir un modelo integral de evaluación de riesgos. Establezca el sistema que será evaluado por U. La seguridad de la construcción de túneles de loess en un entorno complejo se divide en componentes independientes según diferentes características de riesgo U = (P1, P2,…, Pm), y cada componente contiene varios subcomponentes con diferentes atributos Pi = (b1, b2,…, bn), donde n es el número de índices de evaluación. La Figura 8 muestra el proceso de evaluación de riesgos.

Proceso de evaluación de riesgos.

Se establece el sistema integral de índices de evaluación de riesgos de la seguridad de la construcción de túneles de loess, que incluye 15 índices, como la calidad de la roca circundante y el diámetro equivalente del pozo, como se muestra en la Fig. 9. La racionalidad de seleccionar indicadores de evaluación afecta directamente la confiabilidad del análisis y el nivel de riesgos. discriminación. Según la conclusión extraída de la identificación de los factores de riesgo, el riesgo de la construcción de túneles es el resultado del efecto de acoplamiento de factores geológicos, factores de diseño, factores de construcción y factores de gestión. Al analizar y resumir los resultados de la investigación de la evaluación de riesgos de construcción de proyectos representativos de túneles de loess en el país y en el extranjero11,23,32,33, el sistema no sólo extrae lecciones de las experiencias de investigación de los expertos, sino que también toma en cuenta la cientificidad, la racionalidad, la representatividad y la operatividad. sus principios de establecimiento, pero también realiza la combinación de índices dinámicos e índices estáticos.

Cuadro del sistema de índice de evaluación de riesgos.

En vista de las investigaciones actuales, no hay consenso sobre la formulación de normas de riesgo de seguridad para la construcción de ingeniería de túneles ferroviarios. Este documento hace referencia a las “Disposiciones provisionales sobre evaluación y gestión de riesgos de túneles ferroviarios”34, “La guía técnica para la construcción de ingeniería de túneles ferroviarios”35 y otras normas y literatura relevantes36,37,38. Según la práctica de ingeniería real, el nivel de riesgo de la construcción de túneles de loess se define en cinco niveles desde la perspectiva de la escala de impacto y el nivel de peligro: I (básicamente sin riesgo), II (bajo riesgo), III (riesgo medio), IV (riesgo relativamente alto) y V (riesgo alto), y el intervalo de niveles de riesgo de cada índice se muestra en la Tabla 2.

El Proceso de Jerarquía Analítica es un método de toma de decisiones propuesto por TL Saaty para el análisis cualitativo y cuantitativo de problemas complejos multiobjetivo39, que matematiza el proceso de toma de decisiones del sistema basándose en el concepto de multifactor y multinivel, y construye un modelo de estructura de análisis multinivel para determinar la importancia relativa de los factores de acuerdo con la experiencia de quien toma las decisiones. En el campo de la evaluación de riesgos de túneles, Hyun et al. utilizó AHP para evaluar el grado de impacto del factor de riesgo en los túneles TBM.

Determinación del peso subjetivo por AHP, cuyo proceso básico es el siguiente. La evaluación de la importancia relativa del índice mediante comparación por pares y la matriz de juicio E para cada nivel se construye mediante el método de escala del 1 al 9. Calcular el valor propio máximo λmax de la matriz de juicio que satisface la prueba de consistencia, y su vector propio a representa el coeficiente de peso. Este artículo adopta el método de la raíz cuadrada, como se ve:

Finalmente, la prueba de coherencia se realiza en la matriz de juicio de cada capa y los pasos de la prueba son los siguientes.

Calcule el índice de coherencia de la matriz de juicio:

Si el índice de consistencia aleatoria CR <0,1, indica que la selección de la escala es razonable y el resultado es aceptable; de lo contrario, regrese a la tarea para calcular la matriz de juicio hasta que se pase la prueba y se genere el valor del peso.

El valor de entropía de cada índice de riesgo se calcula mediante el método de ponderación de entropía. Basado en la extracción real y objetiva de la información implícita en los datos del índice, el método minimiza el impacto de los factores subjetivos en la determinación del peso del índice de riesgo40,41, para obtener resultados de evaluación más objetivos.

La determinación del peso objetivo mediante el método de peso de entropía modificado se divide principalmente en 5 pasos:

Paso 1 Construya la matriz discriminante original de atributos múltiples M de la siguiente manera:

donde m es el objeto de evaluación; n es el índice de evaluación; xij es el valor del índice j-ésimo del objeto i-ésimo.

Paso 2 Estandarice la matriz de juicio para eliminar la interferencia de datos de muestras impares, y la fórmula de transformación estandarizada para cada índice de riesgo es:

donde xmin y xmax son los valores mínimo y máximo del índice j-ésimo respectivamente, cuando \(x_{\min } = x_{\max }\), toma \(x_{ij}^{*} = 1\) .

