基于云证据理论的地铁盾构施工临近建筑物变形安全控制预警决策方法研究

吴贤国，黄艳华，马 健，张立茂，刘惠涛

(1．华中科技大学土木工程与力学学院，湖北武汉430074;2．中铁隧道股份有限公司，河南郑州450003;3．华中科技大学同济医学院附属同济医院基建科，湖北武汉430030)

基于云证据理论的地铁盾构施工临近建筑物变形安全控制预警决策方法研究

吴贤国1，黄艳华1，马 健2，张立茂1，刘惠涛3

(1．华中科技大学土木工程与力学学院，湖北武汉430074;2．中铁隧道股份有限公司，河南郑州450003;3．华中科技大学同济医学院附属同济医院基建科，湖北武汉430030)

为实现对地铁盾构施工临近建筑物变形安全控制的预警，结合工程实践和标准法规构建了包括监测项目和巡视项目共7个指标的评价体系，并将其划分为一般风险、显著风险、高风险和严重风险4个等级;基于监测信息和专家评价值确定指标特征值，采用云模型构建指标基本可信度分配，基于D-S证据理论对指标进行多层融合，利用蒙特卡洛模拟对建筑物变形影响因素进行敏感性分析;以武汉轨道交通7号线土建工程第3标段金银湖村5栋建筑物为例，对地铁盾构施工临近建筑物变形的安全警情状态进行评价。评价结果表明:4栋建筑物处于显著风险等级，1栋建筑物为一般风险等级，并结合蒙特卡洛模拟对风险最大的建筑物的监测点的影响因素进行敏感性分析，可为建筑物变形安全控制提供决策建议。

D-S证据理论;云模型;蒙特卡洛模拟;地铁盾构施工;临近建筑物;安全预警评价

Key words:D-S evidence theory;cloud model;Monte Carlo simulation;shield construction of metro;deformation of adjacent building;safety warning and evaluation

随着城市地铁建设规模的不断扩大，盾构法施工因施工速度快、安全性能高、对地层扰动小等特点而广泛使用。但是大范围的盾构施工导致的地下水流失容易造成建筑物沉降，地表的水平变形也会对建筑物产生较大影响，因此对于人口、建筑密集的城市来说，对地铁盾构施工临近建筑物变形安全状态进行预警评价就显得极为重要。

目前很多学者对地铁盾构施工对临近建筑物的影响进行了研究，但研究大多集中在两方面:一方面是理论研究，重点论述盾构施工对周边建筑物的影响和需采取的措施，并分析其变形规律［1］;另一方面主要基于有限单元法的软件进行数值仿真分析［2-3］，如采用模糊层次分析法［4］对地铁盾构施工下临近建筑物的安全风险进行综合分析。由于地铁盾构施工对临近建筑物变形的安全控制中影响因素来源众多，且有大量的不确定性，因此简单地采用模糊层次分析法很难全面地反映该过程中的不确定融合过程。

云模型作为一种不确定数据处理领域的新方法，能够实现指标定性与定量之间的转化，并兼顾其模糊性和随机性。D-S证据理论作为研究不确定性决策与推理问题的一种重要工具，能很好地处理具有模糊和不确定性的多个可能冲突的数据融合问题。本文将云模型和D-S证据理论结合，提出一种基于云证据理论的地铁盾构施工临近建筑物变形的安全控制预警决策方法，该方法在指标体系构建、等级划分的基础上，基于云模型计算指标基本概率分布，采用D-S证据理论对指标进行融合，并基于蒙特卡洛模拟对建筑物变形的影响因素进行了敏感性分析，抓住了敏感因素进行重点控制监管，可为建筑物变形安全控制提供决策建议。

1 理论基础

1．1 云模型

云模型是李德毅院士［5］1996年在传统模糊数学和概率统计的基础上，提出的定性与定量互换模型，刻画了不确定性语言值和精确数值间的随机性和模糊性及其之间的关系［6］。利用云模型，可以把精确数值有效转化为恰当的定性语言值，即定性概念，也可以从语言值表达的定性信息中获得定量数据的范围和分布规律，从而构成不确定性与定量的转换［7］。云模型的数字特征用期望值Ex、熵En、超熵He来表示［8］。其中，Ex代表定性概念，反映云滴群的云重心;En代表定性概念模糊性，反映数域中可被定性语言值接受的范围;He代表熵的不确定性度量，即熵的熵，反映云滴的凝聚程度，即He越大，云的离散程度越大，隶属度的随机性也随之增大。云模型的三个特征值(Ex、En、He)可按下式计算:

