地下工程低碳理论与应用 课件 -第1章 绪论

西南交通大学土木工程学院地下工程系《地下工程低碳理论与应用》2025年1月2日西南交通大学土木工程学院地下工程系第4章地下工程施工期碳排放不确定性分析本章内容提要本章教学目标：掌握地下工程碳排放不确定性分析方法学会结合实例进行碳排放不确定性分析不确定性分析方法1衬砌施工碳排放不确定性分析单元工程量碳排放不确定性分析本章内容提要23不确定性分析方法1不确定性分析方法一4.1不确定性分析方法（1）数据质量指标：数据质量指标（DQI）包含一种标准质量评估矩阵，具体包括五类数据指标。（2）参数概率分布：常见的输入变量参数分布包括对数正态分布、三角分布和均匀分布等。不确定性分析方法一4.1不确定性分析方法（3）蒙特卡洛模拟：随机分析方法中最常见的一种，可获得输出量的离散抽样值及估计值。（4）最大似然估计：一种重要而普遍的求估计量的方法，用以完成输出量的分布分析。（5）情景分析：基于当前的发展状态以及相关现象和趋势，考虑未来可能发生的多种结果，并分析其发生的影响和驱动力等，帮助决策者进行战略规划。运营期碳排放计算目标与范围一4.1.1数据质量指标1990年，Funtowicz和Ravetz将谱系矩阵引入不确定分析中，将一组特定问题的“谱系准则”的定性专家判断转换为数值尺度，判断标准作为表的列，数字代码作为表的行，以及表中每个单元格中数值的语言描述。Weidema和Wesnæs公司将谱系矩阵转移到生命周期评价；他们的矩阵是正方形的，有一个从1到5的等级量表和5个标准。1998年，Weidema发布了一个基于初始矩阵的多用户测试的轻微修改版本，该矩阵得到了广泛认可，一个重要的应用程序示例是Ecoinvent数据库。运营期碳排放计算目标与范围一4.1.1数据质量指标DQIDQI=1DQI=2DQI=3DQI=4DQI=5可靠性经过验证或测试得到经过验证但部分基于假设，或测试得到但未经验证部分基于假设并未经验证精确的估计不准确的估计完整性从合适的案例和时间范围内得到的有代表性时间区间合理，但从较小样本中采集从合适样本中获得，但时间区间不合理数据具有代表性，但样本过小从非常小的样本中获取的不具代表性，或来自未知样本时间范围≤3年≤6年≤10年≤15年＞15年地理范围地区范围国家范围洲际范围世界范围未知来源技术范围相同过程和公司相同过程和技术、不同公司相同过程、不同技术相同技术、相似过程/产品不同技术、相近的过程/产品表4-1谱系矩阵运营期碳排放计算目标与范围一4.1.1数据质量指标据谱系矩阵的一般方法，DQI=1意味着数据质量评级最高，DQI=5代表数据质量评级最低，该评级方法在许多文献中得到了应用。值得说明的是，数据质量评级的方法并不统一。在单元过程层面使用数据质量分析（DQA）方法，以简化参数不确定性分析的流程。运营期碳排放计算目标与范围一4.1.1数据质量指标隧道物化阶段包含各类材料的生产、运输和加工，清单数据来源复杂，建材和能源的排放与地域、时间和技术等因素关联显著。但建筑材料和能源消耗量来源往往单一，例如来自于设计资料和定额数据，于设计资料和定额数据。运营期碳排放计算目标与范围一4.1.1数据质量指标其数据完整性可按照表中“时间区间合理，但从较小样本中采集”取DQI=2。如第二章所述，可采用国家相关规范计算材料消耗和能耗，这虽然具有相当的代表性，但未经验证。类似的，当本地碳排放因子的来源有限，常从相关研究综合取值。因而，定额数据和排放因子的可靠性可按照表中“部分基于假设并未经验证”取DQI=3。运营期碳排放计算目标与范围一4.1.1数据质量指标综合数据质量指标（ADQI）:将5个DQI数据特征化、归一化后得到的综合指标。用以解决如表4-1的数据较多显得冗赘的问题，进一步增强不确定性的代表性，并减少不确定性分析的工作量。为得到综合的质量指标，需要为5个DQI指标分配权重。在最简单的情况下，可以设定所有DQI权重均为0.2，则ADQI为5个DQI数值的均值。运营期碳排放计算目标与范围一4.1.1数据质量指标例如，在Maurice等人的研究中，与地理和技术范围相关的权重为0.25，与其他3个DQI相关的权重为0.167。考虑到隧道施工材料来源广泛，地理和技术的多样性可能会加大数据的不确定性。因此，采用Maurice等人提出的权重。最终将DQI的值与各DQI的权重并相加，得到综合的数据质量指标。运营期碳排放计算目标与范围一4.1.1数据质量指标数据质量分析（DQA）方法的下一个阶段是谱系矩阵得到的数据质量指标与概率分布联系起来。