Paso 3 Calcule la contribución del i-ésimo objeto de evaluación del j-ésimo índice \(p_{ij}\).

Para compensar las deficiencias de la fórmula de cálculo tradicional, la fórmula de cálculo del peso de entropía se modifica con referencia a la investigación de Zhang y Ren42:

Paso 4 Determinación de la entropía de la información \(E_{j}\) para cada índice.

Entre ellos, \(E_{j} \in \left[ {0,1} \right],\;i = 1,2, \ldots ,m\).

Paso 5 Determinación del peso de entropía \(\omega_{j}\):

Los modelos de ponderación combinatoria existentes utilizan principalmente una ponderación lineal única o un método de síntesis multiplicativa, ignorando la coherencia y coordinación entre ellos. Para poder asignar pesos de forma científica y precisa y obtener pesos óptimos, se introduce la teoría de juegos en la asignación de pesos43. Los pasos para determinar el peso de combinación óptimo se pueden dar como se muestra a continuación:

Paso 1 El peso subjetivo \(\omega_{1j}\) está determinado por el proceso de jerarquía analítica.

Paso 2 El peso objetivo \(\omega_{2j}\) se determina mediante el método de peso de entropía modificado.

Paso 3 Los algoritmos de ponderación subjetivo y objetivo se fusionan para compensar la disparidad entre lo cualitativo y lo cuantitativo en el sistema de índice. El cálculo del peso óptimo se considera como el juego de dos algoritmos, y las ecuaciones lineales correspondientes se obtienen minimizando la desviación:

Paso 4 Los coeficientes lineales óptimos resultantes se normalizan para obtener los pesos finales de la combinación sujeto-objetivo:

El modelo de nube es un modelo de transformación de incertidumbre entre conceptos cualitativos y descripciones cuantitativas basado en la teoría difusa y la teoría de probabilidad propuestas por Li et al.44 que se usa ampliamente en la minería de datos y el análisis de decisiones debido a su capacidad para responder a la borrosidad y aleatoriedad de los objetivos. cosas. U es un dominio cuantitativo representado por valores exactos, y C es un concepto cualitativo sobre U. Si el valor cuantitativo x ∈ U, y x es una realización aleatoria única del concepto cualitativo C, y el grado de certeza µ(x) ∈ [ 0,1] de x para C es un número aleatorio con tendencia estable, entonces la distribución de x sobre el dominio U se dice que es una nube, y cada x se llama gota de nube. Eso es:

El modelo de nube representa un concepto cualitativo a través de tres parámetros característicos numéricos: Expectativa Ex, Entropía En e Hiperentropía He, y los parámetros de características del modelo de nube se muestran en la Fig. 10. Estos tres parámetros característicos se pueden explicar por separado de la siguiente manera.

Expectation Ex refleja el centro de gravedad del conjunto de nubes estadísticas, que consta de puntos en el dominio del discurso que mejor representan el concepto cualitativo.

La entropía En representa la incertidumbre del concepto de nube, que es una medida integral de la ambigüedad y aleatoriedad del concepto cualitativo, y refleja el grado de dominio de carácter que es tanto este como aquel del concepto cualitativo.

La hiperentropía representa la incertidumbre de la entropía de las nubes, que refleja el grado de cohesión de las “gotas de nubes” en el modelo de nubes.

Parámetros característicos del modelo de nube.

El generador de nubes subordinado incluye un generador de nubes directo y un generador de nubes inverso. El generador de nubes normales directas, que se desarrolla basándose en la distribución normal y las matemáticas difusas, puede realizar el proceso de convertir cosas generales de conceptos cualitativos a descripciones cuantitativas. Al ingresar la expectativa, la entropía, la hiperentropía y el número de caídas de nubes del modelo de nubes, se puede obtener el valor cuantitativo de las “caídas de nubes” en el dominio del discurso y el grado de certeza de su concepto de representación.

En este artículo, utilizamos el generador de nubes normal directo, y las condiciones que satisface el generador de nubes normal directo son \(x\sim N(E_{x} ,E_{n}^{^{\prime}2} )\ ), que \(E_{n}{\prime} \sim N(E_{n} ,H_{e}^{2} )\), y la determinación de x para C satisface:

La creación de una nube estándar de evaluación de riesgos es la primera tarea de la evaluación del modelo de nube. Según el intervalo estándar de diferentes niveles de evaluación de cada índice, sus correspondientes características numéricas del modelo de nube (Ex, En, He) se pueden calcular según la ecuación. (17).

donde Smax y Smin representan los valores críticos del intervalo estándar de cada nivel de evaluación respectivamente. k es una constante que controla el rango de dominio del modelo de nube, que en este documento se toma como 0,1.

