基于多因子遴选和灰色聚类矢...隧洞塌方风险评价方法及应用_张建明.pdf

第4 1卷第5期2023年5月水 电 能 源 科 学W a t e r R e s o u r c e s a n d P o w e rV o l.4 1 N o.5M a y 2 0 2 3D O I:1 0.2 0 0 4 0/j.c n k i.1 0 0 0-7 7 0 9.2 0 2 3.2 0 2 2 1 4 6 5基于多因子遴选和灰色聚类矢量投影法的隧洞塌方风险评价方法及应用张建明a,b,侍克斌a,b,善鸿泽a,石仁义a,符 涛a,卢志鹏a(新疆农业大学 a.水利与土木工程学院;b.新疆水利工程安全与水灾害防治重点实验室,新疆 乌鲁木齐 8 3 0 0 5 2)摘要:由于隧洞塌方风险评价涉及众多模糊因素且评价方法复杂,因而造就了评价体系构成灰色体系、评价方法适用性不高、难以准确评估隧洞塌方风险等级的问题。基于此,运用灰色系统基本思想及矢量投影原理,提出了一套基于灰色矢量投影法的隧洞塌方风险评价模型,在综合分析复杂地层条件下隧洞塌方的影响因素基础上,采取顾及到决策者观点差异程度的群层次分析法(GAHP)对预选评价指标体系进行降维遴择,继而根据综合决策权重系数遴选出能够充分反映塌方机理迥异、具有代表性和区分度高的1 3个优选评价指标,在此基础上建立隧洞塌方风险优选评价指标体系;此外,引入灰色群组聚类(G G C)和反熵权法(A EW)分别确定主、客观单层次排序权重;利用改进博弈论组合赋权(I CWG T)获得最佳综合权重分配系数,确定指标总层次排序权重;最后根据此模型对隧洞塌方风险进行评估验证。研究结果表明,隧洞塌方风险评价等级与实际开挖情况吻合度较高,验证了该模型的可靠性及准确性。关键词:隧洞塌方;风险评价;灰关联投影;指标遴选;灰色群组聚类;改进博弈论组合赋权中图分类号:TV 5 5 4;U 4 5 8.3;X 9 4 7 文献标志码:A 文章编号:1 0 0 0-7 7 0 9(2 0 2 3)0 5-0 1 2 1-0 5收稿日期:2 0 2 2-0 7-1 3,修回日期:2 0 2 2-0 8-1 0基金项目:“新疆水利工程安全与水灾害防治重点实验室”2 0 2 2年研究项目(Z D S Y S-Y J S-2 0 2 2-0 8)作者简介:张建明(1 9 9 9-),男,硕士研究生,研究方向为超长隧洞施工规划理论与技术,E-m a i l:z j m c h n x j 1 6 3.c o m通讯作者:侍克斌(1 9 5 7-),男,博士、教授、博导,研究方向为水利工程,E-m a i l:x n d s g s i n a.c o m1 引言隧道塌方为隧道工程中极为常见的地质灾害,尤其深埋超特长输水隧洞地质条件极其复杂,发生塌方事故的概率极大,因此精准评估隧洞塌方风险是亟待解决的重要问题。近年来对隧洞风险评估模型进行了大量研究,如有功效系数法、贝叶斯网络与故障树分析相结合、突变理论模型、属性识别模型,风险矩阵法、可拓综合评价模型、人工神经网络、可拓云模型等,但这些方法均有局限性,在隧洞塌方风险等级评估中,由于塌方风险等级与评价指标呈现出高度的非线性、评价等级界限存在随机性、评价因子不完全及专家赋权主观性强等特点,使塌方风险评价存在极大的模糊性和不确定性,因此造就了塌方风险评价构成灰色系统,但目前已有的评估方法并未将此灰色系统考虑在内。鉴此,本文提出了一套基于灰色系统理论及矢量投影原理相结合的灰色矢量投影模型,可统一描述在模糊复杂环境下的系统决策,实现多因素向标准定量化的精确投影转化,可有效解决目前隧洞塌方评估中存在的不足,为隧洞塌方风险评价提供了新思路。2 基于多因子遴选和灰色聚类矢量投影法的隧洞塌方风险评价方法2.1 构建评价指标体系2.1.1 预选指标体系隧洞塌方通常包含工程地质及自然因素、不良地质及水文地质因素、设计因素、地质预报及爆破、施工因素和人员管理6个一级指标和1 5个二级指标,见图1。隧洞塌方评价指标体系人员管理N6设计因素N3施工因素N5工程地质及自然因素N2地质预报及爆破因素N4施工技术水平N54地质预报及时准确性N42爆破超挖率N41地形地貌N21施工安全监测N53围岩等级N22风化程度N23不良地质及水文地质因素N1破碎带宽度N13地下水渗量N12年降雨量N11防水排水措施N52支护及时性N51深度比N31人员分配协调性N61工程管理N62图1 隧洞塌方预选指标体系鱼骨图F i g.1 F i s h b o n e d i a g r a m o f t u n n e l c o l l a p s e p r e-s e l e c t i o n i n d e x s y s t e由于细微且全方位地分析影响隧洞塌方的因素难度较大,同时还需考虑指标数据获取的难易性问题。