A platform for research: civil engineering, architecture and urbanism
Analytical model for assessing collapse risk during mountain tunnel construction
La gestion des risques visant à garantir la sécurité des chantiers de construction des tunnels de montagne revêt une grande importance. Cependant, la recherche accuse un retard important par rapport l’ingénierie liée à ce domaine. Dans le présent article, le risque d’effondrement des tunnels de montagne est utilisé comme exemple d’application d’une nouvelle méthode d’évaluation axée sur le raisonnement par cas, sur la prévision avancée des risques géologiques sur la théorie des ensembles approximatifs. Dans un premier temps, les risques et facteurs de risque associés à l’effondrement d’un tunnel sont rassemblés et synthétisés et un système d’indices d’évaluation de ces risques est créé. Parallèlement, étant donné que les paramètres de la réponse dynamique obtenus par prévision avancée des risques géologiques sont généralement associés à une structure géologique typique, les paramètres de la réponse sensible sont incorporés au système d’indices d’évaluation. Il est possible de réaliser une évaluation poussée des risques d’effondrement dans des segments de tunnel situés à l’avant du front de taille du tunnel, à l’avant de ce dernier. Dans un deuxième temps, les risques majeurs associés et les résultats de la prévision avancée des risques géologiques sont analysés dans le cas du tunnel évalué. On sélectionne des cas d’étude présentant des caractéristiques similaires, en les comparant à d’autres exemples passés. On procède ensuite à une réduction des attributs et au calcul des poids dans le cas des risques associés et des facteurs de risques de cas similaires, à l’aide de la théorie des ensembles approximatifs basée sur l’importance des attributs. Enfin, on applique le filtrage des indices et les poids objectifs au modèle flou d’évaluation exhaustive. Les résultats de la présente étude peuvent servir à améliorer le niveau théorique et la fiabilité du processus d’évaluation des risques visant à garantir la sécurité des tunnels et servir d’outil de référence pour la construction de tunnels. [Traduit par la Rédaction]
Risk management for safety in mountain tunnel construction is of great significance. However, existing research lags behind engineering applications. In this paper, the risk of mountain tunnel collapse is used as an example to illustrate a new assessment method based on case-based reasoning, advanced geological prediction, and rough set theory. First, the risk surroundings and risk factors involved in tunnel collapse are integrated and summarized, and a risk assessment index system is established for tunnel collapse. At the same time, because the dynamic response parameters obtained by the advanced geological prediction usually indicate a typical geological structure, sensitive response parameters are introduced in the assessment index system. Advanced risk assessment can be performed for tunnel sections at a certain distance ahead of the tunnel face. Second, the major risk surroundings and the advanced geological prediction results are analyzed for the tunnel under assessment. Cases with similar attribute characteristics are selected via comparison with previous cases. Attribute reduction and calculation of weights are subsequently performed for the risk surroundings and risk factors of similar cases based on the attribute significance theory of rough sets. Finally, index screening and objective weights are applied in the fuzzy comprehensive assessment model. The results of this paper can be used to improve the theoretical level and reliability of risk assessment in tunnel safety and serve as a reference for tunnel construction.
Analytical model for assessing collapse risk during mountain tunnel construction
La gestion des risques visant à garantir la sécurité des chantiers de construction des tunnels de montagne revêt une grande importance. Cependant, la recherche accuse un retard important par rapport l’ingénierie liée à ce domaine. Dans le présent article, le risque d’effondrement des tunnels de montagne est utilisé comme exemple d’application d’une nouvelle méthode d’évaluation axée sur le raisonnement par cas, sur la prévision avancée des risques géologiques sur la théorie des ensembles approximatifs. Dans un premier temps, les risques et facteurs de risque associés à l’effondrement d’un tunnel sont rassemblés et synthétisés et un système d’indices d’évaluation de ces risques est créé. Parallèlement, étant donné que les paramètres de la réponse dynamique obtenus par prévision avancée des risques géologiques sont généralement associés à une structure géologique typique, les paramètres de la réponse sensible sont incorporés au système d’indices d’évaluation. Il est possible de réaliser une évaluation poussée des risques d’effondrement dans des segments de tunnel situés à l’avant du front de taille du tunnel, à l’avant de ce dernier. Dans un deuxième temps, les risques majeurs associés et les résultats de la prévision avancée des risques géologiques sont analysés dans le cas du tunnel évalué. On sélectionne des cas d’étude présentant des caractéristiques similaires, en les comparant à d’autres exemples passés. On procède ensuite à une réduction des attributs et au calcul des poids dans le cas des risques associés et des facteurs de risques de cas similaires, à l’aide de la théorie des ensembles approximatifs basée sur l’importance des attributs. Enfin, on applique le filtrage des indices et les poids objectifs au modèle flou d’évaluation exhaustive. Les résultats de la présente étude peuvent servir à améliorer le niveau théorique et la fiabilité du processus d’évaluation des risques visant à garantir la sécurité des tunnels et servir d’outil de référence pour la construction de tunnels. [Traduit par la Rédaction]
Risk management for safety in mountain tunnel construction is of great significance. However, existing research lags behind engineering applications. In this paper, the risk of mountain tunnel collapse is used as an example to illustrate a new assessment method based on case-based reasoning, advanced geological prediction, and rough set theory. First, the risk surroundings and risk factors involved in tunnel collapse are integrated and summarized, and a risk assessment index system is established for tunnel collapse. At the same time, because the dynamic response parameters obtained by the advanced geological prediction usually indicate a typical geological structure, sensitive response parameters are introduced in the assessment index system. Advanced risk assessment can be performed for tunnel sections at a certain distance ahead of the tunnel face. Second, the major risk surroundings and the advanced geological prediction results are analyzed for the tunnel under assessment. Cases with similar attribute characteristics are selected via comparison with previous cases. Attribute reduction and calculation of weights are subsequently performed for the risk surroundings and risk factors of similar cases based on the attribute significance theory of rough sets. Finally, index screening and objective weights are applied in the fuzzy comprehensive assessment model. The results of this paper can be used to improve the theoretical level and reliability of risk assessment in tunnel safety and serve as a reference for tunnel construction.
Analytical model for assessing collapse risk during mountain tunnel construction
Wang, Hao (author) / Chen, Li-Biao / Jiao, Yu-Yong / Li, Shu-Cai / Zhang, Guo-Hua
2015
Article (Journal)
English
case-based reasoning , raisonnement par cas , Transportation authorities , prévision avancée des risques géologiques , Geotechnology , rough set , risk assessment , ensemble approximatif , Risk assessment , Tunnels , advanced geological prediction , Research , Engineering , Underground construction , Risk factors , évaluation des risques , mountain tunnel , tunnel de montagne
Analytical model for assessing collapse risk during mountain tunnel construction
British Library Online Contents | 2016
|Risk assessment of loess tunnel collapse during construction based on an attribute recognition model
Online Contents | 2021
|