英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
一种评估TBM隧道岩土灾害的方法-以希腊雅典地铁为例
摘要:
意外的地面状况一直是隧道掘进行业的主要问题。随着发展新的地下结构的需求，无论地面条件，已增加，安全和风险的考虑变得更加重要。本文提出的方法旨在识别风险易发区，同时考虑了地面条件的不确定性。它的重点是TBM隧道掘进，可以在项目的早期阶段实施。该方法基于岩石工程系统原理，引入易损性指标的概念来确定参数的权重，并通过概率建模来解决参数值的不确定性。通过雅典地铁的实例分析，验证了该模型在实际施工条件下的性能
2004年爱思唯尔有限公司保留所有权利。
关键词:风险评估;TBM隧道;脆弱性指数
1.介绍:
地下建筑项目常常会遇到一些意外的地面条件，威胁到成本和进度的实现。利用先进的调查技术和数值方法，有助于对地下进行更全面的分析;然而，无法成功克服这种“紧急事件”的项目可能是[1]的大多数案例。因此，现在关于地下建筑的主要问题已经从“是否可以建造”转变为“采用哪种施工方法最合适，这样做的后果是什么”。
在城市环境中建立地下基础设施对隧道工程师提出了新的挑战。引人注目的工程不仅要克服现有城市功能所带来的限制，还要处理对其他基础设施或财产造成损害的误差幅度可能非常小的事实。此外，使用隧道掘进机(TBM)，一方面提高了掘进速度，但另一方面却发现很难绕过原先预期之外的地面条件[3,4]，增加了风险。如果一切按计划进行，每个人都可以宣称成功;然而，在遇到严重问题的情况下，责任可以从一个转移到另一个。为了避免这种不幸的情况，至关重要的是评估可能对挖隧道行动构成威胁的地区，并查明这类问题的严重程度。
尽管上述问题已被许多研究者研究过，但仍是隧道界关注的问题。在其他研究人员中，爱因斯坦[5-7]在引入隧道数据挖掘中的决策辅助方面所做的努力值得注意。DAT模拟隧道施工，研究不同施工方法对施工成本和工期的影响。Marinos等人[8]使用地质标准，特别是地质类别的相对发生情况，从调查钻孔到整个隧道剖面。以隧道建设的“友好性”来描述预期的条件。Alvarez Grima等人[9]采用了一种不同的方法，采用神经模糊模型来评估新项目的TBM性能，该方法基于640个隧道项目的数据库，其中明确记录了地质和机械特性。最后，Barton[10]提出了Qtbm;一个从q系统和关键机器参数改编的指标，试图在地面性能和TBM性能之间建立直接联系(推进率- ar;渗透rate-PR;utilisation-U)。
很明显，有大量正在进行的研究试图阐明和制定答案，涵盖隧道开挖可能引起的风险的所有方面。同样，本文对地下条件的不确定性进行了管理，主要集中在工程的第一阶段。这些初始阶段对项目的成功至关重要，因为此时施工指南和最终决定已经成形;因此，有必要对地下条件有更清晰的认识，从而调整施工系统，更有效地满足场地的具体需求。然而，在这段期间，必须克服的主要障碍是输入数据的不确定性。
本文的目的是建立一个全面的评估指标，在TBM掘进作业中可能遇到的问题，并纳入分析与地质介质相关的不确定性和变异性。因此，通过一个共同的参考量表，可以对潜在的问题区域和遇到的危险程度进行积极的评估。在这种方式下，引用Alastair Morton[12]爵士的建议，隧道工程师的主要挑战是解决和管理隧道施工中的风险因素。
2. 雅典地铁问题
在TBM开挖过程中所遇到的问题因地质环境的不同而不同。例如，在硬岩项目中，由于频繁更换刀具，刀具磨损和延迟的情况并不罕见;在挤压地面时，主要的问题是隧道的大规模变形，甚至会导致机器[13]的堵塞。
以雅典地铁为例，问题主要与软土地基的存在引起的不稳定和超冲有关。此外，雅典片岩的不稳定行为和建筑物的表面负荷也导致了许多类似的问题，甚至地表坍塌。这些都对项目的形象产生了负面影响，并引起了工程界的负面评论[14,15]。隧道在松软的地面环境中,在雅典,更为复杂,因为地面条件的变化可以显著影响隧道的发展,导致无聊甚至相当大的变化,有时,使不可避免的使用系统的地面预处理,以克服这种困难的地区。
该方法主要针对软土地基环境下TBM隧道施工中遇到的问题。因此，遇到的主要风险条件是:
*面临不稳定/崩溃和突破
*表面定居点
*水流入
3.编制脆弱性指数(VI)方法
