隧道监测多源数据综合评估模型改进及应用_尚金光.pdf

影响隧道结构健康的因素众多,关系十分复杂,这些因素自身表现为随机性,与健康状态的关系又表现为模糊性1。面对这样一个随机、灰色、模糊的工程问题,典型的多因子、多指标的复杂非线性系统,即使是经验丰富的专家也很难直接给出评估结论。按照目前测绘信息化技术,对此类复杂建构筑物监测,外业一般采用物联网架构通过各类传感器采集多源状态数据,而数据中心则建立多源数据综合评估模型进行。这时,有必要把隧道工程健康监测安全评估这样的复杂问题,分解为多个层次相对简单的问题,进行分析评估。目前关于这方面的评估方法有层次分析-模糊综合评估、变权综合评估、主成分分析法、灰色关联度评价法、神经网络法以及特尔斐专家评估法等。作为将定性分析和定量计算相结合的层次分析-模糊综合评估模型(AHP-FCE),它恰到好处地将模糊数学理论运用到复杂工程的多层次安全评估中。客观上由于工程结构及其周边环境的复杂性、灰色性,使得人类的认识存在很多模糊性2,根据不相容原理 “当一个系统复杂性增大时,它精确化的能力将减小,当达到阈值以上时,复杂性和精确性将相互排斥。”3这就意味着系统复杂性越高,影响问题求解的因素就越多,精确化就越难以达到,从而很难求得“最优解”。因此,在严密的定量计算和一定的定性认识的基础上,进行模糊综合评估才可以得到一个更加科学合理的结果,称之为“满意解”。随着物联网技术在变形监测领域的逐步应用4-9,不同层次的监测数据便可实时提供,从而为模糊综合评估模型的应用打好了基础。1 隧道监测体系与评估模型1.1 基于物联网模式的隧道监测系统如图 1 所示,运营隧道物联网监测体系的技术架构有3 个层次:感知层、网络层和应用层。根据物联网 3 层技术架构设计隧道工程变形监测预警系统的组成如下8:1)感知层:采用 TPS 全站仪、GPS 接收机以及 DT80G传感器等作为采集设备。2)网络层:采用串口通信、光纤通信、移动通信以及互联网等作为通信技术。3)应用层:通过在服务器端设计开发监测系统(Tun-nel_GeoNMOS)达到变形监测的目的。图 1 隧道监测物联网技术架构图Fig.1 Technical architecture of tunnel monitoring IoT1.2 隧道健康状态指标体系运营状态下的隧道病害分为衬砌裂缝、渗漏水、衬砌材质劣化、衬砌背后空洞、衬砌位移或变形、衬砌压溃或剥落、基底病害等 7 项内容,这些状态数据可通过感知层周期性或实时获取,由此建立三层递阶层次的隧道工程健康状态综合评判指标体系,见表 1。1.3 层次分析法权重估计由于各个监测因子在隧道工程健康状态综合评判中的重要程度不同,需要估计各层次中监测因子的权重2,8。分析过程如下:1)构造判断矩阵判断矩阵通常引用19 标度法8分别对每一层次的评价指标的相对重要性进行定性描述,并用准确的数字进行量化表示,确定两两比较判断矩阵10-12。假设同层共有 t 个因素 max,对所有因素进行成对比较,若 max与max相比得 max,则 max与 max相比得 max,从而可以得到一个 max的判断矩阵 max。2)确定指标权重判断矩阵 U 可以计算出它的最大特征值 max,以及对应的特征向量 W。将 W 归一化后即为同一层次因子相对上一层次对应因素重要性的权重 CR=CI/RI。表 1 隧道工程健康状态指标体系Tab.1 Health index system of tunnel engineering目标层准则层指标层运营隧道健康状态U衬砌裂缝 U1渗漏水 U2衬砌材质恶化 U3衬砌背后空洞 U4衬砌位移 U5应力应变 U6基底病害 U7裂缝长度 U11裂缝宽度 U12裂缝深度 U13漏水状态 U21PH 值 U22冻害 U23衬砌强度不足 U31衬砌厚度不足 U32空洞长度 U41空洞深度 U42位移量 U51净空不足 U52应力值 U61温度值 U62底板裂损 U71基底翻浆 U72 3)一致性检验应用层次分析法确定权重,保持判断思维的一致性是非常重要的8。思维的一致性是指在判断指标重要性时,各判断结果之间应协调一致,不致出现相互矛盾。在多阶判断的条件下极容易出现不一致情况,因此,需要对构造的判断矩阵进行一致性检验。定义随机一致性比率:CR=CI/RI(1)其中,CI=max-tt-1为一致性指标,计算公式如下:CI=max-tt-1(2)式中,t 为判断矩阵阶数,max为最大特征值,u U 为平均随机一致性指标,取值参考表 2。