基于AHP-GRA新建隧道爆破對鄰近鐵路隧道振動影響研究

吳波，蘭揚斌，楊建新，韓亞龍

基于AHP-GRA新建隧道爆破對鄰近鐵路隧道振動影響研究

吳波1, 2，蘭揚斌1, 2，楊建新3，韓亞龍3

(1. 廣西大學 土木建筑工程學院，廣西 南寧 530004；2. 廣西大學 工程防災與結構安全教育部重點實驗室，廣西 南寧 530004；3. 中鐵十局集團第五工程有限公司，江蘇 蘇州 215011)

以金臺鐵路新建林家岙隧道為工程背景，為了科學、合理地控制新建隧道爆破施工對鄰近運營鐵路隧道的振動影響，采用AHP-GRA法對鄰近運營隧道振動影響因素進行分析。將新建隧道爆破循環進尺的爆心距、總裝藥量、最大段藥量和爆破循環進尺作為研究的相關因素變量，選取運營隧道迎爆側測點振動速度、振動持續時間和振動主頻作為系統的評價指標，結合現場實測數據，進行關聯度計算并排序，得到鄰近運營隧道綜合振動影響因素的主次順序，以及各評價指標與相關因素變量之間的關聯度大小排序，其中最大段裝藥量和總藥量對運營隧道總體振動影響最大；影響運營隧道振動主頻的主要因素是最大段裝藥量和爆心距。AHP-GRA法的分析結果可為確定運營隧道振動影響因素的主次順序提供科學的理論依據。

AHP-GRA；運營隧道；爆破振動；影響因素；主次順序

隨著我國國民經濟的快速增長，我國鐵路建設進入了高速發展的時期，無論是鐵路隧道、公路隧道、還是城市軌道交通隧道，都在進行大規模的建設，由于線路的需要，會存在有些新建隧道鄰近既有運營隧道進行建設，特別是山嶺隧道復線修建的現象。其中比較典型的復線隧道有：成昆鐵路復線隧道、渝懷鐵路復線隧道、烏鞘嶺復線鐵路隧道等。因此，鄰近既有線運營隧道進行隧道建設時，要想合理控制既有隧道的安全運營，就需要對影響運營隧道安全穩定的因素進行分析。然后根據分析結果對施工方案進行優化處理。目前，國內外應用于評價、預測隧道工程安全穩定的理論分析模型主要有人工神經網絡法(ANN：artificial neural network)、回歸分析法、層次分析法(AHP：analytic hierarchy process)、灰色關聯度法(GRA：grey relational analysis)和模糊圖法(FCM：fuzzy cognitive map。張平平等[1]通過ANN法對盾構管片接頭的受力特性、管片接頭的破壞類型以及管片內力和其影響因素進行敏感性分析，并比較了影響因素之間重要性。陳永雄等[2]通過組合優選的回歸預測模型和模糊自適應變權重，建立了“智能監測?模型優化?信息反饋”系統，并說明該系統可以克服常規預測模型的不足。Koopialipoor等[3]通過ANN法和混合遺傳算法2種智能系統對隧道鉆爆作業進行預測和控制。毛正君等[4]通過AHP法建立隧道突涌水層次結構模型，對云山隧道突涌水風險等級進行了劃分。Hyun等[5]通過AHP法對盾構掘進機在掘進過程中發生不良事件的潛在風險進行了研究。Nezarat等[6]通過FAHP法對隧道機械化掘進的地質風險進行排序，并指出隧道掌子面隧道失穩的概率最高。Bakhtavar等[7]通過確定隧道爆破34個影響因素，并基于FCM法來確定各爆破因素之間的交互作用。AHP-GRA法是一種對各影響因素的作用程度進行整體和局部量化排序的有效工具，該方法克服了其他方法需要收集大量的數據樣本的不足，并無需考慮典型分布函數的規律，同時也彌補了GRA法分析問題的局限性。從系統工程的角度分析，爆破振動效應實際是部分未知信息和部分已知信息相結合的灰色系統[8]。本文采用AHP-GRA法評價新建隧道爆破施工對鄰近運營鐵路隧道振動影響，首先通過GRA法分別確定爆破參數與各個評價指標之間的灰色關聯度并進行主次排序，然后結合AHP法計算爆破參數對運營鐵路隧道振動的整體關聯度大小并排序。最后對爆破參數進行合理、科學的調整，從而保障鄰近鐵路的安全運營。

