考虑碳排放的铁路隧道施工机械配置优化模型
随着铁路建设发展以及我国生态文明建设的要求，在“绿水青山就是金山银山”发展理念的指引下，针对铁路建设领域开展有关生态环境保护的研究越来越重要。因此，研究铁路隧道施工中的节能减排问题是必要及实用的[1]。铁路隧道开挖支护循环作业对各类机械设备的搭接配合有较高的要求，合理的机械配置能够在保证工程质量的基础上有效地加快施工进度并节省施工成本。
在铁路隧道机械配置方面的主要研究成果有：李有兵[2]以贵广铁路天平山隧道为例从隧道开挖支护、装碴运输等方面介绍了一种长大隧道的机械化配套技术。王宏礼等[3]以钻爆法施工的岩溶隧道为例，对比分析了在特长隧道施工方面常用机械的施工效果。杨森森[4]以高原特长隧道快速施工为研究对象，通过工效分析发现钻孔、支护作业线是影响快速施工的关键环节。并根据高原地域特点及快速施工目标对施工机械设备进行配套选型。刘春阳[5]以关角隧道为例，通过工程调研及统计分析研究高寒环境下隧道施工机械工作效率变化，并通过模糊评判对施工机械进行选型。
在建设施工碳排放方面国内外学者们也有一些研究成果。Peng等[6]利用能耗值、碳排放因子等参数建立了沥青路面施工过程的碳排放模型，发现用于加热沥青材料的能源类型是关键因素。Byung等[7]在考虑碳排放的情况下提出一种新型双向楼板设计模型，根据测算新型绿色楼板能够有效减少碳排放。Liu等[8]提出一种能够实时监测预制构件整个产业链碳排放的监测系统，目的在于有效地进行建筑业碳排放实时控制。Zhang等[9]基于生命周期评价以中国建筑业为例建立模型，发现驱动中国建筑业碳排放增加的主要因素为建筑规模、建筑结构类型以及材料生产效率。张强等[10]依据IPCC中相关碳排因子对建筑施工现场机械碳排量进行了量化分析。周红波[11]以上海某社区建设项目为例，从运输、施工、废物处理等方面分析影响低碳施工的因素及控制措施。魏秀萍[12]对比分析三种常用碳排放核算标准后，以PAS2050规范为基础建立了住宅建设项目施工阶段碳排放计算模型，并基于CLCD数据库对相关机械设备的碳排放因子进行了计算。吴淑艺等[13]基于PAS2050规范通过清单工程量及材料设备的碳排放因子构建了建筑产品的碳排放总量计算模型。
以上学者的成果主要是以隧道快速施工为目的的隧道机械配置研究以及路面工程、房屋建筑方面的机械设备碳排放研究，而在倡导可持续发展的背景下，如何从低碳经济的视角来考虑铁路隧道等大型工程的机械化配置是具有一定创新性及实用性的。为此本文在考虑机械碳排放量的基础上以铁路隧道施工为研究对象对隧道开挖支护施工机械配置优化问题进行研究。
1 铁路隧道开挖支护施工机械系统
根据相关研究成果可将隧道开挖支护施工机械系统划分为三个子系统[14-15]。分别是开挖施工机群子系统、出渣施工机群子系统以及初期支护施工机群子系统。具体情况见图1。
图1 隧道开挖支护施工机械系统
2 基于碳排放的隧道施工机械配置模型
在隧道施工过程中，采用不同的机械配置方案明显会对施工效率产生影响，进而直接影响到施工工期[16-17]。根据已经建立的考虑工期-成本的机群配置模型[18]。设所使用的机械设备种类数为n，那么可将各种机械设备的数量表示为A={A1,A2,A3,…,An}。则施工工期即可表示为机械配置向量A的函数T(A)。
在确定施工机械配置方案与工期之间的联系后，就可以用下式表示施工机械所形成的成本费用C为
(1)
式中：Ci为第i种机械的台班费用成本；Ai为第i种机械的数量。
因为工期与成本目标的度量标准不同，故需要利用无量纲化处理来将不同的度量标准统一，实现直接分析和比较。处理之后成本目标CF和工期目标TF分别为
例3 标准状况下,112LH2、CO2混合气体,测得CO2的体积分数为0.48。将该混合气体通入2.00LNaOH溶液中,CO2被完全吸收。如果NaOH完全反应,该NaOH溶液的浓度为____。
(2)