式中:s为常数;Cmax和Cmin分别为该云模型区间的最大值和最小值。

1．2 D-S证据理论

D-S证据理论亦称Dempster-Shafer信度函数理论，是在20世纪60年代后期Dempster提出的上、下概率及其合成规则的基础上，由Shafer进一步推广建立发展起来的。D-S证据理论是一种简洁的融合结果分析与决策方法，它是在考虑决策问题中的不确定性的基础上，建立证据体基本可信度分配，然后通过融合规则得到决策结果。其基本策略是把证据集合划分为若干不相关部分，并分别利用它们对识别框架进行独立判断，用组合规则将它们组合起来［9］。

定义:给定一个识别框架Θ，集函数m是Θ的幂集2Θ上的一个映射m:2Θ→［0，1］，满足m()= 0且，称m为Θ的基本可信度分配(Basic Probability Assignment，BPA)称为X的基本可信数或mass函数，它反映对X本身的精确信度大小，m()为X的不确定大小。

1．3 蒙特卡洛模拟

蒙特卡洛模拟方法(Monte Carlo method)是一种概率统计法或统计模拟法［10］，亦称为随机抽样法或统计实验法，是通过随机模拟和统计实验来求解工程、经济、物理等敏感性问题的数值方法［11］。其实质是利用服从某种分布的随机数来模拟现实系统中可能出现的随机现象。由于每次模拟实验只能描述所观察系统可能出现的一次情况，在进行大量次数的模拟实验后，根据概率论的中心极限定理和大数定理，即可得出有价值的统计结论。

利用蒙特卡洛模拟方法进行敏感性分析的步骤如下［12］:

(1)基于计算模型，确定指标概率分布;

(2)将各指标的概率分布输入Crystal Ball软件，即定义假设单元;

(3)定义预测单元和模拟次数;

(4)运行模拟、输出结果;

(5)结果分析。

2 安全控制预警决策方法

基于云证据理论的安全控制预警决策方法的基本步骤如下:

(1)评价指标特征值获取。对安全控制状态进行评价和预警涉及到一系列定量指标和定性指标，定量指标主要依据监测值确定，而定性指标则主要依靠各位专家对其进行评估。

(2)基于云模型建立初始信任分配。针对每个指标的每一等级分别构建一个模型，即按照公式(1)确定(Ex、En、He)，计算每个指标特征值对每一等级云模型的隶属度，以此作为基本可信度分配，并利用下面公式计算第i特征值隶属于第j安全等级的隶属度uij，即

式中:x为监测指标的特征值;Ex、En、s分别为对应等级云模型的三个参数;rand()为0～1之间的随机值。

(3)冲突检测。设mi和mj是两证据的基本可信度分配，对应焦元分别为X1，X2，…，Xn和Y1，Y2，…，Yn，按照公式(5)计算冲突系数k，若0≤k＜1，表明证据不冲突，直接用Dempster组合规则对两个证据进行融合处理，见公式(4);反之k=1，表示证据完全冲突，需转到下一步骤。

(4)证据权重计算。设定两证据体mi和mj的的辨识框架分别为{A1，A2，…，AN}和{B1，B2，…，BN}，基于证据源的基本可信度分配及其焦元属性，根据欧式距离函数［13］计算两证据体mi和mj间的距离dij［见公式(6)］，各证据之间的距离构成一个距离矩阵D，定义证据体mi和mj的相似测度为Simij［见公式(7)］，证据体mi的支持度为Sup(mi)［见式(8)］，将Sup(mi)归一化定义为证据mi的权重W(mi)［见公式(9)］，则有:

(5)替换证据。按照公式(10)计算证据源的加权评价证据m珟i，替换不冲突证据，按照公式(11)计算平均证据m珚i替换冲突证据;再次检测，若冲突按照(3)～(4)步骤再次替换，若不冲突依据公式(6)进行组合。

(6)证据融合。依次进行两两证据的融合直至此次融合结束。定义m为不确定性系数，其计算公式见式(12)，m越小说明融合的不确定性越小，可信度越高。若涉及到多层融合，则在一层融合结束之后，将融合结果作为该证据的基本可信度分配，按照(2)～(4)步骤再次进行融合，如此反复至多层融合。

