一种盾构下穿既有隧道安全风险评价方法及系统

本发明属于盾构下穿既有隧道安全风险评价领域，更具体地，涉及一种基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法、系统、电子设备及存储介质。

背景技术：

1、盾构隧道在掘进穿越时扰动土体，造成土体变形、地层损失，破坏了周围环境的稳定性，从而使得地下隧道施工过程充满潜在的不确定性风险，如地质条件、施工方法、环境、管理等多源影响因素，这些因素都会对施工安全产生潜在的威胁。对于盾构隧道下穿既有隧道施工，由于既有隧道的存在，施工难度和风险都会增加。除了要保证新建隧道安全贯通，在盾构下穿既有隧道时还涉及到现有隧道的结构稳定性、承载能力等问题，如果施工风险过大并且没有进行及时的干预和管控，可能会导致严重的安全事故，造成巨大的经济损失。因此对盾构下穿既有隧道施工风险进行评估非常重要，它可以帮助识别和预测潜在的风险，采取措施控制和管理，从而保证整个工程的安全、高效和可持续性。

2、影响因素之间的复杂关联性，多源信息的随机和模糊不确定性对盾构下穿既有隧道施工系统风险建模提出了很高的要求。传统的模糊层次分析法、云模型、灰色关联分析等方法更侧重主观判断，难以将实际施工数据直接用于施工风险预测，对于安全风险致险因素不确定性多源信息的处理和利用存在较大的限制。因此，解决多源风险信息的随机性和模糊不确定性问题，进行盾构下穿既有隧道安全风险综合评价是极为必要的。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提供一种基于梯形云贝斯模型的盾构下穿既有隧道安全风险评价方法、设备及存储介质，实现多源风险因素影响下盾构下穿既有隧道安全风险状态的准确感知。

2、为实现上述目的，本发明提供一种基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法，所述方法包括以下步骤：

3、s1：建立指标体系，定义风险节点和拓扑节点，设计贝叶斯网络模型；

4、s2：计算梯形云模型的评价指标云数字特征与隶属度，确定基于梯形云模型的贝叶斯网络先验概率；

5、s3：贝叶斯网络模型的推理运用，确定盾构下穿既有隧道的安全风险等级。

6、进一步地，步骤s1中，所述贝叶斯网络模型设计包括以下步骤：

7、s11：安全风险评价指标体系建立与评价标准划分；

8、s12：风险节点的定义与离散化：将安全风险评价指标体系涉及到的因素和结果事件定义为贝叶斯网络模型的节点，并基于安全风险评价指标体系划分等级，将三层节点离散为无风险、低风险、中风险、高风险和极高风险五种状态；所述节点包括根节点、中间节点与叶节点；

9、s13：拓扑结构定义与参数设计，其中拓扑结构包括节点和连接节点的有向边，所述有向边表示节点间的因果关系或相互作用；参数设计是对节点间的条件概率进行设计，以描述节点间的连接关系。

10、进一步地，步骤s2中，所述梯形云模型的评价指标云数字特征包括云数字特征期望值、熵值与超熵值：

11、

12、he＝k＝0.001                 (4)

13、其中，ex1,ij，ex2,ij分别是第i个评价指标的第j风险等级云模型的期望区间上下界，en为对应的熵值，he为超熵值，rij,max，rij,min分别是第i个评价指标的第j风险等级云模型的区间值上下界；

14、进一步地，步骤s2中，所述计算梯形云模型的评价指标隶属度包括通过梯形云模型的前向云算法对连续型的节点数据进行离散化处理，获取指标的实测数据xi，求得xi相对于各风险等级的诊断云模型的确定度：

