地下洞室群现场作业风险分析与向量模型

袁　轩 ，江　新，2，袁国常

(1. 三峡大学 水利与环境学院，湖北 宜昌 443002； 2. 湖北省水电工程施工与管理重点实验室，湖北 宜昌 443002； 3. 三峡旅游职业技术学院 基础部，湖北 宜昌 443100)

0　引言

随着我国国民经济发展，在工程建设领域里，类似于地下特大型水电站、地下超大型枢纽车站、地铁等大长隧道越来越多地以地下超大洞室群的形式建成并投入使用。地下洞室群施工过程面临大跨度、洞室高、边墙难稳定、空间纵横交错等突出问题，存在多发性安全隐患。此类工程一旦发生突发安全事故，将带来巨大损失。

在地下洞室群施工过程中，纵向和横向的现场作业可能同时进行，呈现出立体交叉并行的态势，这种施工作业状态可能导致多种风险相互交叉作用，表现出极强的风险传播效应[1]。 Sturk R[2]，Choi H H[3]针对地下工程的特点，从地下工程施工风险发生机理出发，结合风险核对表、故障树法等多种风险识别方法，建立地下工程施工安全风险指标体系；Abdollahipour A[4]运用敏感性分析，对围岩力学参数进行分析，结果表明最敏感的特性为横向应力和变形模量；李景龙[5]运用层次分析法，确定风险因素权重，并利用综合模糊评判的方法，将风险的2大要素“概率”和“后果”联系起来，并引入“监控程度”和“重视程度”2个因素，将4个指标统筹考虑，给出每个指标的隶属度函数表达式，对风险评价算法进行描述；汪刘凯[6]运用因子分析和聚类分析，将风险因素层次归纳划分，并运用SEM验证建立的理论模型，最后得出各风险因子的相互影响和作用机理；撒文奇[7]运用物联网技术，搭建施工信息采集平台，实现洞室群的内外部数据实时动态采集与传输，并采取数值模拟手段，提出实时数据仿真的围岩劣化等级折减系数；YOU K H[8]对洞室群的风险可靠度进行分析研究。仇文革、李俊松[9]将WebGIS运用于地下工程风险管理，建立实时数据监测系统，根据专家反馈、施工数据、风险评估数据的实时监测，对施工风险及时作出应对措施；胡群芳[10]针对国内外工程风险接受准则的研究现状，结合地下工程的特点，制定地下工程风险接受准则计算模型，并探讨现阶段风险接受准则研究的不足和发展空间；池秀文[11]通过对地下工程的风险隐患识别，构建安全风险管理指标体系；宋飞[12]将层次分析法和MATLAB结合，对地下工程中的基坑施工风险进行分析；于峰[13]对地下洞室稳定性和水封性2方面进行风险评估。以上方法均未涉及现场作业风险体系中各风险因子的相关关系，未能体现风险的动态变化性。针对此类问题，可建立结构方程模型来进行分析。结构方程模型所用方法是应用线性方程系统，表示观察变量与潜在变量之间的因果关系以及潜在变量之间相关关系的一种统计方法[14]，能够估计无法直接测量的指标。建立SEM模型对地下洞室群施工风险进行研究，并在此基础上建立向量模型以演示现场作业各风险因素间的向量关系，使各风险因素间的主次关系更加清晰地展现出来，这对厘清地下洞室群施工中各风险因素间的关联性有积极意义。

1　地下洞室群施工现场作业风险因素指标划分

1.1　现场作业风险指标确定

地下洞室群存在高围岩、跨度大、空间纵横交错，施工条件复杂，施工支护难度大，各施工部位相互干扰等特点。例如溪洛渡水电站左岸地下厂房洞室群水平埋深300～450 m，铅直埋深340～480 m。洞内施工环境特殊，不同于地上工程，地下工程存在许多未知性和不确定性，极易产生突发事故，现场管理及施工人员的素质就显得尤为重要。从近年统计数据来看，由于不可抗力因素发生的事故灾害数仅占总数的2%，而由于人的不安全行为因素引发的事故为70.8%[15]。从中可以看出，人为因素是导致地下工程安全事故发生的主要因素。但是，地下洞室群施工风险是一系列风险因素相互作用的结果，要降低风险发生的概率就必须了解各风险层次的相互作用机理。在诸如溪洛渡等多个水电站地下厂房工程的地下洞室群施工实地调研基础上，通过专家组讨论和施工工人座谈的形式，确定管理风险、环境风险、机械设备风险、工作经验与技能风险、不安全心理风险、不安全行为风险等6个风险层次。以这6个风险层次为潜变量，制定18个观测变量作为地下洞室群现场作业风险因素层，并以这18个观测变量拟定调查问卷表。问卷表采用李克特5级量表法，以其对施工总风险的影响程度进行打分，问卷通过现场发放和代为转发的形式，发放给被调查水电站的一线施工技术人员、安全生产部门人员、企业部门负责人和监理咨询人员，如表1所示。问卷总共发放220份，共回收198份，剔除其中15份不完整问卷，剩余183份，有效率达到83%。