Si existen restricciones unilaterales sobre el valor del dominio cuantitativo xij de un índice, los parámetros característicos del modelo de nube en \((x_{ij}^{1} ,x_{ij}^{2} ]\) se pueden derivar mediante el cálculo método en la Tabla 3. A partir de esto, se pueden determinar los parámetros característicos del modelo de nube (Ex, En, He) de cada índice de evaluación en la fase de construcción de un túnel de loess en un entorno complejo, y los resultados del cálculo se muestran en la Tabla 4, y la nube estándar de evaluación de un índice único se genera mediante la construcción de un generador de nubes directas utilizando Matlab 2021. El modelo de nube de los criterios de evaluación para las condiciones geológicas naturales P1 se muestra en la Fig. 11.

El modelo de nubes de criterios de evaluación de condiciones geológicas naturales P1.

De acuerdo con el modelo de nube estándar de evaluación que se ha generado para cada índice, se utiliza el algoritmo de nube directa x-condicional para calcular los grados de certeza de cada índice de riesgo en diferentes niveles de riesgo. Los resultados de una evaluación integral de riesgos de la seguridad de la construcción de túneles de loess en un entorno complejo se obtienen mediante el cálculo ponderado de la ecuación. (18).

donde \(U_{ki}\) es el grado integrado de certeza del objeto i a evaluar correspondiente al nivel k, \(\mu_{{\left( {k,ij} \right)}}\) es el grado de certeza del índice j en el objeto de evaluación i en el nivel k, \(\omega_{j}\) es el peso combinado de los índices de evaluación de riesgos.

Normalice el grado de certeza integrado del objeto i correspondiente al nivel k, y la fórmula de cálculo es la siguiente.

donde \(\varphi_{ki}\) es el grado integrado de certeza del k-ésimo nivel después de la normalización.

Es el nivel de riesgo de seguridad correspondiente a la situación actual del objeto a medir.

Tomando el túnel Luochuan del ferrocarril de alta velocidad Xi'an-Yan'an como objeto de investigación, el entorno de construcción a lo largo del túnel es complejo y variable. Hay condiciones de cruce como carreteras, fábricas, áreas residenciales y barrancos, y el túnel cruza capas geológicas dañinas como loess plástico blando, loess colapsable y suelo hinchable, y el proceso de construcción es susceptible a perturbaciones por factores externos como la lluvia. , haciendo que el riesgo de construcción sea mayor y dinámico. De acuerdo con las recomendaciones de expertos relevantes y con base en el análisis de riesgos de construcción del área del proyecto, este documento selecciona 10 secciones representativas del túnel de Luochuan para la evaluación de riesgos de construcción del túnel de loess en un entorno complejo, las condiciones geológicas de ingeniería y los factores de riesgo de cada sección se muestran en la Tabla 5.

Primero, con respecto al método de escala del 1 al 9 presentado en la sección anterior, se realiza una comparación de dos por dos de las categorías de riesgo y los índices de cada nivel de factores de riesgo para establecer una matriz de juicio de dos por dos y el índice de consistencia. CI se calcula utilizando una ecuación. (4) discernir si la matriz de comparación dos por dos cumple con los requisitos de coherencia, como se muestra en las Tablas 6 y 7.

De acuerdo con los pasos de cálculo de AHP, el vector de ponderación de cada categoría de riesgo se calcula de la siguiente manera: \(\omega_{1}^{*} = (P_{1},P_{2},P_{3},P_{ 4} ) = (0.381,0.11,0.211,0.298)\). De manera similar, los pesos de la matriz de juicio de cada índice de evaluación de factores de riesgo son \(\omega_{11} = (0.365,0.3,0.118,0.146,0.071)\), \(\omega_{12} = (0.493,0.196, 0.311)\), \(\omega_{13} = (0.311,0.196,0.493)\), \(\omega_{14} = (0.269,0.42,0.19,0.121)\). Los 15 índices de evaluación se ponderan capa por capa de acuerdo con la estructura del sistema de índices de riesgo que se muestra en la Fig. 8. Las ponderaciones subjetivas de los índices de evaluación se pueden expresar como:\(\omega_{1} = \left\{ \begin{reunidos } 0.1390,\;0.1142,\;0.0448,\;0.0558,\;0.0272,\;0.0543,\;0.0215,\;0.0342,\; \hfill \\ 0.0655,\;0.0413,\;0.1040,\;0.0801 ,\;0.1253,\;0.0566,\;0.0362 \hfill \\ \end{reunidos} \right\}.\)

En segundo lugar, las ponderaciones objetivas se calculan utilizando el método de ponderación de entropía modificada, y la matriz discriminante original M, que consta de los valores cuantificados de los índices de evaluación de 10 zonas, se normaliza mediante la ecuación. (7) para obtener la matriz discriminante normalizada N.

