基于云模型与D-S证据理论的盾构施工隧道管片上浮风险评价

汤扬屹, 吴贤国, 陈虹宇, 陶妍艳, 王 虎, 曾铁梅, 张立茂

(1. 华中科技大学土木工程与力学学院， 湖北 武汉 430074； 2. 新加坡南洋理工大学土木工程与环境学院， 新加坡 639798； 3. 武昌首义学院， 湖北 武汉 430064； 4. 中铁隧道局集团有限公司， 广东 广州 510000； 5. 武汉地铁集团有限公司， 湖北 武汉 430030)

0 引言

在盾构掘进过程中，盾构的外壳直径大于衬砌管片的直径，在管片脱离盾构后，周围土体和隧道衬砌管片之间形成环形柱状的空隙，对于拼装完成刚从盾尾脱离的管片出现局部或整体上浮的情况在隧道施工中时有发生。管片上浮会导致管片发生错台、裂缝、破损、甚至轴线偏离预定位置的情况，进而影响整个隧道的施工安全，尤其遇到隧道穿越江底浅覆土段时，上浮问题更加突出。由于受到设计水平、施工条件、工程材料的制约以及环境、地质等不确定因素的影响，隧道施工阶段上浮问题已经成为威胁隧道工程安全的最为普遍的难题之一。

现阶段对盾构隧道在施工中发生上浮问题进行专门的研究并不多，研究主要集中于分析影响隧道管片上浮的因素，并针对这些因素提出控制措施。沈征难[1]从地质条件、衬背注浆和盾构姿态等因素考虑，分析研究衬砌管片上浮的原因并提出相应的控制措施。王选祥[2]从注浆参数控制等方面提出控制隧道管片上浮的措施。曾学艺等[3]基于监测结果，从改善上覆土特性、同步注浆优化、控制掘进参数和管片上浮处理等方面提出上浮控制措施。梁禹等[4]对大直径盾构施工阶段管片的上浮原因与受力进行了分析。黄钟晖等[5]通过数值模拟进行敏感性分析，得到了影响管片上浮的各因素的权重大小。叶俊能等[6]通过数值模拟得到了不同轴线位置处管片环的上浮规律。吕乾乾等[7]建立隧道开挖动态模型，分析了隧道上浮量的变化规律以及地层特性对管片上浮量的影响规律。综合分析已有的研究表明，目前对盾构施工隧道上浮风险所开展的研究和管理存在以下不足： 1)一般只是通过分析隧道上浮机制去识别上浮问题的影响因素，没有针对上浮风险问题建立一套实用、合理、完整的风险系统评价方法； 2)在进行风险分析和预警时对多源工程信息的利用不够，未能对收集到的信息进行数据挖掘从而进行科学的风险识别、量化、动态评价以及预警和防控； 3)没有考虑隧道上浮风险的动态变化特点，只是单一地利用“监测指标与静态标准比较法”简单地判断安全隐患是否存在。

由于施工隧道管片上浮风险受到多个因素影响且呈动态变化，风险评价过程由于测量环境、测量方法的影响具有模糊性和不确定性。因此，从单一、静态的角度对隧道管片上浮风险状态进行评价是不够精确的。云模型具有对定量数值和其相对应的定性概念相互转化的优势[8-9]，可以处理模糊性问题； 而D-S证据理论作为一种不确定性推理方法，可以解决“不确定性”与“多因素影响”等重要问题[10-11]，D-S证据理论的条件化线性组合规则可以将历史证据和当前证据进行动态融合[12]，获取更全面的上浮风险状态判断。基于此，本文引入云模型理论和D-S证据理论，对盾构施工隧道管片上浮风险进行风险感知，将各个三级风险指标看成一维云，构建云模型，计算风险等级隶属度，并将其转化为D-S证据理论中的风险指标在各等级的基本可信度赋值，进行多指标证据融合和不同时刻证据更新，实现上浮风险等级多因素融合的动态评价，以期为盾构施工隧道管片上浮风险管理提供新的思路。

