基于信息融合的地铁车站基坑施工风险评估

乔国华

（广东珠三角城际轨道交通有限公司，广东 广州 510006，E-mail：Joez@163.com）

为适应现代化城市的发展，地下空间开发已成为城市可持续发展的重要方式[1，2]。基坑开挖与地下铁路建设成为了地下空间开发的重要组成部分。但基坑工程的施工会对周边的环境与基础设施产生一定的影响，引起基坑周边的土体变形与地表沉降，严重会导致周边房屋出现裂缝，倾斜等[3~6]。在复杂的地质情况下，基坑工程是一项具有一定挑战性的地下空间开发活动。因此，在基坑施工过程中，需要对其进行有效的风险评估并保证施工的安全性。

针对基坑工程的风险评估方法，有很多学者做出了研究。兰守奇等[7]运用隶属度函数对基坑施工期的风险进行了描述，并依托专家评估得出基坑风险等级。张弛等[8]通过引入模糊数学的思想建立了深基坑施工模糊风险评价模型，对风险因子和指标进行定量化分析。陈大川等[9]提出利用改进灰色关联度法确定影响指标的权重，在基坑开挖过程中对邻近房屋的影响进行了风险安全等级评估。霍晓波等[10]通过现场实测与数值模拟相结合的方法，以武汉地区某地铁基坑工程为例进行了基坑开挖风险分析。李立云等[11]利用灰色关联度模型对层次分析法进行改进，并依托专家经验对基坑施工过程中的风险等级进行了评估。王峰等[12]通过专家走访调研的方式，提出了基于模糊综合评判法概念的深基坑风险等级评估方法。谭文博等[13]提出利用案例推理技术和本体模型相结合的概念对基坑施工安全风险评估进行了研究。张麒等[14]利用有限元对处于运营地铁范围内的基坑变形风险进行了数值模拟分析。以上基坑风险评估主要依托专家经验和数值模拟方法。由专家经验得出的基坑风险评估结果具有一定的主观性，而运用数值模拟方法进行基坑风险评估需要合理的选择土体本构模型，精确的土体参数获取与严格的边界条件，建模时间长，在实际工程实践中具有一定的局限性[14~16]。基于此，为了克服以上基坑风险评估方法的局限性，本文主要依托工程项目的现场实测数据，并利用建立的地铁车站基坑施工风险评估方法将监测数据的信息进行了有效融合。快速建模得出了地铁车站基坑的风险等级，为施工现场风险管理提供决策依据。为地铁车站基坑工程的风险评估与管理提供参考价值。

1 基于信息融合的风险评估方法

基于信息融合的基坑风险等级评估流程如图1所示，主要包括：构建基坑风险评估体系，监测数据预处理和基坑风险等级确定等。基坑风险评估体系构建：体系构建基于基坑工程的工程概况和工程师的工程经验，确定风险因素并划分其风险等级。根据确定的风险因素，获取相应的监测数据。监测数据预处理：由于不同影响因素的监测数据单位和大小不一，需要进行归一化数据预处理。根据风险等级确定相应的隶属度函数；根据确定的隶属度函数计算影响因素归一化后的隶属度，并依据隶属度构建风险评估矩阵。利用熵权法确定风险等级的权重，进而构建综合权重风险评估矩阵。基坑风险等级确定：利用证据理论对综合权重风险评估矩阵中的数据进行有效融合，进而得到基坑工程的风险评估等级。

图1 基于信息融合的地铁车站基坑风险评估流程图

1.1 数据预处理

由于监测数据大小、单位和取值范围的不同，数据归一化使数据具有相同的度量尺度。归一化后的数据为无量纲，其归一化操作如下：

式中，xm表示影响因素的监测数据；xmin和xmax为风险影响因素等级的最小值和最大值；xi为影响因素实测数据归一化后的值。

1.2 隶属度函数

任意一个值x在研究范围内，有一个在[0，1]范围内的Q(x)值与之对应，则Q(x)定义为x在区间[0，1]中的隶属度。x的隶属度接近0表示x的隶属程度较低。高斯型函数设定为隶属度函数，公式如下：