\(N = \left( {x_{ij}^{*} } \right)_{9 \times 15} = \left[ {\begin{array}{*{20}c} {0.5} & {0.5 } & 1 & {0.33} & 0 & {0.15} & {0.41} & 1 & 1 & {0.5} & 1 & 1 \\ {0.5} & {0.5} & 0 & {0.67} & 1 & {0.41} & {0.12} & 1 & {0.67} & {0.5} & 1 & 1 \\ 1 & {0.5} & 1 & {0.67} & 1 & 1 & 1 & 1 & 1 & 0 & 0 & 1 \\ { 0,5} y 1 y 1 y 1 y 1 y {0,8} y {0,41} y 1 y 1 y 0 y {0,67} y 0 \\ {0,5} y 0 y 0 y 0 y 1 y {0,76} y {0,12 } & 0 & {0.33} & 0 & {0.67} & 0 \\ {0.5} & 0 & 0 & 0 & 1 & {0.75} & {0.71} & {0.33} & 0 & 0 & 0 & 0 \\ 0 y 0 y 1 y {0,33} y 1 y {0,06} y 0 y {0,67} y {0,33} y 1 y 0 y 0 \\ 0 y 0 y 0 y 0 y 0 y {0,04} y 0 y { 0,33} y 0 y {0,5} y 0 y 0 \\ 0 y 0 y 0 y {0,33} y {0,75} y {0,03} y 0 y {0,33} y 0 y {0,5} y 0 y 0 \\ 0 & 0 & 0 & 0 & 1 & 0 & 0 & {0.33} & 0 & {0.5} & 0 & 0 \\ \end{array} } \right].\) Refiriéndose a los pasos 3 a 5 de “Entropía modificada “Método de ponderación”, se pueden obtener las ponderaciones objetivas de cada índice. \(\begin{reunidos} \omega_{2} = (0.0577,0.0111,0.1041,0.0644,0.0328,0.0501, \hfill \\ 0.0000,0.0000,0.0828,0.0284,0.0641,0.0817,0.1066,0.0755, 0,1410) \hfill \\ \end{reunidos}\).

Finalmente, usando las Ecs. (12) y (14) para obtener los pesos de la combinación de índices óptima basada en la teoría de juegos, los resultados se muestran en la Tabla 8.

De acuerdo con los parámetros del modelo de nube para cada nivel de riesgo identificado en la Tabla 4, utilizando Matlab y la fórmula para sustituir los valores medidos y cuantificados de los índices correspondientes en el generador de condiciones x en el modelo de nube para el cálculo (N = 3000) y, finalmente, derivar el modelo de nube para cada evaluación de índice. Combinado con los valores de ponderación de cada combinación de índices en la Tabla 8, el modelo de evaluación se puede derivar aplicando las Ecs. (17) y (18), y la certeza integrada normalizada de cada sección se muestra en la Fig. 12.

Certeza integrada normalizada.

Según la ecuación. (20), se puede determinar el nivel de riesgo de seguridad de la construcción de cada área de estudio, y los resultados de la evaluación del nivel de riesgo de seguridad y la deformación medida de cada sección se muestran en la Fig. 13.

Resultados de la evaluación de riesgos y cantidad real de deformación.

La cantidad de deformación es una representación visual de la estabilidad de la estructura de soporte, y la deformación del túnel de loess es principalmente el hundimiento general, por lo que el asentamiento de la corona se puede utilizar como criterio de seguridad durante la construcción del túnel de loess, lo que refleja el nivel de riesgo de construcción hasta cierto punto. Compare el nivel de evaluación de riesgos de cada sección con la cantidad de deformación real, como se puede ver en la Fig. 13, la tendencia de distribución del nivel de evaluación de riesgos de cada sección es consistente con la de la cantidad de deformación real. Entre ellos, la sección DK198 + 877 es una sección enterrada muy poco profunda cubierta por loess colapsable, la cantidad de deformación de esta sección excede la cantidad de deformación reservada del diseño original y el riesgo de construcción de la sección es el nivel V. El asentamiento de la corona de la sección DK198 + 593 alcanza 436.5 mm, en la superficie de la sección, la formación de una vaguada de asentamiento crea las condiciones para la acumulación de lluvia y las grietas superficiales se convierten en el canal dominante para la infiltración. Cuando el túnel se encontró con una tormenta el 26 de julio, una gran cantidad de lodo y agua se derramó en él, lo que provocó la caída de bloques y la intrusión de deformación. El riesgo de construcción de este tramo es de nivel V, acorde con la situación real. DK198 + 663 y DK198 + 558 están ubicados en la sección del paso inferior de la zona residencial donde el soporte primario tiene una gran deformación y la evaluación de riesgo es de nivel V, lo que es consistente con la situación real. DK196 + 840 y DK196 + 760 están ubicados en la sección transversal del pozo inclinado y la sección de la fábrica de paso inferior respectivamente, ambos tienen una gran profundidad enterrada, la condición de la roca circundante es grado V, el nivel de evaluación de riesgo es III, la deformación real está dentro del rango de control. Mientras que DK198 + 680 tiene una mayor resistencia de soporte y el nivel de evaluación de riesgos es II, lo que está en línea con la construcción real. La deformación del resto de la sección es pequeña y el nivel de evaluación de riesgos no es superior a II. El grado de evaluación de riesgos de las muestras anteriores es consistente con la situación de riesgo real en el sitio de construcción, lo que atestigua la disponibilidad del modelo.