1 构建基于云模型与D-S证据理论的盾构施工隧道上浮风险分析模型

云模型是一种用语言文字描述的定性概念与精确数值之间的不确定性转化模型，可以处理同时具有模糊性和随机性的事件。设U是一个定量论域U={x}，C为U上的定性概念。U中的元素x对于定性概念C是一次随机实现，其隶属度μ(x)是一个随机数，且满足在[0,1]中取值，云实际上是从论域U到区间[0,1]的映射。D-S证据理论以建立证据体信任分配的方式来表示决策问题中的不确定性，运用融合算法规则得到决策结果，是一种简洁的信息融合和决策方法。

基于云模型与D-S证据理论的盾构施工隧道管片上浮风险评价步骤为： 1)构建评价体系。选取评价指标，确定指标等级标准。2)基于云模型的评价体系表达和证据生成。获取云模型数字特征，计算指标实测数据对于上浮风险各个等级的隶属度，将其转化为证据理论的基本概率分布。3)D-S证据融合和更新与风险评价。检测各指标证据之间是否冲突，修正证据后逐次融合得到融合证据，基于条件化线性组合规则进行动态的证据更新，得到不确定性更低的证据，评定上浮风险等级，并根据评价结果给出相应的控制措施。基于云模型和D-S证据理论的盾构施工隧道管片上浮风险分析流程图如图1所示。

1.1 盾构施工隧道管片上浮风险安全评价指标体系构建及等级标准划分

1.1.1 评价指标体系构建

根据大量实践经验和文献[13-15]，运用 AHP 法原理，将盾构施工隧道管片上浮的风险因素归纳为土质因素、施工因素、材料因素和设计因素4个方面。

1)土质因素。土质条件是引起盾构隧道在施工掘进线路中上浮的关键因素。不同的土质条件会造成不同的隧道上浮力和土体抗浮力，进而影响隧道上浮。其中，土体弹性模量、土层含水率、渗透系数是描述土质条件的几个常见影响因素。

2)施工因素。施工因素是引起隧道管片上浮最主要的因素之一，其中，掘进速度、注浆压力、注浆速度对隧道上浮的影响尤为明显。

图1 基于云模型和D-S证据理论的盾构施工隧道管片上浮风险分析流程图

3)材料因素。在施工中，盾壳与管片外侧之间的空隙通过同步注浆来填充，注浆的好坏将直接影响管片上浮的风险大小。因此，需要考虑注浆体积收缩率、泥水质量比、早期强度、初凝时间对隧道上浮的影响。

4)设计因素。在施工准备前的设计阶段，设计参数的大小同样决定了管片上浮风险的高低，隧道埋深、隧道覆跨比都是地铁隧道管片上浮安全的重要影响因素。

建立的管片上浮风险因素指标体系为： 土质因素、施工因素、材料因素和设计因素4个二级指标，在此基础上选取 12个可量化因素作为三级评价指标。盾构施工隧道管片上浮风险评价指标体系以及指标等级划分标准见表1。

1.1.2 评价指标等级划分标准

基于大量工程实践和文献[16-20]，依据《城市轨道交通地下工程建设风险管理规范》等相关规范，结合大量地铁建设风险安全评价研究成果，参考国内外相关分级标准，将隧道管片上浮风险指标分为Ⅰ级(安全)、Ⅱ级(较安全)、Ⅲ级(基本安全)、Ⅳ级(较危险)、Ⅴ级(危险)。指标等级划分标准见表1。

1.2 基于云模型的评价指标体系表达及证据生成

1.2.1 构建评价指标云模型

将指标Dij(i,j=1,2,3,4)在风险等级为s级的一组历史样本数据(s=Ⅰ,Ⅱ,…,Ⅴ)输入逆向云发生器，生成正态云模型，计算该组数据云数字特征Ex、En、He。在风险等级划分为5个等级的情况下，可以得到5组云数字特征(Exs,Ens,Hes)(s=Ⅰ,Ⅱ,…,Ⅴ),其土体弹性模量的云模型特征图如图2所示。

1.2.2 评价指标风险等级隶属度计算

获取指标Dij在t时刻的实测数据xij，可求得xij相对于各风险等级的诊断云模型的隶属度值，计算公式为

(1)

图2 土体弹性模量云模型特征图

1.2.3 全集Θ的不确定性隶属度赋值

设C1(Ex1,En1,He1)与C2(Ex2,En2,He2)是2个正态云模型，则定义它们的交叠度

(2)

式中： 当d>0时，表示C1与C2存在交叠部分，当C1与C2期望值相同，即Ex1=Ex2时，交叠度为1； 当d≤0时，表示2个正态云模型不存在交叠的部分，其交叠度为0。