指标体系数量过多,还易造成状态空间维数增加、分析数据繁琐、计算量庞杂及部分指标不易量化等问题,因此需对预选指标体系进行降维遴择,建立隧洞塌方优选指标体系。2.1.2 基于GAH P指标优选设有m个评价指标,利用S a a t y标度基准作为各指标之间的对比标准,并由AH P得各判断矩阵的权重向量O=(o1,o2,om),第b、q两位决策者之间相似度db q采用欧氏距离表征。假定利用du表示第u个决策者同剩余所有决策者间的相似度,则du及第u个决策者的综合决策权重系数vu可表示为:vu=1/Kdu=0duKk=11du()-1du0 (1)其中du=Kk=1du k式中,K为决策者数量;du为第u个决策者同其他决策者的相似度;du k为第u个决策者同第k个决策者间的相似度。由式(1)可看出,du与vu呈负相关,且du越大,则表征该决策者同其他决策者间的意见差异越大,反之差异则越小。指标综合权重向量O*可表示为:O*=(o*1,o*2,o*m)=Ku=1vuOu(2)式中,vu为第u个决策者的综合决策权重系数;Ou为第u个决策者的权重向量。2.1.3 确定优选指标以S a a t y标度作为基准,邀请5位决策者对预选指标进行两两比较并构建判断矩阵。继而基于GAH P指标优选,求解各决策者判断矩阵的权重向量、综合决策权重系数,最终得到一级指标综合权重向量O*=(0.3 9 2 2,0.2 3 5 6,0.0 7 7 3,0.1 5 5 0,0.0 9 5 9,0.0 4 3 9)。选取权重较大的工程地质及自然因素、不良地质及水文地质因素、设计因素、地质预报及爆破、施工因素5个一级指标作为最终优选指标。2.1.4 风险等级划分及建立优选指标体系为使隧洞塌方风险评价结果更加精确,将隧洞塌方风险评价划分为五个标准,见表1。由于评价指标等级划分存在一定的模糊性,因此采用纵坐标为隶属度的云图来表征定量指标等级区间划分的关系,隶属度越接近1时,隶属于相应评价等级的倾向越高,态势越明显,否则越低,见图2,定性指标各等级下的状态描述及赋值见表2。表1 各评价等级下的施工状态T a b.1 O n s t r u c t i o n s t a t u s a t e a c h e v a l u a t i o n l e v e l风险等级施工状态风险极低,正常施工,无需采取相关处理措施。风险低,可不采取处理措施,但需加强日常检测。风险在可接受范围内,对潜在隐患需采取适当措施进行处理。风险超出预期,需引起重视,并采取一定的处理措施。风险极高,需不惜成本的采取相关必要措施将风险降至理想等级。图2 优选定量指标等级划分云图F i g.2 P r e f e r a b l y q u a n t i t a t i v e i n d e x g r a d i n g c l o u d m a表2 优选定性指标各等级划分表T a b.2 P r e f e r a b l y t h e q u a l i t a t i v e i n d e x c l a s s i f i c a t i o n t a b l e指标指标编号等级地形地貌N2 1无影响影响小影响一般影响大影响极大围岩等级N2 2风化程度N2 3新鲜弱风化中度风化强风化完全风化防水排水措施N5 2防水排水措施设 计 完 全 合理,完 全 满 足日常防水排水防水排水措施设计 合 理,防水排水较通畅防水排水措施设计 一 般,防水排水功能一般防水排水措施设 计 较 不 合理,防 水 排 水功能弱防水 排 水 措施设 计 不 合理,无防水排水功能施工技术水平N5 4极好好一般差极差定性指标各等级赋值0.80.8 0.60.6 0.40.2 0.40.22.2 构建基于灰色矢量投影法的隧洞塌方风险评价模型2.2.1 灰关联投影模型灰色矢量投影法是一种将灰色系统理论与矢量投影原理相结合的多目标系统决策方法,可在模糊复杂的系统决策中发挥效果可观的作用1,221水 电 能 源 科 学 2 0 2 3年 第4 1卷第5期张建明等:基于多因子遴选和灰色聚类矢量投影法的隧洞塌方风险评价方法及应用主要计算步骤如下。