Para este proyecto, las principales razones del alto nivel de riesgo de la construcción del túnel son las siguientes. (1) Las características técnicas del propio loess provocan una mala estabilidad de la roca circundante y una gran dificultad de construcción. (2) El túnel tiene una gran sección transversal en un entorno de construcción complejo, lo que afecta en gran medida las propiedades mecánicas de la roca circundante al atravesar una capa de loess de plástico blando a lo largo de una larga distancia. (3) Alteración retrasada del diseño. (4) Persisten debilidades en el sistema de gestión de seguridad de la construcción de túneles, incluido el seguimiento y la medición inoportunos y la falta de planes de emergencia especiales para las fuentes de riesgo. Por lo tanto, la construcción posterior debe tomar medidas para mejorar las propiedades geotécnicas del suelo alrededor de la superficie de la excavación, como lechada avanzada de tuberías pequeñas, refuerzo del suelo y tiras de tela impermeables adicionales en la superficie. En la construcción de tramos de alto riesgo, se debe aumentar adecuadamente la resistencia del soporte y fortalecer la retroalimentación de monitoreo para tomar las medidas correspondientes a tiempo para garantizar la seguridad de la construcción del túnel.

La construcción de túneles con loess en un entorno complejo tiene muchos factores de impacto de la construcción, un gran impacto en la sociedad y otras características, y pertenece a la ingeniería de alto riesgo. Para reducir el riesgo de accidentes de construcción, este documento propone un método novedoso de evaluación de riesgos para la construcción de túneles con loess. basado en la teoría de juegos-teoría del modelo de nube, con un proceso de análisis claro y resultados confiables, que orienta fuertemente para el diseño y la construcción, y proporciona referencia para la implementación de proyectos similares. Las conclusiones principales son las siguientes.

Se construye un sistema de índice de evaluación integral del riesgo de seguridad de la construcción de túneles de loess en un entorno complejo en cuatro aspectos analizando los diversos factores que afectan la seguridad de la construcción de túneles de loess: condiciones geológicas naturales, parámetros característicos del túnel, tecnología de construcción y gestión de seguridad, y en relación con los existentes. resultados de la investigación en el país y en el extranjero, los niveles de evaluación se dividen en cinco niveles: básico sin riesgo (nivel I), bajo riesgo (nivel II), riesgo medio (nivel III), riesgo relativamente alto (nivel IV) y alto riesgo ( nivel V).

Se propone un nuevo modelo de fusión de peso mediante el método de análisis jerárquico existente y el método de entropía modificada se integran sobre la base de la teoría de juegos pertinente para realizar la conversión natural de índices cualitativos y datos cuantitativos, lo que elimina en gran medida la incertidumbre subjetiva de los tomadores de decisiones. .

La aplicación del modelo EAHP-cloud a la evaluación integral del riesgo de seguridad de la construcción de túneles de loess en un entorno complejo puede abordar mejor la ambigüedad y la alta incertidumbre en el proceso de evaluación, lo que proporciona un método eficaz para la evaluación de riesgos de seguridad de la construcción de túneles de loess y proporciona un apoyo confiable para la toma de decisiones. para gerentes.

El método propuesto puede predecir eficazmente el estado de riesgo de seguridad de la construcción de túneles y tomar medidas por adelantado para reducir los riesgos de seguridad de la construcción. Además, el método también se puede utilizar en otros proyectos de túneles, pero cada aplicación debe tener en cuenta los aspectos únicos del proyecto para realizar los ajustes necesarios para cada indicador de riesgo especial individual de la distribución y evaluación del peso, a fin de maximizar el cumplimiento de la práctica de ingeniería y aprovechar eficazmente la confiabilidad del método de evaluación.

Los conjuntos de datos generados y/o analizados durante el estudio actual no están disponibles públicamente, pero están disponibles a través del autor correspondiente previa solicitud razonable.

Li, YR, Shi, WH, Aydin, A., Beroya-Eitner, MA & Gao, GH Génesis del loess y distribución mundial. Ciencias de la Tierra. Rev. 201, 102947. https://doi.org/10.1016/j.earscirev.2019.102947 (2019).

Artículo de Google Scholar

Xing, YQ Development y anticipación de la mecánica de pérdidas. J. Hidroelectr. Ing. 04, 54–65 (2000).

Google Académico

Wang, XL y col. Reflexión y desafíos en la construcción de túneles de montaña en China: una recopilación de datos de 2002 a 2018. Geomat. Nat. Peligros Riesgo 11(1), 766–784. https://doi.org/10.1080/19475705.2020.1747554 (2020).