(3)
式中：k1和k2分别为成本偏好权重和工期偏好权重，Cmax、Tmax分别为所有方案中成本、工期的最大值。
为将工程质量考虑进机械配置优化模型，晁玉增[18]引入质量成本理论。在考虑极限质量成本以及保本质量成本基础上可将最小质量成本Qmin表示为
(4)
式中：k3为质量偏好权重；Cmin为所有方案中成本最小值。
为使得优化的机械配置方案能够综合质量、成本、工期等三个方面的考量，再基于以上讨论将工期-质量-成本机械配置优化模型表示为
(5)
(6)
式中：Tj为第j个工作面工作完成时间；Ui为第i种机械的工作班次；Pi为第i种机械的工作效率；Qj为第j个工作面的工程量；Zi为第i种机械的可支配总数;Bji为第j个工作面的第i种机械工作数量；b为工作面总数；n为施工机械种类总数。
现阶段实际隧道施工过程中使用的各类机械主要消耗的能源种类有汽油、柴油以及电能。根据国际上常用的碳排放基本计算公式可将机械碳排放量以二氧化碳当量值的形式表示[19]为
E=Cd×D1+Co×D2+Ce×D3
(7)
式中：E为施工机械总排放量；Cd为柴油碳排放因子，kgCO2/kg；Co为汽油碳排放因子，kgCO2/kg；Ce为电力碳排放因子，kgCO2/kW·h；D1,D2,D3分别为所采取的机械配置方案中使用柴油的机械柴油消耗总量、使用汽油的机械汽油消耗总量、使用电能的机械电能消耗总量。
机械的能源消耗量是指在合理使用的情况下为实现工程目标而使用机械设备产生的能源消耗，包括净使用量和损耗量。而由于施工机械的能源消耗量在现实施工现场中很难统一计量，能够收集到数据非常有限。目前常用的造价管理软件中包含有材料消耗定额和施工机械定额以及各自的损耗系数，本文使用这些已经考虑损耗的数据对不同机械配置方案的能耗进行分析。
碳排放因子是指各类能源的单位排放水平。国内外针对碳排因子已经进行了很多研究，积累了很多基础数据。对于机械使用能源的碳排放主要从三个角度去考虑，即能源的生产、运输及使用。由于不同地区的能源运输、生产会产生不同的碳排放，故本文主要考虑使用中国本土化的生命周期基础数据库(CLCD)。由于能源使用所产生碳排放的地域差异不是很明显，故考虑引用IPCC报告中的缺省值。通过综合汇总计算主要的三种温室气体可以得到汽油、柴油、电能的碳排放因子结果，见表1。
表1 能源碳排放因子
能源种类二氧化碳/kg甲烷/kg氧化亚氮/kg生产运输使用生产运输使用生产运输使用二氧化碳当量/kg汽油(每千克)4.81×10-12.91 2.2×10-24.31×10-58.68×10-68.61×10-63.94柴油(每千克)3.75×10-13.10 2.05×10-24.27×10-57.4×10-68.53×10-63.99 电能(每千瓦时)9.4×10-102.72×10-301.43×10-501.01
使用W表示所采用的施工机械配置方案形成的碳排放总量，则无量纲化后的方案碳排目标为
4.物联网企业融资困难。作为战略新兴产业，物联网产业属于高风险、投资大的产业，需要巨额的资金投入，尤其在企业发展的初期，这往往令一般的中小企业投资者望而生畏。如果能有效解决物联网企业发展过程中企业的融资难问题，使资金能顺畅进入物联网企业，无疑，可加速物联网企业的发展。目前来看，以战略性新兴中小企业为例，其银行信贷的比例极低，仅占全部中小企业的10%左右，而在美国这一比例高达33%，资金不足成为物联网产业发展过程中无法回避的问题。
对发文机构进行统计分析，可以得到某一领域的主要研究机构及机构之间的合作关系。网络信息行为领域发文机构的合作网络如图3所示。图中节点的大小代表机构发文量的多少，节点之间的连线代表机构之间的合作关系。从图3可以看出发文量最多的机构是武汉大学（8篇），其次为安徽大学（5篇）、北京理工大学（2篇）、武汉科技大学（2篇）、中山大学（2篇），这4个机构发文量≥2篇，只有武汉大学、安徽大学等少量机构之间存在合作，机构之间联系比较分散，缺乏合作交流。总体来说，研究机构的科研力量薄弱，学术团体间合作不多且较为分散，缺乏有代表性的科研机构。
