原文传递
公路隧道建造期塌方风险分析及控制的系统研究
| 论文题名： | 公路隧道建造期塌方风险分析及控制的系统研究 |
| 关键词： | 公路隧道;塌方灾害;风险分析;安全控制 |
| 摘要： | 随着中国国民经济的飞速发展，公路交通路网已经步入逐步完善的发展阶段。由于中国的国土面积中丘陵地带分布较多，基于经济与环保的前提条件，隧道工程在公路建设过程中开始大量出现。公路隧道由于处于相对隐蔽与复杂的地质环境中，在建造过程中出现安全事故的频率呈上升态势。隧道塌方作为隧道建造过程中最为典型的灾害现象之一，发生原因较复杂，一直是研究者们关心的重要问题之一。本文针对现有的风险分析方法存在的问题，开展了以下四方面研究工作。 首先，总结了隧道工程建造期塌方风险研究现状及存在的问题，归纳出现有风险评估方法各自的适用范围与局限性；并结合公路隧道的特点，总结出隧道领域中塌方风险分析与控制的完整流程，对其中的各个步骤作出了简要说明；结合围岩变形理论，详细分析了公路隧道施工塌方的机理，完善了流程图的理论基础； 其次，在参与工程实践的基础上，编制了公路隧道建造期洞口，洞中与掌子面的塌方事故树系统，结合正交试验设计法，甄别出关键塌方因素并进行整合与排序；调查与统计分析了117处隧道塌方资料，明确了各塌方因素等级划分情况； 然后，引入粗糙集理论中知识简约算法与决策表，基于实例统计资料，建立各关键因素对塌方事件贡献的客观权重算法；基于等效性原理，选用正态分布形式导出了各影响因素的隶属函数解析形式，并利用模糊重心原理，将通常的直接最大隶属度归属分类改进为模糊集度重心归类，改进了塌方风险模糊评级方法，应用该方法对五里墩隧道进行实例分析，显示了适用性与准确性； 再次，基于粗糙集理论中的扩充差异矩阵与RSDIDA补齐算法，创立了隧道塌方案例影响因素丢失信息的修复技术。利用广义回归神经网络理论，构建了隧道塌方量预测的神经网络模型。将修复技术与神经网络模型结合，构建起塌方量预测的初始系统。对收集到的塌方案例缺失信息进行修复，构成完整的样本库。初始系统通过MATLAB编程与样本库训练，进一步发展为成熟的塌方量预测系统；通过二庄科隧道使用，预测结果体现出较好的准确性，具有工程实用价值； 最后，基于围岩稳定性原理，依据五里墩隧道工程中的变形与位移监测信息，运用ANSYS进行不同工况下的模拟与优化；将塌方风险模糊评级法，塌方量预测法与风险控制技术相结合，进行了系统的隧道建造期塌方风险分析与控制研究。 |
| 作者： | 刘科伟 |
| 专业： | 岩土工程 |
| 导师： | 苏永华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖南大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
