APP下载

公路隧道施工安全重大风险源风险等级评估方法研究*

2018-12-27史小丽姚玉玲付浩然潘军利

关键词:网络结构贝叶斯隧道

史小丽 姚玉玲 付浩然 潘军利

(长安大学公路学院1) 西安 710064) (内蒙古电力(集团)有限责任公司2) 锡林郭勒 026000) (陕西省交通建设集团公司3) 西安 710075)

0 引 言

隧道工程在施工中面临着断层破碎带、渗水、偏压等各种不良地质条件,使隧道施工中发生安全事故的概率大大增加.为了加强隧道工程在施工过程中的风险管理,中国交通运输部颁发了《公路桥梁和隧道工程施工安全风险评估指南》(以下简称《指南》)[1].此外,国内外学者也进行了大量的研究工作,通过梳理该领域的已有研究内容,其研究焦点集中在:①针对某一特定隧道的全过程风险管理研究[2-5];②针对某一特定施工方法中存在的风险因素对项目合同、费用、工期、质量和安全等方面的影响研究[6-8];③研究过程中都采用了相应的模型、方法,建立了决策平台[9-10].由此可见,针对特定地质条件或特定施工方法的隧道工程进行风险应用研究在国内外相当普遍.

尽管隧道工程施工中面临的地质环境具有多样性,采用的施工方法具有不同的针对性,但隧道施工中的致险因素最终导致的结果是确定的,即可能产生施工生产安全事故,造成人民生命和财产的损失.本文突破以往风险管理研究中以某一特定隧道或某一施工方法为出发点的常规思路,立足于现行《指南》中对坍塌、涌水突泥和瓦斯爆炸这三种施工安全重大风险源的风险等级评估方法进行研究,修正现有评方法的评估结果,提高公路隧道施工安全重大风险源风险等级预判的准确性.

1 现行公路隧道工程施工安全重大风险源风险评估方法评价

现行《指南》中根据风险可能性和后果严重程度这两个因素,采用风险矩阵法判定风险等级,其中前者是采用指标体系法对坍塌、涌水突泥和瓦斯爆炸事故进行评估确定风险可能性等级,后者根据专家调查的主观方法确定后果严重程度等级.该评估方法中风险可能性等级确定是核心内容,其特点如下。

1) 评估指标综合、全面 《指南》从人、机、料、法、环境等方面对可能导致事故的致险因子形成评估指标,并且确定了各评估指标可能存在的状态和对应的打分值.如坍塌事故这一风险源的风险可能性等级判定需要从隧道施工区段坍塌事故可能性评估指标和安全管理评估指标两个角度综合确定,前者评估指标包括围岩级别(A)、断层破碎情况(B)、渗水状态(C)、地质符合性(D)、施工方法(E)、施工步距(F),这几个指标分别存在4,4,4,3,3,4种状态;后者评估指标包括总包企业资质(a)、专业及劳务分包企业资质(b)、历史事故情况(c)、作业人员经验(d)、安全管理人员配备(e)、安全投入(f)、机械设备配置及管理(g)、专项施工方案(h),这几个指标分别存在4,2,4,3,3,3,3,3种状态.

2) 评估方法简便、快捷 仍以坍塌事故为例,首先根据实体隧道工程的情况和《指南》设计的指标状态分值,打分得出事故可能性的各评估指标得分值A,B,C,D,E,F和反映安全管理的评估指标得分值a,b,c,d,e,f;其次根据安全管理评估指标的状态分累计值M(M=a+b+c+d+e+f+g+h),得出折减系数γ;再计算得出事故可能性的计算分值P(P=γ(C×A+B+D+E+F));最后根据《指南》确定的计算分值P与事故可能性等级的对应关系,得出风险可能性等级.

上述对评估指标和评估方法的分析可见,目前的评估方法存在两方面问题:①对评估指标间的相关性欠缺考虑,只是简单的将不同指标的得分值进行叠加;但各评估指标间是具有一定的相关性的,如上述断层破碎带和渗水状态都会影响围岩等级、企业资质会影响历史事故情况和作业人员经验等;②评估结果过于绝对化,而评估结果应是一个概率事件,并且此概率性的评估结果应用于指导下一步的施工项目管理.

2 基于Bayes网络的改进的评估方法

2.1 贝叶斯网络用于隧道施工安全风险等级评估的可行性分析

贝叶斯网络图形可对风险源评估中各评估指标间的不确定性内容进行准确表达,其中的节点即为现行《指南》中确定的各评估指标;贝叶斯网络的学习推理能力可对各评估指标之间复杂的关系进行学习,并以有向弧线和概率分布的形式进行表达.这种由节点和箭线组成的图示化模型,可清晰的表达隧道施工安全风险评估中各评估指标之间的因果关系,风险判断结果以概率形式给出,更加可靠,对实际工程中的风险控制、预防措施制定具有指导意义.

2.2 贝叶斯定理

贝叶斯网络中最基本的信息传递基础即为贝叶斯定理,贝叶斯定理可以描述两个条件概率之间的关系[11-12].

公路隧道施工安全风险等级评估结果有四种可能,即I级、II级、III级和IV级风险,这四个事件用Ri表示(i=1~4),构成了一个样本空间;贝叶斯定理中需要事先对这四个事件出现的可能性大小进行估计,即确定P(Ri)称为先验概率;当对某个隧道施工安全风险等级进行评估时,对各评估指标的打分得到了一个结果S,那么贝叶斯公式提供了根据S的出现而对先验概率做出新评价的方法,即确定出P(Ri/S),称为后验概率

(1)

先验概率可根据以往的数据分析得到,本文根据《指南》确定的评估指标体系和相应的状态分值建立数据库,该数据库包括了所有与风险等级相对应的判定风险可能性等级和后果严重程度的评估指标状态值,据此数据库通过贝叶斯网络结构学习和参数学习可以得出先验概率;再将实体隧道的评估指标参数值代入,即可得出考虑了可能性的风险等级判断结果,即后验概率.