1 AHP-GRA基本原理

GRA法的基本原理是通過對統計序列幾何關系的比較來計算系統中多因素間的關聯程度，序列曲線的幾何形狀越接近，則關聯度越大[9]。對于傳統GRA法存在一些不足的地方：1) 對各指標采用平均處理，無法反映各指標的重要性差異；2) 不同關聯系數之間差異過大，使分析結果出現偏差； 3) 固定分辨系數可能會導致結果趨于平均化，人為主觀因素較強[10]。AHP-GRA法是通過將專家知識和長期運行經驗進行量化后賦權給各個指標，給客觀評價提供了主觀經驗的參考，并結合動態分辨系數調整策略，有效的彌補了傳統GRA法的不足。

1.1 AHP法確定權重

1.1.1 建立層次模型

AHP法解決實際問題一般分為3個層級[11]，分別為目標層(最終需選取的方案)、準則層(各評價指標，可能有多層)和方案層，相鄰層級間的因素會相互影響。

1.1.2 構建判斷矩陣

本文采用九標度法[12]構建判斷矩陣=(a)×，其中a為準則層內指標A相對于A的重要程度，具體判斷尺度量化規則見表1。

表1 判斷尺度量化規則

1.1.3 計算指標權重

1.1.4 一致性檢驗

求解判斷矩陣的最大特征值max及其所對應的特征向量，并計算值，若＜0.1，即可認為判斷矩陣滿足一致性要求。則可確定為該層指標相對于上一層目標層(或上一次指標層)的權重向量。式(2)為值的計算公式。

式中：為準則層內指標個數；為平均隨機一致性指標，具體取值規則見表2。

表2 RI取值表

1.2 GRA法操作步驟

1.2.1 確立母、子序列

母序列對應系統特征變量，即評價指標；子序列對應相關因素變量。

系統特征變量為：

相關因素向量為：

1.2.2 無量綱處理

由于系統中不同的特征變量和相關變量所表示的含義差異性均較大，因此需要對特征變量和相關變量中的數據進行無量綱處理，也即歸一化處理，將其線性映射到[0,1]區間內，如式(5)~(6)所示。

1.2.3 確定關聯系數

1.3 計算關聯度

1.3.1 調整分辨系數

根據式(6)發現分辨系數會對關聯系數值產生直接影響，為了克服人為設定值帶來的不足，本文采用一種分辨系數調整策略[10]，使得模型評價結果更加客觀可信。定義分辨系數分解判斷因子為：

當=0時，在區間[0,1]內任意取值；當0＜＜0.5時，表示數據不穩定，指標可能會出現異常值，此時取=4；當＞0.5，表示數據較穩定，此時在區間[0.8,1]中任意取值。最終確定關聯系數矩陣為：

1.3.2 計算整體關聯度

結合式(1)和式(8)，可以得到評價模型的整體關聯度矩陣為：

2 工程案例分析

2.1 工程概況

金臺鐵路林家岙隧道穿行于丘陵區，全長4 933 m，起訖里程為LDgK3+721~LDgK8+654。隧道所處地形起伏大，海拔高程15~486 m，相對高差120~470 m，自然坡度15°~35°，隧道最大埋深約462m。本隧道與鄰近線杭深鐵路黃毛山隧道并行，與營業線間距為35~300 m，其中隧道進口與既有營業線間距為35 m，出口與既有營業線間距為36.5 m，對應既有營業線里程為K470+063~K474+996。圖1為新建隧道與鄰近隧道的位置關系。

2.2 測試方案

現場總共進行了53次測試，測試地點選在林家岙隧道進口處，如圖2所示，左邊為林家岙隧道進口，右邊為杭深鐵路黃毛山隧道進口。此次主要是對新建隧道里程段為LDgK3+721~LDgK3+805爆破所產生的振動影響進行分析，該里程段內圍巖較為破碎，為Ⅴ級圍巖，爆破開挖方式選用短臺階爆破開挖，掏槽形式為常規楔形掏槽，周邊眼采用預裂爆破，炮孔直徑為42 mm；鄰近運營鐵路隧道振速測試里程段為K470+063~K470+147，測點布置在運營隧道迎爆側拱腰和拱腳處，并且隨著新建隧道掌子面的推進而移動，具體測點布置如圖3所示。現場第1次爆破測試為上臺階爆破，所采用的具體爆破參數見表3。