其中，c=0.5(xman(norm)j+xmin(norm)j)，d=0.5(xman(norm)jxmin(norm)j)，xman(norm)j，xmin(norm)j为归一化风险等级对应的最大值与最小值。Q(xi)为xi的隶属度值。

在本文中，风险因子的等级分为4个等级，对应的隶属度函数如图2所示。

图2 隶属度函数

1.3 熵权法确定权重

熵权法是通过信息熵修正相应风险因素的权重[17，18]。风险指标的差异化程度越大，权重值越大。相反，风险指标的差异化程度越小，权重值越小。熵权法是依托风险因素的变异程度来确定权重的客观赋权方法。相比层次分析法等主观赋权方法，可避免人为因素在指标赋权方面带来的偏差。在本文中，假设有m个风险因素（X1，X2，X3，…，Xm），其相应的风险等级为n（L1，L2，…，Ln）。则构建的综合风险评估矩阵如下：

式中，Qij(xi)为第i个风险因子的数据在等级j中的隶属度。

熵权法的熵用于表示体系的无序程度，综合风险评估矩阵中的熵值计算如下式为[18]：

式中，ej为综合风险评估矩阵中等级j的熵；m为风险因素的个数。

基于式（4）获得的各个风险等级的熵值后，风险等级的权重由下式确定[18]：

式中，ωj为风险等级j的权重，m为风险因素的个数，n为风险等级的个数，式中

1.4 基于证据理论的信息融合方法

证据理论能解决研究问题的不确定性与模糊性，并融合不同来源的有效信息[20]。本文采用基于证据理论的信息融合方法将影响基坑风险等级的信息进行有效融合，进而对基坑风险等级进行评估。在本文中，基坑风险等级一共有四级，分别为：LⅠ，LⅡ，LⅢ，LⅣ，相应的不确定度为Θ，则识别框架为G={LⅠ，LⅡ，LⅢ，LⅣ}，mass函数用于计算概率分配，表示该证据对不同安全风险等级的信任程度，mass函数的表达式如下：

式中，ωj为不同风险等级的权重；Mj为mass函数；Lj为证据。

在证据理论中，由式（6）计算得到的基本概率分配进行信息融合。对于两个mass函数的信息融合规则如下[20]：

式中，M1，M2为mass函数；M1(Li)，M2(Lj)分别为证据Li，Lj的基本概率分配；为归一化参数，M(L)为证据融合后的概率分配。

对于多个mass函数的信息融合规则如下[20]：

式中，M1，M2，…，Mn为n个mass函数；M1(Li)，M2(Lj)，…，Mn(Ln)分别为证据信息的Li，Lj，…，Ln的基本概率分配为归一化参数；M(L)为证据融合后的概率分配。

1.5 基坑风险等级的确定

由上述得到的合成概率分配，会出现不确定度的基本概率分配大于其他风险等级的概率分配，此时需对合成的概率分配进行相应修正，公式如下：

式中，MC(Lj)为证据Li，Lj，…，Ln修正后的合成概率分配。

在修正后的合成概率分配U={MC(L1)，MC(L2)，MC(L3)，MC(L4)}中，最大值所对应的等级即为基坑风险等级，其公式如下：

式中，MC(Lj)为修正后的合成概率分配。

2 案例分析

2.1 工程项目简介

2.1.1 工程概况

大学城地铁东站基坑工程位于广州市黄埔区内，金洲南路东侧。东北侧为既有山坡（边坡处理后的坡脚距离基坑大于30m）。车站站台起讫里程DK5+774.00-DK6+050.00，中心里程DK5+910.00，标准段开挖深度约27.9m（端头井约30.6m），标准段宽度25.2m（端头井35.6m）；车站采用明挖顺作法施工，盾构接收井设置在小里程，盾构始发井设置在大里程；从小里程端头井到大里程端头井结构与线路找坡0.2%。