表 2 平均随机一致性指标 RI 对照表Tab.2 Comparison of average random consistency index RItRI10.0020.0030.5840.9051.1261.2471.32 当 CR0.10 时,则判断矩阵可以接受,否则应对判断矩阵进行调整,当层次大于 2 时,还需要做整体一致性491 测绘与空间地理信息 2023 年检验。1.4 单因素模糊评判矩阵计算单因素隶属度是指此因素对评语集的隶属度,设给定论域(指标因素)U,其上一个模糊子集 V,指的是对于u U 都指定了一个 f(u)0,1 与 u 对应,称为 u 对V 的隶属度。这就意味着做了一个映射,这个映射称为 V的隶属度10。f:U F(V),u U(3)一个因素往往含有多个指标,就构成了单因素隶属度矩阵 R。矩阵 R 的第 i 行第 j 列表示从第 i 个因素来看,对 j 级评语的隶属度。当对多个目标进行综合评价时,还要对各个目标分别加权,设第 i 个目标权系数为 Wi,则可得权系数向量:W=(w1,w2,wt)。1.5 模糊综合评估1.5.1 一级模糊综合评估评估模型可以表示为 Bi=Wi Ri,i 表示准则层序号,表示模糊乘法算子。模糊乘法就是模型变换方法,可以分为以下 4 种:1)主因素决定型 M(,);2)主因 素 突 出 型 M(,);3)不 均 衡 平 均型 M(,+);4)加权平均型 M(,+)。这里我们采用加权平均模型,即 Bi=Wi Ri。1.5.2 二级模糊综合评估将各准则层按一级模糊综合评估方法计算得到的 Bi综合起来,即可得出整体 R。同样采用加权平均方法,可求得二级模糊综合评估矩阵 B=W R,二级模糊综合评估模型流程如图 2 所示。图 2 二级模糊综合评估流程图Fig.2 Two level fuzzy comprehensive evaluation process1.6 广义安全系数计算由于一级模糊综合评估和二级模糊综合评估都是采用加权平均法,因此,评估结果的分析方法也倾向使用加权平均法。这样,广义安全系数的计算公式如下:v=nj=1b(j)v(j)(4)2 基于预警区间的权距离模糊转换任何指标的评定最终都要归结为安全评语,一般安全系数的取值范围为0,1,因此,需要将安全评语集归一化13。如四级安全评语集归一化后,用 V 表示如下:V=V(j),j=1,2,3,4=1.00,0.67,0.33,0.00=安全,轻微,较严重,严重(5)隧道工程评估过程中,权重不会变,变化的只是各个因素对安全评语的隶属度矩阵。因此,在完成层次分析之后,最关键的一步就是将定量的实测数据转换为定性的评语等级14-15,再转换为定量的隶属度矩阵,这个过程称为“模糊转换”。从相关性看,监测值距离预警等级越近,隶属于相应的“安全”或者“严重”的度量越大。但是评语等级为四级区间,预警标准为三级区间,两者并不一一对应。因此,笔者提出“基于预警区间的权距离”来确定安全评语 V(j)与监测值 Um(i)的隶属度 Rt(j),数学模型如下:1)若 Um(i)Um(1),即 Um(i)x/3,则Rt(j)=1.0,j=10.0,j=20.0,j=30.0,j=4|(6)2)若 Um(1)Um(i)Um(2),即 x/3 Um(i)2x/3,则Rt(j)=12Um(2)-Um(i)Um(1)+Um(2),j=10.5,j=212Um(i)-Um(1)Um(1)+Um(2),j=30.0,j=4|(7)3)若 Um(2)Um(i)Um(3),即 2x/3 Um(i)x,则Rt(j)=0.0,j=112Um(3)-Um(i)Um(2)+Um(3),j=20.5,j=312Um(i)-Um(2)Um(2)+Um(3),j=4|(8)4)若 Um(i)Um(3),即 Um(i)x,则Rt(j)=0.0,j=10.0,j=20.0,j=31.0,j=4|(9)公式(6)(9)表示的是对某个指标层监测结果的定量计算,公式结合了监测量、预警标准和评语等级三者的关系,得出了该指标的健康状态隶属度 Rt(j)。当监测值小于 III 级预警或者大于 I 级预警时,隶属度中相应评语集的值为 1.0,其他元素为 0.0;当监测值处于两级预警之间时,隶属度元素需要根据状态值进行分配计算,但需满足4j=1Rt(j)=1.0。3 实例分析地处新疆丘里塔格山盐水沟自然风景区的克拉 2 气田外输管道盐水沟隧道,主体全长(斜长)1 980.01 m,坡度-37.5,建立了“克轮输气管线盐水沟隧道监测预警系统”。隧道的工程病害程度并不固定,而是分段的,盐水沟隧道就非常明显地分为 4 段。下面以盐水沟隧道 SK500SK1000 里程段的监测数据为例,计算结果见表 3。