(8)
式中：WF为碳排放量目标；k4为碳排放偏好权重；Wmax为所有方案中的最大碳排放量。
此时综合考虑费用、工期、质量以及碳排放的隧道施工机械配置优化模型可以表示为
(9)
式中：k1、k2、k3、k4分别为决策者对于四个目标的偏好权重，相加为1。其余约束条件与前文相同。
决策者相对更偏重于实现某个目标，其偏好权重就会相对放大，很明显会直接影响到优化模型的最终优化结果。这使得此模型对于实际隧道施工问题有良好的适应性，可以根据实际情况作出相应调整。
3 基于熵权法确定目标偏好权重
3.1 评价指标的选取
基于第2节建立的机械优化配置模型，结合铁路隧道开挖支护施工机械系统运行过程，参考相关文献给出了成本、工期、质量、碳排量的评价指标体系，见表2。其中工期类、质量类指标的设定是以保证机械配置方案的技术可行性为目的；成本类、碳排放类指标是以保证配置方案的经济环保性为目的。
(1)成本类指标
成本类指标包括施工机械闲置损失、施工机械有效利用率以及施工机械综合成本三个二级指标。施工机械闲置损失是指施工机械在闲置情况下损失的成本。参考文献[20-21]按照隧道开挖支护系统及机械配置方案计算。施工机械有效利用率是指配置方案中施工机械能够以合理负载运行的比率，以1减去施工机械闲置损失与施工机械台班总费用的比值计算。施工机械综合成本是指配置方案中施工机械的所有成本，包括机械的折旧(租赁)费用以及机械保养费用。
(2)工期类指标
工期类指标包括开挖支护每循环施工时间、一个循环内的其他时间、隧道总开挖方量以及每循环完成开挖方量四个二级指标。其中每循环施工时间指按照配置方案中机械正常工作的时间总和计算。一循环内其他时间包括处理突发情况等意外停工时间以及其他暂停施工时间，按照发生意外情况平均概率计取。隧道总开挖方量按照施工图纸计取。每循环开挖量以施工试验段每循环进尺以及开挖断面面积计取。
生活中类似的人性之恶与无耻并不罕见。2011年下半年，因为所在大学接受教育部本科合格评估，我对学生的出勤抓得比较严，一有迟到、早退、旷课的行为都登记在册，学生上课讲小话什么的，也会遭到我的批评。没想到期末教学检查时，居然有学生利用匿名向老师书面提意见的机会将我说得一无是处，甚至还捏造了我在课堂上的“违规行为”。好在我所在的文学院主持正义，当年将我推荐为学校的优岗，并公之于众，才将个别学生的这种无耻之举压下去。
(3)质量类指标
质量类指标包括平均超欠挖值、喷射混凝土厚度、喷射混凝土强度三个二级指标。三个指标均需按照施工试验段测量检验数据计算。平均超欠挖值反映配置方案中开挖设备的配置能否满足工程质量标准。喷射混凝土厚度及强度反映喷射支护设备的配置能否满足工程质量标准。设置指标以防止可能出现的因机械配置不足且工期紧张的情况下发生工程质量问题。
(4)碳排放类指标
这种类型的朗读类似于第二语言学习中的熟读成诵的道路进程。由形到义，类似于阅读，再由义到音将语言意义换做语音外壳表达出来，同时在参照书面原文进行对照。这要适合于对朗读材料的按意群朗读或整句朗读，在这种类型的朗读中，学习者实际已经在尝试记忆和背诵了，并且对朗读材料进行组块加工。
碳排类指标包括碳排当量、汽油使用量、柴油使用量、电能使用量四个二级指标。其中汽油、柴油、电能使用量按照配置方案机械台班耗能量之和确定。碳排当量按各类能源消耗量及该能源碳排因子计算。
[4]Myers-Scotton,C.A theoretical introduction to the markedness model.In Myers-Scotton.ed.Code and Consequence:Choosing Linguistic Varieties.New York,Oxford:OUP，1998:18-38.
