大直徑水下盾構隧道防淹防洪風險分析及優(yōu)化設計研究

摘要 為了提高隧道的防洪效果，更好地對隧道防洪風險進行分析。該文提出引進相似結構動態(tài)貝葉斯網絡模型對防淹防洪風險進行分析，同時根據相關風險系數優(yōu)化隧道設計方法。研究結果顯示：動態(tài)貝葉斯模型在不同洪水情景下的預測準確率最高達到90.6%，而靜態(tài)模型的準確率最高為40.2%。應用模型后，隧道低風險區(qū)域的預測準確率從0.5提升至0.6。所以，該研究構建的模型不僅提升了風險評估的準確性，還優(yōu)化了隧道的防洪結構設計。

關鍵詞 隧道防洪；隧道DBN模型；動態(tài)貝葉斯網絡；相似結構

中圖分類號 TN919.5-34；TP311 文獻標識碼 A 文章編號 2096-8949（2025）04-0148-03

0 引言

現有的研究應用靜態(tài)貝葉斯網絡風險管理方法，在一定程度上可以對隧道進行風險評估，但是缺少對于風險動量以及多樣性的考慮，分析結果不滿足實際需求[1]。而且因為隧道環(huán)境的復雜性以及各種不確定因素的存在，給大直徑隧道的風險預測和隧道的結構設計帶來很多的困擾。為了提高大直徑水下盾構隧道的風險管理能力，有必要開發(fā)一種更加先進和靈活的風險評估模型。因此該研究提出了一種引入相似結構的動態(tài)貝葉斯網絡（Dynamic Bayesian Network，DBN）進行防淹防洪風險分析。同時利用DBN模型的動態(tài)特性來實時更新風險評估結果，從而更準確地預測隧道面臨的防淹防洪風險，并據此優(yōu)化隧道的設計和施工方案，提高其抵御洪水侵蝕的能力。這對于保障隧道的安全運行和減少災害損失具有重要意義。

1 隧道防淹防洪風險分析及優(yōu)化設計

1.1 改進貝葉斯網絡模型優(yōu)化設計

隧道結構常因為構成其土質成分以及隧道所處地理位置的原因導致其風險種類存在復雜性以及多樣性。傳統的貝葉斯網絡對于風險的嚴重程度對隧道整體安全的影響進行評估方面存在局限性[2]。因此研究構建多態(tài)貝葉斯網絡模型對隧道中的防洪風險的多種可能性進行分析，而且在模型中引入一個相似的結構。通過此結構對于隧道中的存在的風險狀態(tài)進行劃分，而不是對應具體的數值。這種定義區(qū)間的描述就是相似結構的數值。在節(jié)點網絡模型與隧道的拓撲結構之間引入的相似結構就對DBN構建隧道安全風險分析拓撲結構起到了整合的作用。在拓撲結構中，構建的方式是利用DBN的有向弧的原因變量指向結果變量方式進行的。構建結束之后需要確定節(jié)點之間的參數，清楚父節(jié)點與其他節(jié)點之間的因果關系，對父節(jié)點賦予先行概率值。最后構建動態(tài)貝葉斯網絡模型確定動態(tài)貝葉斯網絡轉移概率，進行推理分析[3]。以隧道風險種類系數為基礎，計算當網絡結構發(fā)生改變或一些節(jié)點的條件概率產生變化時，其他節(jié)點變量的概率分布，這樣就能獲得節(jié)點彼此之間的變化機理、變量證據的關鍵路徑等信息。當模型根節(jié)點為風險狀態(tài)時，葉節(jié)點的風險概率可以表示為公式（1）。

式中，T——父節(jié)點，Tq——隧道風險狀態(tài)下的葉節(jié)點，Xi——根節(jié)點，——風險狀態(tài)下的根節(jié)點，P——賽道風險概率分布。根據網絡模型的反向推理，如果已知隧道各風險事件在風險狀態(tài)下的情況時，各個根節(jié)點的條件概率可以表示為公式（2）。

式中，——隧道的風險事件，——隧道風險事件的風險狀態(tài)，——的是條件概率。根據根節(jié)點的隧道風險狀態(tài)可以推斷出隧道中的風險事件處于風險狀態(tài)的重要度可以表示為公式（3）。

式中，ki——風險狀態(tài)的種類數量，ai——風險變量系數。依據重要度值的大小可以快速辨識影響大直徑水下盾構隧道結構的關鍵致險因子，通過這樣的方式控制風險因子，降低風險發(fā)生的概率。

1.2 基于DBN模型的大直徑水下盾構隧道防淹防洪結構設計

隧道工程屬于道路工程中不能缺少的部分，針對很多復雜的環(huán)境問題。對于設計以及施工技術的要求都比較高。DBN模型有利于根據隧道的參數構建參數化的數據組，數據組中風險數據信息有助于隧道應對抗洪時提供數據支持。模型構建過程首先是構建隧道模型然后進行分類并編碼；其次創(chuàng)建共享參數文件，記錄下所有與隧道構建相關的參數信息，接下來創(chuàng)建隧道構件參數化族，這些族是具有可變屬性的三維模型，可以根據實際需求調整其大小和形狀；然后建立隧道構件族庫，將它們組織成一個族庫。方便用戶快速找到所需的構件并添加到項目中；最后，利用上述步驟生成的所有信息和資源，可以開始構建完整的隧道DBN模型。研究提出的改進貝葉斯網絡模型，通過引入相似結構的DBN，能夠更有效地評估隧道面臨的防淹防洪風險。在此基礎上，研究將進一步探討如何利用DBN模型來優(yōu)化大直徑水下盾構隧道的防淹防洪結構設計。防洪設計如圖1所示。