Artículo CAS Google Scholar

Lai, JX, Wang, KY, Lai, HP, Qiu, JL y Xie, YL Prueba de características mecánicas de la estructura de soporte del túnel en un estrato de loess débil. J. Transporte de tráfico. Ing. 15(03), 41–51 (2015).

Google Académico

Zhang, X. Investigación sobre las características mecánicas de la estructura de soporte en un túnel de Loess con gran sección transversal. Tesis de maestría, Universidad Jiaotong de Beijing. (2020)

Hu, Z. et al. Estudio sobre las características de presión de las rocas circundantes del túnel de loess basado en análisis estadísticos en China. Aplica. Ciencia. 12(13), 6329 (2022).

Artículo MathSciNet CAS Google Scholar

Eskesen, SD, Tengborg, P., Kampmann, J. & Holst, T. Directrices para la gestión de riesgos en túneles: Asociación Internacional de Túneles, Grupo de Trabajo No. 2. Tunn. Subgraduado. Tecnología espacial. 19(3), 217–237. https://doi.org/10.1016/j.tust.2004.01.001 (2004).

Artículo de Google Scholar

McFeat-Smith, I. & Harman, KW Sistema de evaluación de riesgos IMS para financiación y seguro de proyectos de túneles. Tunn. Subgraduado. Tecnología espacial. 19(4), 334. https://doi.org/10.1016/j.tust.2004.01.030 (2004).

Artículo de Google Scholar

Hyun, KC, Min, S., Choi, H., Park, J. & Lee, IM Análisis de riesgos mediante análisis de árbol de fallas (FTA) y proceso de jerarquía analítica (AHP) aplicable a túneles de protección de TBM. Tunn. Subgraduado. Tecnología espacial. 49, 121-129. https://doi.org/10.1016/j.tust.2015.04.007 (2015).

Artículo de Google Scholar

Gao, CL, Li, SC, Wang, J., Li, LP y Lin, P. La evaluación de riesgos de los túneles se basa en la correlación de grises y el método de ponderación de entropía. Geotecnología. Geol. Ing. 36(3), 1621-1631. https://doi.org/10.1007/s10230-011-0148-2 (2018).

Artículo de Google Scholar

Liu, XJ, Yao, ZW, Wan, XQ y Zhang, Z. Investigación sobre evaluación de riesgos en grandes deformaciones de túneles de loess debajo de áreas residenciales. KSCE J. Civilización. Ing. 26(6), 2826–2834. https://doi.org/10.1007/s12205-022-1401-x (2022).

Artículo de Google Scholar

Balta, GCK, Dikmen, I. & Birgonul, MT Decisión basada en red bayesiana Soporte para predecir y mitigar el riesgo de retraso en proyectos de túneles TBM. Automático. Construcción 129(1), 103819. https://doi.org/10.1016/j.autcon.2021.103819 (2021).

Artículo de Google Scholar

Lin, P., Xiong, Y., Xu, Z., Wang, W. y Shao, R. Evaluación de riesgos de interferencia de TBM basada en redes bayesianas. Toro. Ing. Geol. Reinar. 81, 1-15. https://doi.org/10.1007/s10064-021-02511-z (2022).

Artículo de Google Scholar

Priagung, WN, Agung, PD, Ahmad, I. & Jalu, KG Desarrollo de una evaluación integral del riesgo de incendio y explosión en un túnel de recuperación de carbón utilizando la simulación de Monte Carlo y el método de matriz de riesgo. Ing. Rep. 4(4), 12476. https://doi.org/10.1002/eng2.12476 (2021).

Artículo CAS Google Scholar

Gao, JP, Xu, ZS, Liu, DL & Cao, HH Aplicación del modelo basado en matriz consistente difusa y AHP en la evaluación del riesgo de incendio de un túnel subterráneo. Procedia Ing. 71(16), 591–596. https://doi.org/10.1016/j.proeng.2014.04.084 (2014).

Artículo de Google Scholar

Hong, ES, Lee, IM, Shin, HS, Nam, SW & Kong, JS Evaluación cuantitativa de riesgos basada en la técnica de análisis de árbol de eventos: Aplicación al diseño de tuneladoras de escudo. Tunn. Subgraduado. Tecnología espacial. 24(3), 269–277. https://doi.org/10.1016/j.tust.2008.09.004 (2008).

Artículo CAS Google Scholar

Chen, JJ, Zhou, F., Yang, JS y Liu, BC Proceso de jerarquía analítica difusa para la evaluación del riesgo de colapso durante la construcción de un túnel de montaña. Mec. de suelo rocoso. 30(8), 2365–2370 (2009).

CAS Google Académico

Feng, XD y Jimenez, R. Predicción de la compresión de túneles con datos incompletos utilizando redes bayesianas. Ing. Geol. 195, 214–224. https://doi.org/10.1016/j.enggeo.2015.06.017 (2015).