根据上述步骤，可得出基于D-S证据理论对指标进行多层融合的流程，见图1。

3 评价指标体系构建

图1 基于D-S证据理论的指标多层融合流程Fig．1 Fusion steps based on D-S theory

在地铁盾构施工中，为保证建筑物的安全通常会对建筑物进行日常监测，一栋建筑物一般有多个监测点，一个监测点也会有多个变形监测特征值，主要包括建筑物累计沉降量、建筑物沉降速率、建筑物倾斜率、建筑物内外墙裂缝及剥落情况等。对受地铁盾构施工影响较大的临近建筑物除了进行日常监测之外，还需进行现场实地踏勘和巡视，巡视范围包括工程自身和周边环境。建筑物监测信息和建筑物巡视信息如表1所示，反映了建筑物安全警情状态，是建筑物安全控制决策的证据资料。根据《地铁工程施工安全评价标准》和《地基基础控制标准》，并结合实际工程经验，将建筑物监测特征划分为一般风险、显著风险、高风险、严重风险4个等级;根据专家判定，将建筑物巡视特征划分为一般风险、显著风险、高风险、严重风险4个等级。建筑物安全控制信息各等级划分区间见表1。

表1 建筑物安全控制信息等级划分区间Table 1 Level division of safety control information for buildings

为了全面考虑建筑物安全状态表征信息，本文构建了基于D-S证据理论的建筑物安全控制预警决策融合模型，如图2所示。首先，在对多个监测特征进行融合得到监测点安全警情状态的基础上，在监测区域对所有监测点进行融合得到监测信息警情状态;然后，在对巡视项目专家意见融合得到巡视项目警情状态的基础上，对所有巡视项目进行融合得到巡视信息警情状态;最后，将监测信息与巡视信息警情状态进行融合得到建筑物整体安全警情状态。

图2 基于D-S证据理论的建筑物安全控制预警决策融合模型Fig．2 Decision fusion model of safety control warning of buildings based on D-S evidence theory

4 实证分析

4．1 案例背景

武汉轨道交通7号线土建工程第3标段设计起点位于金山大道与金南一路交叉路口的东方马城站南端头，从东方马城站出站后沿金南一路南行，与金南一路高架桥并行后，下穿金银湖新村一栋4层建筑，向西南方向偏转，然后下穿张公堤和三环线后南行进入长丰站，区间线路出长丰站后穿越武康上下行高架，京广货运线上下行线、汉丹货运线、汉口客车技术整备所、武汉市二环线高架、苗圃新村、常码头2～5层居民房屋后，在发展大道与淮海路交叉路口到达常码头站。为了保证地铁盾构施工过程中建筑物的安全，武汉市地铁集团邀请第三方对建筑物沉降、沉降速率、倾斜等方面进行监测，并对其进行安全巡视。本文选取金银湖新村6#～10#建筑物作为研究对象，对地铁盾构施工过程中临近建筑物变形的安全状态进行了评价。金银湖新村6#～10#建筑物基本情况见表2，该建筑物现状见图3，每栋建筑物在建筑物四角重要位置均设置了4个监测点，监测点具体布局见图4。

表2 金银湖新村6#～10#建筑物基本情况Table 2 Basic condition of buildings 6#～10#in Jinyinhu New Village

图3 金银湖新村建筑物现状Fig．3 Current situation of the buildings in Jinyinhu New Village

图4 金银湖新村建筑物监测点位置布置图Fig．4 Layout of monitoring points of buildings in Jinyinhu New Village

4．2 信息融合

建筑物安全控制监测点和巡视项目的预警状态分为一般风险RM11、显著风险RM12、高风险RM13、严重风险RM144个级别，因此预警决策融合的识别框架为

同时，根据表1中对各指标的等级区间划分，按照公式(1)可计算指标各等级对应的云模型的特征值，以T1指标为例，其对应于一般风险、显著风险、高风险和严重风险的云模型的特征值分别为(12，4，0．002)，(27，1，0．002)，(33，1，0．002)，(43，2．3，0．002)。

4．2．1 建筑物监测信息融合决策

将建筑物各监测点的3个监测特征值累计沉降量T1、沉降速率T2、倾斜率(水平位移/建筑物高度)T3作为三条证据体，利用云模型计算其基本可信度分配，其计算步骤如下:

(1)基本可信度分配确定。5栋建筑物共20个监测点的3个监测特征值见表4。利用公式(2)依次计算各监测点监测特征值对应各等级的隶属度，经冲突检测将其作为各建筑物各监测点基本可信度分配，以6#建筑物的监测点1为例，其基本可信度分配见表5。