2.3 改进的公路隧道施工安全重大风险源风险等级评估方法

图1为隧道施工安全风险贝叶斯网络模型建立流程图,图中左侧部分为模型的建立过程,右侧为对相应步骤的解释及具体实施内容.

图1 改进的公路隧道施工安全重大风险源风险等级评估方法流程图

3 数据库的建立

评估方法中数据库的建立完全依赖于现行《指南》中全面综合的评估指标,涉及物的不安全状态指标、人的因素及施工管理指标、人员伤亡和直接经济损失指标三个方面,图2以坍塌事故为例表示数据库生成的过程,图中字母所代表的含义同1中的描述,因隧道施工安全重大风险源事故受多重因素的影响,评估指标较多,图中未一一列出,仅以省略号表示数据库的建立思路;图中字母的下标表示评估指标的状态;人员伤亡和直接经济损失共四种状态,未在图中显示.据此可以得出仅坍塌事故的数据库就有17 832 960组数据.

图2 坍塌事故风险可能性等级判断对应关系图

4 隧道施工安全风险等级判断模型的建立

4.1 贝叶斯网络的结构学习

贝叶斯网络结构学习的过程,是寻找一个最能准确描述先验知识及节点相关关系的网络结构的过程,本文选用机器学习法和专家经验法建立网络结构.由于本文中的数据为完整的数据集,网络结构的机器学习算法选择贪婪搜索算法(greedy thick thinning)中的K2算法,再将所得学习结果与工程经验结合对网络结构进行优化,这一过程充分考虑了各评估指标之间的相关性.图3为根据坍塌事故数据库通过网络结构学习后得到的贝叶斯网络优化结构图.

图3 坍塌事故风险等级判断的贝叶斯网络优化结构图

4.2 贝叶斯网络的参数学习

贝叶斯网络的参数学习过程是通过样本数据集进行评估,得出先验概率.本文采用极大似然估计(MLE)方法进行贝叶斯网络节点参数学习.

首先需对各节点的状态进行定义,并与网络结构中的状态进行匹配;本网络模型中的匹配是将节点的各状态与各评估指标的得分值相对应,见图4.

经过网络结构构建和参数学习后,一个完整的贝叶斯网络风险等级概率判断模型便建立完成,图5为坍塌事故贝叶斯网络风险等级概率判断模型.

图4 网络结构节点与数据的状态对应图

图5 坍塌事故贝叶斯网络风险等级概率判断模型

在实际应用过程中,将所评估隧道的各评估指标的状态值代入网络模型中,即可实现事故风险等级的判断.

5 结果验证与应用

为验证本文提出的评估方法的准确性,选择西钟岭隧道专项施工安全风险评估报告的评估结果进行验证,该隧道无瓦斯爆炸事故风险源,故仅对坍塌和涌水两个重大风险源进行分析.表1为坍塌事故风险等级判断结果对照表,表2为涌水事故风险等级判断结果对照表.

由表1~2可知:

1) 现有方法的风险等级判断结果,实质是改进方法判断结果中概率值最大时对应的风险等级,从这一点看,两种方法所得结果是一致的.

表1 西钟岭隧道坍塌事故风险等级判断表

表2 西钟岭隧道涌水事故风险等级判断表

2) 风险等级判断结果中II级风险和III级风险发生概率分别是45%和55%,与判断结果分别是28%和72%,11%和89%,21%和79%时,需引起的重视程度是大大不同的.

3) 两种方法相对比,改进的概率判断模型所得结果不仅可以准确判断事故风险的等级,而且得出了事故各风险等级发生的概率,结果更加详细、可靠,对下一步的风险应对与防范指导意义更大.

4)可根据概率性的风险等级评估结果,从施工技术方案角度制定相应的应对措施,计算期望工期和费用,为项目管理决策提供依据.

6 结 论

1) 对现行《指南》公路隧道施工安全重大风险源风险评估方法进行评价,表明评估指标全面,但评估方法仅是对各评估指标进行叠加、未考虑各评估指标间的相关性,评估结果未体现风险发生概率大小.

2) 论证了贝叶斯理论用于公路隧道施工安全重大风险源风险评估的可行性和适用性,通过建立风险网络结构所需的数据库、网络结构学习和节点参数学习,实现贝叶斯风险等级概率判断模型的构建.

3) 依托实体隧道工程,采用改进的方法进行评估,将所得结果与现行方法进行对比,其结果更加详细、可靠,对下一步的风险应对与防范指导意义更大.

4)同一隧道工程的同一评估区段,可能同时存在两种以上风险源,下一步可考虑对受多种风险源影响的区段进行风险管理开展研究.

猜你喜欢

网络结构贝叶斯隧道
基于贝叶斯解释回应被告人讲述的故事
预见2019:隧道的微光
神奇的泥巴山隧道
黑乎乎的隧道好可怕
基于广义混合图的弱节点对等覆盖网络结构
体系作战信息流转超网络结构优化
基于贝叶斯估计的轨道占用识别方法
基于互信息的贝叶斯网络结构学习
复杂网络结构比对算法研究进展
LED隧道照明节能改造探讨