地铁隧道盾构法施工风险辨识评估研究综述

地铁隧道盾构法施工风险辨识评估研究综述

乔东

中铁三局集团天津建设工程有限公司 300000

摘要：随着我国交通工程的快速发展，在地铁隧道工程施工过程中，盾构法作为地铁隧道的主要施工方法之一，其诱发坍塌事故所造成的伤亡事件也愈发得到社会关注。本文主要梳理了全过程中存在的风险因子，探讨了基于机器学习算法的智能模型，在地铁盾构施工风险控制过程中的可行性与适用性，研究内容可为后续盾构施工的理论研究与实际工程提供参考依据。

关键词：地铁施工；隧道盾构；风险辨识评估

引言

随着我国地铁建设进入繁荣发展时期，矿山法、盾构法等地铁区间隧道施工工法也逐渐成熟稳定。其中，盾构法具有良好的安全性、环保性及便捷性等多种优势，已经成为地铁隧道建设的主要施工工法。然而，在实际施工过程中，管片渗水、管片错台、路面不均匀沉降、刀具损坏等问题会影响盾构法的施工质量。因此，必须运用有效可行的措施对盾构法施工质量进行控制，确保地铁隧道工程的建设质量。

1地铁隧道盾构概述

1.1盾构施工的优点

在工程施工中，由于工程场地及周围结构的复杂性和多样性，盾构法的应用越来越广泛。其优势在于，能有效地降低建筑工程对周围建筑的影响，并能有效地减少对周围建筑的影响。机械化程度较高的盾构工程，在作业过程中都要遵循一定的程序，从而能够对工程过程中出现的问题进行有效的管理和控制，既能降低对基层的影响，又能有效地计算出有关的资料。这种方式有很多好处，比如，不会受到天气的影响，不会对航行造成不良影响。

1.2盾构机的原理

盾构机是一种集电、机、液、传感等技术于一体，具有开挖切削土体、输送渣土、拼装管片等特殊功能，专用于隧道掘进的工程机械。盾构机的工作原理就是借助钢结构组件遵循隧道轴线向前掘进。“刀盘”和“盾壳”是钢结构组件的核心部件，刀盘的主要功能是通过破碎岩石或切削土体开挖掌子面，其面板可防止掌子面垮塌，合理的刀盘设计可满足软土、风化岩等不同地层的施工需求；盾壳的主要功能则是保护施工作业人员的人身安全以及确保内部机械能够正常运转，盾壳有效维持了周围土体、地下水的稳定性，掘进出渣、拼装管片等作业均在盾壳的保护下进行。盾构法隧道施工过程可以简单地描述为“开挖-衬砌-再开挖”的循环往复过程［1］。

2地铁隧道盾构法施工风险辨识与评估技术研究现状

2.1地铁隧道盾构风险管理技术研究现状

在隧道工程风险管理分析中，相关学者引入风险理论并提出了管理思路。从风险制度、风险应急方案与风险响应决策等方面进行了系统性总结归纳。针对于地铁盾构的风险控制管理技术，将地铁工程安全风险管理分为识别、警示、控制三个内容，并构建轨道交通工程质量精益控制模型、标准和平台。提出了适用于轨道交通工程地质灾害风险评价定量方法—属性区间评价理论(AIET)。综上可知，随着风险控制管理技术的发展，风险控制理论由指导性建议、方向性标准向着具体化操作、定量化描述发展，数理统计的方法逐渐在风险控制中发挥更重要的作用。

2.2盾构法施工风险辨识技术研究现状

盾构工程施工过程基于传感器监测技术分析监测数据，可评估工程风险的状态，但目前监测数据对于风险分析评估的研究还不够深入。随着信息化与智能化建设在地铁隧道盾构中的应用，相关学者针对于风险辨识的新技术研究也逐渐发展。基于B/S模式与ASP.NET原理，实时监测隧道盾构法工艺参数与周边环境参数，构建了Web平台的远程监控系统。将Aster数据库和ETL处理后的盾构施工数据同步到平台，利用关联分析和异常预测模型进行数据分析并将分析成果用可视化方式展现。利用3DGIS结合BIM模型拟合盾构施工地质情况与周边环境，并导入盾构施工数据从而建立4D动态施工风险可视化信息管理系统。建立盾构施工智能化平台，实现了盾构实时数据监控、量测数据监控、视频监控、安全风险综合管理等功能的一体化集成监控与管理。开发了基于移动互联的多数据盾构掘进信息监测管理平台，实现了沉降数据共享。综上所述，与传统的单一监测技术相比，融合多种监测手段的智能化管理平台在盾构隧道施工中的优势愈发明显，为更快更准地识别与定位风险点提供了重要手段，这也是未来隧道盾构法施工风险辨识的主要发展方向。

