一种基于正态云模型的地铁车站结构渗漏水风险防控方法与流程

本发明涉及地铁车站渗漏风险评价领域，尤其涉及一种基于正态云模型的地铁车站结构渗漏水风险防控方法。

背景技术：

1、地铁车站结构长期处于地下水位以下，承受岩土介质和水压力的共同作用，地下水易通过结构缝隙渗入内部，不仅恶化运营环境，还可能危及设备与行车安全。尤其在高水位富水地层，渗漏水问题更为突出，已成为地铁工程中普遍存在且难以根治的质量通病。从风险角度而言，渗漏水不仅影响结构耐久性，还可能引发运营中断、设备损坏乃至人员伤亡，属于典型的地下工程风险问题。故障树分析（fta）作为系统安全分析方法，已被应用于地下工程渗漏风险评估，主要分为传统故障树和模糊故障树。但传统故障树需要获取底事件精确发生概率，而富水地层地铁车站施工环境复杂、现场统计数据匮乏、样本量不足，导致概率难以获取，方法实用性受限。而模糊故障树可以通过模糊集理论与隶属度函数处理专家评价的模糊性，因此并不依赖于底事件的精确发生概率，但其无法反映专家判断的随机性，评价结果偏于理想化，与工程实际存在偏差，难以指导实际施工过程。

2、因此，亟需一种能够同时体现评估过程的模糊性与随机性的地铁车站渗漏风险防控方法，以弥补现有技术的不足。

技术实现思路

1、本发明的目的是针对以上问题，提供一种基于正态云模型的地铁车站结构渗漏水风险防控方法，以指导地铁车站的实际防渗漏施工过程。

2、本发明提供一种基于正态云模型的地铁车站结构渗漏水风险防控方法，包括：

3、s1、获取地铁车站渗漏的多级影响因素，基于多级所述影响因素构建渗漏风险故障树；所述渗漏风险故障树以地铁车站渗漏为顶事件，以所述多级影响因素中的不可再分的影响因素为底事件；

4、s2、获取所述底事件的多个影响程度评估结果，根据多个所述影响程度评估结果基于正态云模型确定各所述底事件的云模型数字特征；所述云模型数字特征用于表征所述底事件的随机性和模糊性；

5、s3、根据所述底事件的云模型数字特征及所述渗漏风险故障树，基于虚拟云算法计算底事件与顶事件之间的各级影响因素的云模型数字特征和顶事件的云模型数字特征；

6、s4、根据所述底事件的云模型数字特征、底事件与顶事件之间的各级影响因素的云模型数字特征和顶事件的云模型数字特征，计算所述底事件对最高一级影响因素的云贡献重要度和最高一级影响因素对顶事件的云贡献重要度；

7、s5、根据所述底事件对最高一级影响因素的云贡献重要度和最高一级影响因素对顶事件的云贡献重要度，确定风险底事件，并基于所述风险底事件制定对应的渗漏水风险防控施工策略。

8、根据本发明某些实施例提供的技术方案，s1、获取地铁车站渗漏的多级影响因素，基于多级所述影响因素构建渗漏风险故障树，包括：

9、s101、基于工作分解结构对地铁车站防水系统进行层级分解，得到所述多级影响因素；

10、s102、基于同级影响因素之间、上下级影响因素之间、以及最高一级影响因素与所述顶事件之间的影响关系类型，构建所述渗漏风险故障树。

11、根据本发明某些实施例提供的技术方案，根据多个所述影响程度评估结果基于正态云模型确定各所述底事件的云模型数字特征，包括：

12、将每个底事件的各所述影响程度评估结果分别输入所述正态云模型，得到每个影响程度评估结果对应的云模型数字特征；

13、对每个底事件的多个影响程度评估结果对应的云模型数字特征进行加权计算，得到每个底事件的云模型数字特征。

14、根据本发明某些实施例提供的技术方案，s3、根据所述底事件的云模型数字特征及所述渗漏风险故障树，基于虚拟云算法计算底事件与顶事件之间的各级影响因素的云模型数字特征和顶事件的云模型数字特征，包括：

15、s301、基于所述渗漏风险故障树确定各所述影响因素之间以及最高一级影响因素与所述顶事件之间的虚拟云运算规则；

16、s302、基于所述虚拟云运算规则，根据各所述底事件的云模型数字特征，从底事件向顶事件方向逐层向上计算底事件与顶事件之间的各级影响因素对应的云模型数字特征以及所述顶事件的云模型数字特征。

17、根据本发明某些实施例提供的技术方案，所述云模型数字特征包括：期望、熵和超熵；相应地，所述对每个底事件的多个影响程度评估结果对应的云模型数字特征进行加权计算，得到每个底事件的云模型数字特征，包括：

18、将每个所述底事件的多个影响程度评估结果对应的期望进行加权计算作为每个底事件的期望；

19、将每个所述底事件的多个影响程度评估结果对应的熵进行加权计算作为每个底事件的熵；

20、将每个所述底事件的多个影响程度评估结果对应的超熵进行加权计算作为每个底事件的超熵。

21、根据本发明某些实施例提供的技术方案，s301、基于所述渗漏风险故障树确定各所述影响因素之间以及最高一级影响因素与所述顶事件之间的虚拟云运算规则，包括：

22、基于所述渗漏风险故障树确定各影响因素之间的影响关系类型为或门，根据当前级各影响因素的期望计算上一级影响因素的期望，根据当前级各影响因素的熵计算上一级影响因素的熵，根据当前级各影响因素的超熵计算上一级影响因素的超熵；