(2)监测点融合决策。利用公式(4)依次融合各建筑物各监测点，由于篇幅限制，以6#建筑物为例，其各监测点的融合决策结果见表6。

表4 金银湖新村6#～10#建筑物各监测点的监测特征值Table 4 Values of monitoring indexes of buildings 6#～10#in Jinyinhu New Village

表5 金银湖新村6#建筑物监测点1的基本可信度分配表Table 5 BPA of the monitoring point 1 of building 6#in Jinyinhu New Village

表6 金银湖新村6#建筑物各监测点的融合决策结果Table 6 Decision fusion results of the monitoring points of building 6#in Jinyinhu New Village

(3)监测信息融合决策。利用公式(4)依次融合各建筑物的监测信息，建筑物监测信息的融合决策结果见表7。

表7 金银湖新村各建筑物监测信息的融合决策结果Table 7 Decision fusion results of monitoring information of each building in Jinyinhu New Village

4．2．2 建筑物巡视信息融合决策

将不同专家对巡视项目的4个指标的判断作为证据体，进行信息融合的步骤如下:

(1)基本可信度分配确定。本文邀请5位武汉市行业专家，根据巡视项目现场照片对巡视项目预警状态按百分制进行打分，对建筑物巡视项目安全警情状态进行判断，其专家评分结果见表8。

表8 金银湖新村各建筑物巡视项目警情状态专家评分值Table 8 Evaluation values of the warning condition of building touring items in Jinyinhu New Village by experts

(2)巡视项目融合决策。将每个专家看成一个证据体，基于云模型按照公式(2)计算出隶属度，经冲突检测将其作为各建筑物各巡视项目信息融合基本可信度分配，以6#建筑物为例，各巡视项目安全警情状态融合决策结果见表9。

表9 金银湖新村6#建筑物各巡视项目的融合决策结果Table 9 Decision fusion results of touring items for building 6#in Jinyinhu New Village

(3)巡视信息融合决策。最后利用公式(4)依次融合各建筑物巡视信息，建筑物巡视信息融合决策结果见表10。

表10 金银湖新村建筑物巡视信息融合决策结果Table 10 Decision fusion results of touring information of the buildings in Jinyinhu New Village

4．2．3 建筑物整体安全状态融合决策

根据金银湖新村建筑物监测信息融合决策结果和巡视信息融合决策结果，构建建筑物整体融合决策信任分配，并利用融合规则［公式(4)］计算得到金银湖新村建筑物整体安全警情状态融合决策结果，见表11。

表11 金银湖新村建筑物整体安全状态融合决策结果Table 11 Decision fusion results of the integrated safety condition of the buildings in Jinyinhu New Village

4．3 建筑物安全预警决策结果分析

由上述融合结果可知，金银湖新村6#、7#、8#和9#建筑物为显著风险等级，而10#建筑物为一般风险等级。金银湖新村6#、7#、8#、9#建筑物距离地铁7号线较近是其安全风险高于10#建筑物的主要原因。证据理论决策模型中在最初证据体的安全警情状态判断中为专家判断提供了不确定选项，使得决策过程更加合理准确，同时在证据融合的过程中可以发现，随着证据体的不断融合，证据的不确定性明显在减小，能够非常准确地判断出建筑物整体安全警情状态。在最终得到的建筑物整体安全状态融合结果中可以发现，各融合结果的不确定性甚至为0，这也说明证据理论能够很好地解决决策中的不确定性问题。利用颜色表征的方式对建筑物安全警情状态进行直观表示如图5所示，建筑物安全预警状态对4种风险等级依次利用绿色、黄色、橙色、红色，可更直观地为决策者提供管理依据。

图5 建筑物安全警情状态融合决策结果Fig．5 Decision fusion results of safety warning condition of the buildings

为进一步为决策者建筑物安全控制提供管理依据，本文首先对4种风险等级下建筑物安全状态进行说明，然后针对4种风险等级制定专门的应对措施，具体内容如下:

(1)一般风险(绿色):建筑物安全风险基本处于可控状态，各监测项目没有出现明显警情，各监测点及现场巡视项目状态基本正常，继续按照监测方案观察和监控即可。

(2)显著风险(黄色):建筑物存在一定的安全风险，可见部分监测项目出现若干即将发生的警情，部分监测点数据异常或超限;现场巡视项目发现一定的灾变安全隐患，如不及时处理可能引起安全事故，需要提交至现场代表及各管理部门相关负责人，引起高度关注。