步骤1 设m个评价指标与n+1个样本(包括理想样本C0)构成样本矩阵C,若隧洞塌方风险等级由低到高依次可分为(1级,2级,z级),则评价标准矩阵G=(Gi t)mz。同时设1级风险对应元素为1,则z级为0。根据样本与理想级别之间的关联度ri j,可构建样本灰关联度判断矩阵F=(ri j)m(n+1)=(Fi j)m(n+1),同理可构建评价标准灰关联度判断矩阵。步骤2 若将各样本视为各自的独立向量,则称样本Cj与理想样本C0间的夹角j为灰关联投影角,假设各指标权重为i,建立加权向量Q=(1,2,m)T,则待评样本在理想样本上的投影角j满足下式:CCO Sj=rj=(Cj,C0)CjC0=mi=1iFi jimi=1iFi j()2mi=12i(3)式中,Fi j为第j个样本中第i个指标的灰关联度。步骤3 可将样本Cj的模记为dj,则评价样本Cj的灰关联投影值YBj为:YBj=mj=1Fi j2imi=12i()(4)令?=(?1,?2,?m)T为灰关联投影权值矢量,最终可得到样本灰关联投影值向量YB及评价标准灰关联投影值向量DB。将样本矩阵与评价标准矩阵通过相同的计算法则向同一评价标准进行投影,故可使各级风险标准所对应的投影值DBt(t=1,2,z)作为隧洞塌方风险评价划分的标准。即当YBj=DB1=YB0时评价样本风险等级为1级;DBtYBjDBt-1时,评价样本风险等级为t级;YBj=DBz时,评价样本风险等级劣于z级,根据此法则可确定各评价样本所隶属的风险等级。2.2.2 确定权重值(1)G G C主观赋权。假设在给定的评价准则下,邀请n个专家评估m个评价指标,可得到判断矩阵A=(ai j)mm,进一步对判断矩阵A进行归一化处理,可获得评价指标的排序向量Lk=(lk1,lk2,lkm)T。根据各决策者的个人排序向量,通过汇总可得排序矩阵R。决策者i、j的排序向量Li、Lj采用灰关联度ei j进行衡量,故Li、Lj的灰关联度ei j可表示为:ei j=1+|si|+|sj|1+|si|+|sj|+|si-sj|(5)其中|si|=m-1u=2liu+12limsi-sj=m-1u=2liu-lju()+12lim-ljm()式中,si、sj分别为计算第i、j决策者间的ei j中间参数;liu、lju分别为第i、j个决策者对第u个指标的评分权重;lim、ljm分别为第i、j个决策者对第m个指标的评分权重。根据决策者群灰关联矩阵E,取定阈值0,1,选取的阈值离1越近,则决策者群组的划分越细致。当ei j(ij),则可判定Li、Lj拥有类似判别性质,即认为决策者i、j可聚为一类。若k位决策者被划分为P类,某一类中包含p位决策者,则决策者k所在类P的类间权重为p。最后,依据决策者群组中决策者k的排序向量所蕴含的信息熵H(k)及所在类的类内权重p k,可获得决策者权重k及评价指标权重i:k=pp ki=Kk=1lkik(6)式中,p为决策者所在类p的类间权重;p k为决策者k的所在类p的类内权重;lki为第k个决策者对第i个指标的评分权重。(2)A EW客观赋权。熵权法赋权时易出现指标无序程度(表征所蕴含的信息量)敏感性过强的问题,从而导致出现极端权重的情况2,对此,可采用改进的反熵权法(A EW)进行客观赋权。(3)I CWG T组合赋权。传统博弈论组合赋权过分依赖线性组合系数,且线性组合系数可能出现负数,因此需改进博弈论组合赋权模型。为确保线性组合系数不出现负数,依据矩阵微分性质可优化对策模型:f=m i na1,a2,aggi=1gi=1alwiwlT()-wiwiT(7)式中,al为线性组合系数;wl、wi分别为第l、i种赋权方法得到的权重;wlT为第l个赋权方法得到权重向量的转置权重向量。改进博弈论组合赋权模型综合权重系数a*l计算公式为:a*l=Li=1wiwlTLl=1Li=1wiwlT(8)3 应用3.1 工程概况为验证基于多因子遴选和灰色聚类矢量投影321法的隧洞塌方评价方法的合理性及可行性,以国内五个采用钻爆法施工的隧道进行塌方评价,各隧道评价指标的参数取自文献3,具体数值见表3。3.2 评价指标综合权重计算(1)主观权重。