Artículo de Google Scholar

Zhang, GD & Shi, MX Evaluación bayesiana del riesgo de túneles de servicios públicos basada en un mecanismo de intercambio de información. J. Intel. Sistema difuso. 41(4), 4749–4757 (2021).

Artículo de Google Scholar

Wei, XY, Jin, CL, Gong, L., Zhang, X. & Ma, MH Evaluación de riesgos de irrupción de agua en túneles ferroviarios basada en el modelo de red neuronal RBF mejorado con PCA. J. Ciencia ferroviaria. Ing. 18(03), 794–802 (2021).

Google Académico

Chamzini, Y. Proponer una nueva metodología basada en lógica difusa para la evaluación de riesgos de túneles. J. Civilización. Ing. Gestionar. 20(1), 82–94. https://doi.org/10.3846/13923730.2013.843583 (2014).

Artículo de Google Scholar

Yazdani-Chamzini, A. & Yakhchali, SH Selección de tuneladoras (TBM) utilizando métodos difusos de toma de decisiones multicriterio. Tunn. Subgraduado. Tecnología espacial. 30, 194–204. https://doi.org/10.1016/j.tust.2012.02.021 (2012).

Artículo de Google Scholar

Zhang, XL, Wang, MX, Zhou, BH & Wang, XT Impacto de los factores en el riesgo de colapso del túnel de loess: un modelo de evaluación de índices múltiples. J. Ing. Des. Tecnología. 16(5), 734–749. https://doi.org/10.1108/JEDT-02-2018-0018 (2018).

Artículo de Google Scholar

Cai, QJ, Hu, QJ & Ma, GL Enfoque de razonamiento híbrido mejorado para la percepción de riesgos de seguridad en condiciones de incertidumbre para la construcción de túneles de montaña. J. Constr. Ing. Gestionar. 147(9), 2128. https://doi.org/10.1061/(ASCE)CO.1943-7862.0002128 (2021).

Artículo de Google Scholar

Sharafat, A., Latif, K. & Seo, J. Análisis de riesgos de proyectos de construcción de túneles con TBM basado en un enfoque genérico de análisis de riesgos de pajarita en condiciones de terreno difíciles. Tunn. Subgraduado. Tecnología espacial. 111, 103860. https://doi.org/10.1016/j.tust.2021.103860 (2021).

Artículo de Google Scholar

Liu, Y. & Li, DY Estadísticas sobre la característica atomizada del modelo de nube normal. Universidad J. de Beijing. Aeronauta. Astronauta. 36(11), 1320–1324 (2010).

CAS Google Académico

Chen, H., Guo, Q., Wang, L. y Meng, X. Evaluación de la estabilidad de taludes dentro de la influencia de la minería basada en una ponderación combinada y un modelo de nubes finitas. Explorador de energía. Explotar. 41(2), 636–655. https://doi.org/10.1177/01445987221134638 (2023).

Artículo de Google Scholar

Li, J., Wang, MW, Xu, P. y Xu, PC Clasificación de la estabilidad de la roca circundante mediante un modelo de nubes. Mentón. J. Geotecnología. Ing. 36(01), 83–88 (2014).

CAS Google Académico

Shi, XY, Fan, JQ, Guo, P. & Kong, FL Evaluación del modelo de nube de gran grado de deformación de la roca circundante basado en el método de ponderación combinada. Conferencia de la PIO. Ser. Entorno terrestre. Ciencia. 861(4), 142091. https://doi.org/10.1088/1755-1315/861/4/042091 (2021).

Artículo de Google Scholar

Jia, XL y Xu, JL Evaluación del riesgo sísmico de carreteras en una región sísmica basada en el modelo de nube. Universidad J. Tongji. 42(09), 1352–1358 (2014).

Google Académico

Dong, YX Investigación sobre los riesgos de seguridad de las autopistas en zonas montañosas turísticas basada en la ponderación de combinaciones de juegos. Tesis de maestría, Instituto de Tecnología de Shanghai (2021).

Xue, YG y cols. Análisis de sensibilidad de la estabilidad del loes a las propiedades físicas y mecánicas: modelo de evaluación. En t. J. Geomecánica. 19(7), 06019012. https://doi.org/10.1061/(ASCE)GM.1943-5622.0001400 (2019).

Artículo de Google Scholar

Xue, YG y cols. Predicción de la deformación total de los túneles típicos de loess. Toro. Ing. Geol. Reinar. 79, 3624–3634. https://doi.org/10.1007/s10064-020-01782-2 (2020).

Artículo de Google Scholar

Reilly, JJ El proceso de gestión de proyectos subterráneos y de túneles complejos. Tunn. Subgraduado. Tecnología espacial. 15(1), 31–44. https://doi.org/10.1016/S0886-7798(00)00026-2 (2000).

