为了有效地对隧道风险进行评估,文章以T-S故障树(Takagi-Sugeno-Fault tree Analysis,T-S-FTA)为基础,提出一种智能化的安全评估模型。该模型采用工作分解与风险分解构建结构树关联模型,同时引入贝叶斯网络改进的T-S故障树进行事件概率...为了有效地对隧道风险进行评估,文章以T-S故障树(Takagi-Sugeno-Fault tree Analysis,T-S-FTA)为基础,提出一种智能化的安全评估模型。该模型采用工作分解与风险分解构建结构树关联模型,同时引入贝叶斯网络改进的T-S故障树进行事件概率评估。结果显示:软弱夹层、围岩区富水性高是引起隧道塌方的主要因素,其先验概率分别为0.1762、0.1511;在模型有效性检验中,研究模型评估准确性均在0.95以上,优于同类模型,在实际场景中具有良好的应用效果。研究内容可为隧道施工风险的评估与检测提供技术参考。展开更多
文摘为了有效地对隧道风险进行评估,文章以T-S故障树(Takagi-Sugeno-Fault tree Analysis,T-S-FTA)为基础,提出一种智能化的安全评估模型。该模型采用工作分解与风险分解构建结构树关联模型,同时引入贝叶斯网络改进的T-S故障树进行事件概率评估。结果显示:软弱夹层、围岩区富水性高是引起隧道塌方的主要因素,其先验概率分别为0.1762、0.1511;在模型有效性检验中,研究模型评估准确性均在0.95以上,优于同类模型,在实际场景中具有良好的应用效果。研究内容可为隧道施工风险的评估与检测提供技术参考。