圖1 新建隧道與運營隧道位置關系

圖2 隧道進口

圖3 測點布置圖

表3 上臺階爆破參數表

現場爆破施工所采用的雷管段別均為8段，且每段所對應的延時時間都是固定的。監測設備采用成都中科測控公司的TC?4850新型測振儀，該儀器可精確地記錄振動時間、振動數值等相關參數，儀器攜帶、操作方便。本次在現場共測試了53次，選取其中12組實測數據作為灰色關聯度分析的樣本值。圖4為TC?4850測振儀。

圖4 TC?4850測振儀

2.3 AHP-GRA模型建立

由文獻[13?15]可知，評價爆破振動危害程度的主要指標有振動速度、持續時間和主頻。因此本文將這3個因素作為系統指標層的特征變量，可記為Y(=1,2,3)，其中：1表示測點最大振速峰值，2表示振動波持續時間，3表示爆破振動的主頻。

表4 現場實測數據樣本值

在新建隧道爆破施工過程中，對鄰近運營隧道產生爆破振動的主要因素有爆心距、總藥量、爆破循環進尺、最大段裝藥量、圍巖條件和裝藥結構等。由地勘資料可知現場測試段隧道的圍巖等級均為Ⅴ級，所采用的雷管段別均為8段，且每段所對應的延時時間都是相同的，因此沒有考慮爆破延時和藥量拆分的影響。結合現場情況綜合考慮，本文選取爆心距、總藥量、爆破循環進尺、最大段裝藥量作為相關因素變量，可記為X(=1,2,3,4)。在運營隧道迎爆側拱腰處布置測點，測點與新建隧道掌子面始終保持在同一平面上。表4為現場測試后整理的采集數據。

3 灰色關聯度計算與分析

3.1 灰色關聯度計算

3.1.1 計算指標權重矩陣

參照表5可計算指標權重值。

表5 判斷矩陣和權重

1) 將矩陣每一列正規化處理得到判斷矩陣為：

2) 將判斷矩陣按行相加得：

(1,2,3)=(1.28,0.44,1.28)

3) 將向量(1.28,0.44,1.28)T正規化得Σ=3，則所求特征向量=(0.43,0.14,0.43)T。

4) 計算判斷矩陣最大特征值max：

即max=Σ[()/]=3.032；=(max?)/(?1)= 0.016；/=0.016/0.58= 0.027＜0.1達到一致性要求。

3.1.2 計算灰色關聯矩陣

1) 由于3個評價指標都是越小越優，因此選擇逆向指標，將相關因素和特征變量歸一化得到整理后數據見表6。

2) 根據式(7)計算得分辨系數分界判斷因子均大于0.5，取=0.9。

3) 將=0.9和表5中得數據代入式(6)中，計算得灰色關聯度見表7。

4) 采用平均值處理每個相關因素變量相對于評價指標的灰色關聯度，得到灰色關聯矩陣為：

3.1.3 計算整體關聯度

將灰色關聯矩陣和指標權重矩陣相乘得最終的整體關聯度=[0.733 0.763 0.711 0.790]T。

表6 歸一化數據

表7 灰色關聯度計算值

3.2 灰色關聯度結果分析

根據計算得到新建隧道對鄰近運營隧道爆破振動影響的灰色關聯度結果如圖5所示。

圖5 影響因素排序

1) 根據AHP-GRA計算所得的整體關聯度可知，在爆心距、總裝藥量、爆破循環進尺和最大段裝藥量因素中，最大段裝藥量對運營隧道的振速、持續時間和主頻的綜合影響最大，其次是總裝藥量和爆心距。

2) 各相關因素對鄰近運營隧道振動速度的影響從大到小依次是最大段裝藥量、總裝藥量、爆心距、爆破循環進尺，其中最大段裝藥量和總裝藥量起主要作用。

3) 各相關因素對鄰近運營隧道振動持續時間的影響從大到小依次是最大段裝藥量、總裝藥量、爆破循環進尺、爆心距，其中最大段裝藥量和總裝藥量起主要作用。

4) 各相關因素對鄰近運營隧道振動主頻的影響從大到小依次是最大段裝藥量、爆心距、總裝藥量、爆破循環進尺，其中最大段裝藥量和爆心距起主要作用。

4 結論

1) 通過AHP-GRA法，確定新建隧道采用4種不同爆破參數下對鄰近運營隧道爆破振動的綜合影響的主次關系，為鄰近運營隧道進行爆破施工采取合理的爆破參數和控制措施提供參考。另外，AHP-GRA法所需的樣本容量較小，并能得到良好的效果，建議在今后類似的工程安全評估中推廣應用。