Artículo de Google Scholar

Choi, HH, Cho, HN & Seo, JW Metodología de evaluación de riesgos para proyectos de construcción subterránea. J. Constr. Ing. Gestionar. 130(2), 258–272. https://doi.org/10.1061/(ASCE)0733-9364(2004)130:2(258) (2004).

Artículo de Google Scholar

Sun, JL, Liu, BG, Chu, ZF, Chen, L. & Li, X. Evaluación del riesgo de colapso de túneles basada en redes bayesianas difusas multiestatales. Cual. Confiable. Ing. En t. 34(8), 1646–1662. https://doi.org/10.1002/qre.2351 (2018).

Artículo de Google Scholar

Xu, ZG, Cai, NG, Li, XF, Xian, MT & Dong, TW Evaluación de riesgo de colapso de túneles de loess durante la construcción basada en un modelo de reconocimiento de atributos. Toro. Ing. Geol. Reinar. 80(8), 6205–6220. https://doi.org/10.1007/s10064-021-02300-8 (2021).

Artículo de Google Scholar

Li, L. y col. Evaluación del riesgo de colapso del túnel basada en la teoría cuantitativa III mejorada y el peso del acoplamiento EW-AHP. Ciencia. Rep. 12, 16054. https://doi.org/10.1038/s41598-022-19718-z (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Lipovetsky, S. Comprensión del proceso de jerarquía analítica. Tecnometría 63 (2), 278–279. https://doi.org/10.1080/00401706.2021.1904744 (2021).

Artículo de Google Scholar

Chen, ZM, Yeh, YL & Chen, TC Evaluación de un indicador regional de desastres por inundaciones mediante un método de ponderación de entropía. Nat. Peligros Rev. 19(2), 280. https://doi.org/10.1061/(ASCE)NH.1527-6996.0000280 (2018).

Artículo MathSciNet Google Scholar

Xue, YG y cols. Modelo de predicción de extensión del grado de deformación de túneles de roca blanda basado en el método de ponderación de entropía y configuración aproximada. Reinar. Ciencia de la Tierra. 81(1), 1–13. https://doi.org/10.1007/s12665-021-10139-1 (2021).

ADS del artículo Google Scholar

Zhang, JL & Ren, J. Las deficiencias y modificaciones de la fórmula de cálculo de la entropía y el peso de la entropía en la teoría de la entropía. Estadística. inf. Foro 26(01), 3–5 (2011).

Google Académico

Lin, LK, Xia, YM & Wu, D. Un enfoque híbrido difuso de toma de decisiones de múltiples criterios para una evaluación integral del desempeño de la cortadora de discos de una tuneladora. Computadora. Ing. de Indiana. 149, 106793. https://doi.org/10.1016/j.cie.2020.106793 (2020).

Artículo de Google Scholar

Yang, J. y col. Retrospectiva y perspectiva de la investigación del modelo de nube normal. Mentón. J. Computación. 41(03), 724–744 (2018).

Google Académico

Descargar referencias

Los autores aprecian profundamente las subvenciones de apoyo financiero del Plan de Investigación y Desarrollo de Ciencia y Tecnología de China Railway Corporation (Subvención No: P2018G048) y el Programa de Subvenciones de Innovación para Estudiantes Graduados de la Universidad Shijiazhuang Tiedao (Subvención No: YC2023006).

Escuela de Ingeniería Civil, Universidad Shijiazhuang Tiedao, Shijiazhuang, 050043, Hebei, China

Bing Han, Weixing Feng y Liu Liu

The 2th Engineering Company, China Railway 20th Bureau Group Co., Ltd, Xi'an, 710016, Shaanxi, China

Wei Jia y Mingjie Niu

China Railway First Survey and Design Institute Group Co., Ltd, Xi'an, 710043, Shaanxi, China

Zhe Zhang

Línea dedicada de pasajeros del ferrocarril Xi'an Chengdu Shaanxi Co., Ltd, Xi'an, 710045, Shaanxi, China

Yinhu Guo

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

BH escribió el texto principal del manuscrito; WJ proporcionó el soporte de datos; WF, LL y ZZ lo modificaron; BH e YG realizaron simulaciones de modelos. BH, ZZ y MN trabajaron juntos para preparar las figuras y tablas. WJ y MN ayudaron a mejorar algunas de las cifras; Todos los autores revisaron los manuscritos.

Correspondencia a Weixing Feng.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Han, B., Jia, W., Feng, W. et al. Evaluación de riesgos de seguridad de la construcción de túneles de loess en un entorno complejo basado en el modelo de nube de teoría de juegos. Informe científico 13, 12249 (2023). https://doi.org/10.1038/s41598-023-39377-y

Descargar cita

Recibido: 02 de diciembre de 2022

Aceptado: 25 de julio de 2023

Publicado: 28 de julio de 2023

DOI: https://doi.org/10.1038/s41598-023-39377-y

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.