Kennedy和Wang构建了所谓的变换矩阵。此外，Kennedy提出了四参数Beta函数。该概率分布函数以形状参数（α、β）和位置参数（a、b）控制概率分布特征，能够灵活适应各种分布函数。运营期碳排放计算目标与范围一4.1.1数据质量指标分布参数和数据质量综合评分之间的转换关系较为复杂，一般由专家经验得到。根据文献，转换关系可简化为下述公式。式中μ——数据代表值，如平均值、似然值等。运营期碳排放计算目标与范围一4.1.1数据质量指标对于点数据或数据量很小的集合（如定额数据），其可靠的均值或标准偏差往往难以确定。有必要考虑基于其他参数的分布，如三角分布、连续均匀分布或Beta分布等。采用三角形分布将ADQI结果转换为流程输入值的偏差水平，见表4-2，该方法在文献中得到了应用。如果ADQI得分为1.0，则其数据允许标准差为10%，随着ADQI数值增大，偏差逐渐增加。研究者并不总是需要输入准确的清单数据，也可能是一个区间范围。以电能为例，假定电能消耗量为6kWh，同时ADQI数值为1，偏差为10%，因而电能输入量可用区间[5.4kWh，6.6kWh]表示。运营期碳排放计算目标与范围一4.1.1数据质量指标ADQI偏差/%ADQI偏差/%ADQI偏差/%1.0102.4243.8381.2122.6264.0401.4142.8284.2421.6163.0304.4441.8183.2324.6462.0203.4344.8482.2223.6365.050表4-2不同ADQI值对应的偏差运营期碳排放计算目标与范围一4.1.2参数概率分布三角分布现有文献常用三角形分布模拟能耗强度、能源的排放因子。受到技术和工艺的限制，排放因子的取值存在上下限。通过对现有参数的采集、整理和统计分析，研究者能够得到一个最接近的取值。随着未来技术的进步和清洁能源的发展，排放因子数值还将进一步下降，但在特定时间段内仍存在一个最可能的取值。因此，排放因子的特征符合三角形分布的特点。定额数据由于为最可能取值，取一定偏差值范围，即可得到低值与高值，因此，定额数据分布可采用三角形分布。运营期碳排放计算目标与范围一4.1.2参数概率分布三角分布从数学角度，三角形分布低值为a，众数为c，高值为b，是一种连续概率分布。其累积分布函数为：运营期碳排放计算目标与范围一4.1.2参数概率分布均匀分布第二章建立的模块化碳排放计算模型中，从废旧土石中回收砂石的比例、市场到隧道的运输距离是服从连续分布的随机变量，具有低值和高值。不同于三角分布，一些随机变量并无最可能的取值，因此可考虑均匀分布。运营期碳排放计算目标与范围一4.1.2参数概率分布均匀分布假定随机变量X服从均匀分布，则X的概率密度函数见公式：其累积分布函数为：运营期碳排放计算目标与范围一4.1.2参数概率分布正态分布正态分布是一种“两头低”和“中间高”的“钟型”概率分布，在数学和工程领域得到了广泛应用，在统计学中具有重要地位。假定随机变量X服从正态分布，期望为μ，方差为σ2，计作X~N(μ，σ2)。其累积分布函数不能直接积分得到，一般用误差函数表示：运营期碳排放计算目标与范围一4.1.3蒙特卡洛模拟方法简介定义：蒙特卡洛模拟以概率和统计理论方法为基础，常用于产生某概率模型的随机数或伪随机数，获得真实问题的近似解，也称为随机抽样方法。《用蒙特卡洛法评定测量不确定度》（JJF1059.2—2012）给出的定义：蒙特卡洛方法是利用对概率分布进行随机抽样而进行分布传播的方法。基于贝叶斯学派观点的定义：未知参数可以看作一个随机变量，用概率来理解某一未知变量的变化。当样本数量足够大时，频率即概率。因此，蒙特卡洛方法的本质是使用概率模型描述事件发生的结果。运营期碳排放计算目标与范围一4.1.3蒙特卡洛模拟方法简介实现步骤：假设一个函数包含n个随机变量，由输入量Xi(i=1，2，3，…，N)的概率密度函数，通过对输入量Xi的概率密度函数的离散抽样，由模型传播输入量的分布，计算输出量Y的概率密度函数的离散抽样值，从而获得输出量的最佳估计值、标准不确定度和包含区间。具体步骤见规范《用蒙特卡洛法评定测量不确定度》（JJF1059.2—2012。通过蒙特卡洛模拟得到输出量Y的分布函数离散值G。经过计算得到：由G计算Y的估计值y以及y的标准不确定度u(y)；由G计算在给定包含概率p时的Y的包含区间[ylow，yhigh]。运营期碳排放计算目标与范围一4.1.3蒙特卡洛模拟实施平台Python是一种面向对象的高级程序设计语言，具有动态数据类型特性。