一种隧道施工塌方事故耦合风险源识别方法与流程

本发明涉及隧道施工风险评估，特别涉及一种隧道施工塌方事故耦合风险源识别方法。

背景技术：

1、随着中国地下工程建设的迅猛发展，所遇到的工程地质条件日趋复杂，面临的问题也越来越具有挑战性，隧道事故风险评估越来越得到重视。塌方是隧道施工中最常见的事故之一，带来的人身伤亡和经济损失极为惨重，因此，对隧道施工塌方事故进行风险评估具有重要意义。

2、近几十年来，国内外对隧道塌方风险评价方面做了大量的研究工作，提出了各式各样的评价方法，主要有风险矩阵法、事故树法、层次分析法、贝叶斯网络法、神经网络法和模糊综合评价法等。然而以上评级方法存在需要人为划分风险层次等级或者专家经验打分，存在随机统计分析不严密性，而非基于隧道监测数据的挖掘。同时工程事故的发生往往不是由单一致灾因素引发的，而是多种风险致灾因素耦合作用的结果。传统方法均从单一风险源识别出发，通过计算风险源发生概率与损失度来评估风险危害程度，但是不能反映事故发生由多风险致灾因素耦合诱发的机制。

3、专利202011289842.5，公开了一种基于ism与模糊贝叶斯网络的隧道坍塌风险评估方法，该发明采用模糊贝叶斯网络，引入dematel模型实现致灾因素筛选，利用ism得到隧道塌方关键致灾因素，解决了现有致灾因素相互关系和相互作用构建难问题。但是上述发明主要是基于逻辑推理而非数据挖掘，且主要聚焦仍然是单一风险源。

4、专利202110277102.8，公开了一种隧道施工的风险评估方法、装置及存储介质。所述风险评估方法包括：根据预先确定的评价指标构建贝叶斯网络，所述评价指标包括隧道施工的风险事件和引起所述风险事件的影响指标；获取当前隧道的施工现场数据；根据所述施工现场数据、所述评价指标的相互依赖关系的copula函数和各个评价指标的边际分布参数，确定所述贝叶斯网络的结构参数；根据所述结构参数和所述贝叶斯网络构建所述风险事件预测模型。该发明基于人为划分层次等级基础上模糊统计分析，主要聚焦仍然是单一风险源。

5、专利201910320582.4，公开了一种基于模糊多态贝叶斯网络的隧道风险评价方法，基于专家判断的信心指数、权重指数和概率区间相结合的调查方法，根据已有隧道事故案例构建隧道风险事故树，得出隧道风险事故的基本事件以及在当前技术水平下的各个致灾因素的出现概率，并由事故树构建多态贝叶斯网络，提出基于多态的模糊贝叶斯网络条件概率构建方法及隧道风险概率计算方法。该发明基于专家判断的信心指数仍为人为划分层次等级基础上模糊统计分析，主要聚焦还是单一风险源。

6、专利202210294546.7，公开了一种基于ahp和topsis的隧道坍塌风险评估方法，包括：步骤1、基于ahp法构建隧道坍塌风险评估层次结构模型，并对风险评估指标进行分级；步骤2、根据隧道坍塌风险评估层次结构模型计算风险指标权重；步骤3、基于风险指标权重和分级后的风险等级，采用topsis法对风险等级区间进行划分，建立隧道坍塌风险等级标准：步骤4、获取需要评估的隧道标段对应的风险指标数据，采用topsis法计算贴近度与隧道坍塌风险等级标准比较获取风险等级。该发明基于ahp仍为人为划分层次等级，topsis是基于逻辑推理而非数据挖掘，依然主要聚焦单一风险源。

