一种基于层次分析法的超大断面地铁车站稳定性评价方法与流程

本发明属于计算机系统工程领域，尤其涉及一种基于层次分析法的超大断面地铁车站稳定性模糊综合评价方法。

背景技术：

1、随着我国城镇化建设的持续推进，城市地铁交通建设正处于高速发展阶段。由于地铁自身地理位置的特点，基坑周边往往房屋林立，管线交错，环境极其复杂。确保基坑开挖施工的安全稳定是地铁车站深基坑工程的重要内容。国内外学者对地铁深基坑稳定性评价进行了大量的研究。zadeh提出了隶属度概念，建立了模糊集理论；汪培庄等基于模糊矩阵提出了一种综合评判模型；周红波等采用wbs法和故障树法对深基坑工程进行分解和风险因素识别，利用贝叶斯网络模糊法对深基坑实例进行了风险分析，并通过数值模拟对施工风险进行了等级判定。然而，这些方法都以工程数据作为参考，这些数据一经测量、勘验之后，不会变化，因此最终对模型的评价是静态的。而随着车站运营的时间不断扩展，有些数据实际是变化的，甚至是实时变化，这时如果需要了解车站稳定性的动态变化，目前来说还没有相应的实现方法。另外，由于没有针对不同的信息的特点，采用不同的隶属度函数进行处理，从而使得评价的结论有所偏差，而现有技术也没有对此进行考虑。

技术实现思路

1、针对上述现有技术中存在的缺陷，本发明提供一种基于层次分析法的超大断面地铁车站稳定性模糊综合评价方法，包括以下步骤：

2、读取所述地铁车站的一级静态信息，所述一级静态信息包括地质条件信息、结构设计信息、材料强度信息和支护方式信息，其中每一种一级静态信息均包括若干二级静态信息；

3、基于请求/定时获取车站一级动态信息，所述一级动态信息包括车站载荷信息，其中所述一级动态信息包括若干二级动态信息；

4、将上述一级动态/静态信息和二级动态/静态信息分别进行归一化处理，获取若干评价参数，其中，每一种一级动态/静态信息和二级动态/静态信息分别对应一个评价指标；

5、将若干评价指标构建为第一层次结构；

6、使用层次分析法，确定各层的权重；

7、使用不同隶属度函数将分别对二级动态信息和二级静态信息对应的评价指标转换为模糊值；

8、基于所述第一层次结构和模糊指标，构建模糊决策树；

9、使用模拟退火算法对所述模糊决策树进行优化；

10、采用优化后的模糊决策树，基于当前获取的动态信息对所述地铁车站稳定性的当前状态进行评价；

11、输出当前状态评价结果。

12、其中，将所述若干评价指标构建为第一层次结构，具体包括：

13、所述第一层次结构包括顶层目标、准则层和指标层；

14、将超大断面车站稳定性设定为顶层目标；

15、将所述一级动态/静态信息相关的评价指标设定为准则层；

16、将所述二级动态/静态信息相关的评价指标设定为指标层。

17、其中，所述地质条件信息包括地层类型、土壤性质信息、地下水位信息；结构设计信息包括结构的几何形状、截面尺寸、荷载要求；材料强度信息包括该结构所使用的材料的力学性能，如混凝土的抗压强度、钢筋的屈服强度等；所述支护方式信息包括用于支撑和保护结构的方式，如桩基、墙体等；所述车站载荷信息包括列车荷载、人员荷载。

18、其中，使用不同隶属度函数将分别对二级动态信息和二级静态信息对应的评价指标转换为模糊值，包括：

19、对地下水位信息选择三角形函数，随着地下水位的升高或降低，隶属度逐渐减小；

20、对土壤性质信息、地层类型、结构设计信息、材料强度信息和支护方式信息选择梯形函数，描述土壤性质在一定范围内的隶属度；

21、对车站荷载信息，可以选择高斯函数，描述荷载分布的特征。

22、其中，假设地下水位参数为x，隶属度函数的起始点为a，峰值点为b，结束点为c，地下水位隶属度函数计算公式如下：

23、μ(x)=max(0,min((x-a)/(b-a),(c-x)/(c-b)))。

24、其中，假设车站荷载参数为y，隶属度函数的均值为μ，标准差为σ，车站荷载隶属度函数计算公式如下：

25、。

26、其中，使用层次分析法，确定各层的权重，具体包括：

27、对于每个层次，进行两两比较以确定它们之间的相对重要性，使用一个比较矩阵，该矩阵是一个n×n的矩阵，其中n是要进行比较的评价指标的数量，比较矩阵的元素表示两个元素之间的重要性比较；

28、根据两两比较的结果，构建每个层次的判断矩阵，所述判断矩阵是一个正互反矩阵，对角线上的元素为1，表示自己和自己的比较，其他元素表示两个元素之间的相对重要性比较；

29、计算所述判断矩阵的特征向量，然后对特征向量进行归一化处理，得到权重向量，其中各层次的权重之和为1。

30、其中，基于所述第一层次结构和模糊指标，构建模糊决策树，具体包括：

31、构建模糊决策树的规则集，将评价指标的模糊值与输出车站稳定性的模糊值相对应；

32、构建模糊决策树的条件节点，以准则层和指标层的评价指标为条件节点，利用模糊逻辑表达式表示条件节点与输入指标之间的关系；

33、构建模糊决策树的结论节点，以车站稳定性为结论节点，利用模糊逻辑表达式表示结论节点与输出车站稳定性之间的关系。

34、其中，根据评价指标的模糊值和模糊规则集，利用模糊推理算法进行推理，得到输出车站稳定性的模糊值；

35、将模糊评价结果进行解模糊化，转化为具体的评价得分。

36、本发明还提出了一种基于层次分析法的超大断面地铁车站稳定性模糊综合评价系统，其包括：

37、读取模块，其用于读取所述地铁车站的一级静态信息，所述一级静态信息包括地质条件信息、结构设计信息、材料强度信息和支护方式信息，其中每一种一级静态信息均包括若干二级静态信息；

38、请求模块，其用于基于请求/定时获取车站一级动态信息，所述一级动态信息包括车站载荷信息，其中所述一级动态信息包括若干二级动态信息；

39、归一化模块，其用于将上述一级动态/静态信息和二级动态/静态信息分别进行归一化处理，获取若干评价参数，其中，每一种一级动态/静态信息和二级动态/静态信息分别对应一个评价指标；

40、层次构建模块，其用于将若干评价指标构建为第一层次结构；

41、权重确定模块，其用于使用层次分析法，确定各层的权重；

42、模糊值确定模块，其用于使用不同隶属度函数将分别对二级动态信息和二级静态信息对应的评价指标转换为模糊值；

43、决策树模块，其用于基于所述第一层次结构和模糊指标，构建模糊决策树；

44、优化模块，其用于使用模拟退火算法对所述模糊决策树进行优化；

45、结果确定模块，其用于采用优化后的模糊决策树，基于当前获取的动态信息对所述地铁车站稳定性的当前状态进行评价；

46、结果输出模块，其用于输出当前状态评价结果。

47、与现有技术相比，本发明不仅可以基于获取数据的自身特点采用合适的数据处理方式，同时还可以考虑了动态数据对评价结果的实时影响，能够获取实时的评价，从而能够得到稳定性曲线，对整个地铁车站稳定性的了解更加直观，更符合现场工程需求。