表1　地下洞室群施工现场作业风险调查问卷

1.2　信度和效度检验

运用spass对调查所取得的数据进行信度检验，指标选用Cronbach’ Alpha值检验，同时运用此软件对数据进行效度检验，选用KMO值和巴特勒球形检验值作为指标，信度检验如表2所示。

表2　信度检验

从表2可以看出，各风险因子Cronbach’s Alpha值均大于0.7，CITC值均大于0.5，表明各项因子均满足信度检验，调查问卷具有真实性。

通过软件计算， KMO值为0.879>0.5(参考标准)，表明该数据比较适合做因子分析，并且巴特勒球形度检验值为0.00，表明该数据效度达标。

2　结构方程模型的构建

2.1　SEM模型构建

设定：以管理风险、环境风险、机械设备风险、工作经验与技能风险、不安全心理风险、不安全行为风险为潜在变量；以x1～x18为观测变量；以183份调查问卷所获取的数据作为原始数据，并输入模型运算。运用AMOS软件构建初始模型，如图1所示。

其拟合指标检验如表3所示。对比其拟合指标，发现其RMR=0.233，远大于0.05；RMSEA=0.099，也大

于0.08；绝对适配度中2项不合格，说明模型适配并不理想，需要修正。通过增加路径最终得出如下修正模型，如图2所示。

图1　地下洞室群施工现场作业风险SEM模型(未修正)Fig.1　SEM model for construction site risk of underground cavern group (uncorrected)

表3　模型拟合指数计算结果(初始模型)

通过AMOS对图2模型拟合结果进行校验对比，校验结果和标准范围如表4所示。

表4　模型拟合指数计算结果

图2　地下洞室群施工现场作业风险SEM模型(已修正)Fig.2　SEM model of construction site work risk in underground caverns (revised)

表4显示，模型的各拟合指标均已达标，模型拟合良好，构建合理。

2.2　风险关联效应分析

分析结构模型可知：管理风险可直接影响心理风险、行为风险、机械设备风险和环境风险，对行为风险的影响最大；不安全心理风险可直接影响不安全行为风险和管理风险，对不安全行为的影响最大；不安全行为风险可直接影响机械设备风险和环境风险，对环境风险的影响最大；机械设备风险可直接影响不安全心理风险和环境风险，但影响均很小；工作经验风险可直接影响管理风险、不安全心理风险和不安全行为风险，对管理风险的影响最大，但对不安全行为的影响也非常大，不可忽视；环境风险会对不安全心理风险和机械设备风险造成影响，对不安全心理风险影响较大，对机械设备风险影响非常小。

分析测量模型可知：管理风险层次中，规章制度建设及执行力度对其影响最为明显；环境风险层次中，围岩稳定性防护对其影响最为明显；机械设备风险层次中，进场设备优良率对其影响最为明显；工作经验与技能风险中，工人技术等级对其影响最为明显；不安全心理风险层次中，工人逆反心理对其影响最为明显；不安全行为风险层次中，工人消极作业对其影响最为明显。从模型可知：6个风险层次之间标准化路径系数最高的是管理风险和不安全行为风险，即它们之间耦合度最高，而管理风险中，规章制度及执行力度所占荷载最大，不安全行为风险中，工人消极作业所占荷载最大，所以为了避免风险耦合，须在加强规章制度建设、增强其执行力的同时，加强监管力度和心理疏导，避免消极作业，从而降低风险耦合的概率。

3　现场作业风险因素向量模型

3.1　社会管理中的向量效应

社会管理中各方面的管理作用并不成线性关系，而是成向量关系，所产生的综合效应也不是各方面管理作用所产生效应的简单叠加，而是各向量的合向量所产生的效应。也就是说，社会管理的综合效应是作为向量的各方面管理作用形成的合向量所产生的效应。例如，交通警察的管理指向是维护交通秩序和道路安全，城管的管理指向是街道卫生和市面整洁，他们的综合作用效果是维持良好的市容市貌和社会环境，也就是2个不同的管理向量的合向量所产生的综合管理效应。这就是所谓的社会管理中的向量效应。在安全管理科学中，社会管理中的向量效应同样存在，这为在安全管理科学中建立向量模型提供最基本的理论依据。

3.2　向量模型的基本假设

建立向量模型的主要目的是在以上分析基础上，进一步显示各风险因素间的主次关系，为现场作业管理者进行工程施工管理提供可借鉴的理论依据，为此作以下基本假设。

假设1：模型中所涉及的风险因素均为现场作业风险因素，且均为可控。

假设2：不可抗力风险(如地震、海啸等)是不可控的，不在模型所考虑的风险因素内。

3.3　现场作业风险因素向量模型的建立

表1的各风险因素是满足以上基本假设的，现将它们进行再分类。

图3　现场作业风险因素再分类Fig.3　Reclassification of risk factors in field operations

图4　控制分量作用示意Fig.4　Control component action diagram

图5　控制向量与各风险因素的合向量间关联系数的确定示意Fig.5　Control vector and the risk factors of the co-vector between the correlation coefficient to determine the diagram

为提高控制因素的预留空间，此时在选取OC的取值时应宁小勿大，故选取

(1)

