基于动态贝叶斯网络的TBM卡机风险预测

• 作者: 颉芳弟 翟强 顾伟红
• 来源期刊: 浙江大学学报（工学版）
• 关键词: 隧道掘进机(TBM) 卡机风险预测 贝叶斯网络(BN) 粗糙集 云模型
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 土木工程、水利工程|Civil Engineering, Hydraulic Engineering
• 页码范围: 1339-1350
• 页数: 12页
• 分类号: TU94
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2021.07.013

摘要

为了预测隧道机械施工时隧道掘进机(TBM)卡机风险,基于动态贝叶斯网络(BN)分析卡机概率系统.通过专家知识以及解释结构模型确定风险因素和风险事件的因果关系,收集国内隧道机械施工地质条件实测数据,根据相关规范、研究成果和云模型云间划分法对风险指标进行区间划分,运用粗糙集分类原理对数据进行离散化,获取风险因素的原始先验概率和风险事件的条件概率.结合软件GENIE,建立动态BN模型预测卡机风险.结果表明:在无证据条件下,TBM卡机风险概率为8％;造成TBM卡机的关键风险因素是岩石类型、大量的地下水和断裂破碎带.TBM卡机的关键致因链为岩石类型→掌子面突泥涌沙→卡刀盘→卡机,大量的地下水→掌子面突泥涌沙→卡刀盘→卡机,高地应力→软岩大变形→卡护盾→卡机,围岩坍塌→卡护盾→卡机.