选取指标Dij的隶属度最大的等级，计算该等级与其他等级的交叠度，交叠度的最大值即为全集Θ的不确定性隶属度φ。

1.2.4 隶属度归一化生成证据

将云模型理论中计算所得的隶属度转化成D-S证据理论中的基本可信度分配，归一化得到在指标Dij下该测量值的证据mij。

1.3 D-S证据融合与证据更新

1.3.1 证据冲突检测与证据融合

1.3.1.1 证据冲突检测

设mi、mj是2个指标所得证据的基本可信度分配，其对应的焦元分别为X1、X2、…、Xn和Y1、Y2、…、Yn，mi和mj的冲突系数k按式(3)计算。

(3)

式中：A=X1∩Y1。

k值越大，表示证据之间冲突程度越大。若证据冲突系数k∈[0,1)，表明2个证据之间不冲突，可以进行证据融合； 若k=1，则2个证据完全冲突。若2个证据完全冲突，刚需修改证据源或修改组合规则以实现修正，一般采取修改证据源的方法[21]。

1.3.1.2 证据融合

若2个证据之间不冲突，则可采用式(4)的组合规则对证据mi、mj进行融合操作。

(4)

式中：A=X1∩Y1。

1.3.2 证据更新

基于条件化线性组合规则的证据更新规则，有如下定义：

在识别框架Θ上的2个假设A和B，在B⊆A的假设条件下，有

mA(B)=αAm(B)+βAm(B|A)。

(5)

(6)

式(5)—(6)中：αA,βA为系数；m(B|A)为条件化证据； 似然函数Pl(A)表示对假设A的非假的信任程度。

将式(5)表示成与时间相关的一种基于证据距离的权重参数优化方法:

m1:t(B)=τtm1:t-1(B)+υtmt(B|D);B,D=Ⅰ,Ⅱ,…,Ⅴ,Θ。

(7)

式中：τt为历史证据权重；υt为当前证据权重；m1:t(B)是用当前t时刻条件化证据mt(B|D)更新m1:t-1(B)后得到的假设B的信度赋值；m1:t-1(B)表示所有历史证据对更新后信度m1:t(B)的贡献。

条件化BPA的证据mt(B|D)的条件命题D是当前时刻证据mi中概率信度赋值最大的命题。

1.3.2.1 计算不同时刻的证据距离和相似度

(8)

式中：D是一个2K+1×2K+1的矩阵；d(mi,mj)∈[0,1]，证据距离通常被用来度量2个证据之间信度赋值的差异度，当d(m1,m2)=1时，表示2条证据完全不同，当d(m1,m2)=0，则表示2条证据完全相同。

相似度[22-23]通过式(9)进行计算。

(9)

式中：i≠j,i、j=t-2、t-1、t;aup=6。

1.3.2.2 计算证据支持度和可靠度

mt-2、mt-1、mt3条证据的支持度和可靠度可分别由式(10)、(11)计算得出。

(10)

(11)

在此基础上，基于可靠度确定证据相对重要性权重。

1.3.2.3 计算历史证据权重τt和当前证据权重υt

证据更新中所用的历史权重τt和当前证据权重υt由式(12)、(13)计算得到。

υt=Crd(mt)。

(12)

τt=1-υt。

(13)

1.3.2.4 更新后的证据获取

此时，由于命题得到了条件命题的支持，证据更新后的命题t时刻的概率信度赋值mt(Ⅰ)大于或等于t-1时刻mt-1(Ⅰ)。另外，由于在条件命题为风险等级Ⅰ级的情况下，其他风险等级条件命题的概率信度赋值为0，因此，风险等级为Ⅱ级的命题更新后的概率信度赋值为mt(Ⅱ)=τtmt-1(Ⅱ)+υtmt(Ⅱ|Ⅰ)=τtmt-1(Ⅱ)，其他风险等级的也可求出。全集Θ的概率信度赋值mt(Θ)=τtmt-1(Θ)+υtmt(Θ|Ⅰ)=τtmt-1(Θ)。