基于G G C主观赋权,邀请5名决策者构成决策者群,以S a a t y标度为基准,并表3 工程数据T a b.3 E n g i n e e r i n g d a t a隧道样本N1 1/mmN1 2/(1 0 m(Lm i n-1)N1 3/mN2 1N2 2N2 3N3 1N4 1/%N4 2/%N5 1/m i nN5 2N5 3N5 411 2 0 082 2.50.60.20.82 4.579 21 0 00.640.521 6 0 01 53 20.40.20.42 2.096 61 2 00.440.331 5 0 05 54 00.20.20.42 5.697 01 0 00.240.341 5 0 01 3 070.20.60.83 6.066 01 5 00.820.351 2 0 01 5 01 50.20.40.43 5.077 51 5 01.000.1根据专家对评价指标的偏好信息,对水文地质及不良地质、工程地质及自然地质、设计因素、爆破及超前地质预报、施工因素5个一级指标进行评价,得灰关联矩阵为:E=1 0.9 9 6 5 0.9 4 9 6 0.9 5 1 6 0.9 4 8 910.9 5 2 8 0.9 5 4 8 0.9 4 5 710.9 9 7 8 0.9 0 3 610.9 0 5 41选取阈值=0.9 9,故可将决策者1、2、3、4聚为一类,决策者5聚为一类,即表示为(1,2,3,4,)、(5)。进一步得出类间权重1=0.9 4,2=0.0 6。继 而 得 类 内 权 重1 1=0.1 8 7 4,1 2=0.2 2 6 4,1 3=0.2 9 6 9,1 4=0.2 8 9 3,2 1=1。故得出一级指标主观权重1=0.4 4 1 8,2=0.2 3 9 4,3=0.1 5 2 6,4=0.0 9 8 4,5=0.0 6 7 8。二级指标计算方法同一级指标一致,最终计算得各指标综合主观权重i=(0.1 5 2 8,0.1 2 7 1,0.1 6 1 9,0.0 3 3 0,0.1 0 8 6,0.0 9 7 9,0.1 5 2 6,0.0 3 5 4,0.0 6 3 0,0.0 3 4 3,0.0 0 7 0,0.0 1 4 3,0.0 1 2 2)。(2)客观权重。基于A EW客观赋权,得出各指标的反熵值h1i=(0.2 2 7 1,0.4 1 9 3,0.2 9 5 5,0.2 9 8 2,0.2 9 8 2,0.2 5 8 3,0.2 3 4 6,0.2 3 0 2,0.2 2 9 6,0.2 3 2 4,0.2 8 6 2,0.3 1 0 4,0.2 7 3 6),最终可得客观权重i=(0.0 6 3 2,0.1 1 6 7,0.0 8 2 2,0.0 8 3 0,0.0 8 3 0,0.0 7 1 9,0.0 6 5 3,0.0 6 4 0,0.0 6 3 9,0.0 6 4 7,0.0 7 9 6,0.0 8 6 4,0.0 7 6 1)。(3)综合权重。基于I CWG T组合赋权,得出主观、客 观 权 重 最 佳 综 合 分 配 系 数 分 别 为0.5 5 4 8、0.4 4 5 2,则综合权重i可表示为i=0.5 5 4 8i+0.4 4 5 2i,因此各指标的综合权重见图3。N510.112 9N120.122 5N130.126 4N210.055 3N220.097 2N230.086 3N310.113 7N410.048 1N42N510.04N520.039 3N530.046 4N54图3 各指标综合权重占比F i g.3 T h e p r o p o r t i o n o f t h e c o m p r e h e n s i v e w e i g h t o f e a c h i n d i c a t o r3.3 ICWGT-灰色投影法的隧洞塌方风险评价将表3中的数据基于灰关联投影模型进行计算,可得到各样本在理想样本上的评价标准灰关联投影值DB及灰关联投影值YB,DB与评级等级之间的关系见图4,各样本的灰关联投影角、YB值及所属等级见图5。最后根据图4、5,将评价标准灰关联投影值对隧洞塌方风险进行等级投影,易得灰色矢量投影模型下各样本的评价等级=(、)。