23、基于所述渗漏风险故障树确定最高一级影响因素与所述顶事件之间的影响关系类型为与门，根据最高一级影响因素的期望和熵计算顶事件的期望，根据最高一级影响因素的熵计算顶事件的熵，根据最高一级影响因素的熵和超熵计算顶事件的超熵。

24、根据本发明某些实施例提供的技术方案，s4、根据所述底事件的云模型数字特征、底事件与顶事件之间的各级影响因素的云模型数字特征和顶事件的云模型数字特征，计算所述底事件对最高一级影响因素的云贡献重要度和最高一级影响因素对顶事件的云贡献重要度，包括：

25、根据底事件的云模型数字特征和底事件与顶事件之间的各级影响因素的云模型数字特征，计算底事件对最高一级影响因素的云贡献重要度；

26、根据最高一级影响因素的云模型数字特征和顶事件的云模型数字特征，计算最高一级影响因素对顶事件的云贡献重要度。

27、根据本发明某些实施例提供的技术方案，根据底事件的云模型数字特征和底事件与顶事件之间的各级影响因素的云模型数字特征，计算底事件对最高一级影响因素的云贡献重要度，包括：

28、获取所述底事件的期望以及底事件与顶事件之间的各级影响因素的期望；

29、根据所述底事件以及底事件与顶事件之间的各级影响因素中各相邻两级影响因素的期望，计算各相邻两级的云贡献重要度；

30、根据各相邻两级的所述云贡献重要度计算底事件对最高一级影响因素的云贡献重要度；

31、根据最高一级影响因素的云模型数字特征和顶事件的云模型数字特征，计算最高一级影响因素对顶事件的云贡献重要度，包括：

32、获取所述最高一级影响因素的期望和熵以及顶事件的期望；

33、根据所述最高一级影响因素的期望和熵以及顶事件的期望计算最高一级影响因素对顶事件的云贡献重要度。

34、根据本发明某些实施例提供的技术方案，s5、根据所述底事件对最高一级影响因素的云贡献重要度和最高一级影响因素对顶事件的云贡献重要度，确定风险底事件，并基于所述风险底事件制定对应的渗漏水风险防控施工策略，包括：

35、s501、根据所述最高一级影响因素对顶事件的云贡献重要度，从大到小对所述最高一级影响因素进行排序，筛选出排序第一的最高一级影响因素；

36、s502、获取排序第一的所述最高一级影响因素所对应的底事件以及底事件对该最高一级影响因素的云贡献重要度；

37、s503、按照所述底事件对该最高一级影响因素的云贡献重要度，从大到小对最高一级影响因素所对应的底事件进行排序，并依据排序结果筛选出排序靠前的预设数量的底事件作为风险底事件；

38、s504、根据所述风险底事件确定所述地铁车站的渗漏水风险防控施工策略。

39、根据本发明某些实施例提供的技术方案，所述影响程度评估结果包括非常不影响、不影响、不太影响、一般、比较影响、影响、非常影响。

40、综上所述，本发明提供一种基于正态云模型的地铁车站结构渗漏水风险防控方法，包括：获取地铁车站渗漏的多级影响因素，基于多级所述影响因素构建渗漏风险故障树；所述渗漏风险故障树以地铁车站渗漏为顶事件，以所述多级影响因素中的不可再分的影响因素为底事件；获取所述底事件的多个影响程度评估结果，根据多个所述影响程度评估结果基于正态云模型确定各所述底事件的云模型数字特征；所述云模型数字特征用于表征所述底事件的随机性和模糊性；根据所述底事件的云模型数字特征及所述渗漏风险故障树，基于虚拟云算法计算底事件与顶事件之间的各级影响因素和顶事件的云模型数字特征；根据所述底事件的云模型数字特征、底事件与顶事件之间的各级影响因素的云模型数字特征和顶事件的云模型数字特征，计算所述底事件对最高一级影响因素的云贡献重要度和最高一级影响因素对顶事件的云贡献重要度；根据所述底事件对最高一级影响因素的云贡献重要度和最高一级影响因素对顶事件的云贡献重要度，确定风险底事件，并基于所述风险底事件制定对应的渗漏水风险防控施工策略。与现有技术相比，本发明利用正态云模型将底事件的多个影响程度评估结果转化为各所述底事件的云模型数字特征，全面保留判断的模糊性与随机性并将定性的语言转化为定量特征，基于此通过虚拟云算法得到各级影响因素以及顶事件的云模型数字特征，再计算底事件对最高一级影响因素的云贡献重要度和最高一级影响因素对顶事件的云贡献重要度，通过云贡献重要度实现风险底事件的识别与排序，进而指导实际施工过程，避免了传统故障树需精确概率、模糊故障树无法反映随机偏差的缺陷。

41、应当理解的是，本发明中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。