基于以上步骤可以得出更新后的t时刻的证据。

2 盾构施工隧道管片上浮风险实例分析

2.1 工程概况

武汉市轨道交通8号线1期工程3标段整个越江区间隧道长度约为3 185.545 m，穿越江面宽度约为1 500 m，隧道外径为12.1 m,覆土厚度最大为36.5 m； 江中覆土厚度最大为21.2 m，最小为11.04 m。越江区间地质条件： 1)地质组成较为复杂，地质形态多样，且分布不均匀； 2)根据含水介质和地下水的赋存条件，区内地下水可划分为上层滞水、松散岩类孔隙水和基岩裂隙水3种类型； 3)越江区间段的土层呈饱和状。

2.2 构建盾构施工隧道管片上浮风险评价指标云模型和证据生成

2.2.1 评价指标云模型构建

选取评价指标体系中12个三级指标在5个风险等级情况下的历史样本数据，输入matlab软件，计算每组历史数据的云数字特征Ex、En、He。在风险等级为5个等级的情况下，得到12×5组Ex、En、He的云数字特征,以土体弹性模量为例，结果见表2。

表2土体弹性模量指标历史数据的云数字特征

Table 2 Cloud digital characteristics of historical data of elastic modulus indices of soil

等级ExEnHe Ⅰ45.5602.6550.460 Ⅱ35.2401.9580.823 Ⅲ26.0302.5120.377 Ⅳ15.8002.5490.359 Ⅴ5.9002.5390.359

2.2.2 隶属度计算与证据生成

2.2.2.1 黄浦路站—徐家棚站越江区间段实测数据

对于武汉市轨道交通8号线1期工程黄浦路站—徐家棚站越江区间段按以上步骤建立指标体系和云模型，该工程区间段施工过程中的监测区间一定时段1～t的施工监测数据如表3所示。

表3 越江区间段不同时刻盾构隧道施工监测数据

2.2.2.2 风险等级隶属度计算

以第1时刻监测数据为计算基础，最后得出证据m，其余时刻的计算过程与第1时刻相同，在这里不再赘述。将表3中越江区间段第1时刻隧道施工中各个评价的实际监测数据代入式(1)中，得到隶属度值。根据云理论的最大值原则，监测值隶属程度最大的等级，即为该指标所对应的风险等级状态，以土体弹性模量为例，如表4所示。

表4监测数据对土体弹性模量指标Ⅰ—Ⅴ5个风险等级的隶属度

Table 4 Subjection degree of monitoring data to grade Ⅰ to Ⅴ risk levels of soil elastic modulus indices

等级隶属度Ⅰ0.073Ⅱ0.615Ⅲ0Ⅳ0Ⅴ0

2.2.2.3 全集Θ的不确定性隶属度赋值

由表4可知，监测值与风险等级Ⅱ的隶属度值最大。因此，基于式(2)，计算风险等级Ⅱ与其他等级的交叠度。从图2中可以看出，交叠度最大的只能是相邻的风险等级。为计算简便，直接计算风险等级Ⅱ相邻的2个等级即可。

由式(2)计算可得，S(Ⅰ，Ⅱ)= 0.144 2，S(Ⅱ，Ⅲ)=0.184 5，因此，将S(Ⅱ，Ⅲ)=0.184 5作为土体弹性模量赋给全集Θ的不确定性隶属度。基于此步骤可得所有评价指标全集Θ的不确定性隶属度φ。

2.2.2.4 归一化生成证据

对各个指标的所有隶属度值进行归一化处理，计算结果如表5所示。表中加粗数字为I—V 5个风险等级中数值最大的数字，表示当前时刻该评价指标隶属于该等级的程度最高，亦表示该评价指标隶属于当前等级的精确信度最大。

表5 各上浮风险评价指标对各等级的证据

2.3 盾构施工隧道管片上浮风险的证据融合与证据更新

2.3.1 冲突检测与证据融合

2.3.1.1 冲突检测

由式(3)计算各证据体之间的冲突系数，可以得出各证据体两两之间的冲突系数均在区间[0,1]内，则说明各证据之间不存在冲突。

2.3.1.2 证据融合

将土质因素D1、施工因素D2、材料因素D3、设计因素D44个二级指标分别作为单独的证据体，则Θ={D1,D2,D3,D4}。

按照式(4)对各证据体下的三级指标进行两两融合，融合后的结果作为二级指标证据体的基本可信度分配，得到4个二级因素的证据，再将4个二级因素的证据进行融合，得到隧道在该组监测值下上浮风险状态的评价结果，具体如表6所示，隧道管片上浮风险等级为Ⅱ级。