15、

16、进一步地，步骤s2中，所述确定基于梯形云模型的贝叶斯网络先验概率，需要求得的各风险等级的梯形云模型的隶属度转换为使用贝叶斯网络模型的先验概率：

17、

18、其中，α表示一致性参数，为使确定度和概率转化的一致性达到最高，取α＝1。

19、进一步地，步骤s3中，所述贝叶斯网络模型的推理运用包括以下步骤：

20、事前正向预测推理：将风险等级划分为n个状态，计算根节点共同作用下叶节点的后验概率；当根节点观察到处于某个确定状态时，利用证据更新节点状态：

21、p(s＝s)＝p(s＝s|x1＝x1,x2＝x2,…,xn＝xn)×p(x1＝x1,x2＝x2,…,xn＝xn)  (7)

22、

23、其中，xi＝xi表示根节点xi所在的状态，p(s＝s|x1＝x1,x2＝x2,…,xn＝xn)表示叶节点s的条件概率分布，p(x1＝x1,x2＝x2,…,xn＝xn)表示根节点的联合概率分布；

24、事中敏感因素分析：

25、

26、其中，c是使用风险概率分布进行cod去模糊化的数值，amn表示不同的建筑物安全等级；

27、事后逆向诊断推理：在事故发生后，通过逆向诊断推理确定各节点的后验概率，进而找到事故最优可能的致因：

28、

29、其中，p(xi＝xi|s＝s)越高，其值越接近于1，代表事故s＝s最有可能的致因。

30、按照本发明的第二方面，提供一种基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价系统，其特征在于，包括：

31、第一主模块，用于输入盾构下穿既有隧道安全风险的影响因素，建立安全风险评价指标体系；

32、第二主模块，用于梯形云模型云数字特征的计算和处理，确定基于梯形云模型的贝叶斯网络先验概率；

33、第三主模块，用于基于贝叶斯网络模型进行盾构下穿既有隧道安全风险评价等级的确定与输出。

34、按照本发明的第三方面，提供一种电子设备，包括处理器、存储器和通信接口，其中，处理器、存储器和通信接口间相互进行通信，存储器上存储有可被处理器执行的程序指令，处理器调用程序指令，从而执行上述第一方面或其对应的任一实施方式的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法。

35、此外，为实现上述目的，按照本发明的第三方面，提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法。

36、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

37、1.本发明提供的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法考虑了风险信息的模糊和随机不确定性，使原始数据直接可以运用，无需归一化处理，避免信息丢失，获得准确的安全风险评价结果，提高风险感知结果的可信度。

38、2.本发明提供的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法进一步开展事前推理预测、事中敏感因素识别与事后风险诊断，为事前、中、后三阶段的临近建筑物安全风险动态管理提供了全时间范围的有效决策支持。

1.一种基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法，其特征在于，步骤s1中，所述贝叶斯网络模型设计包括以下步骤：

3.根据权利要求1所述的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法，其特征在于，步骤s2中，所述梯形云模型的评价指标云数字特征包括云数字特征期望值、熵值与超熵值：

4.根据权利要求1所述的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法，其特征在于，步骤s2中，所述计算梯形云模型的评价指标隶属度包括通过梯形云模型的前向云算法对连续型的节点数据进行离散化处理，获取指标的实测数据xi，求得xi相对于各风险等级的诊断云模型的确定度：

5.根据权利要求1所述的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法，其特征在于，步骤s2中，所述确定基于梯形云模型的贝叶斯网络先验概率，需要求得的各风险等级的梯形云模型的隶属度转换为使用贝叶斯网络模型的先验概率：

6.根据权利要求1所述的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法，其特征在于，步骤s3中，所述贝叶斯网络模型的推理运用包括以下步骤：

7.一种基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价系统，其特征在于，包括：

8.一种电子设备，其特征在于，包括处理器、存储器和通信接口，其中，所述处理器、存储器和通信接口间相互通信，所述存储器上存储有可被处理器执行的程序指令，所述处理器调用程序指令，执行权利要求1-4任一项所述的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-4任一项所述的基于梯形云贝叶斯模型的盾构下穿既有隧道安全风险评价方法。