表5　关联系数

图6　作业风险因素向量模型的建立Fig.6　The establishment of risk model for job

4　结论

1)通过AMOS建立地下洞室群施工现场作业风险因素模型，将常见风险归类为管理风险、环境风险、机械设备风险、工作经验与技能风险、不安全心理风险、不安全行为风险6个风险层次，定量描述风险因素间的相关程度，探究各风险影响因素的关联效应，通过验证性因子分析技术验证理论模型的正确性，可以为实际施工过程安全事故防范提供参考。

2)不安全行为风险和机械设备风险受管理风险影响最大；不安全心理风险受环境风险影响最大；环境风险受不安全行为风险影响最大；管理风险受工作经验与技能风险影响最大。

3)各风险因素可分为3大类，且它们之间成向量关系；建立洞室群施工现场作业风险因素向量模型，有助于对各风险因素之间的主次关系作出清晰直观的认识，为现场施工管理者提供可借鉴的理论依据。

[1]江新，李琦，沈力.基于ANP-灰色模糊的水电项目群风险预警研究[J].中国安全科学学报，2014，24(6)：146-152.

JIANG Xin,LI Qi,SHEN Li.Hydropower engineering programme risk early warning research bsed on ANP-Gray fuzzy[J].China Safety Science Journal,2014,24(6):146-152.

[2]Sturk R, Olsson L, Johansson J. Risk and decision analysis for large underground projects, as applied to the Stockholm Ring Road tunnels[J]. Tunnelling & Underground Space Technology, 1996, 11(2):157-164.

[3]Choi H H, Cho H N, Seo J W. Risk Assessment Methodology for Underground Construction Projects[J]. Journal of Construction Engineering & Management, 2004, 130(2):258-272.

[4]Abdollahipour A, Rahmannejad R. Sensitivity analysis of influencing parameters in cavern stability[J]. International Journal of Mining Science and Technology, 2012, 22(5):707-710.

[5]李景龙.大型地下洞室群工程稳定性风险评估系统及其应用研究[D].济南：山东大学，2008.

[6]汪刘凯，孟祥瑞，何叶荣，等.基于 CA -SEM 的煤矿安全事故风险因素结构模型[J].中国安全生产科学技术，2015，11(12)：150-156.

WANG Liukai,MENG Xiangrui,HE Yerong.Structural model of risk factors for safety accidents in coal mine based on CA-SEM.[J]. Journal of Safety Science and Technology,2015,11(12):150-156.

[7]撒文奇，张社荣，张连明.基于物联网的大型地下洞室群施工期动态安全评价与预警方法研究[J].岩石力学与工程学报，2014，33(11)：2301-2313.

SA Wenqi,ZHANG Sherong,ZHANG Lianming.Real-time safety evaluation and early warning of large-scale underground cavern group during construction period based on internet of things[J].Chinese Journal of Rock Mechanics and Engineering,2014,33(11):2301-2313.

[8]YOU K H, PARK Y, LEE J S. Risk analysis for determination of a tunnel support pattern[J]. Tunnelling and Underground Space Technology, 2005, 20(5): 479-486.

[9]仇文革，李俊松，胡兰，等.基于WebGIS的地下工程安全风险管理系统[J].西南交通大学学报，2011，46(6)：953-959, 965.

CHOU Wenge,LI Junsong,HU Lan. WebGIS-based safety risk management system of underground engineering[J]. Journal of Southwest Jiaotong University,2011,46(6):953-959,965.

[10]胡群芳，黄宏伟.隧道及地下工程风险接受准则计算模型研究[J].地下空间与工程学报，2006，2(1)：60-64.

HU Qunfang,HUANG Hongwei.Study on the modeling of risk acceptance criteria for tunnel and underground engineering[J].Chinese Journal of Underground Space and Engineering,2006,2(1):60-64.

[11]池秀文, 姚雪梅, 张海峰. 基于AE的地下工程安全风险管理系统研究[J]. 武汉理工大学学报, 2010,32(11):143-146.

CHI Xiuwen,YAO Xuemei,ZHANG Haifeng.Research on safety risk management system of underground engineering based on AE[J]. Journal of Wuhan University of Technology,2010,32(11):143-146.

[12]宋飞，赵法锁.地下工程风险分析的层次分析法及MATLAB应用[J].地球科学与环境学报，2008，30(3)：292-296.

SONG Fei,ZHAO Fasuo.Application of analytical hierarchy process and MATLAB program for risk analysis of underground engineering[J].Journal of Earth Sciences and Environment,2008,30(3):292-296.

[13]于峰.大型地下水封石油洞库风险分析与控制措施[D].济南：山东大学，2014.

[14]宁禄乔，刘金兰，吴兵福，等.结构方程模型迭代算法研究[J].系统工程学报，2007，22(1)：84-87, 92.

NING Luqiao,LIU Jinlan,WU Bingfu. Research of the interative procedure in structural equation modeling[J].Journal of Systems Engineering,2007,22(1):84-87,92.

[15]陈红.基于人因视角下的地铁施工安全环境预案的研究[D].天津：天津理工大学，2015.