级级级级劣于级级1.000 00.158 20.200 40.240 70.108 20图4 评价等级分布图F i g.4 S c h e m a t i c m a p o f t h e e v a l u a t i o n l e v e l d i s t r i b u t i o n a r e a20.4样本10.179 900.158 2 0.200 420.1样本20.153 300.108 2 0.158 226.6样本30.141 700.108 2 0.158 224.4样本40.173 500.158 2 0.200 424.20.155 300.108 2 0.158 2样本5(a)样本 的灰色矢量投影属性1(b)样本 的灰色矢量投影属性2()c 样本 的灰色矢量投影属性3(d)样本 的灰色矢量投影属性4(e)样本 的灰色矢量投影属性5图5 各样本的灰关联投影属性F i g.5 G r a y a s s o c i a t e d p r o j e c t i o n p r o p e r t i e s f o r e a c h s a m p l e421水 电 能 源 科 学 2 0 2 3年 第4 1卷第5期张建明等:基于多因子遴选和灰色聚类矢量投影法的隧洞塌方风险评价方法及应用3.4 实际等级及不同方法比对各评价样本从现场实际施工状况来看,样本1、4在施工时发生局部过度坍塌;样本2、3、5发生全断面塌方。因此,根据现场施工状态及文献3 对该五组钻爆法施工隧洞的统计评价,五组隧洞的塌方实际等级=(、),由此可知本文评价结果与实际等级均相符。并将本文评价模型与物元可拓模型、理想点法(欧氏距离)进行比对见表4。表4 不同评价方法评价结果比对T a b.4 A c c u r a c y c o m p a r i s o n b e t w e e n d i f f e r e n t e v a l u a t i o n m e t h o d s样本灰色矢量投影值本文模型实际等级理想点法(曼哈顿距离)物元可拓模型10.1 7 9 920.1 5 3 330.1 4 1 740.1 7 3 550.1 5 5 3 结合表4及实际开挖情况综合分析,本文模型、理想点法(曼哈顿距离)及物元可拓模型的评判准确率分别为1 0 0%、8 0%、6 0%,从结果上可判定本文模型的准确率较理想。从最终的评价结果来看,理想点法与物元可拓模型总体评价与实际情况存在偏差。究其原因在于理想点法无法考虑到评价中的模糊性与指标间的不确定性。而物元可拓模型在定性与定量视角分析客观事物所存在的矛盾性问题时具有显著效果,对于多因素之间的关联特性问题无法有效表达。此外,物元可拓模型分析时将特征值视为不动值,事物的随机性亦被忽略。灰色矢量投影模型充分考虑到了隧洞塌方风险评价中的“灰色特性”,原理易懂,计算更加简便,通用性及准确性更高。4 结论a.根据GAH P法建立了一套优选评价指标体系,在此基础上,提出了一 套G G C、A EW及I CWG T相结合的灰色聚类矢量投影模型,并将该模型应用于隧洞塌方风险评估中。b.实例应用结果表明,隧洞塌方风险评价等级与实际开挖情况吻合度较高,该模型不仅考虑了隧洞塌方风险评估的模糊性和不确定性,且可综合反映因素指标在空间中的影响,有效避免了隧洞塌方风险评估的单方向偏差,解决了隧洞坍塌评估中存在“灰色系统”的问题,在多因素模糊复杂的系统决策中发挥较好作用,且精度均高于理想点法及物元可拓模型。参考文献:1 何杜博,黄栋,石文成.基于群组D EMA T E L与灰关联投影的供应商质量绩效评价J.系统工程与电子技术,2 0 2 1,4 3(4):9 8 0-9 9 0.2 向思阳,蔡泽祥,刘平,等.基于AH P-反熵权法的配电网低碳运行模糊综合评价J.电力科学与技术学报,2 0 1 9,3 4(4):6 9-7 6.3 CHE N WU,Z HAN G GUOHUA,J I AO YUYON G,e t a l.U n a s c e r t a i n e d m e a s u r e-s e t p a i r a n a l y s i s m o d e l o f c o l l a p s e r i s k e v a l u a t i o n i n m o u n-t a i n t u n n e l s a n d i t s e n g i n e e r i n g a p p l i c a t i o nJ.K S C E j o u r n a l o f c i v i l e n g i n e e r i n g,2 0 2 1,2 5(2):4 5 1-4 6 7.R i s k A s s e s s m e n t o f T u n n e l C o l l a p s e B a s e d o n M u l t