基于监测和层次分析法的矿山巷道风险评估★

徐 兵

(西南科技大学环境与资源学院，四川 绵阳 621010)

基于监测和层次分析法的矿山巷道风险评估★

徐 兵

(西南科技大学环境与资源学院，四川 绵阳 621010)

基于监测数据并使用层次综合分析法建立了矿区巷道的风险评价体系，相比于常规的风险评估方法，该方法通过定量与定性相结合，大大提高了风险等级评判结果的准确性和可信度，为矿区巷道工程的安全维护和保障提供了参考依据。

巷道，监测，层次分析法，风险指标

0 引言

近年来矿区巷道坍塌事故时有发生，造成了大量生命和财产损失。由于影响巷道风险的因素较为复杂，因此如何科学有效地对地下巷道安全进行风险评估是一个急需解决的问题。传统的巷道安全监测结果只能对各个监测指标单独进行安全评估，并不能很好地综合各个指标的风险进行综合评估，这也是巷道安全监测的不足。目前对于工程风险评估的理论和方法较为丰富，应用较广的有模糊评价法[1，2]、故障树分析法[3]、贝叶斯网络概率模型[4]、蒙特卡洛仿真分析法[5]以及灰色关联分析法[6]，这些理论也都取得了不错的应用效果。但是这些方法大部分都是定性分析，并没有根据巷道的实时情况进行定量分析。为此本文结合巷道的监测实时数据参考层次综合分析法提出了一种新的巷道风险概率评估方法，为矿区巷道风道的风险控制和管理提供参考。

1 矿区巷道动态风险评估

1.1 基于巷道监测的风险指标的确定

巷道的施工过程往往伴随着安全监测的进行，为了充分保证巷道的稳定和安全，常见的监测内容有隧道收敛监测，拱顶下沉监测，地表沉降及周边环境变形，部分带锚杆支护的隧道还需要对锚杆内力进行监测。另外，还需要考虑地下水渗漏情况对巷道稳定性的影响。因此参考层次分析法，具体的巷道的风险概率评估模型的结构见图1。

1.2 权重获取及概率计算

巷道的监测数据是稳定性量化的直接体现，也直接反映着巷道的风险状态。为使监测数据量化为风险概率，建立以下量化标准：以各项监测指标规范规定的预警值为基准，取预警值的0.6，0.7，0.8，1.0，1.1，1.3倍数为对应的分级界限，建立各项监测数据与风险概率的映射关系，其中区间内部的概率按照线性插值选取，超过1.3的部分概率均取1.0。而对于地下水渗漏指标无法直接监测量化，可根据具体的渗漏情况使用专家打分进行取值。

所有指标的量化标准见表1。

表1 风险评价指标概率量化标准

监测指标的权重可以参照层次分析法中专家1-9打分法来构造监测指标的n阶判断矩阵M来计算，具体的方法如下[7，8]：令mij为判断矩阵M中的元素，则权重ki可通过式(1)，式(2)来获得，而对于判断矩阵M的检验可通过CR法来进行，具体过程参考文献[7]。

(1)

(2)

对于某个具体的巷道监测项目，根据层次分析法中的概率指标和权重，以图1中体系为例，可通过式(3)，式(4)获得巷道的整体风险概率，最终获得的整体风险概率P反映了巷道的安全状态。

(3)

(4)

其中，vk和qk分别为风险体系模型第二层中的监测项目的累计值指标和变化速率指标所占的权重和风险概率；ki和pi分别为第一层中单个监测项目的权重和风险概率；P为巷道的整体风险概率。