591第 4 期尚金光等:隧道监测多源数据综合评估模型改进及应用1)监测数据信息表 3 SK500SK1000 里程段监测信息Tab.3 Monitoring information of SK500SK1000裂缝长度 U11100 m裂缝宽度 U121 cm裂缝深度 U135 cm漏水状态 U213-严重pH 值 U225.6-弱酸冻害 U233-严重衬砌强度不足 U313-严重衬砌厚度不足 U323-严重空洞长度 U411 m空洞深度 U4210 cm位移量 U511 cm净空不足 U523.5 m应力值 U6110 N温度值 U6260 摄氏度底板裂损 U713-严重基底翻浆 U723-严重 2)单因素状态判定的隶属度矩阵R1=0.310.500.190.000.170.500.330.000.001.000.000.00|R2=0.001.000.000.001.000.000.000.001.000.000.000.00|R3=0.350.500.150.001.000.000.000.00|R4=0.440.500.060.000.001.000.000.00|R5=0.450.500.050.001.000.000.000.00|R6=1.000.000.000.000.330.500.170.00|R7=0.000.260.500.241.000.000.000.00|3)指标层的层次判断矩阵及其特征向量U1=1.001.003.001.001.003.000.330.331.00|W1=0.429,0.429,0.142()U2=1.003.003.000.331.001.000.331.001.00|W2=(0.600,0.200,0.200)U3=1.001.001.001.00|W3=0.500,0.500()U4=1.001.001.001.00|W4=0.500,0.500()U5=1.000.333.001.00|W5=0.250,0.750()U6=1.003.000.331.00|W6=0.750,0.250()U7=1.001.001.001.00|W7=0.500,0.500()4)一级评判结果 BiB1=0.2060.5710.2230.000B2=0.4000.6000.0000.000 B3=0.6750.2500.0750.000B4=0.2200.7500.0300.000B5=0.8630.1250.0130.000B6=0.8330.1250.0430.000B7=0.5000.1300.2500.1205)准则层的层次判断矩阵及其特征向量U=1.003.003.003.003.007.007.000.331.000.333.000.335.005.000.333.001.003.000.335.005.000.330.330.331.000.333.003.000.333.003.003.001.005.005.000.140.200.200.330.201.000.330.140.200.200.330.203.001.00|W=0.339,0.121,0.167,0.074,0.231,0.029,0.039()6)二级评判结果 BB=0.5130.3820.0950.0107)广义安全系数 vv=0.794将盐水沟隧道按照每 500 m 为一段进行评估,按照上面的步骤,可计算出整个隧道 2 km 的评估结果,形成如图3 所示的广义安全系数与里程的对应曲线。图 3 广义安全系数评估与里程对应曲线Fig.3 Corresponding curve between generalized safety factor evaluation and mileage4 结束语将精密工程测量技术、传感器技术与专家系统融为一体,采用层次分析-模糊综合评估模型有效地得出了物联网监测模式下隧道的安全评语。应用“区间广义权距离”推导监测值、预警值与安全评语三者之间的数学关系(下转第 200 页)691 测绘与空间地理信息 2023 年图 4 山体断层解译图Fig.4 Interpretation map of Mountain Fault3 结束语鉴于常规测绘方法应用于地质灾害应急测绘存在的问题,本文对机载 LiDAR 新型测绘手段进行了相关研究,经实例验证,得出以下结论:1)机载 LiDAR 可同时获取地面影像和三维点云数据,并能快速生成 DOM、DEM、DLG 等测绘产品,丰富了受灾区域地形地貌信息的表达。2)机载 LiDAR 获取的点云数据具有良好的精度,经实地检测,平面和高程精度都能满足相关规范的要求。3)利用机载 LiDAR 对植被的穿透性精确建立受灾区域 DEM,可计算出灾害堆积体的相关数据,并能清晰识别山体的裂隙情况,为灾害预测提供重要依据。