表2 目标偏好权重评价指标体系
准则层指标层指标测算方法成本k1施工机械闲置损失k11参考文献[20-21]施工机械有效利用率k121-(k11/施工机械台班总费用)施工机械综合成本k13将施工机械的相关费用加和汇总工期k2开挖支护每循环施工时间k21方案施工机械每循环工作时间之和一个循环内的其他时间k22包括意外暂停、突发处理时间等非正常工作时间之和隧道总开挖方量k23根据勘探资料以及设计图纸计算每循环完成开挖方量k24每循环进尺×开挖断面面积质量k3平均超欠挖值k31施工试验段测量喷射混凝土厚度k32施工试验段测量喷射混凝土强度k33按照规范进行检验碳排放k4碳排放量k41施工机械配置方案碳排放量总和汽油使用量k42施工机械配置方案所使用量之和柴油使用量k43施工机械配置方案所使用量之和电能使用量k44施工机械配置方案所使用量之和
3.2 熵权法计算指标权重
四个目标的偏好权重对最终优化结果至关重要，为尽量使得确定的权重客观、合理，本文使用熵权法来确定目标偏好权重系数[22]。熵权法是一种根据客观的指标数据来确定准则层指标权重的权重确定方法[23]。它具有易操作、可反映指标隐藏信息以及放大指标间差异性的优势。能够相对全面地反映指标数据的所有信息。这种方法的核心思想是衡量评价对象在各项指标的差异度，如果该指标数据离散程度越大则其权重越大。其计算步骤为
(1)将指标数据进行标准化处理，得标准化矩阵为
(10)
P=(Pij)m×n
(11)
式中：Pij为第i个配置方案第j个指标的标准化数据；m为评价对象的个数；n为评价指标个数。
(2)计算指标数据的熵值为
(12)
式中：ej为第j个指标数据的熵值。
(3)计算指标的熵权
互联网是以连接为目的导向的社会网络和复杂网络，互联网内容传播的本质其实是跨越平台建立人与人之间的连接。一切的交互都在产生连接行为，连接既是网络演化的手段也是网络演化的目标。内容创作的目标不再仅仅是获得用户的单次阅读，而是获得用户持续性的互动和稳定的认知连接。有了连接，才有用户和粉丝，社交分享量甚至比单次阅读量更加重要。没有一种连接是不可被替代的，替代的原则是连接得更强、更快、更紧、更美。[3]所有连接一旦建立，将不再满足于单一的连接形态，随着时间推移，它会不断叠加更为新鲜更为紧密的连接形态，从而形成连接的质变。
(13)
式中：wj为第j个指标的熵权，且同级指标权重和为1。
4 用均匀自组织映射遗传算法求解
遗传算法是一种已经运用的比较成熟的智能优化算法，在各领域都有应用的先例，表现出了良好的全局搜索优化能力。但其局限性也很明显，在初始种群设置时由于是完全随机生成的，可能会导致初始种群在可行域内分布不均，进而影响其全局搜索能力。同时遗传算法的交叉变异操作也具有很强的随机性，往往会导致优化结果陷入局部最优解。针对传统遗传算法的局限性王丽萍等[24]提出了一种改进的均匀自组织遗传算法。采用均匀设计来生成分布在整个可行域的初始种群，并利用自组织映射将后期种群进行高低维变换增加后期遗传算法的计算成功率。由于遗传算法理论已经比较成熟且篇幅有限，本文在此不再赘述其基础理论。
建国后，为使各级行政机关履行职责有法可依，行政组织法制建设迅速展开。1949年12月2日通过了《中央人民政府政务院及所属各机关组织通则》，同年12月16日通过了《大行政区人民政府委员会组织通则》。随后又制定了《省人民政府组织通则》《市人民政府组织通则》《县人民政府组织通则》《乡（行政村）人民政府组织通则》等。这些法律规范使《中国人民政治协商会议共同纲领》和《中华人民共和国中央人民政府组织法》的规定进一步具体化，明确了各级行政机关的产生方式、组织机构和职权，其中特别是对于各级政府权限的规定、组织机构的设置，对政府行政管理活动的监督等，都包含了依法行使行政职责的广泛内容。
4.1 均匀设计
均匀设计是方开泰、王元教授于20世纪80年代提出的一种考虑试验点均匀分布于试验区域的试验设计方法。这种方法能够帮助遗传算法生成可行域内均匀分布的初始种群。其操作步骤如下：
Step1 对于一个给定的正整数N(即试验次数)，能够确定的因素数为
K=N(1-1/p1)(1-1/p2)…(1-1/pt)
(14)
式中：K为N次试验下能安排的最大因素数，且有
均为素数)。
Step2 求出小于N且与N互质的数，其所构成的向量为
h=(h1,h2,…,hl)
(15)
Step3 按照以下公式构造均匀设计表
uij=ihj[modN]
(16)
式中：[modN]为同余运算；uij为第i行第j列的水平值；hj为h向量的第j个元素。
按照以上步骤计算出各水平值，进而构造出均匀设计表，并以此确定遗传算法的初始种群，使得初始种群的个体能够均匀分布在待搜索区域内并提高计算效率加快收敛速度。