Python在1989年由GuidovanRossum发明，该语言本身也是在相关语言基础上发展而来，包括ABC、C、C++、Unixshell等。当前Python已经成为主流的编程语言之一，在科学计算和统计、人工智能、网络爬虫、软件开发等领域得到广泛应用。运营期碳排放计算目标与范围一4.1.3蒙特卡洛模拟实施平台使用Python语言开展蒙特卡洛模拟，版本号为Python3.7.164-bit。运行平台为VisualStudioCode。VisualStudioCode是一种优秀的集成开发环境，具有开源、跨平台、模块化和插件丰富等特质。Python标准库涵盖正则表达式、网络、网页浏览器、GUI、数据库和文本等内容。除了Python标准库外，还使用了SciPy、NumPy和Matplotlib扩展库。有观点认为，SciPy、NumPy和Matplotlib的协同工作性能能够媲美MATLAB软件。运营期碳排放计算目标与范围一4.1.3蒙特卡洛模拟实施平台常用扩展库1）NumPy是使用科学计算的软件包。包括功能强大的N维数组对象，具有强大的线性代数、傅里叶变换和随机数功能，能够存储和处理大型矩阵。其中随机数功能对于蒙特卡洛模拟至关重要，一般由random模块生成随机数。运营期碳排放计算目标与范围一4.1.3蒙特卡洛模拟实施平台常用扩展库2）SciPy是一种常用的科学计算软件包。能够处理插值、积分、优化、图像处理和常微分求解等问题。SciPy能够计算NumPy矩阵并实现协同工作，从能够大幅提升计算效率。SciPy提供了蒙特卡洛模拟需要多种概率密度函数。运营期碳排放计算目标与范围一4.1.3蒙特卡洛模拟实施平台常用扩展库3）Matplotlib是一种Python数据图形化工具。在Python2D绘图领域得到了广泛引用。Matplotlib仅需要少量代码就可以生成直方图、条形图、误差图和散点图等图形。Matplotlib并不直接参与随机模拟过程，而是用于对模拟结果的可视化。运营期碳排放计算目标与范围一4.1.4最大似然估计定义：最大似然估计是用来求得一个样本集的相关概率密度函数的参数统计方法。对于某一随机变量，研究者可通过蒙特卡洛模拟方法得到该随机变量的概率密度函数抽样值。但该随机变量服从的概率密度函数仍无确定信息。此时，研究者可对该样本集进行重复采样，使用样本集数据估计概率密度函数。具体来说，对样本集采用最大似然估计方法，估计样本集所服从的某种分布的数字特征。运营期碳排放计算目标与范围一4.1.4情景分析除了参数的不确定性以外，情景的不确定性也应当得到重视。决策者和研究者需要一些能够分析未来不确定性的研究工具和方法，以便应对将要到来问题和危机。情景并非是对未来的预测，而是一种对未来如何改变的描述。情景描述了一些可能性，尽管这些可能性也许并不是很高。通过展示未来可能性的范围和种类，情景为人们采取明智的行动提供支持，同时说明人类活动塑造未来方面的作用，以及环境变化和人类行为之间的关系。运营期碳排放计算目标与范围一4.1.4情景分析历史起源：最早正式出现在第二次世界大战，用于战争策略分析。主要应用场景：战略规划、政策分析、决策管理乃至全球环境评估等。重要的研究成果：《全球环境展望4：旨在发展的环境》和《IPCC决策者摘要》，以及我国发布的《2020中国可持续能源情景分析》。参考资料：UNEP发布的IntegratedEnvironmentalAssessmentandReporting训练手册。单元工程量碳排放不确定性分析2单元工程量碳排放不确定性分析二4.2单元工程量碳排放不确定性分析根据4.2.3节中蒙特卡洛模拟的一般步骤和方法，搜集隧道施工单元过程的前景数据和背景数据，通过半定量的DQI方法明确工程定额的偏差范围。基于现有文献的搜集确定碳排放因子的取值范围，并根据输入数据的特点将其设定三角形分布和均匀分布。在完成以上准备工作后，在VisualStudioCode平台编写基于Python的蒙特卡洛模拟算法，并处理输入数据。（*本节仅分析基元碳排放的不确定性。）单元工程量碳排放不确定性分析二4.2.1参数取值工程定额预算定额是国家工程建设的计价标准，完整性较高，并根据施工水平发展做定期更新，具有较好的时间范围代表性和地理范围代表性。对于定额《公路工程预算定额》（JTG/T3832—2018）和《公路工程机械台班费用定额》（JTG/T3833—2018），其可靠性DQI=3，完整性DQI=2，时间范围DQI=1，地理范围DQI=2，技术范围DQI=2。