研究结果表明,机载 LiDAR 应用于地质灾害应急测绘具有独特的优势,相信随着激光扫描设备不断朝着小型化和平民化的方向发展,机载 LiDAR 具有广阔的应用前景。参考文献:1 张春泉,侯勇涛,杜雁欣.机载 LiDAR 在地质灾害应急测绘中的应用研究J.现代测绘,2020,43(5):1-3.2 张小红.机载激光雷达测量技术理论与方法M.武汉:武汉大学出版社,2007.3 李雪松.机载激光 LiDAR 原理及应用J.测绘与空间地理信息,2015,38(2):221-224.4 佘金星,程多祥,刘飞,等.机载激光雷达技术在地质灾害调查中的应用:以四川九寨沟 7.0 级地震为例J.中国地震,2018,34(3):435-444.5 蔡悦.机载激光 LiDAR 在密林山区测绘中的应用研究J.测 绘 与 空 间 地 理 信 息,2020,43(3):157-159,164.6 罗芬,刘明.基于激光雷达测绘技术在矿山地形测量中的精度研究J.世界有色金属,2020(18):33-34.7 李洪梁,施富强,王立娟.基于三维激光扫描技术的金沙江“1103”白格堰塞湖应急测绘研究J.金属矿山,2021(4):154-159.8 彭劲松,许俊,李娟,等.机载激光测量系统在地质灾害中的应用J.测绘通报,2018(9):160-162.9 覃事河.基于三维激光扫描技术的滑坡监测预警研究J.四川水力发电,2021,40(1):123-126,130.10 杨燕,杜甘霖,曹起铜.无人机航测技术在地质灾害应急测绘中的研究与应用:以 9.28 丽水山体滑坡应急测绘为例J.测绘通报,2017(S1):119-122.11 刘宇平,梁虹,陈菲菲.高精度机载 LiDAR 在小江活动构造和地质灾害研究中的应用J.地质力学学报,2016,22(3):747-759.编辑:姚正明(上接第 196 页)给出隶属度的计算模型,得出广义安全系数。结合盐水沟隧道监测预警实例,绘制了隧道安全系数随里程的分布图。评估模型可进一步推广至公路、高铁、地铁等线性工程。参考文献:1 杜栋,庞庆华.现代综合评价方法与案例精选M.北京:清华大学出版社,2005.2 李明,陈洪凯.隧道健康动态评价模型与应用J.重庆大学学报,2011,34(2):142-148.3 ZADEH L A.Fuzzy setsJ.Information and Control,1965,8(3):338-353.4MICHAEL A.DUFFY C H,CECILIA W.An automated and intergrated monitoring program for Diamond Valley Lake in CaliforniaC.The l0th FIG International Sympo-sium on Deformation Measurements,S.l.:s.n.,2001.5 李猛.重庆市南城隧道病害监测及安全评估方法研究D.重庆:重庆交通大学,2013.6 谢永利,王亚琼.在役隧道结构安全、健康监测与评估J.中国公路,2017(13):57-60.7 LEE J S.Installation of real-time monitoring system for high-speed railroad tunnelJ.Korean Tunnel Associa-tion,2001(3):63-67.8 尚金光.基于物联网模式的隧道变形监测预警系统研究D.成都:西南交通大学,2012.9 尚金光,张献州,官超伟.高速铁路沉降评估中工程沉降和区域沉降的可区分性研究J.测绘科学,2013,38(1):84-86.10 洪平,刘鹏举.层次分析法在铁路运营隧道健康状态综合评判中的应用J.现代隧道技术,2011,48(1):28-32.11 张鸿,刘优平,黎剑华,等.基于模糊理论的隧道施工安全预警模型研究及应用J.中国安全科学学报,2009,19(4):5-10.12 魏纲,周琰.邻近盾构隧道的建筑物安全风险模糊层次分析 J.地 下 空 间 与 工 程 学 报,2014,10(4):956-961.13 亓晓贵,陈一洲.基于模糊层次综合评判法的隧道坍塌风险评估J.安全与环境学报,2016,16(5):37-40.14任长吉.公路隧道围岩稳定性分析及支护对策研究D.长春:吉林大学,2008.15 中华人民共和国铁道部.铁路运营隧道衬砌安全等级评定 暂 行 规 定 S.北 京:中 华 人 民 共 和 国 铁 道部,2004.编辑:刘莉鑫002 测绘与空间地理信息 2023 年