（1）航道工程。本工程采用单向航道，航道规模按80000DWT散货船乘潮进出港设计。设计航道宽度为166m，边坡1：8，底宽为262m。航道设计底高程为-17.5m。见方案图1。
4.2 自组织映射
自组织映射(Self-organizing Map, SOM)可以利用神经网络将任意维数的输入数据转换至低维空间，输出的数据能够反映原始数据的特征[25]。本文将遗传算法的个体数据代入自组织映射模型计算，并调整连接权值，最终以输出的神经元作为新的个体。SOM的计算步骤为
Step1 设定M个初始神经元Ni，wi为连接权重向量(i=1,2,…,M)。
随着我国国民经济的快速发展，城市人口的急剧增多，城市化的发展进程大大加快，为建筑行业的发展提供了前所未有的发展机会。建筑企业要重视建筑工程施工质量，做好建筑工程的结构设计，以提高自身的市场竞争力，增加建筑企业的经济效益与社会影响力。结构设计属于建筑工程极为关键的一个环节，严重影响建筑工程的整体质量，因此需以结构安全性、稳定性出发进行合理设计，并科学评估建筑工程的结构设计，以保障建筑工程的使用安全性与使用寿命。
场地周边地形开阔、平坦，具备放坡开挖的条件，边坡坡率建议为1∶0.75～1∶1.0，坑壁可采用喷浆挂网以维护。基坑施工期间，基坑周边建筑材料的堆放，大型车辆的通行，均应距离基坑开挖边线留设一定的安全距离。
Step2 对输入的个体Xj(j=1,2,…,T)计算它与各神经元的距离，选择距离最近的一个作为其优胜单元N*。
Step3 按照以下公式计算领域半径
(17)
式中：ε0为初始领域半径；σ为时间常量，σ=m/lg(ε0)，m为迭代次数。
Step4 调整领域内神经元的连接权重，调整公式如下
wi(t+1)=wi(t)+L(t)θN*Ni(t)[xj(t)-wi(t)]
(18)
式中：wi(t+1)为调整后的权重(t=1,2,…,m)；L(t)为可变学习速度，
为N*、Nj之间的欧氏距离。
Step5 若没有达到迭代次数则重复Step3、Step4，若达到迭代次数则按照以下公式更新个体。
(19)
式中：
为两互邻神经元的欧氏距离，
为两互邻神经元单位向量，
为决策向量维度；I为n×n单位矩阵。
4.3 均匀自组织映射遗传算法求解步骤
根据上述均匀自组织映射遗传算法原理，将其应用在隧道开挖支护工程机群配置优化问题上，求解流程见图2,计算步骤如下：
Step1 确定种群规模、迭代次数、决策变量以及取值范围。种群规模N，决策变量即为机械配置方案，取值范围为可调用机械数量的范围。
Step2 确定自组织映射结构的初始神经元连接权重向量wi(i=1,2,…,M)、初始学习速率L0以及初始领域半径ε0，此处初始领域半径拟取三倍的输入个体与优胜单元间距离；确定交叉率pc，变异率px。
Step3 确定初代种群个体。利用均匀设计生成初代个体，并判断是否满足约束条件，若不满足则重新生成。
本次研究纳入时间为2017年8月至2018年1月,内分泌科开放床位31张,医生8名,护士11名,其中主管护士1名,护师6名,护士4名;护理人员的工作年资:大于10年者2名,5~10年7名,3~5年者1名,3年以下者1名;学历:大专生6名,本科生5名。
Step4 根据初代个体的适应度计算结果选择N1个优秀个体，采用精英保留方法使其进入次代种群。
Step5 交叉以及变异操作。本文采用实数编码，交叉操作采用实数交叉法，变异操作采用非均匀变异减小后期突变可能性。计算方法参考文献[26]。交叉变异操作后生成N2个新个体。
Step6 利用自组织映射进行计算，得到新一代N3个个体。
Step7 将传统遗传算法生成的N2个新个体与自组织映射计算得到的N3个个体以及精英保留策略下的N1个优秀个体综合进行适应度排序生成新的N个个体。
Step8 判断是否达到设置的迭代次数，若达到则结束计算输出结果，否则返回Step4循环计算。
5 实例分析
5.1 工程概况
本文以乌鞘岭特长隧道6号斜井为例进行隧道开挖支护机械配置优化分析。乌鞘岭特长隧道属于兰新线组成部分，隧道长20 050 m。分左右两座单线隧道，右线设8个斜井、1个竖井，左线设5个斜井、1个竖井及1个横洞，共计16个辅助坑道20个工作面。
乌鞘岭隧道6号斜井，斜井长2 135.38 m，纵坡为12%，与左线隧道相交于DK169+600处。按照合同要求项目需于2003年3月1日开始施工，而6号斜井必须于2003年12月10日提前到达交点，施工进度必须超计划进度4 000 m以上，工期任务十分艰巨。
本工程开挖支护部分拟投入主要施工机械设备见表3(其中台班价格根据区域条件及施工情况已做折算)，机械设备碳排因子计算结果见表4。
5.2 确定目标偏好权重
根据本文确定的目标偏好权重指标体系按照不同指标的确定方法确定各指标数据。使用熵权法根据式(10)～式(13)及咨询专家后给出的不同配置方案指标经验值计算各指标权重以及目标偏好权重结果如表5所示。
