Resumen

En vista de las deficiencias en la evaluación del riesgo de los túneles enterrados a gran profundidad, se propone un método de evaluación dinámica del riesgo basado en una red bayesiana. De acuerdo con las estadísticas de los casos, se obtienen un total de 12 factores específicos de clasificación de riesgos y se dividen en tres tipos: factores objetivos, factores subjetivos y factores de supervisión. Se determinan los criterios de clasificación de los factores de calificación de riesgos y se establece un sistema dinámico de calificación de riesgos. A partir de este sistema se construye una red bayesiana basada en el conocimiento de los expertos y en los datos históricos. Los nodos de la red bayesiana se corresponden uno a uno con los tres tipos de factores que influyen, y se determina la distribución de probabilidades. Se realizan análisis probabilísticos posteriores y de sensibilidad, y los resultados muestran que los principales factores de influencia obtenidos por los dos métodos son básicamente los mismos. El modelo de evaluación del riesgo dinámico construido se ve más afectado por la calificación de los factores objetivos y la calificación de los factores de supervisión, seguidos de la calificación de los factores subjetivos. La calificación del riesgo dinámico se ve afectada principalmente por el nivel de roca circundante entre los factores objetivos, la gestión de la construcción entre los factores subjetivos, y la convergencia de la corona del arco y el desplazamiento de la pared lateral entre los factores de supervisión. El método de evaluación del riesgo dinámico basado en la red bayesiana se aplica al pozo inclinado nº 3 del túnel de Humaling. De acuerdo con el ajuste de los datos de monitorización y las condiciones geológicas, la probabilidad de clasificación del riesgo dinámico del nivel I disminuyó en gran medida del 81,7% al 33,8%, la probabilidad del nivel II aumentó significativamente del 12,3% al 34,0%, y la probabilidad del nivel III aumentó del 5,95% al 32,2%, lo que indica que el nivel de riesgo ha aumentado considerablemente. Los resultados muestran que este método puede predecir eficazmente el nivel de riesgo durante la construcción del túnel.

• Materias:Algoritmos genéticos Geoquímica Análisis de suelos Agua Carbón
• Subjects:Genetic algorithms Geochemistry Soil testing Water Coal
• Palabras claves:calificación dinámica de riesgos, evaluación dinámica de riesgos, probabilidad de nivel, red bayesiana, factores de calificación de riesgos, factores subjetivos, factores de objetivos, nivel de riesgos, factores de seguimiento, factores de calificación de objetivos
• Keywords:dynamic risk rating, dynamic risk assessment, probability of level, bayesian network, risk rating factors, subjective factors, objectives factors, risk level, monitoring factors, objectives factors rating