论文题目：公路隧道施工安全风险评估与应用研究
摘要：近年来随着我国公路交通运输行业的迅猛发展,越来越多的公路隧道投入建设。公路隧道在施工阶段技术复杂、难度较大、风险程度高,极易引发事故的发生,轻则影响施工进度,重则造成人员伤亡。因此,公路隧道工程在施工阶段进行安全风险评估的研究,具有很强的必要性和现实意义。首先,从理论出发,明确公路隧道施工安全风险评估体系,并对公路隧道的组成与施工工艺进行对比分析,最终选用新奥法展开对公路隧道施工安全风险评估的研究。然后,为获取公路隧道施工中的危险因素,对25条典型公路隧道的施工现场进行现场调研,再通过走访有关专家,从人、机、料、法、环等方面的对危险因素进行辨识,获得危险因素分析汇总表。统计并分析了近20年来我国国内公路隧道发生的150起施工事故,总结事故的基本分类、事故特征以及典型事故的影响因素等,进一步完善了公路隧道施工的危险因素,并将其分为六大类。其次,以辨识的危险因素为基础,结合文献研究,初步建立公路隧道施工安全风险评估指标体系,并通过信息熵法进行指标优选,完成评估指标体系的最终确定。通过相关规范和文献研究,确定了公路隧道施工安全风险等级的分级标准,并对风险评估指标进行了进一步的等级划分和区间量化,得到了具体的指标评判准则。再次,通过对隧道工程安全风险评估领域中传统和新颖方法的对比分析,确定了使用性能与预测结果均优、且对公路隧道施工安全风险评估适用性更强的广义及优化的径向基神经网络来开展评估工作。通过Matlab建立了基于PSO优化RBF神经网络的公路隧道施工安全风险概率预测模型,并通过专家调查法得到了不同隧道长度下的公路隧道施工总体风险损失等级的分布规律,最终得到基于PSO优化RBF神经网络的公路隧道施工安全风险评估模式,以此为基础利用VS.NET平台设计了公路隧道施工安全风险评估软件。最后,以延崇高速河北段的龙泉口隧道施工的安全风险评估为例,运用该软件得到总体安全风险等级为“重度”,左线ZK23+720～ZK24+470和右线K23+720～K24+510段的塌方、涌突水（泥）安全风险等级均为“中度”,与龙泉口隧道的实际施工情况相符合,进一步说明了开发的安全风险评估软件的有效性,为公路隧道施工安全风险评估在实际工程中的应用提供了良好的借鉴作用。
关键词：公路隧道;施工安全;风险评估;粒子群算法;径向基神经网络;评估软件
学科专业：工程硕士（专业学位）
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.1.1 公路隧道的发展背景
1.1.2 公路隧道的施工安全现状
1.2 研究目的与意义
1.2.1 目的
1.2.2 意义
1.3 国内外现状
1.3.1 国外研究现状
1.3.2 国内研究现状
1.3.3 文献综述
1.4 研究内容与技术路线
1.4.1 主要研究内容
1.4.2 技术路线
第二章 公路隧道施工及安全风险评估的理论概述
2.1 公路隧道施工安全风险评估体系
2.1.1 公路隧道施工安全风险定义
2.1.2 公路隧道施工安全风险评估的基本流程
2.1.3 公路隧道施工安全风险识别
2.2 公路隧道的组成及施工方法
2.2.1 公路隧道的结构组成
2.2.2 公路隧道施工方法的分析
2.3 本章小结
第三章 公路隧道施工数据采集与因素分析
3.1 现场调研方案的设计
3.1.1 调研目的及数据采集方案
3.1.2 调查地点和时间
3.1.3 调研表样本量
3.1.4 调研人员的选择
3.1.5 调研表格设计
3.2 原始数据表
3.2.1 风险源调研表的处理
3.2.2 事故数数据
3.3 公路隧道施工安全事故的分类及特征分析
3.3.1 公路隧道施工事故分类统计
3.3.2 公路隧道施工事故特征分析
3.4 公路隧道施工典型事故影响因素分析
3.4.1 塌方
3.4.2 涌突水(泥)
3.4.3 瓦斯
3.4.4 岩爆
3.4.5 大变形
3.5 本章小结
第四章 公路隧道施工安全风险评估指标体系与判别准则
4.1 公路隧道施工安全风险评估指标体系的初步建立
4.1.1 指标选取的原则与方法
4.1.2 公路隧道施工总体风险评估指标体系
4.1.3 公路隧道施工专项风险评估指标体系
4.2 公路隧道施工安全风险评估判别准则
4.2.1 公路隧道施工安全风险的分级标准
4.2.2 公路隧道施工安全风险指标的评判准则
4.3 基于信息熵法的公路隧道施工风险评估指标的优选
4.3.1 信息熵法
4.3.2 风险评估指标的优选
4.4 本章小结
第五章 基于粒子群算法优化的径向基神经网络的公路隧道施工安全风险评估
5.1 公路隧道施工风险评估方法的确定
5.1.1 传统的评估方法
5.1.2 新颖的评估方法
5.1.3 综合比较
5.2 径向基神经网络
5.2.1 网络结构
5.2.2 径向基函数
5.2.3 映射关系
5.2.4 训练方法
5.2.5 粒子群算法优化的径向基神经网路
5.3 公路隧道施工安全风险概率预测模型
5.3.1 样本的确定
5.3.2 基于广义RBF神经网络的公路隧道施工安全风险概率预测模型
5.3.3 基于PSO优化RBF神经网络的公路隧道施工安全风险概率预测模型
5.3.4 预测结果对比分析
5.4 公路隧道施工风险损失等级的分布规律
5.4.1 风险损失的分类
5.4.2 风险损失评估工作的开展
5.5 基于PSO优化RBF神经网络的公路隧道施工安全风险评估模式
5.6 本章小结
第六章 公路隧道施工安全风险评估软件的开发
6.1 软件开发工具
6.2 软件功能
6.2.1 具体功能
6.2.2 功能结构
6.3 软件的设计
6.3.1 设计原则
6.3.2 程序的系统结构
6.3.3 设计内容
6.4 软件实例应用
6.4.1 工程概况
6.4.2 龙泉口隧道施工主要风险源识别
6.4.3 龙泉口隧道施工安全风险评估
6.5 本章小结
第七章 结论与展望
7.1 结论
7.2 创新点
7.3 展望
参考文献
附录 A 广义RBF神经网络核心代码
附录 B Pso优化的RBF神经网络核心代码
附录 C 公路隧道施工安全风险损失调查问卷
致谢