长斜井煤矿TBM施工灾害风险预警模型*

陈孝国，黄鸿辉，杨 悦，刘纪峰，张会芝

(1. 三明学院 信息工程学院，福建 三明 365004；2. 黑龙江科技大学 理学院，黑龙江 哈尔滨 150022；3. 工程材料与结构加固福建省高等学校重点实验室(三明学院)，福建 三明 365004；4. 三明学院 建筑工程学院，福建 三明 365004；5. 中国矿业大学(北京) 力学与建筑工程学院，北京 100083)

煤炭是我国主要能源之一，目前浅层煤矿资源已基本采完，深部开采将是今后发展的主要趋势。而传统的立井已经不能满足深部开采的需要，因此我国的一些大型煤矿都在尝试采用TBM(盾构)进行斜井开挖[1]。TBM具有高效、快速、优质、安全等优点，其掘进速度是一般方法的4～10倍。所以越来越多的施工单位开始采用斜井TBM施工。但TBM对不良工程地质条件的适应性较差，且对施工人员素质要求较高，同时施工中面临的不确定性风险因素较多，若不进行有效的风险评估与控制，将会导致各种工程事故的发生。因此，对煤矿长斜井TBM施工的风险进行分析与评估具有重要工程实践价值。侯公羽等将集对分析的方法引入长斜井煤矿TBM施工风险评估中，并进行了实例分析[2]。美国Eistein教授对隧道工程进行了风险分析并建立数学评估模型[3]，后来Nilsen等提出了更为复杂地层条件下海底隧道工程分析的框架[4]。Sturk等建立了TBM施工风险决策和分析系统[5]。Kampmann等对哥本哈根地铁工程进行风险类型的识别，提出应对风险的措施，并采用蒙特卡洛方法建立了风险模型[6]。贺志军提出了山岭铁路隧道施工风险评估模式及铁路隧道施工事故后果分类方式[7]。杨悦对岩体隧道施工安全风险进行支护结构力学预警分析[8]。何发亮等提出用模糊成本重要度的指标来评价盾构隧道施工中各风险对总成本的影响大小[9]。上述研究成果普遍存在风险指标值定性评价较多，权重确定不精确，无法实现动态预警等缺点。

本文将中智集理论引入长斜井煤矿TBM施工风险评估中，通过查阅资料和咨询专家构建风险评估指标体系，并利用熵权法和加权算子来研究风险值矩阵的融合，通过双参数得分函数实现对风险等级的动态预警。

1 长斜井煤矿TBM施工风险识别

通过对长斜井煤矿TBM施工风险的分析，本文确立了施工中常见的27个因素，建立了二级风险评估指标体系，如表1所示。一级风险评估指标中考虑了长斜井煤矿TBM施工过程中最有可能导致事故发生的6个因素，分别是自然因素、地质因素、技术因素、设备因素、内在因素和事故因素。二级风险评估指标是在已有研究的基础之上加入冲击地压因素，塌方因素，岩爆因素，TBM卡机，有害气体中毒因素。根据《铁路隧道风险评估若干问题探讨》将长斜井煤矿TBM施工风险分为4级(表2)[9]。

表1 煤矿长斜井二层风险评估指标体系

表2 风险等级分级表

2 单值中智集理论

定义2[11]设两个单值中智数α1=和α2=，若t1i2，f1>f2，则称α1<α2。

定义3[11]设两个单值中智数α1=和α2=，则：

(1)α1∪α2=；

(2)α1∩α2=。

定义4[12]设α=是一个中智数，则α的补集为αc=。且满足(αc)c=α。

定义5[13]设两个单值中智数α1=和α2=，常数k>0，则

(1)α1+α2= ；

(2)α1×α2=；

(3)kα1=<1-(1-t1)k,(i1)k,(f1)k>；

(4)(α1)k=<(t1)k,1-(1-i1)k,1-(1-f1)k>。

3 动态风险级别评判方法

3.1 中智数集成算子

(1)

3.2 指标因素权重的确定

(2)

为中智熵。利用公式(2)可以计算出评价矩阵中每个中智数所对应的熵值Eij，然后通过

(3)

(i=1,2,…,m;j=1,2,…,n)确定因素权重。

3.3 带有参数的得分函数

(4)

3.4 评价步骤

(5)

步骤三：利用式(3)求解各一级指标权重Wk(k=1,2,…,l)。

(6)

4 实例分析

(7)

(8)

(9)

(10)

(11)

(12)

长斜井煤矿TBM施工风险评估步骤如下。

步骤一,根据式(3)确定各二级指标权重为：

ωB1=(0.20987.0.26749,0.30864,0.21399)；

(13)

ωB2=(0.127413,0.092664,0.250965,0.227799,0.301158)；

(14)

ωB3=(0.156522,0.237681,0.176821,0.176812,0.252174)；

(15)

ωB4=(0.139286,0.092857,0.171429,0.285744,0.310714)；

(16)

ωB5=(0.16895,0.205479,0.273973,0.182648,0.16895)；

(17)

ωB6=(0.16,0.4133,0.42667)。

(18)

(19)

步骤三，根据式(3)确定一级指标的权重：

ωA=(0.155789,0.079175,0.275163,0.285256,

0.096572,0.145133) 。

(20)

(0.463586,0.49029,0.413889)

(21)

步骤五,根据式(4)确定得分函数如下。

S(a1)=0.624902-0.275779+0.304864λ1λ2-λ1(1-λ2)0.304864；

(22)

S(a2)=0.589636-0.277386+0.375414λ1λ2-λ1(1-λ2)0.375414；

(23)

S(a3)=0.51285-0.413819+0.429325λ1λ2-λ1(1-λ2)0.429325；

(24)

S(a1)=0.463586-0.413889+0.49029λ1λ2-λ1(1-λ2)0.49029。

(25)

步骤六,利用MATLAB7.0作图，不同风险等级对应的得分函数分布如图1所示。

图1 λ1,λ2取[0,1]上任意值时得分函数分布

由图1可以看出λ1，λ2在[0,1]上绝大部分取值都有S(a2)>S(a1)>S(a3)>S(a4)成立，由最大隶属度原则可知神华集团该煤矿长斜井TBM施工风险属于二级风险。但值得注意的是当λ1,λ2都十分接近1时，有S(a1)>S(a2)>S(a3)>S(a4)，即风险等级由二级演变为一级，因此，应该提前做好防护措施，避免灾害的发生。

5 结论

本文构建了煤矿长斜井TBM施工风险分析的两层评价指标体系，特别是将冲击地压因素、塌方因素、岩爆因素、TBM卡机及有害气体中毒因素融入二级指标中。利用中智集理论建模，熵权法确定权重和加权算子融合可以有效提高模型精度，同时借助双参数得分函数实现了动态预警分析。实例分析表明，神华集团某长斜井煤矿TBM施工风险预测结论为二级风险等级，这与实际施工情况勘测结果相吻合，但模型的智能化决策与预测还需进一步研究。