基于本体和案例推理的深基坑施工安全风险评估

谭文博，郭海湘，2，宫培松，郭聖煜

（1. 中国地质大学（武汉） 经济管理学院，湖北 武汉 430074，E-mail：faterdumk0732@sina.com 2. 西安财经大学 管理学院，陕西 西安 710100）

我国城市基础建设进入高峰期，深基坑施工安全风险评估问题越来越突出。国家制定了严格的管理制度以保障施工安全，但安全风险仍无法得到控制，重大事故每年仍时有发生[1]。造成这一问题的重要原因之一是施工安全风险评估工作对施工安全精细化管理的支持还不够[2]。目前已有较多研究结合模糊理论[3]、二元语义与灰色关联分析[4]等针对深基坑施工安全风险评估工作进行过探究并取得了良好的成效，但是多数方法需要专家打分或评级，由于缺少相关专家，这种思路对一般项目并不适用。

深基坑施工安全风险评估是一项知识密集型工作，且需要具备全面而科学的深基坑施工安全风险管理知识。然而这种知识是巨量的，既包含施工各阶段的规划与实施，还需对每个阶段的风险有所预判并准确控制，人脑无法完全掌握，易形成“知识孤岛”。因此通过信息技术来实现知识重用可提高深基坑施工安全风险评估效率。知识重用的主要方法有基于本体（Ontology）的知识重用[5]和基于CAD/CAE 的知识重用[6]等。此外，还有人工智能应用于知识重用，如案例推理以及贝叶斯网络[7]等（Case Based Reasoning，CBR）。CBR 广泛应用于施工安全风险管理，包括风险识别与评价、风险管理策略的制定等。如基于CBR 的安全知识管理系统，通过检索和重用危险识别树和以往的施工事故中保留的安全知识来识别风险[8，9]。传统的风险管理策略制定方法难以描述数量特征和确定工作分解结构，地铁项目风险响应策略生成系统的开发打破了局限性[10]，但是仅能用于风险识别或者制定风险响应策略。基于CBR 的地铁运营风险分析模型通过预定义的前兆概念、安全风险和安全措施及其语义关系，可用于风险识别和风险响应策略的制定[11]，但是主要针对地铁运营风险，且本体仅用于前兆的表示。本文将风险评估分为风险识别和风险评价两部分，提出运用本体进行风险识别再结合CBR 进行风险评价的方法，提高风险评估的质量和效率。

风险识别知识与风险评价知识相比具有更清晰的逻辑结构，适合采用统一的概念模型进行表达。CBR 是从案例的层面对知识进行重用，由于没有对领域共识的宏观结构性表达，CBR 输出的结果往往不符合领域共识。本体是共享概念模型明确的形式化规范说明，利用本体可以很好地弥补CBR技术的不足[13]。深基坑施工安全风险评估还需要各种数据和信息，如施工监测数据等，这些信息来自不同的信息系统或工具。本体技术提供了将不同领域信息集成的潜在方法。CBR 与本体技术的结合是CBR 技术发展的趋势[12]，国内有学者基于此进行钻井工程风险决策模型的建立与探讨[14]，通过基于本体的案例推理分析PPP 项目风险[15]，验证了本体与CBR 结合能够解决风险评估问题。

本文结合深基坑工程施工安全风险特点开发适应的本体结构，通过工法、致险因素与安全风险的相互关联来表达风险的形成机理，并建立本体与CBR 的有效交互，构建深基坑施工安全风险评估知识库以解决深基坑施工安全风险评估的知识重用问题。

1 知识库的结构设计与工作流程

知识库的结构设计如图1 所示。知识库主要包含子案例库和本体，子案例库存储同一具体风险的历史案例信息，主要包含对风险基本属性的描述和具体应对措施；本体存储深基坑施工安全风险评估领域通用知识，主要包括共享概念与其相互关系，表达出了安全风险由工法和致险因素取值来决定的内在机理。

