面向大数据的城市地下工程施工期安全风险评估方法研究

The era of Big Data is coming, and large-scale, all-round, multi- field monitoring of urban underground engineering will become a reality. The risk assessment methodology under big data environment is rarely reported. Relying on a third-party monitoring of urban rail transit project, this research will adopt big data relevant technologies to implement a complete monitoring data analysis and risk assessment for an urban underground engineering project. Then, a demonstration model and associated comprehensive technical references will be prepared to guide related projects, thus the theoretical level of risk assessment for underground engineering may be improved. First, to meet the demand of large-scale data acquisitions and storage requirements, distributed storage technology of big data will be employed to examine the layout strategy, networking, data storage and network communication reliability for large-scale automated monitoring sensors. Second, several data mining methods of big data technology will be applied to quickly identify and determine the causes of abnormal in monitoring results. For example, to identify anomalies and risk sources through the calculation of the database tables instead of the traditional method of curve shape discrimination; to quick conduct cause analysis, result interpretation and association analysis between monitoring data and multiple influence factors based on a database tables. Finally, combining with the commonly used risk assessment theories, a comprehensive multi-source data fusion risk assessment method for urban underground engineering under big data environment will be formed based on data mining from monitoring data, texts of field inspection and video images.

大数据时代即将到来，大规模、全方位、多场的城市地下工程监测将成为现实。大数据环境下的风险评估有何不同？相关的研究工作很少见。本项目依托城市轨道交通第三方监测工程，探索将大数据的有关技术及方法完整地实施于监测数据分析和风险评估中，形成示范性项目和成套技术供相关工程借鉴，提升地下工程风险评估的理论水平。首先，针对今后大规模的数据采集、存储需求，研究大数据的分布式存储技术、自动化监测传感器的布置策略、组网方式、数据存储技术和网络通信可靠性；其次，应用大数据技术中的数据挖掘方法来快速识别监测异常和判断成因：依靠数据库表的计算来辨识异常和风险源，打破传统监测异常分析中对曲线形态判别的依赖；基于数据库表进行监测数据与多个影响因素之间的关联分析和成因分析；最后，在对监测数据、巡视检查文字和视频图像进行数据挖掘的基础上，结合常规风险评估理论，形成大数据多源融合环境下的城市地下工程综合风险评估方法。

最近几十年是国内城市地下工程蓬勃发展的时代，随着传感、信息技术的进步，地下工程施工过程会获得越来越多的数据，城市地下工程的大数据将会成为现实。本项目依托于数个城市轨道交通项目，首先开展自动化监测以及大数据采集方面的试验研究，总结了利用LEICA测量机器人、静力水准仪开展地铁基坑和盾构推进引起的周边位移监测技术；其次，基于当前大数据理论与方法和人工智能技术，开展了监测数据多元融合分析与预测研究，提出了基坑变形预测模型输入变量的两步筛选方法，即首先利用粗糙集属性约简去除预测模型的冗余影响因素，再利用相关性分析方法对基坑位移与一次约简集中影响因素的相关性进行量化，并筛除相关性明显偏小的因素。提出了RS-MIV-ELM基坑变形预测模型，提出利用混合蛙跳算法（SFLA）优化确定广义回归神经网络（GRNN）模型平滑因子的SFLA-GRNN模型，将其成功应用于地铁基坑地表最大沉降预测。第三，开展了基于大数据的风险评估方法研究。提出了地铁基坑施工期坍塌风险动态评估方法。包括基于T-S模糊故障树分析的坍塌可能性评价方法和基于专家调查法的坍塌损失评价。其中，前者克服了传统故障树的“概率假设”、“二态假设”、“与或关系假设”的不足，不仅实现了利用底事件模糊概率计算基坑不同坍塌程度的模糊概率，还可以利用底事件实际故障状态计算基坑不同坍塌程度的可能性。相较底事件概率难以获取的现状，底事件的故障状态则可参照所建立的底事件故障状态分级赋值表比较容易且比较客观的确定，这有效提高了施工期坍塌可能性评价的定量化和动态性。最后，开发了面向大数据应用的安全风险评估管理平台软件系统，已在数个工程中推广使用。研究成果对于提升地下工程安全评估理论水平，对确保城市地下工程建设安全，具有重要保障作用；项目取得的成果《地下工程施工期安全风险评估管理平台软件系统》可广泛应用于城市轨道交通、公路铁路与能源矿山开采领域的施工期安全风险管控。