i-f a c t o r S e l e c t i o n a n d G r e y C l u s t e r i n g V e c t o r P r o j e c t i o n M e t h o dZ HANG J i a n-m i n ga,b,S H I K e-b i na,b,S HAN H o n g-z ea,S H I R e n-y ia,F U T a oa,L U Z h i-p e n ga(a.C o l l e g e o f H y d r a u l i c a n d C i v i l E n g i n e e r i n g;b.X i n j i a n g K e y L a b o r a t o r y o f W a t e r C o n s e r v a n c y E n g i n e e r i n g S a f e t y a n d W a t e r D i s a s t e r P r e v e n t i o n,X i n j i a n g A g r i c u l t u r a l U n i v e r s i t y,U r u m q i 8 3 0 0 5 2,C h i n a)A b s t r a c t:T h e r i s k a s s e s s m e n t o f c o l l a p s e o f t u n n e l i n v o l v e s m a n y f u z z y f a c t o r s a n d t h e e v a l u a t i o n m e t h o d i s c o m-p l e x,w h i c h m a k e s t h e e v a l u a t i o n s y s t e m c o n s t i t u t e a g r a y s y s t e m a n d t h e a p p l i c a b i l i t y o f t h e e v a l u a t i o n m e t h o d i s n o t h i g h.I t i s d i f f i c u l t t o a c c u r a t e l y a s s e s s t h e r i s k l e v e l o f t u n n e l l a n d s l i d e s.U s i n g t h e b a s i c i d e a o f g r a y s y s t e m a n d v e c t o r p r o j e c t i o n p r i n c i p l e,a s e t o f t u n n e l c o l l a p s e r i s k e v a l u a t i o n m o d e l b a s e d o n g r a y v e c t o r p r o j e c t i o n m e t h o d i s p r o p o s e d.B a s e d o n t h e c o m p r e h e n s i v e a n a l y s i s o f t h e i n f l u e n c i n g f a c t o r s o f t u n n e l c o l l a p s e u n d e r c o m p l e x s t r a t i g r a p h i c c o n d i t i o n s,t h e g r o u p a n a l y t i c h i e r a r c h y p r o c e s s(G AH P),w h i c h t a k e s i n t o a c c o u n t t h e d e g r e e o f d i f f e r e n c e i n t h e v i e w s o f d e c i s i o n m a k e r s,i s u s e d t o r e d u c e t h e d i m e n s i o n a l i t y o f t h e p r e-s e l e c t e d e v a l u a t i o n i n d e