2) 新建隧道爆破施工對鄰近運營隧道振動影響相對較大的因素是最大段裝藥量，在最大段裝藥量固定的條件下，主要受總裝藥量的影響。因此，為了有效地降低新建隧道爆破施工對鄰近運營隧道的振動影響，應降低最大段裝藥量，同時減小爆破循環進尺。

3) 最大段裝藥量和爆心距對運營鐵路隧道振動主頻的影響相對較大，當振動頻率與行進列車的頻率接近時將對列車行車安全造成極大的威脅，因此，在運營隧道附近進行爆破作業時主要關注最大段裝藥量和爆心距。

4) 采用AHP-GRA法既可以整體分析影響運營隧道振動破壞的主次因素，又能得出每個評價指標所對應相關因素的具體關聯度大小排序，這對于合理有效地控制爆破施工對鄰近運營隧道的振動破壞具有極大的意義。

[1] 張平平, 楊偉超, 尹榮申, 等. 盾構管片接頭破壞類型及參數敏感性分析[J]. 鐵道科學與工程學報, 2019, 16(2): 450?456. ZHANG Pingping, YANG Weichao, YIN Rongshen, et al. Failure type and parameter sensitivity analysis of shield segment joint[J]. Journal of Railway Science and Engineering, 2019, 16(2): 450?456.

[2] 陳永雄, 吳小萍, 郜成成, 等. 隧道圍巖變形預測模型的優化與應用[J]. 鐵道科學與工程學報, 2019, 16(2): 426?434. CHEN Yongxiong, WU Xiaoping, GAO Chengcheng, et al. Optimization and application of prediction method of tunnel surrounding rock deformation[J]. Journal of Railway Science and Engineering, 2019, 16(2): 426? 434.

[3] Koopialipoor M, Jahed Armaghani D, Haghighi M, et al. A neuro-genetic predictive model to approximate overbreak induced by drilling and blasting operation in tunnels[J]. Bulletin of Engineering Geology and the Environment, 2019, 78(2): 981?990.

[4] 毛正君, 楊紹戰, 朱艷艷, 等. 基于F-AHP法的隧道突涌水風險等級評價[J]. 鐵道科學與工程學報, 2017, 14(6): 1332?1339. MAO Zhengjun, YANG Shaozhan, ZHU Yanyan, et al. Risk grade evaluation of tunnel water inrush based on fuzzy analytic hierarchy process[J]. Journal of Railway Science and Engineering, 2017, 14(6): 1332?1339.

[5] Hyun K, Min S, Choi H, et al. Risk analysis using fault-tree analysis (FTA) and analytic hierarchy process (AHP) applicable to shield TBM tunnels[J]. Tunnelling and Underground Space Technology, 2015, 49(6): 121? 129.

[6] Nezarat H, Sereshki F, Ataei M. Ranking of geological risks in mechanized tunneling by using fuzzy analytical hierarchy process (FAHP)[J]. Tunnelling and Underground Space Technology, 2015, 50(8): 358?364.

[7] Bakhtavar E, Shirvand Y. Designing a fuzzy cognitive map to evaluate drilling and blasting problems of the tunneling projects in Iran[J]. Engineering with Computers. 2019, 35(1): 35?45.

[8] 李斌, 畢延華, 劉新偉. 基于灰色關聯分析淺埋隧道爆破振動影響因素[J]. 工程爆破, 2018, 24(4): 86?90. LI Bin, BI Yanhua, LIU Xinwei. Influence factors of blasting vibration of shallow tunnel based on grey relational analysis[J]. Engineering Blasting, 2018, 24(4): 86?90.

[9] 施建俊, 張琪, 李慶亞, 等. 基于灰色分析和神經網絡的爆破振速峰值預測[J]. 中國礦業, 2016, 25(增1): 410?415. SHI Jianjun, ZHANG Qi, LI Qingya, et al. Prediction of peak velocity of blasting vibration based on pray analysis and neural network[J]. China Mining Magazine, 2016, 25(Suppl 1): 410?415.

[10] 周依希, 李曉明, 瞿合祚, 等. 基于AHP-灰色關聯度的復雜電網節點綜合脆弱性評估[J]. 電力系統保護與控制, 2018, 46(23): 86?93. HOU Yixi, LI Xiaoming, QU Hezuo, et al. Node integrated vulnerability assessment of complex power grid based on AHP-gray relational degree method[J]. Power System Protection and Control, 2018, 46(23): 86? 93.