5.3 机群配置优化求解
利用均匀自组织映射遗传算法来求解机群配置优化模型。遗传算法可设置变量为整数，优化结果即为整数结果，求解结果见表6。
均匀自组织映射遗传算法相关参数设置为：初始种群包含100个个体，利用精英保留策略生成10个次代个体，传统遗传算法生成100个次代个体，自组织映射生成100个次代个体。迭代次数上限为100，遗传算法交叉概率为0.6，个体变异概率为0.1，学习因子为0.1。
应用PDMS材料制备成厚度均匀的圆形薄膜,采用的薄膜参数如表1所示。根据PDMS薄膜的参数进行有限元仿真分析。在薄膜中心处,直径为12 mm的圆上施加垂直于薄膜表面的均布载荷。图3为在400 Pa载荷下的等效位移分布图。
图2 均匀自组织映射遗传算法求解流程
表3 拟投入主要施工机械设备
类别名称规格型号生产能力数量台班单价/元钻爆设备凿岩机YT28-308.29电动空压机2222 m3/min10747.54装运作业挖掘装载机ITC312H3250 m3/h34 946.80装载机ZLC503 m34812.18自卸汽车沃尔沃12.5 t8640.97自卸汽车奔驰2631k17 t5693.88喷锚设备向上式凿岩钻孔YSD45-158.29湿喷机TK9615 m3/h7123.66强制混凝土搅拌机JS50025 m3/h3146.72管棚钻机KR80412385 kW21 818.27双液注浆泵AL27850 L/min3326.23衬砌设备自动计量拌合站HZD2525 m3/h2718.14混凝土运输车HJC52709 m331 037.78混凝土输送泵HBT6060 m3/h1857.95
表4 机械设备碳排因子计算表
名称规格型号生产能力柴油/kg电/(kW·h)kgCO2/台班电动空压机2222 m3/min-1 117.201 128.372挖掘装载机ITC312H3250 m3/h51.98327.8538.478装载机ZLC503 m387.09-347.489自卸汽车沃尔沃12.5 t70.56-281.534自卸汽车奔驰2631k17 t77.01-307.269湿喷机TK9615 m3/h-24.6424.886强制混凝土搅拌机JS50025 m3/h-43.1243.551管棚钻机KR80412385 kW77.95-311.021双液注浆泵AL27850 L/min-103.6104.636自动计量拌合站HZD2525 m3/h-156.8158.368混凝土运输车HJC52709 m3106.85-426.332混凝土输送泵HBT6060 m3/h47.63-190.044
表5 目标偏好权重结果
准则层权重求解结果指标层权重求解结果成本k10.221施工机械闲置损失k110.034施工机械有效利用率k120.075施工机械综合成本k130.112工期k20.365每开挖支护循环施工时间k210.143一个循环内的其他时间k220.079隧道总开挖方量k230.007每循环完成开挖方量k240.136质量k30.225平均超欠挖值k310.106喷射混凝土厚度k320.058喷射混凝土强度k330.061碳排量k40.189碳排当量k410.086汽油使用量k420.005柴油使用量k430.064电能使用量k440.034
表6 均匀自组织映射遗传算法机械配置优化结果
机械名称规格型号生产能力优化数量凿岩机YT2817电动空压机2222 m3/min7挖掘装载机ITC312H3250 m3/h1装载机ZLC503 m31自卸汽车沃尔沃12.5 t4自卸汽车奔驰2631k17 t3向上式凿岩钻孔YSD458湿喷机TK9615 m3/h4强制混凝土搅拌机JS50025 m3/h2管棚钻机KR80412385 kW1双液注浆泵AL27850 L/min2自动计量拌合站HZD2525 m3/h2混凝土运输车HJC52709 m33混凝土输送泵HBT6060 m3/h1
优化结果是在考虑本斜井工程设计断面较小(23 m2)的情况下所做的优化。由于施工作业面小，所以采用传统施工方法，在利用多功能钻孔台架拥有三个作业层的情况下可以使17台凿岩机同时作业。按照工程正常开挖进尺及出碴量配备ITC312挖掘机、ZLC50装载机各一台以及12.5、17 t自卸汽车各4台可以满足正常施工。工程Ⅲ、Ⅳ、Ⅴ级围岩拱部等区域均需锚喷支护，喷射工作量较大，配置4台TK961湿喷机以满足工程需要。上表说明本文所建优化模型是具有实用性的。
6 结论
(1)将碳排放量作为优化目标加入常规机械配置优化模型，重新整合建立考虑机械碳排量的优化配置模型。新型机械配置优化模型综合考虑了成本、工期、质量、碳排放等四大影响因素，并能够根据决策者偏好或指标参数优化施工机械配置。
