引言

随着城市的发展，土地资源日趋紧张，地下空间的开发利用成为解决城市交通问题的重要手段。然而地下工程同一般建设工程相比，其周边环境（包括建筑物、道路和地下管线）具有复杂性、不确定性的显著特点，对施工安全带来极大的隐患。目前，地下工程施工地点通常处于繁华地段，一旦发生危险，将造成巨大的环境、经济和社会损失，因此在施工过程中进行有效的施工风险辨识和控制具有重要意义。

地下工程的风险研究方法分为静态风险分析和动态风险分析两类。静态风险分析主要用于设计阶段的方案选择和施工初期的方案选择。实际施工阶段需要根据施工过程中的实时信息重新进行风险的辨识评估，以便降低施工前期的不确定性和复杂性给风险辨识带来的困难，提高风险识别的准确率，但是静态风险分析的方法不能满足实际施工的这种需求。然而环境的复杂性和不确定性带来的威胁又是巨大的，一旦人们忽略了这种潜在的威胁，就会带来巨大的灾难。近年来，一些地下工程发生的事故为人们敲响了警钟，人们认识到地下施工过程中风险动态辨识的重要性，开始将动态风险的辨识和控制方法引入地下工程。

人们使用贝叶斯推断法、马尔可夫过程分析法以及人工智能等方法进行动态风险辨识和决策的探索。Haas采用贝叶斯推断法利用开挖的实际数据，动态修正前期的风险辨识，使辨识结果尽量与当前工况相符。Likhitruangsilp^［1］利用马尔可夫过程分析法对地质参数进行预测，使用反向递归的修正算法建立了隧道风险敏感的动态决策模型。周文波、胡珉^［2］在盾构法隧道施工远程智能系统中利用人工神经网络的方法对施工可能影响环境的风险进行了预测和分析。这些动态分析方法主要基于随机理论，表达的是“未来＝过去（历