图1 知识库的结构设计

本文通过分析深基坑施工安全风险发生和防控机制，将施工过程管理和风险管理集成起来，构建深基坑施工安全风险评估模型。具体工作流程如图2 所示，将目标案例的工法选择和致险因素输入本体内，通过本体查询完成风险识别，然后在子案例库完成CBR 循环。通过相似案例匹配输出风险等级和具体措施清单，交由专家评估补充后输出给决策者。

图2 深基坑施工安全风险评估模型工作流程

2 安全风险本体建模与子案例库的构建

通过大量案例的分析，深基坑施工安全风险的致险因素可分为五大类：工程地质、施工设计、环境条件、恶劣天气及施工操作与管理[16]。施工安全风险与致险因素的关联表达即：如果（存在…条件），那么（存在…风险）。原则上一个安全风险对应若干个致险因素取值组合。明确各安全风险相关联的所有致险因素是建立深基坑施工安全风险评估模型的前提条件，如图3 所示。

图3 工法信息、安全风险与致险因素的关联

深基坑施工安全风险评估的核心概念很明确，业内已达成广泛共识，利用计算机组织管理这些知识须采用更科学的方法。深基坑施工安全风险评估本体提供对深基坑施工安全风险评估领域知识的 共同理解，分为概念层（Schema 层）和数据层（Data层）。概念层主要描述安全风险与致险因素之间的相互关系，以及相应的防控措施建议。按照经典的风险评价模型，风险等级是风险发生可能性和损失等级两个参数的函数，风险损失等级的评价是相对独立的一个研究问题且与具体风险种类直接相关，所以没有纳入本文的研究范围，本文假定风险损失等级是已知且科学的，具体结构如图4 所示。其中对象属性用来描述风险形成机理，是本体逻辑关系的体现；数据层用来存储具体的实例。

图4 深基坑施工安全风险评估本体结构

深基坑施工安全风险评估概念知识的基础数据来源于大量深基坑施工安全管理的历史资料，相关技术规范、技术规程、施工手册以及研究文献等。本文参照七步法[17]，利用 protégé 与本体语言OWL[18]进行编码实现，主要分为类和对象属性。以图3 为基本原理建立Schema 层，以图5 的风险因果链为主要实例建立Data 层，构建完整的局部知识结构。

图5 风险因果链

在案例推理中，信息是以案例的形式表达的。深基坑施工安全风险案例分为4 个部分：

（1）工法选择。即选用何种工法，在深基坑施工中以明挖法为例，细分出支撑体系、围护结构和地下水管理等的方案选择。

（2）致险因素取值。致险因素取值决定风险等级，主要包括围护结构入土比、围护结构入岩、基坑底土质、水头差等实际条件。

（3）安全风险与风险等级。安全风险对应工法与致险因素的组合。风险等级反映了风险的破坏程度，同时决定了管理措施特征。

（4）防控措施。即决策者采取何种措施去预防或控制风险。

根据不同的风险事件分别搜集历史案例，构建对应的子案例库。子案例库分别选择关键致险因素为条件属性。致险因素的取值可确定安全风险的大小，即风险可能性对应着管理措施特征（见表1）。

表1 风险发生可能性等级判断标准

3 安全风险评估模型构建

在利用本体管理深基坑施工安全风险识别知识的基础上，CBR 用于管理风险评价知识。目前普遍认可的CBR 过程是Aamodt 等[19]提出的CBR 循环，即检索（Retrieval）、重用（Reuse）、改编（Revise）和保存（Retain），简称4R 模型。

本文设计出基于本体和CBR 的深基坑施工安全风险评估模型，模型总体结构分为应用层、决策推理层和知识层。其基本原理是对具体项目进行安全风险评估时，参照本体结构对该项目的工法和致险因素进行提取，通过本体识别出安全风险类别后进行案例推理，输出评估结果。

案例检索直接关系到整个案例推理系统的性能优劣，为了快速有效地从案例库中找到与问题描述最相似的尽量少的案例，通过计算历史案例与目标案例的相似度来进行案例检索。本文采用最近邻法（K-nearest approach：K-NN）[20]中的相似度算法，即历史案例Zi与目标案例Z*间的各属性相似度与属性特征权重wj的乘积，其计算式为：