圖1展示了大直徑水下盾構隧道防淹防洪結構設計的延長導軌設計橫斷面以及盾構隧道橫截面的結構。圖1（a）顯示了延長導軌設計橫斷面，兩邊的延長導軌總共需要排布10根左右，總重1 200 kg。鋼板在施工之前就必須通知特定的廠商提前準備，加工的時候需要確保螺栓孔和間距的精度問題。工程正式開始之前，負責測量的施工人員要測出隧道中導軌和螺栓孔的位置。在鋼環(huán)和地連墻上標識。用水鉆在鋼環(huán)及地連墻上標識的孔位。間隔一定的距離就設置了排水孔，能夠讓積蓄的廢水流出。中心溝作為主要排水通道，間隔一定距離布置泄水管，確保隧道內的積水能迅速排出。圖1（b）盾構隧道橫截面的結構，內部結構主要由兩側車道板、疏散樓梯、防撞側石、江中泵房、逃生通道等組成。只有中間的子件采用預制的形式，車道板使用的是疊合板，另外的隧道結構均為現澆式[4]。位于隧道最上方的煙道制作方式是結合混凝土和現澆兩種技術進行施作。間隙嵌填采用的是細石混凝土。這種排水結構的分布全面考慮了隧道內外部的排水需求，通過合理的排水設施和結構設計，提高了隧道的防洪能力，降低了潛在的淹沒風險。

2 模型性能分析和應用實驗

2.1 DBN模型的性能測試

通過構建改進的貝葉斯網絡模型并結合DBN結構，能夠有效地評估大直徑水下盾構隧道面臨的防淹防洪風險。但是研究還需要對這一模型的性能進行深入分析，并通過應用實驗驗證其在實際場景中的有效性。不同網絡模型對不同洪水情景的預測準確率。如圖2所示。

從圖2看出，不同貝葉斯模型在預測隧道風險時的準確率隨洪水類型和季節(jié)變化。改進的貝葉斯模型和動態(tài)貝葉斯模型在各個洪水類型中的準確率普遍高于靜態(tài)貝葉斯模型，其中動態(tài)貝葉斯模型的準確率最高，最高為90.6%，顯示出其在風險預測方面的優(yōu)勢。相比之下，靜態(tài)貝葉斯模型的準確率較低，最低為25.6%。造成這一結果的原因可能是動態(tài)貝葉斯模型能夠實時更新概率，反映最新的觀測數據和環(huán)境變化，而且其可能采用了更高級的算法或參數調整，使模型更好地捕捉了洪水事件與隧道風險之間的復雜關系。

2.2 DBN模型在隧道防洪應用中的效果分析

該研究為了進一步探究DBN模型在隧道防洪應用中的作用，將具體分析DBN模型在實際隧道防洪工程中的應用效果。應用模型前后路識別的風險區(qū)域與實際發(fā)生洪水的區(qū)域地對比如圖3所示。

圖3展示了應用貝葉斯網絡模型前后隧道風險區(qū)域的識別對比。在應用模型前，預測的風險分布與實際風險存在差異，低風險區(qū)域的預測準確率為0.5，而應用模型后，預測風險與實際風險更為吻合，低風險區(qū)域的預測準確率提高至0.6。改進后的模型可能更好地考慮了風險因素之間的相互作用和依賴關系，從而提高了風險評估的準確性。且模型可能采用了更精細的參數化方法，對隧道結構和環(huán)境條件進行了更準確的模擬，使得預測結果更接近實際情況。

3 結論

大直徑水下盾構隧道長期受洪水侵蝕可能產生安全隱患，為了提高隧道應對洪水侵蝕風險預測的準確率，該研究通過構建引入相似結構的DBN模型，提高隧道風險評估的準確性，并優(yōu)化防洪結構設計。性能測試中，動態(tài)貝葉斯模型在不同洪水情景下的預測準確率普遍高于靜態(tài)貝葉斯模型，最高可達90.6%，而靜態(tài)貝葉斯模型的準確率最高僅為40.2%。應用模型后，隧道低風險區(qū)域的預測準確率從0.5提升至0.6。綜上所述，該研究構建的改進貝葉斯網絡模型，顯著提高了預測準確率，而且在防洪中有較好的應用效果。但是，模型在實際應用中可能存在參數化方法和環(huán)境模擬與現場情況不完全匹配的問題，需要進一步收集實際工程數據進行模型校準和驗證，這是后續(xù)可以改進的地方。

參考文獻

[1]盛誕杰，湯瑞，王凱，等.基于熵權-正態(tài)云模型的小凈距隧道施工風險評估模型[J].安全與環(huán)境工程， 2024（3）：89-95.

[2]吳定遠，趙立財.基于貝葉斯分類算法的隧道開挖安全風險概率評價[J].水電能源科學， 2024（4）：115-118.

[3]陳健，袁大軍，蘇秀婷，等.超大直徑水下盾構隧道施工技術進展與展望[J].現代隧道技術， 2024（2）：124-138.

[4]芮國榮，許建聰，孫鈞.軟巖公路隧道下穿古滑坡穩(wěn)定性與風險分析[J].公路， 2024（3）：399-404.

收稿日期：2024-08-28

作者簡介：梁闞（1986—），男，本科，高級工程師，研究方向：城市基礎設施建設工程質量安全風險管控。