(2)利用施工机具台班费用定额以及CLCD数据库信息计算出隧道工程主要施工机械台班碳排放量，为提出的新型机械配置优化模型奠定了计算基础。
(3)提出使用经过均匀设计以及自组织映射改进过的遗传算法对新型机械配置优化模型进行求解计算，改进过的遗传算法能够有效弱化其易陷入局部最优解的局限性，并在自组织映射结构的帮助下增强其局部搜索能力。
(4)以乌鞘岭特长隧道6号斜井为例验证所建模型可行性，优化结果符合现场施工情况，说明模型优化结果可为实际施工提供决策参考。
参考文献：
[1]匡星，白明洲，王连俊，等.铁路建设项目对生态环境影响评价体系探析[J].铁道学报，2009，31(2):125-131.
KUANG Xing,BAI Mingzhou,WANG Lianjun,et al. A Survey on the Ecological Environment Impact Evaluation System of Railway Construction[J].Journal of the China Railway Society,2009,31(2):125-131.
[2]李有兵.长大隧道机械化配套安全快速施工技术[J].现代隧道技术，2012，49(5):110-116.
LI Youbing. Rapid Mechanized Construction Techniques for Long Tunnels with Large Sections[J].Modern Tunnelling Technology,2012,49(5):110-116.
[3]王宏礼，孙建岐.铁路特长隧道施工机械配套技术[J].铁道建筑,2011,51(10):32-34.
WANG Hongli,SUN Jianqi. Construction Technology of Railway Super Long Tunnel Construction Machinery[J].Railway Engineering,2011,51(10):32-34.
[4]杨森森.高原特长隧道快速施工及机械配套技术研究[D].北京：北京交通大学，2012.
[5]刘春阳.高原特长隧道安全快速施工技术研究[D].北京：北京交通大学，2012.
[6]PENG B, FAN X, WANG X, et al. Key Steps of Carbon Emission and Low-carbon Measures in the Construction of Bituminous Pavement[J].International Journal of Pavement Research & Technology,2017,10(6):476-487.
[7]BYUNG K O, BRANKO G, SEOL H L,et al. Comprehensive Investigation of Embodied Carbon Emissions, Costs, Design Parameters, and Serviceability in Optimum Green Construction of Two-way Slabs in Buildings[J].Journal of Cleaner Production, 2019,222:111-128.
[8]LIU G, CHEN R, XU P,et al.Real-time Carbon Emission Monitoring in Prefabricated Construction[J].Automation in Construction,2020,110:102945.
[9]ZHANG Y, YAN D, HU S,et al.Modelling of Energy Consumption and Carbon Emission from the Building Construction Sector in China, a Process-based LCA Approach[J].Energy Policy,2019,134:110949.
[10]张强，叶少帅，魏园方.建筑施工阶段碳排分析及节能减排措施研究[J].建筑经济，2013(8):100-104.
ZHANG Qiang,YE Shaoshuai,WEI Yuanfang,Research on Carbon Emissions and Energy Saving Measures for Construction Stage[J].Construction Economy,2013(8):100-104.
[11]周红波.低碳施工的影响因素与控制措施研究[J].建筑经济，2011(2):5-8.