(3)高风险(橙色):建筑物安全存在显见的安全风险，部分监测项目出现极有可能发生的警情，如不及时处理工程即将进入危险状态，部分监测点数据出现长时间超限且预测趋势不收敛;现场巡视项目发现明显的灾变安全隐患，需要提交至业主相关部门组织现场查勘，同时需要召开现场协调会或专家论证会。

(4)严重风险(红色):建筑物安全存在严重的安全风险，部分监测项目已经发生险情，部分监测点数据出现明显的突变，且仍在不稳定变化;需要提交至领导，组织相关部门和专家现场紧急开会，制定灾情抢险措施，必要时启动有关应急预案。

4．4 建筑物变形影响因素敏感性分析

在综合分析地铁盾构施工临近建筑物安全风险的基础上，为了进一步找到对临近建筑物变形安全影响更为敏感的因素，从而对敏感性因素进行重点监管控制，提高监管效率，本文在蒙特卡洛模拟理论基础上，基于Crystal Ball软件，将检测项目和巡视项目共七个因素定义为假设，最终的建筑物安全警情状态定义为预测，对建筑物变形的影响因素进行了敏感性分析。根据前文分析结果可知，金银湖新村6#、7#和8#建筑物［见图6(b)］均为显著风险等级，但其趋向于高风险的概率有0．07，因此6#建筑物的风险最大，为此本文以6#建筑物为例，对6#建筑物的4个监测点的影响因素进行敏感性分析，其分析结果见图6。由图6可以看出:

(1)1#监测点对监测型指标沉降速率最为敏感，累计沉降率和倾斜率则次之，巡视型指标的敏感性较弱，其中内外墙裂缝及剥落情况的影响较其他指标大［见图6(a)］;2#监测点对沉降速率最为敏感，累计沉降量次之，其他指标的敏感性则较弱［见图6(b)］;3#监测点对倾斜率最为敏感，其他指标的敏感性则较低［见图6(c)］;4#监测点对沉降速率最为敏感，倾斜率次之，对内外墙裂缝及剥落情况和累计沉降量两指标的敏感性稍低，其余指标则较低。

(2)该结果说明对6#建筑物整体而言，监测型指标对其安全状态的影响较为敏感，巡视型指标的影响则相对较弱。此外，不同的监测点对不同指标的敏感性不同，其次敏感因素也不同，这与建筑物监测点所处位置和周边环境等密切相关。因此，在重点控制建筑物敏感性因素、把控建筑物整体安全状态的同时，需对建筑物的不同区域的监管重点进行区分，从细节上保障建筑物和地铁线路的安全状态。

图6 金银湖新村6#建筑物4个监测点的影响因素的敏感性分析Fig．6 Sensitivity analysis of monitoring points for building 6#in Jinyinhu New Village

5 结 论

本文在云证据理论的基础上，结合专家评价、蒙特卡洛模拟等方法，提出了一种地铁盾构施工临近建筑物变形的安全控制预警决策方法，并得到以下结论:

(1)结合工程实际和标准法规，采用监测项目和巡视项目两类指标体系，共选取累计沉降量、沉降速率、倾斜率、内外墙裂缝及剥落情况、地下室渗漏情况、建筑物地表沉降情况、周围建筑物地表裂缝情况7个指标综合表示盾构施工临近建筑物变形安全控制状态，并将其划分为一般风险、显著风险、高风险和严重风险4个等级。

(2)提出了一套基于云证据理论的建筑物安全控制警情状态评价方法，该方法基于评价指标体系构建了建筑物安全控制警情状态多层融合模型，基于云模型构建基本可信度分配，采用D-S证据理论进行指标多层融合，并结合蒙特卡洛模拟对建筑物变形的影响因素进行了敏感性分析。

(3)以武汉轨道交通7号线土建工程第3标段金银湖新村的5栋建筑物为例，基于云模型构建监测项目指标基本可信度分配，采用专家评价法获得巡视项目指标的基本可信度分配，通过指标多层融合，最终得到1栋建筑物处于一般风险等级，4栋建筑物处于显著风险等级的结论，并结合蒙特卡洛模拟，对风险最大的6#建筑物的4个监测点的影响因素分别进行敏感性分析，找出敏感性因素，加强监控，从细节上保障了建筑物和地铁线路的安全状态。