为了识别可能对隧道施工造成问题的脆弱区域，应考虑两个主要问题。第一个问题是识别负责风险事件发生的参数，分析它们的行为，并评估每个参数在整体风险条件下的意义。不仅理解每个参数的相对重要性是至关重要的，而且在分析中还应该综合评估它们的相互作用机制，因为对建筑的潜在威胁可能来自于参数之间的关键相互连接。第二个问题是考虑参数值的不确定性和可变性。因此，仅仅依靠收集的数据的平均值并不是一个谨慎的方法，因为调查可能会破坏正常隧道过程的极端值(或高或低)的发生可能性可能更为重要。
为了将上述问题纳入拟议的方法中，采用了两种方法。第一种方法利用岩石工程系统(RES)原理，如Hudson[16,17]所示，集中研究岩体不同变量和组成部分之间的相互作用，试图将各方面考虑在内。在这种方法中，用来描述和分析主要参数及其交互机制的基本装置是一个交互矩阵。通过该矩阵可以评价各参数的相互作用强度，并从整体上评价各参数在系统中的相对权重。
第二种方法,管理和评估的不确定性,是通过选择一个篇文章新闻A.G. Benardos特区Kaliampakos /国际岩石力学和采矿科学杂志41(2004)987 - 999 988数据值概率方法,使可能的系统不确定性的表达方面定量条款[18]。正如Hoek[19]所指出的，岩土材料特性的不确定性以及在选择适当的分析值时必须非常小心，这促使包括他自己在内的一些作者提出，岩土分析的传统确定性方法应该被概率方法取代。更具体地说，使用的是对已知输入概率分布的样本应用随机数并确定特定结果的蒙特卡罗技术[20]。
此外，该系统平台是一个地理信息系统应用程序，方便绘图和管理输入数据。此外，地理信息系统模型还用于数据的空间建模以及评估区域的最终可视化和分类。
所建议的方法(图1)的基本步骤是:*为其不同价值类别确定主要参数及评级分配。*统计分布的定义，模型参数的行为和概率建模使用蒙特卡罗模拟。*通过生成交互矩阵，分析和汇总所选参数对隧穿过程的影响。*脆弱性指数估计。
为了评估模型的性能，最后阶段包括模型验证与隧道施工期间遇到的实际条件。该模型适用于Katehaki和Panormou站点之间的距离(图2)，总长度为1129.36 m，开挖直径接近9.5 m[21]。模型中检查的部分包括1077.05米，即不包括前53米，因为在这一长度中，机器操作的细节和调整已经完成。因此，这个学习曲线周期不能代表掘进过程，不能进行进一步的处理。考虑的隧道长度分为11个控制区(段)，进行脆弱性指标评估。每个部分代表一个调查区域100?100米，遵循TBM链(ch.)，从ch. 11 100到ch. 10 023。除了最后一段(11段)的长度限制在77米之外，每段都有100米的隧道长度。分析范围为12 m厚土层，随掘进深度，沿锚链范围从 120 m到 156 m。
3.1。主参数选择
主要参数的选择进行了分析牢记的最有效和可信的表示地面条件,即地质、工程地质和水文地质环境属性,以及其他相关数据网站具体情况(即外部加载的建筑物,等等)。在这样做的过程中，人们可以发现许多因素，每一个因素都影响着岩体的整体行为。但是，下面给出的参数是最重要的参数，也是最容易获得的参数，而不必诉诸特殊的实地调查技术。此外，Benardos等人在[22]中指出，这些参数中的大部分已经被研究人员提出作为评估TBM的掘进性能。这些参数为:*岩体破裂度，用RQD - (P1)表示。*岩体风化程度- (P2)。*过载系数-稳定系数(N) - (P3)。*以RMR分级表示的岩体质量- (P4)。*岩石单轴抗压强度- (P5)。* Overburden-construction深度- (P6)。*地下水位相对于隧道深度所代表的水文地质条件- (P7)。*岩体渗透率- (P8)。
理想情况下，选择的参数应该相互独立，避免任何可能影响最终结果的重复计算。然而，上面列出的一些参数在它们之间确实有一定程度的互连(例如RQD和RMR，因为RQD包含在RMR组成参数中)。然而，这并不被认为是一个困难，因为每个参数都用来描述与可能出现的问题有关的具体问题。例如，RQD值用来描述岩体的破碎程度;RMR表示岩体质量，可作为评价开挖站立时间的指标。因此，包括这些信息的选项可以进一步提高模型的识别能力，不仅用于作为一个整体的危险指数，而且有助于指示可能的相关问题或故障模式。例如，即使在总体RMR值相同的情况下，也可能出现类似的行为，但在这些情况下，裂缝和节理网络的差异可能会导致不同的稳定性条件。
下一步是根据各参数在脆弱性条件下的作用对其值进行评级。评级采用区间量表法，共分为4类，从0到3，其中0表示最坏情况(最不利)，3表示最好情况(最有利条件)。每一类的限制都代表了特定的场地条件和机器特性。以雅典地铁为例，隧道建造在相对较低的深度，一般是在软土地基条件下，使用双盾构TBM机。各参数的等级如表1所示。特别关注值的较低范围，以覆盖最关键的情况，并增强这些类中的分析分辨率。