ZHOU Hongbo. Study on Influencing Factors and Control Measures of Low Carbon Construction[J].Construction Economy, 2011(2):5-8.
[12]魏秀萍.住宅工程施工阶段机械设备耗能碳排放计算与实证[D].福州：福建农林大学，2014.
[13]吴淑艺，赖芨宇，孙晓丹.基于工程量清单的建筑施工阶段碳排放计算——以福建省为例[J].工程管理学报，2016，30(3)：53-58.
WU Shuyi,LAI Jiyu,SUN Xiaodan.Calculation of Carbon Emissions of in the Construction Stage Based on the Bill of Quantities: a Case in Fujian Province[J].Journal of Engineering Management,2016,30(3):53-58.
[14]欧阳结新.公路隧道洞身开挖与支护的多机种机械化作业模式与集成研究[D].重庆：重庆交通大学，2015.
[15]李朋伟.基于多臂凿岩台车和湿喷机组的公路隧道施工机械化作业模式研究[D].重庆：重庆交通大学，2014.
[16]张志伟.工程机械机群优化配置与动态调度方法的研究[D].苏州：苏州大学，2005.
[17]牛岩，韩霁昌，雷光宇.基于粒子群算法的圆形隧洞锚喷支护优化[J].地下空间与工程学报，2017，13(S1):175-181.
NIU Yan，HAN Jichang，LEI Huangyu. Bolt-shotcrete Support Optimization of Circular Tunnel Based on Particle Swarm Optimization[J].Chinese Journal of Underground Space and Engineering，2017，13(S1):175-181.
[18]晁玉增.基于粒子群算法的公路施工机群优化配置研究[D].南京：南京林业大学，2011.
[19]吴淑艺.基于工程量清单的建筑工程碳排放研究[D].福州：福建农林大学，2017.
[20]郭小宏.如何合理确定“挖掘-运输”系统的机械配比[J].筑路机械与施工机械化，1986(4)：22-29,41.
GUO Xiaohong. How to Reasonably Determine the Mechanical Ratio of the “Excavation-transportation” System [J]. Road Machinery & Construction Mechanization,1986(4):22-29,41.
[21]郭小宏.一类路堤填方施工中机械运行状态的概率分析[J].重庆交通大学学报(自然科学版),1992,11(4)：66-75.
GUO Xiaohong. Probability Analysis of Mechanical Operating State in Embankment Filling[J].Journal of Chongqing Jiaotong University (Natural Science Edition)，1992，11(4)：66-75.
[22]张有恒，朱晓宁，王力，等.基于熵权法及COPRAS方法的应急物资供应商选择[J].铁道学报，2017，39(3):14-18.
ZHANG Youheng,ZHU Xiaoyu,WANG Li,et al. Evaluation and Selection of Emergency Material Suppliers by Combining Entropy Weight Method with COPRAS Method[J].Journal of the China Railway Society,2017,39(3):14-18.
[23]刘仕兵，朱雪龙，张艳伟，等.基于灰色聚类和组合赋权法的高速铁路接触网健康状态评估研究[J].铁道学报，2016，38(7)：57-63.
LIU Shibing,ZHU Xuelong,ZHANG Yanwei,et al. Research on Health Status Assessment of High-speed Railway Catenaries Based on Gray Clustering and Combination Assigning Method[J].Journal of the China Railway Society,2016,38(7):57-63.
[24]王丽萍，王渤权，李传刚，等.基于均匀自组织映射遗传算法的梯级水库优化调度[J].系统工程理论与实践，2017，37(4)：1072-1079.
WANG Liping,WANG Boquan,LI Chuangang,et al.Optimization Operation of Cascade Reservoirs by Uniform Self-organizing Map-genetic Algorithm[J].System Engineering Theory and Practice，2017，37(4):1072-1079.
[25]余健，郭平.自组织映射(SOM)聚类算法的研究[J].现代计算机，2007(3):7-8,33.
YU Jian，GUO Ping.Research of Clustering Algorithm of Self-Organizing Maps Neural Networks[J].Modern Computer,2007(3):7-8,33.
[26]许锟，鲍学英，王起才.基于GA-GM(1,N,α)幂模型的铁路客运量预测[J].铁道标准设计，2018，62(1):6-10.
XU Kun，BAO Xueying，WANG Qicai.Railway Passenger Volume Forecasting based on GA-GM(1,N,α)Power Model[J].Railway Standard Design,2018,62(1):6-10.