式中，i 表示历史案例的编号；j 表示属性编号；M为历史案例集；N 为属性集。其中，越大，表明目标案例Z*与历史案例Zi的相似度越高

[21]。

本文考虑深基坑施工安全风险的实际情况，将属性特征值分为数值型和符号型两种形式，当属性特征值为数值型时，的计算公式为：

式中，zij表示历史案例zi的j 属性数值；tj表示目标案例Z*的j 属性数值；dmjax表示历史案例Zi与目标案例Z*的j 属性数值的最大值； dmjin表示历史案例zi与目标案例Z*的j 属性数值的最小值。其中：

在相似度计算中，如何分配属性的权重会显著影响计算结果和问题求解的质量。属性权重的分配有主观分析法和客观分析法。主观分析法常用的有：相关分析法[22]和层次分析法[23]等。客观分析法如遗传算法[24]、信息熵[25]等，本文结合深基坑施工安全风险特点根据熵权法对属性进行赋权。

本文设置了相似度阈值。ξ 表示目标案例与历史案例间的相似度阈值，其计算公式为：

式中，τ 表示关于历史案例与目标案例间的最大相似度的百分比[26]，0<τ≤1，τ 的取值由决策者根据历史数据与经验决定，τ 越大表明提取的历史案例与目标案例的相似程度越高，当满足时，对应的历史案例Zi将被提取。

在最初的措施清单中，可能有部分措施的实施效果并不理想。这时可根据目标案例进行修正，该问题的主要原因是一个或多个措施在案例中不适用。在此基础上可以通过修改本体来调整这些措施，主要包括添加、删除和替换，具体步骤如下：

步骤1：决策者获取需要修改的应对措施，将其转化为相应的本体模型。

步骤2：如果该应对措施不足以应对风险事件，则应增加一个或多个应对措施。这一步骤有助于降低由于应对措施缺陷而出现潜在危机时的风险。

步骤3：如果该应对措施的风险过度反应的可能性很高，则相应的一个或多个应对措施是多余的，应删除部分措施。此步骤有利于减少冗余措施，避免意外事件的发生。

步骤4：如果应对措施不能响应风险或者需要改进应对措施，则应替换一个或多个应对措施。

步骤5：决策者对修改后的措施对应的本体模型进行检查和确认，然后将其还原为文本形式输出。

该模型根据相似案例输出目标案例的风险等级，结合本体信息进行防控措施的匹配。得到的措施清单再交由专家审核并补充，最终输出措施清单给决策者进行实施并记录反馈情况。最后将案例信息保存到子案例库中，完成案例推理。

4 案例分析

4.1 项目概况

首先介绍目标案例项目概况，识别风险后在子案例库中完成案例匹配，输出相应的措施清单并验证有效性，完成深基坑施工安全风险评估整套流程。

（1）围护结构方案。车站标准段宽19.1m，基坑深约16.3 m，绝对标高19.3 m。本站围护结构连续墙加内支撑方案，厚度为800 mm。连续墙嵌固深度不小于6.0 m，且进入相对不透水层0.5 m，标准槽段宽6.0 m。

（2）地质概况。场地原始地貌为滨海相潮间带（滩涂），覆土表层为人工填筑的素填土（填石、填砂），其下为第四系全新统海积淤泥、砾砂（含淤泥）、冲洪积粘土、砾砂，粘土、第四系上更新统冲洪积淤泥质粘土、砾砂，中更新统残积砾（砂）质粘土，下伏基岩为燕山期粗粒花岗岩。基坑底位于淤泥质粘土层。

（3）水文地质条件。场地地下水主要有两种类型：松散土层孔隙潜水和基岩裂隙水。勘察期间，地下水深度20 m。砂层之间一般无连续的隔水层。地下水有承压性，粘土层为承压水顶盖。地下水位埋深11.2~12.3 m，承压水头24.5 m。场地原始地貌 为滨海潮间带，现已填海造地，水质分析结果说明地下水与海水尚有水力联系。降雨集中季节，地下水向海排泄，方向由西向东。枯水季节地下水位低于海平面时，则接收海水补给。