3.2。为参数的行为建模的统计分布的定义
描述参数行为的统计分布的定义用于进行概率建模。这些参数可以分为两类:一类是与地质构造(岩性)有关的参数，如完整强度、渗透率等;而第二组参数仅表征其相对位置(空间数据)，如断裂度、施工深度等。
尽管岩性非常重要，但并没有选择它作为主要参数，因为考虑到每个储层中发生的变化，从定量的角度确定其价值并不容易。相比之下，对其属性(如强度)建模是一项更安全、更简单的任务。因此，对于特定区域，与地质构造相关的参数值，计算为每个地质构造参数值的组合概率乘以该特定区域内地质构造发生的概率的乘积。
例如，考虑k个地质构造，即，在某一特定区域有发生的可能性，
也表示w1和w2;作为参数值，具有出现的概率
分别为每个地质构造。问题是评估值w1和w2在该特定区域的概率。这可以通过以下公式实现:
在该模型中，地质地层发生的概率被视为空间数据。在数据缺失或不完整的情况下，描述参数值的概率分布根据现场调查结果，甚至根据工程判断和相关文献进行评估。
研究区发现的主要地质单元有:砂岩-S、粉砂岩-S、角砾岩-b、灰岩- l和砾岩- cg。对于所有单元，对其发生概率进行空间建模，然后对所有其他空间参数进行建模。这项分析是基于地理信息系统应用程序的空间建模能力，将从大约16个钻孔收集的数据作为输入。以图3为例，给出了RQD值的空间建模，覆盖了Katehaki-Panormou地铁隧道更广泛的区域。
描述所有相关参数值的分布可以通过这种空间模型找到。在11个区段中的每一个，每个参数的空间行为被识别和转换为各自的统计分布。例如，表2列出了第10段(第10 200段至第10 100段)有关地质地层发生概率的统计数据。角砾岩(b)、砂岩(S)和粉砂岩(S)是该区的主要地质单元，其统计和对比资料较为清晰。
将每个参数的分布作为输入进行概率建模。对每个参数应用表1中的评级后，同样以分布形式出现的结果被转化为离散概率结构。对于11个分析段中所有涉及的参数，如图4所示。查看这里显示的数据，可以看到各部分参数值的重要变化——因此有了第一个与隧道施工有关的岩体行为指示。
3.3。生成交互矩阵和相关参数值
相互作用矩阵的生成有助于评价整个岩体系统中各参数的权重。主参数(Pi)沿着矩阵的主对角线列出，相互作用放置在非对角线单元上。利用Hudson[17]提出的ESQ(专家半定量)编码方法，识别了这些参数之间的相互作用机制，并对其强度进行了评估。根据这种编码技术，交互强度用0 ~ 4，从“无交互”到“关键交互”的整数值表示，如表3所示
表4给出了所检查的地铁情况的矩阵，其中对所有主要参数之间的交互作用进行了评估和编码。主参数从左上到右下沿矩阵的主对角线排列;然后相互作用用非对角线框表示，按顺时针惯例。例如，岩体的压裂程度(P1)对风化程度(P2)(如表4顶部第二行框中值4所示)、RMR (P4)和水文地质(P7)有重要影响，同时与渗透率(P8)有很强的相互作用。渗透率与覆盖层深度(P6)无相互作用，仅对抗压强度(P5)有轻微影响
因此，矩阵使用顺时针惯例描述了参数对彼此的“原因”(C)和“影响”(E)。更具体地说，编码值的总和，每个值为Iij;在通过Pi的行中;表示介子对系统中所有其他参数的影响。“原因”的价值。相反，通过pi0的列中编码值的总和代表了其他参数，即系统的其余部分对pi的影响，即[17]的“效应”。
因此，评估如下:
参数受系统影响的程度:各参数的交互强度值表示为C值和E值的总和(C thorn; E)，作为参数在系统中的显著性指标。所选案例的C thorn; E直方图如图5所示。可以看出，对于正在调查的案件来说，这些价值并没有广泛传播明各参数的重要性无显著差异;而岩体等级、裂隙程度和水文地质条件三者之间的交互作用最大，覆盖层之间的交互作用最小。综上所述，取(C thorn; E)的百分比值作为参数的权重因子(ai)(表5)，其表达式如下:
式中Ci:第i个参数的原因，Ei:第i个参数的影响，i:主参数个数。
3.4。脆弱性指数估计
最后阶段包括漏洞索引- vi[23]的估计。如前所述，VI可作为调查区域在隧道施工阶段遇到的潜在问题(不稳定/沉降/流入)的总体指标。它表示为离
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[259237]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