［1］李方成，胡斌，唐辉明，等．武汉地铁二号线名都站深基坑施工期变形监测与分析［J］．安全与环境工程，2010，17(5):113-118．

［2］钱双彬，董军，李玲．隧道盾构施工下穿地铁车站出入口安全影响分析［J］．中国安全科学学报，2009，19(1):172-176．

［3］姚爱军，向瑞德，侯世伟．地铁盾构施工引起邻近建筑物变形实测与数值模拟分析［J］．北京工业大学学报，2009，35(7):910-914．

［4］刘锋．地铁盾构施工下某邻近办公住宅楼安全风险评价［J］．江苏建筑，2013(5):54-58．

［5］Li D，Cheung D，Shi X，et al．Uncertainty reasoning based on cloud models in controllers［J］．Computers＆Mathematics with Applications，1998，35:99-123．

［6］Wang S，Zhang L，Ma N，et al．An evaluation approach of subjective trust based on cloud model［C］//International Conference on Computer Science and Software Engineering，IEEE，2008，3:1062-1068．

［7］董春游，张斌斌．基于云模型和D-S理论的煤炭自然发火危险性评价［J］．价值工程，2014，33(26):62-64．

［8］Hu S，Li D，Liu Y，et al．Mining weights of land evaluation factors based on cloud model and correlation analysis［J］．Geo-spatial Information Science，2007，10(3):218-222．

［9］李娜，董海鹰．基于D-S证据理论信息融合的轨道电路故障诊断方法研究［J］．铁道科学与工程学报，2012，9(6):107-112．

［10］Wen X，Xu Y，Li H，et al．Monte Carlo method for the uncertainty evaluation of spatial straightness error based on new generation geometrical product specification［J］．Chinese Journal of Mechanical Engineering，2012，25(5):875-881．

［11］Jiang Y，Chen C，Liu X，et al．Light propagation along the pericardium meridian at human wrist as evidenced by the optical experiment and Monte Carlo method［J］．Chinese Journal of Iintegrative Medicine，2015，21:254-258．

［12］Yang J，Li G，Wu B，et al．Comparison of GUF and Monte Carlo methods to evaluate task-specific uncertainty in laser tracker measurement［J］．Journal of Central South University，2014，21:3793-3804．

［13］董增寿，邓丽君，曾建潮．一种新的基于证据权重的D-S改进算法［J］．计算机技术与发展，2013，23(5):58-62．

Decision-making Method of Safety Control Warning on Deformation of Adjacent Buildings Induced by Shield Construction of Metro Based on the Cloud Model and D-S Evidence Theory

WU Xianguo1，HUANG Yanhua1，MA Jian2，ZHANG Limao1，LIU Huitao3
(1．School of Civil Engineering＆Mechanics，Huazhong University of Science＆Technology，Wuhan430074，China;2．China Railway Tunnel Stock Co．，Ltd．，Zhengzhou450003，China，3．Infrastructure Section of TongJi Hospital，TongJi Medical College，Huazhong University of Science＆Technology，Wuhan430030，China)

In order to realize the safety control warning on deformation of adjacent buildings caused by shield construction of metro，this paper establishes a system of seven indexes including monitoring items and touring items，and divides the safety levels of indexes into four grades，namely，general risk，significant risk，high risk and serious risk．Then，the paper determines the value of the indexes by monitoring information and evaluation values by experts，calculates the basic probability assignment of indexes based on the cloud model，and applies D-S evidence theory for multi-fusion of the indexes．Besides，the paper conducts sensitivity analysis of the deformation of buildings by Monte Carlo simulation．At last，the paper takes five buildings in Jinyinhu New Village neighboring Wuhan metro line 7 as the case study．The results indicate that four buildings are of significant risk level and one building is of general risk level．Besides，combining with Monte Carlo simulation，the paper carries out sensitivity analysis of the building with the largest risk level．The whole evaluation results provide decision-making reference for the deformation safety control and management．

X951;U231;TU196+1

ADOI:10．13578/j．cnki．issn．1671-1556．2016．05．030

1671-1556(2016)05-0174-09

2016-03-02

2016-06-01

国家自然科学基金项目(51378235、71571078);湖北省自然科学基金重点项目(zrz2014000104);教育部博士后基金项目(2015M570645)

吴贤国(1964—)，女，教授，博士生导师，主要从事土木工程与施工管理方面的研究。E-mail:wxg0220@126．com