技术实现思路

1、从监测数据挖掘角度，建立多风险指标体系与耦合路径，借助n-k模型，实现隧道塌方事故多风险耦合路径下耦合关联值评估。本发明突破了传统方法均从单一风险源识别出发，计算风险源发生概率与损失度来评估风险危害程度，解决了风险源识别往往采用统计数据与经验方法来建立风险指标体系与风险耦合路径的不严密性，实现了基于隧道施工塌方事故监测数据的耦合风险源量化识别

2、本发明提供的一种隧道施工塌方事故耦合风险源识别方法，包括：

3、基于隧道施工塌方事故及监测过程得到分类数据集；

4、基于所述分类数据集得到致灾因素风险指标值和单一致灾因素频次率；

5、基于所述致灾因素风险指标值和所述单一致灾因素频次率得到若干单一风险源和风险源对应的风险值；

6、基于geodetector算法对所述分类数据集和若干所述单一风险源进行数据挖掘得到隧道塌方事故的多风险耦合路径；

7、基于所述风险值和所述多风险耦合路径得到多风险耦合关联值，基于所述多风险耦合关联值得到隧道施工塌方事故耦合风险源组合。

8、可选地，所述分类数据集的获取过程包括：

9、基于所述隧道施工塌方事故获得隧道塌方事故致灾因素集；

10、基于所述监测过程和所述隧道塌方事故致灾因素集得到塌方事故演进指标数据和隧道塌方事故致灾因素集指标数据；

11、基于所述塌方事故演进指标数据和所述隧道塌方事故致灾因素集指标数据得到分类数据集。

12、可选地，所述致灾风险因素指标值包括单一致灾因素特征重要度和单一致灾因素主成分贡献权重度；

13、其中，基于lightgbm算法对所述分类数据集进行处理得到单一致灾因素特征重要度；

14、基于主成分分析法和所述分类数据集构建单一致灾因素主成分贡献权重度。

15、可选地，构建单一致灾因素主成分贡献权重度之前还包括数据检验；

16、其中，基于kmo检验和bartlett球形检验进行数据检验。

17、可选地，基于geodetector算法中的交互作用探测、因子探测、生态探测和风险探测的计算结果构建隧道塌方事故的多风险耦合路径。

18、可选地，所述因子探测的计算公式如下：

19、

20、

21、式中，l表示变量y或因子x的分层总数，h代表分类区域的序号，n表示分类区域，nh表示分类区域的栅格数量，ssw代表层内方差的和，sst为全区总方差的值，表示每个分类区域的方差，σ2表示全区y值的方差；q表示评价指标对沉降大小的影响力，其范围为0-1；

22、所述生态探测的计算公式如下：以f统计量来比较俩个因子之间是否有显著差异：

23、

24、nx1和nx2分别是因子x1和x2的样本数量，l1表示因子x1的分层数目，l2表示因子x2的分层数目；f表示因子x1、x2对变量y的显著差异；

25、所述风险探测的计算公式如下：

26、

27、式中，代表子区域h内的属性均值；nh为子区域h内的样本数量；var代表方差。

28、可选地，基于n-k模型对所述风险值和所述多风险耦合路径进行计算得到多风险耦合关联值。

29、本发明具有如下技术效果：

30、传统方法均从单一风险源识别出发，计算风险源发生概率与损失度来评估风险危害程度，无法针对“工程事故的发生往往不是由单一致灾因素引发的，而是多种风险因素耦合作用的结果”的实际情况，耦合风险相对于单一风险更加具有高发性与高危害性。本发明提出了一种从事故监测数据出发逆推分析事故致灾风险因素耦合机制方法，聚焦多风险的耦合机制，从监测数据挖掘角度，而非专家经验判断角度，建立多风险指标体系与耦合路径，借助n-k模型，实现隧道塌方事故多风险耦合路径下耦合关联值评估。解决了风险源识别往往采用统计数据与经验方法来建立风险指标体系与风险耦合路径的不严密性，实现了基于隧道施工塌方事故监测数据的耦合风险源量化识别，提高隧道施工风险的预测准确性，保障隧道施工风险管控的安全性。