2.1.2 工程地质条件

本地铁车站基坑工程位于珠江三角洲平原地貌，沿线为平原及江河。第四系地层为人工填土层，滨海相冲积砂层、滨海相冲积土层，基岩为混合花岗岩。基坑工程区段的人工填土包括素填土和杂填土，呈稍压实~欠压实状态，由于填土的填筑时间长短不一，固结程度差异较大。杂填土夹杂有建筑垃圾，其固结程度低，工程性质差。对于基坑开挖段，透水性强且容易坍塌；软土为淤泥、淤泥质土，呈现流塑状，具有易压缩变形、低强度、自稳能力差的特点。在施工中，注意施工扰动引起地层下沉及基坑支护的垮塌。全风化带呈坚硬土状，具有与残积土相同的遇水软化崩解的特性。从勘察资料分析，强风化带裂隙发育，岩石破碎，岩芯呈半岩半土状或土夹碎块状；富水性和透水性均弱，长期水浸易软化崩解，失水干裂。混合花岗岩呈柱状-长柱状，裂隙较发育，岩质坚硬。

2.1.3 水文条件

当地的地形地貌和水源补给对地下水位变化产生一定的影响。地下水位有明显的波动，标高在[-0.21，1.96]m区间内，平均埋深与稳定埋深为2.22m和在[1.00~6.50]m内。基岩裂隙水，土层孔隙水与上层滞水为地下水的主要赋存形式。基坑工程范围内无地表水。人工填土层、粉砂、中砂层是第四系孔隙水含水层。填土层分布广泛，局部厚度较大，且多在地下水位以上。局部地段处于黏性土层覆盖砂层的地下水具承压性。岩石裂隙发育程度与所处地层风化程度有关，地下水赋存条件具有较大的差异性。地下水对混凝土结构的腐蚀性环境类型评价为Ⅱ类。

2.1.4 支护情况

地铁车站基坑工程根据周边环境、工程地质条件、水文条件和工程造价，采用内支撑+地下连续墙作为本基坑工程的支护形式。车站基坑深度在标准段为27.9m，地下连续墙的厚度为800mm。共采用4道支撑（另设1道钢管换撑），其中第1道采用800×1000mm钢筋砼支撑，其余采用Ф800，t=18钢管支撑。车站基坑在端头井段深度为30.6m。共采用5道支撑（另设1道钢管换撑），其中第1道砼支撑800×800mm，第2、第5道砼支撑900×1000mm，第3、第4道砼支撑1100×1200mm，钢管换撑采用Ф800，t=18钢管支撑。

2.2 风险等级综合评估

2.2.1 评估步骤

地铁车站基坑工程的风险等级综合评估的步骤如下：

Step 1：通过工程项目的实际施工情况与工程师的工程经验，确定基坑风险等级的影响因素并划分影响因素的风险等级。运用式（1）对影响因素的实测数据进行归一化处理。

Step 2：由式（2）计算归一化数据在各个风险等级的隶属度。进而构建的综合风险评估矩阵，运用熵权法确定各个风险等级的权重（式（3）~式（5））。

Step 3：运用改进的数据融合方法，将各个影响因素的数据进行有效融合，获得各个风险等级的合成概率分配，判断合成的概率分配是否需要进行修正，最终将概率分配最大值所处的风险等级确定为地铁车站基坑工程的风险等级。

2.2.2 风险因素的确定

琶洲支线大学城东站为地下三层车站，站台中心里程DK5+910.00。地连墙+内支撑作为基坑工程的围护形式，直径800mm钻孔灌注桩+内支撑用于出入口的围护结构。图3为基坑工程的监测平面图，根据基坑监测点的布置情况，划分为S1，S2，S3，…，S9区域。每个区域有相应的监测点，在本基坑工程中，每个区域的监测因素有：围护结构顶水平位移，竖向位移，深层水平位移，地表沉降等。

图3 基坑监测平面图

根据工程项目施工概况和施工经验，确定了围护结构顶水平位移，竖向位移，地下水位等8个影响因子，并将影响因素的风向等级划分为Ⅰ，Ⅱ，Ⅲ，Ⅳ4个等级。8个影响因素中有6个是定量指标2个定性指标，定量指标由其实测数据作为指标值，而定性指标，例如基坑旁的静荷载与动荷载，需要工程管理人员根据基坑施工过程中的实际情况按百分值给予相应的评价。影响基坑风险等级的因素与相应的等级划分如表1所示。各个区域的影响因素实测值如表2所示。