2 算例

2.1 巷道风险评价指标的选取

某煤矿地下巷道在作业面施工完成后，立即进行了相应监测点的布置并进行长期监测。具体的风险评估指标选取参照图1进行，具体如下：由于该巷道埋深不大，需考虑地表沉降指标的影响，但是地表周边环境中无相关建筑物和构筑物，故不考虑周边环境变形这一项，另外第一层中其他4项指标也均考虑在内。故最终风险评价体系的第一层共考虑5项指标，包括地表沉降，隧道收敛，拱顶下沉，锚杆内力和地下水渗漏。对应的第一层风险指标的判断矩阵M采用层次分析法中1-9标度专家打分法获得，见表2，其满足一致性检验，对应的第一层指标权重为：

k=[0.065 0.211 0.383 0.223 0.118]。

表2 判断矩阵M

对于风险模型第二层中所考虑的累计值和变化速率，通过构造具体的判断矩阵来考虑其权重，考虑指标的不同属性一般可认为地表沉降和周边环境变形的累计值与变化速率的权重类似，可使用同一个判断矩阵M1；而巷道收敛和拱顶下沉指标的累计值和变化速率的权重类似，共同使用另外一个判断矩阵M2。分别构造判断矩阵M1，M2如下，通过检验其均满足一致性检验，其权重分别为：

v1=[0.667 0.333]，v2=[0.75 0.25]。

2.2 风险概率计算

表3 监测项目报警值及对应风险概率分级区间

根据具体监测项目报警值所得到的风险概率分级区间见表3，以某次监测数据为例，其中地表沉降累计26.02 mm，此次变化速率为1.7 mm/d；隧道收敛累计为20.46 mm，变化速率为0.38 mm/d；拱顶下沉21.54 mm，变化速率为0.12 mm/d；支护锚杆的内力为设计值的0.52倍；巷道地下水渗漏表现为轻微线状水流，该项风险概率根据专家打分为0.4。因此根据表3的风险概率量化标准以及对应的风险概率区间，可得各项指标的风险概率值，见表4。从表4中来看，最大的风险源来自拱顶下沉这一项，达到了0.65，因此在监测过程中应该重点关注这一项，并且要加大监测频率确保巷道的安全。根据式(4)并结合上述得到的第一层指标权重k可得到该煤矿巷道的整体风险概率P，其结果见式(5)，参考表1可知此时巷道的风险状态为“预警”状态。

表4 各指标风险概率计算表

(5)

3 结语

基于监测数据的层次分析法既考虑了各项指标的定性权重，又通过监测数据定量考虑了基础指标的风险概率，定性与定量相结合使得在巷道风险等级的评定方面更具客观性。使用算例阐述了该风险评估方法的使用过程，其计算简单，最终得到的风险概率等级能为实际工程的安全保障提供参考依据。

[1] 申艳梅，韦四江.回采巷道锚杆支护效果模糊综合评判[J].采矿与安全工程学报，2011,28(4):576-580.

[2] 邓 军，徐通模，王 华，等.巷道煤体破碎程度的模糊综合评判[J].煤炭学报，2003,28(2):145-148.

[3] Todinov MT..Reliability and risk models[M].England:John Wiley & Sons,2005.

[4] 赵 红，李雅菊，宋 涛.基于贝叶斯网络的工程项目风险管理[J].沈阳工业大学学报(社会科学版)，2008,1(3):239-244.

[5] 秦炳军，张圣坤.动态过程风险评估方法[J].上海交通大学学报，1998,32(11):17-20,25.

[6] 桂祥友，郁钟铭.基于灰色关联分析的瓦斯突出危险性风险评价[J].采矿与安全工程学报，2006,23(4):464-467.

[7] 许树柏.层次分析法原理[M].天津：天津大学出版社，1988.

[8] 王爽英，吴 超，左红艳.中小型煤矿生产安全模糊层次分析评价模型及其应用[J].中南大学学报(自然科学版)，2010,41(5):1912-1918.

Risk assessment of mine tunnels based on monitoring and AHP method★

Xu Bing

(SchoolofEnvironmentandResource,SouthwestUniversityofScienceandTechnology,Mianyang621010,China)

A risk assessment system for mining tunnels is developed based on monitoring and AHP method. Compared with normal risk assessment method, this method significantly improved the accuracy and reliability of the result of risk level by way of quantitative and qualitative analysis, which provides rational references to guarantee and maintain the safety of mining tunnels.

tunnels, monitoring, AHP method, risk index

2015-01-30★：四川省教育厅科研项目(项目编号：15ZB0124)；绵阳市科技计划项目(项目编号：14S-02-6)

徐 兵(1976- )，男，讲师

1009-6825(2015)10-0229-02

TD771

A