[11] 趙保卿, 李娜. 基于層次分析法的內部審計外包內容決策研究[J]. 審計與經濟研究, 2013, 28(1): 37?45. ZHAO Baoqing, LI Na. Research on outsourcing content decision of internal audit based on analytic hierarchy process[J]. Journal of Audit & Economics, 2013, 28(1): 37?45.

[12] 張曾蓮. 風險評估方法[M]. 北京: 機械工業出版社, 2017. ZHANG Zenglian. Risk assessment methods[M]. Beijing: China Machine Press, 2017.

[13] 范磊, 龍源, 郭濤, 等. 基于反應譜理論的爆破振動破壞評估標準分析[J]. 爆破, 2010, 27(1): 5?10. FAN Lei, LONG Yuan, GUO Tao, et al. Harm evaluation standard analysis of blasting vibration based on response spectrum theory[J]. Blasting, 2010, 27(1): 5?10.

[14] 張小軍, 汪旭光, 王尹軍, 等. 基于正態分布的爆破振動評價與安全藥量計算[J]. 爆炸與沖擊, 2018, 38(5): 1115?1120. ZHANG Xiaojun, WANG Xuguang, WANG Yinjun, et al. Blasting vibration evaluation and safe charge calculation based on normal[J]. Explosion and Shock Waves, 2018, 38(5): 1115?1120.

[15] 杜林林, 劉維寧, 劉衛豐, 等. 城市軌道交通環境振動評價指標計算與分析[J]. 都市快軌交通, 2017, 30(5): 40?45. DU Linlin, LIU Weining, LIU Weifeng, et al. Computation and analysis of evaluation indicators of environmental vibration induced by urban rail transit[J]. Urban Rapid Rail Transit, 2017, 30(5): 40?45.

Study on vibration effect of blasting of new tunnel based on AHP-GRA method on adjacent railway tunnel

WU Bo1, 2, LAN Yangbin1, 2, YANG Jianxin3, HAN Yalong3

(1. College of Civil Engineering and Architecture, Guangxi University, Nanning 530004, China; 2. The Key Laboratory of Disaster Prevention and Structural Safety of Ministry of Education, Guangxi University, Nanning 530004, China;3. China Railway l0th Bureau Group No. 5 Engineering Co., Ltd, Suzhou 215011, China)

In order to scientifically and reasonably control the vibration influence of blasting construction of newly-built tunnels on adjacent railway tunnels, this paper uses AHP-GRA method to analyze the influencing factors of vibration of adjacent railway tunnels, taking the newly-built Linjiaao Tunnel of Jintai Railway as the engineering background. The distance of blasting center, the total charge, the maximum charge and the blasting cycle feed of new tunnel blasting were taken as the relevant variables in the study. The vibration velocity, duration and main frequency of the measured points on the explosion-prone side of the operating tunnel were selected as the evaluation indexes of the system. In addition, combined with the field measured data, the correlation degree was calculated and sorted, and the primary and secondary order of the factors affecting the comprehensive vibration of adjacent operating tunnels was obtained. The order of the correlation degree between each evaluation index and relevant variables was obtained. Among them, the maximum charge and the total charge have the greatest impact on the overall vibration of the operating tunnel. The main factors affecting the main frequency of vibration in operating tunnels are the maximum charge amount and the distance between the detonation centers. The results of AHP-GRA method can provide a scientific theoretical basis for determining the order of influencing factors of vibration of operating tunnels.

AHP-GRA; operation tunnel; blasting vibration; influence factor; primary and secondary order

U455.6

A

1672 ? 7029(2020)03 ? 0668 ? 08

10.19713/j.cnki.43?1423/u.T20190373

2019?05?05

國家自然科學基金面上資助項目(51478118，51678164)；廣西特聘專家專項資金資助項目(20161103)；廣西自然科學基金資助項目(2018 GXNSFDA138009)；廣西科技計劃項目(桂科AD18126011)；廣西大學科研基金資助項目(XTZ160590)；廣西巖土與地下工程創新團隊資助項目(2016GXNSFGA380008)

吳波(1971?)，男，四川閬中人，教授，博士，從事隧道及地下工程方向的教學與研究工作；E?mail：813792833@qq.com

(編輯 陽麗霞)