表6隧道管片上浮风险状态融合决策结果

Table 6 Fusion decision results of floating risk state of tunnel segments

等级证据mⅠ0.001Ⅱ0.865Ⅲ0.134Ⅳ0Ⅴ0Θ1.0×10-4

在第1时刻，上浮风险状态处于“较安全”状态。从表6可以看出，从三级指标到最后的融合决策结果，全集Θ的不确定性系数m(Θ)在不断地减少，这也说明在证据融合的过程中，指标的不确定性在降低，对各风险等级的解释程度在加强，可信度分配更科学，利用率也随之变高。

2.3.2 证据更新

基于第1时刻监测值的上浮风险状态评价的步骤，可以得到在其他时刻监测值下的风险状态评价结果，即获取证据m1—m5,并利用式(7)递归计算得到t-2、t-1时刻全局历史证据m1:t-2、m1:t-1。历史证据m1:t-2=(0.013,0.791,0.196,0,0,1.2×10-4)、m1:t-1=(0.004,0.761,0.234,0,0,5.0×10-4)，t时刻证据mt=(0.363,0.630,0.007,0,0,2.0×10-4)。

2.3.2.1 计算m1:t-2、m1:t-1与mt两两之间的证据距离和相似度

由式(8)、(9)计算出证据m1:t-2、m1:t-1、mt两两之间的距离和相似度，则有

d(m1:t-2,mt)=0.304，d(m1:t-1,mt)=0.322，

d(m1:t-2,m1:t-1)=0.074；

Sim(m1:t-2,mt)=0.765,Sim(m1:t-1,mt)=0.745,

Sim(m1:t-2,m1:t-1)=0.928。

由计算结果可以发现m1:t-2与m1:t-1之间的证据距离最小，相似度最大，说明这2个证据的相似程度最大。

2.3.2.2 计算证据m1:t-2、m1:t-1与mt的支持度和可靠度

由式(10) 、(11)分别计算得出3个证据m1:t-2、m1:t-1、mt的支持度和可靠度，则有

Sup(m1:t-2)=1.509，Sup(m1:t-1)=1.693，Sup(mt)=1.672；

Crd(m1:t-2)=0.310，Crd(m1:t-1)=0.347，Crd(mt)=0.343。

2.3.2.3 计算历史证据权重τt和当前证据权重υt

历史证据权重τt和当前证据权重υt的获取由式(12)、(13)计算获得，即υt=Crd(mt)=0.343，τt=1-υt=0.657。

2.3.2.4 更新后的证据获取

1) 管片上浮风险。

由m1:t-1可以看出，t-1时刻的历史证据等级Ⅱ(即“较安全”)的信度赋值最大，令式(7)中D=Ⅱ，即条件化证据线性组合更新中的条件，在已经获取当前t时刻证据mt的情况下，即可以得到当前t时刻基于条件化线性组合更新规则更新后的证据m1:t，如表7所示。

表7 更新后的证据m1:t和未经更新的证据mt

由表7可以看出，虽然m1:t和mt都是由t时刻所得出的融合决策证据，但是对于实际案例分析中真实风险等级的概率信度赋值m1:t要大于mt。这充分说明，在证据静态融合之后再进行证据动态更新可以有效提升证据的可靠性，从而使最后的风险评价结果更为可信。

2) 二级指标风险。

在这里给出t时刻二级指标各证据体概率信度赋值，以便对风险评价结果进一步分析。

mt(D1)=(0.063,0.826,0.063,0,0,0.048)；mt(D2)=(0.882,0.038,0.008,0,0,0.072)；mt(D3)=(0.003,0.644,0.319,0,0,0.034)；mt(D4)=(0.903,0.075,0.001,0,0,0.020)。

2.4 盾构施工隧道管片上浮风险评价结果与控制措施

2.4.1 风险评价结果

2.4.1.1 整体风险评价

从表7中更新后的证据m1:t来看，对该区间隧道在t时刻的监测值进行分析计算，目前该施工隧道管片上浮风险指标的整体风险状态处于等级Ⅱ，即较安全状态，并有向等级Ⅲ(基本安全的状态)发展的趋势，但总体趋势较小。