x s y s t e m.T h e n,a c c o r d i n g t o t h e c o m p r e-h e n s i v e d e c i s i o n w e i g h t c o e f f i c i e n t,1 3 p r e f e r r e d e v a l u a t i o n i n d i c a t o r s t h a t c a n f u l l y r e f l e c t t h e d i f f e r e n t,r e p r e s e n t a t i v e a n d h i g h l y d i f f e r e n t i a t e d e v a l u a t i o n i n d i c a t o r s o f t h e c o l l a p s e m e c h a n i s m a r e s e l e c t e d t o e s t a b l i s h a t u n n e l c o l l a p s e r i s k o p-t i m a l e v a l u a t i o n i n d e x s y s t e m.I n a d d i t i o n,g r e y g r o u p c l u s t e r i n g(G G C)a n d a n t i-e n t r o p y w e i g h t(A EW)a r e i n t r o d u c e d t o d e t e r m i n e s u b j e c t i v e a n d o b j e c t i v e s i n g l e-l e v e l s o r t i n g w e i g h t s,r e s p e c t i v e l y.T h e i m p r o v e d c o m b i n a t i o n w e i g h t i n g m e t h o d o f g a m e t h e o r y(I CWG T)i s u s e d t o o b t a i n t h e o p t i m a l c o m p r e h e n s i v e w e i g h t d i s t r i b u t i o n c o e f f i c i e n t t o d e t e r m i n e t h e t o t a l r a n k i n g w e i g h t o f t h e i n d i c a t o r.F i n a l l y,a c c o r d i n g t o t h i s m o d e l,t h e r i s k o f c o l l a p s e o f f i v e g r o u p s o f t u n n e l s w a s e v a l u a t e d b y t h e m o d e l.T h e r e s u l t s s h o w t h a t t h e r i s k a s s e s s m e n t l e v e l o f t u n n e l c o l l a p s e i s h i g h l y c o n s i s t e n t w i t h t h e a c t u a l e x c a v a t i o n.T h e r e l i a b i l i t y a n d a c c u r a c y o f t h e m o d e l a r e v e r i f i e d.K e y w o r d s:t u n n e l c o l l a p s e;r i s k a s s e s s m e n t;g r e y r e l a t i o n a l p r o j e c t i o n;m e t r i c s e l e c t i o n;g r e y g r o u p c l u s t e r i n g;i m-p r o v e d g a m e t h e o r y c o m b i n a t i o n w e i g h t i n g m e t h o d521