3机器学习算法在实际盾构工程风险管理中的运用研究

基于两套数据库分别开发了两种智能模型，用于预测土压平衡盾构施工过程中的沉降和施工前盾构参数，具体过程为：在设计阶段，分别建立了预测隧道沉降和盾构施工参数两种模型及对应的数据库。沉降预测模型使用的数据库包含5个盾构运行参数、5个地质参数和1个隧道几何参数。施工前盾构参数预测模型使用的数据库包含5个地质因素和1个隧道几何参数。采用80%数据记录用于模型训练，其余20%数据用于模型测试，不断对算法的超参数进行迭代优化，使得两个模型的性能满足预定义指标。在隧道施工前，将隧道沿线的地质和几何参数导入施工前盾构参数预测模型中估算盾构运行参数，导入沉降预测模型后输出预测的沉降值。设定好盾构工程的沉降容许值，如果预测沉降值>沉降容许值，则采用粒子群优化算法（PSO）与随机森林（RF）算法相结合，并利用网格搜索法对PSO-RF混合算法的结果进行验证。该隧道盾构工程在采用机器学习算法进行预测分析时取得了如下效果：（一）预测沉降值与实测值偏差在30%以内，预测准确度较高；（二）盾构运行参数调整后最大沉降量降低约87%，风险控制效果明显；（三）分析得出影响沉降风险的主控参数为掌子面压力和注浆量，并根据算法模型求得平衡沉降的技术手段，风险管理策略可具体化。

4目前研究中存在的问题与展望

地铁隧道盾构法施工风险的辨识与评估研究，已由传统的单一手段与方法向多物理量智能监测平台与技术、机器学习智能风险评估模型发展，无论是风险控制的效率还是准确度都得以提升，但是也存在着一些尚待解决的问题。（1）风险辨识技术与风险评估模型的动态反馈机制研究尚存在不足。多物理量智能监测平台与技术所获取的多种监测物理量信息处理能力不足，暂未把风险辨识技术与风险评估模型建立联动机制，实时完成辨识并评估并反馈风险值。（2）风险评估预警动态反馈指导盾构施工工艺参数的智能化研究尚较为缺乏。机器学习风险评估预测模型可在算法优化训练后实时独立完成风险评估，而盾构机系统的风险控制措施无法同步独立完成，在风险预测后无法建立控制措施与风险评估的动态联动机制。（3）针对于地铁盾构法施工诱发的坍塌事故重要风险点的风险辨识与评估研究尚待完善。

结束语

地铁盾构法施工诱发的坍塌事故与地质体受作用后的突变密不可分，目前针对于盾构法施工范围内的区域地质体应用新设备与新技术进行动态监测尚较缺乏，未建立基于岩土体-盾构体-周边建构筑物体的一体化监测平台。

参考文献

[1]周文波.盾构法隧道施工技术及应用［M］.北京：中国建筑工业出版社，2004.

[2]王岚.城市地铁盾构施工技术应用与质量控制［J］.中华建设，2019（12）：116-117.

[3]肖润宝.盾构机掘进复杂地质地层的计价调整方案浅析［J］.工程造价管理.2017（4）：56-64.

[4]张天明.浅谈盾构下穿建筑物掘进参数控制［J］.现代隧道技术，2012，49（2）：92-98.

[5]王海平.北横通道盾构穿越天目路立交桩基的分析［J］.低温建筑技术，2013，35（11）：97-99.

[6]陆正.盾构近距离穿越运营地铁隧道的施工［J］.建筑施工，2022（5）：141-147.