（4）涌水涌砂情况说明。基坑于1 月份将盾构端头井部位开挖完成，随即施做垫层及防水卷材。2 月底，在施工过程中出现了一次轻微涌水涌砂险情，施工方及时采取措施进行封堵。分析原因，主要是施工进度过快，深层注浆加固体强度还未达到施工要求。

4.2 深基坑施工安全风险评估

总结以上案例概况，目标案例的基坑内外水头差为6.2m，围护结构入土比为0.386，基坑底土质为淤泥质土，地下水有承压水，基坑底无加固，围护结构未入岩。针对本案实际情况，在基于本体和CBR 的深基坑施工安全风险评估模型中，首先是决策者对项目进行工法选择，输入明挖法，钢支撑，地下连续墙输入本体，本体根据输入信息进行查询，输出与这些信息相关的风险事件，完成风险识别，输出安全风险“基坑底涌水涌砂”“围护结构变形”“围护结构坍塌”。

本文仅针对“基坑底涌水涌砂”进行分析，在收集整理了大量实际深基坑项目施工管理资料后，分析整理出“基坑底涌水涌砂”风险子案例库，根据历史资料的规律分析确定了“基坑底涌水涌砂”的关键致险因素即6 个条件属性，分别为水头差、入土比、基坑底土质、地下水情况、坑底加固和围护结构入岩，致险因素输入算法的取值规则如表2所示。决策属性为风险发生可能性等级。本文收集整理出了432 条记录，即432 个“基坑底涌水涌砂”的案例数据，案例数据如表3 所示。

表2 致险因素输入算法的取值规则

表3 “基坑底涌水涌砂”的案例数据（部分）

输入目标案例的条件属性取值进行案例检索。用熵权法对“基坑底涌水涌砂”的6 个关键属性进行赋权，通过Matlab 编程实现。计算目标案例与历史案例的相似度后输出匹配的相似案例如表4 所示。

表4 目标案例与历史案例的匹配结果

根据匹配的相似案例的风险可能性等级确定目标案例的风险等级取值为频繁的，根据风险发生可能性等级判断标准确定管理措施特征，并在本体内根据子案例库汇总整合的具体措施匹配出相应的措施清单，如表5 所示。

表5 具体措施清单

为验证具体措施清单的有效性，本文将输出的措施清单与专家人工评审意见进行对比。这里的专家是行业经验丰富的管理人员和技术人员。专家人工评审意见给出的措施是：围护结构应入岩；基坑底软弱地层加固；减小基坑内外水头差。与本文输出的措施清单基本一致，进行整合后得到的措施清单如表6 所示。最后保存到“基坑底涌水涌砂”风险子案例库中。

表6 专家评审后的措施清单

5 结语

本文建立了深基坑施工安全风险评估本体，实现了深基坑施工安全风险评估显性知识结构化表示；提出了基于本体的案例推理评估模型，并且建立了部分子案例库。通过本体检索并结合案例推理方法，实现施工过程与风险评估相结合，确定风险等级和防控措施清单，提升了深基坑施工安全风险评估的可操作性和针对性，经验证效果好。本文设计的深基坑施工安全风险评估模型符合实际工程需求，但尚存一些不足。目前所构建的本体还较为简单，不能全部覆盖深基坑施工安全风险评估的全部信息，本体和案例库的构建是一个漫长的过程，需要反复修改与补充。案例表示部分还可以与施工监测相结合，省去人工输入致险因素取值的步骤，可以实现实时风险评估。另外，在案例推理过程中可以更优化案例匹配的方法，为了简化计算，属性的赋权仅采用熵权法，这种做法不能满足实际应用中的精确度要求。后期还会继续深入研究解决存在的不足，结合工程实际将整个评估流程继续完善。