2.4.1.2 风险因素评价

从t时刻二级指标各证据体的概率信度赋值结果可以看出： 1)该区间隧道在施工因素、设计因素这2个二级指标方面处于等级Ⅰ安全状态，且这2个指标对等级Ⅰ的隶属程度很高； 2)在土质因素、材料因素2个二级指标方面处于等级Ⅱ较安全状态，其中，材料因素指标有向等级Ⅲ基本安全状态发展的趋势。虽然由最后的评价结果显示，目前该隧道区间段在上浮风险指标的整体状态是较为安全的，但材料因素即同步注浆材料的安全等级不高，这就说明该隧道在盾构掘进过程中的注浆质量方面需要加强。若注浆质量问题不及时解决，则有可能造成隧道在施工阶段产生较大的上浮位移，从而影响隧道施工安全。另外，土质因素虽然处于较安全的风险等级状态，但仍需要加强监测与控制。

2.4.2 控制措施

为了保证在后续施工过程中隧道的上浮风险安全状态不产生恶化并维持较好的情况，基于大量工程实践经验提出以下控制措施。

1)改进注浆浆液性能。在配制同步注浆浆液时，应使浆液初凝时间与掘进速度相适应，同时，浆液应具有较好的抗稀释性和较强的早期强度。因此，可以通过改变水泥用量、增加水灰比以提高浆液的泥水质量比，可以增加黄砂的使用量和降低粉煤灰的掺入量以适当降低浆液的流动性，同时可以增加膨润土的质量分数、降低析水率，通过这样的措施优化浆液配比，可以得到早期强度较高的浆液。

2)改善同步注浆工艺。针对注浆同步性、注浆量、注浆压力以及注浆位置进行精细化控制。①注浆同步性。在试掘进阶段对隧道盾构注浆系统进行测试，对相关注浆部件的质量和效果进行检查，以保证掘进过程壁后注浆的同步性。②注浆量。掘进过程中，应调整合理的注浆量，避免某段的注浆超量或者缺量。注浆量过多，多余的注浆将流到隧道外侧底部，形成管片外泥浆的一部分，进而增加隧道底部的上浮力； 注浆量过少，浆液将不能填满隧道与周围土体的建筑空隙，使隧道失去外部围岩的抗浮作用，进而引起隧道管片上浮。因此，注入合适的注浆量至关重要。③注浆压力。注浆压力的大小采用分块分孔的方式控制，依据埋深、周围土体特性、注浆孔在管片环(或盾尾) 上的位置情况、注浆压力沿管片的分布情况以及对管片的安全影响等因素，实时控制注浆压力。④注浆位置。根据上覆土层特性对注浆孔的位置和数量进行合理的设计。依据隧道的实际上浮情况，盾构在掘进过程中必要时可采取多从上部注浆孔注射浆液、少从下部注浆的方式注浆，进而控制管片上浮。

3)适当进行二次注浆。在管片完成组装后的一定范围内监测管片的上浮情况，若发生管片上浮位移过大的情况，则应在同步注浆的基础上进行适当的顶部二次注浆，填充所存在的建筑间隙，注浆量和注浆压力的大小随着实时管片上浮位移监测值调整，以控制管片上浮位移，避免土体扰动过多。

3 结论与讨论

1)通过构建的施工阶段盾构隧道管片上浮风险评价指标体系可以看出，管片上浮风险的大小与土质条件、设计参数关系密切，同时，在盾构隧道施工过程中施工参数与注浆材料对管片上浮的影响尤为重要。

2)本文提出的多源融合与更新的风险评价方法模型能够有效解决管片上浮风险评价过程中的模糊性、不确定性、动态性和多因素影响的问题，与传统的证据融合方法相比，经过更新过程后整体风险评价的不确定性得到了有效降低，提高了风险评价的可靠性和全面性。

3)针对武汉市轨道交通8号线盾构施工越江区段，根据评价结果和专家意见提出了高风险项控制措施。该区间段地质复杂，施工距离长，在施工过程中需要对不良地质同步注浆材料性能和注浆工艺进行深入分析。

在D-S证据更新过程中，不同策略下计算得到的组合权重不同，进而得到的证据更新结果也有可能不同。本文采用了向后看(LBB)的策略，其他形式的策略也可以考虑，然而具体采用哪种形式的策略，是否依赖于监控变量还需进一步研究。