表1 各影响因素风险等级与划分

表2 各影响因素的实测值

2.2.3 构建风险评估矩阵确定权重

以基坑工程的S1区域为例，S1区域的围护结构顶水平位移的监测数据为6.00mm，由式（1）得值为0.38。S1区域其他影响因素归一化的值如为：

计算归一化后值在各个风险等级的隶属度，由式（11）计算得到归一化值计算得各个风险等级的隶属度为：Q1(xi)=0.02，Q2(xi)=1.00，Q3(xi)=0.02，Q4(xi)=0.00。

基坑工程S1区域的其他影响因素在各个风险等级的隶属度构建综合风险评估矩阵，风险评估矩阵为：

基于式（3）构建的综合风险评估矩阵，运用熵权法确定风险等级LⅠ，LⅡ，LⅢ，LⅣ的权重。计算的权重值如图4所示，由图4中的S1中知，等级Ⅰ的权重在S1区域最大，其次是等级Ⅳ。基坑工程的其他区域S2，S3，…，S9的综合风险评估矩阵中的LⅠ，LⅡ，LⅢ，LⅣ的权重如图4所示。在图4中，等级Ⅰ的权重在区域{S3，S4，S6，S8}的值最大。

图4 基坑不同区域等级的权重

2.2.4 风险等级的确定

在基坑工程区域S1中，由综合风险评估矩阵与风险等级的权重相乘构建影响因素在证据LⅠ，LⅡ，LⅢ，LⅣ的基本概率分配。将区域S1中的8个影响因子在LⅠ，LⅡ，LⅢ，LⅣ的基本概率分配通过证据理论的信息融合方法得到在LⅠ，LⅡ，LⅢ，LⅣ的合成概率分配，计算结果如表3所示。在表3中，区域S1~S9出现不确定度的基本概率分配大于其他风险等级的基本概率分配，因此需要对表3合成的概率分配进行相应的修正，修正后的结果如表4所示。修正后的合成概率分配在风险等级出现最大值的，则该等级确定为基坑工程区域的风险等级。基坑工程各个区域的风险等级如表4所示。区域S2，S4，S6的等级最高，为Ⅲ级。根据基坑风险评估结果与现场调研情况，基坑工程区域S2，S4，S6出现较大的地面沉降进而导致了地表裂缝的出现，基坑工程相应的区域采取了加强监测与注浆加固处理等措施。其他区域处在Ⅱ级及以下，较为安全，没有出现地表裂缝等现象。

表3 信息融合结果

表4 基坑风险等级

本文运用提出的信息融合方法得到了不同风险等级（LⅠ，LⅡ，LⅢ，LⅣ）下的合成概率，进而对不同风险等级的合成概率进行修正，使得不确定度的基本概率分配为0，降低了风险评估中存在的不确定性问题，也说明了本文提出的基于改进证据理论的信息融合方法适用于地铁车站基坑工程的安全风险等级评估问题。

3 结语

本文提出了基于改进证据理论的信息融合方法，并用于地铁车站基坑风险等级的评估。提出的方法将影响基坑工程安全施工的因素进行有效的融合。该方法主要包括：风险评价体系的构建，影响因素实测数据的预处理和基坑风险等级的确定等。本文选取广州琶洲大学城东站的基坑工程项目进行实证分析，根据工程概况与施工经验确定了影响基坑安全的8个风险因素，通过现场实测与工程师评估获得影响因素的监测数据，运用提出的基于改进证据理论的信息融合方法对风险因素信息进行融合得到基坑工程的风险等级。在提出的方法中，将多源监测信息进行归一化数据预处理，利用熵权法确定各个风险等级的权重，并利用证据理论对信息进行有效融合，进而得到基坑工程的风险等级，基坑工程风险评价结果与实际工程情况相符，为基坑风险评估与安全管理提供决策依据，保证了基坑工程施工的安全性。