根据4.2.1节对不同DQI的权重设置，计算综合的数据质量指标，ADQI=3*0.167+2*0.167+1*0.167+2*0.25+2*0.25=2依据表4-2，上述两个定额中活动水平数据偏差取20%。单元工程量碳排放不确定性分析二4.2.1参数取值碳排放因子排放因子代表能源或产品在生产和流动过程中的排放水平。根据研究区域、商品类型和时间的差异，不同研究采用的排放因子往往差异巨大，给碳排放研究带来巨大的不确定性。根据IPCC的提议，各国应利用自己的经同行评议的公开出版文献，这样可以准确反映各国的做法。当缺乏相关文献的情况下，可使用IPCC缺省因子或其他国家或地区的排放因子数值。单元工程量碳排放不确定性分析二4.2.1参数取值碳排放因子根据联合国气候变化框架公约下清洁发展机制执行理事会颁布的电力系统排放因子计算工具，国家生态环境部计算并发布了近年我国不同区域电网碳排放系数，见表4-3。区域电网201220132014201520162017华北1.00211.03021.05801.04161.00000.9680东北1.09351.11201.12811.12911.11711.1082华东0.82440.81000.80950.81120.80860.8046华中0.99440.97790.97240.95150.92290.9014西北0.99130.97200.95780.94570.93160.9155南方0.93440.92230.91830.89590.86760.8367表4-32012年-2017年区域电网终端用电碳排放系数（单位：tCO2eq/MWh）单元工程量碳排放不确定性分析二4.2.1参数取值碳排放因子《IPCC国家温室气体清单指南》第二卷给出的汽油和柴油的净发热值为43.0GJ/t。根据冯旭杰的调研，柴油生命周期碳排放系数下限为76.4gCO2eq/MJ，上限为102.4gCO2eq/MJ，汽油生命周期碳排放系数下限为76.3gCO2eq/MJ，上限为98.9gCO2eq/MJ。《建筑碳排放计算标准》（GB/T51366—2019）中给出的柴油、汽油排放因子建议值为72.59和67.91gCO2eq/MJ。欧训民等人计算柴油和汽油生命周期碳排放为101.6gCO2eq/MJ和91.7gCO2eq/MJ，符合上述排放区间。综合相关文献，柴油生命周期碳排放系数取72.59-102.4gCO2eq/MJ，汽油生命周期碳排放系数取67.91-98.9gCO2eq/MJ。结合前述IPCC净热值，计算得到柴油的碳排放因子区间为3.121-4.403kgCO2eq/kg，汽油的排放因子为2.920-4.253kgCO2eq/kg。单元工程量碳排放不确定性分析二4.2.1参数取值碳排放因子依据相关文献以及数据调研，砂石的碳排放多集中在2.0-24.0kgCO2eq/t。碎石的排放值介于1.4-24kgCO2eq/t。砂的排放值介于1.5-24kgCO2eq/t。普通木材排放因子介于60-1288kgCO2eq/m3（仅考虑砍伐加工期间）单元工程量碳排放不确定性分析二4.2.1参数取值碳排放因子水泥产品综合排放因子为0.702tCO2eq/t，95%的置信区间为0.626-0.811tCO2eq/t。碳钢平均碳排放为2.05tCO2eq/t。本章节取2.013-2.309tCO2eq/t的区间。关于硝铵炸药的相关研究数量较少，不同炸药材料配比可能不同。DQI分级方法见表4-1，各项DQI分别取3、1、4、2和2，计算ADQI值为2.33，偏差为±23.3%，则其区间为0.202-0.324tCO2eq/t。单元工程量碳排放不确定性分析二4.2.1参数取值碳排放因子表4-4排放因子不确定性与偏差材料/能源采用值单位最小值-最大值木材146.3kgCO2eq/t60-1288钢材2.309tCO2eq/t2.013-2.309水泥0.702tCO2eq/t0.626-0.811硝铵炸药0.263tCO2eq/t0.202-0.324砂4.0kgCO2eq/t1.5-24.0碎砾石3.0kgCO2eq/t1.4-24.0电力0.972kgCO2eq/kWh0.837-1.094汽油3.943tCO2eq/t2.920-4.253柴油4.369tCO2eq/t3.121-4.403单元工程量碳排放不确定性分析二4.2.1参数取值材料回收和运输根据敏感性分析，废旧土石中回收砂石的比例、市场到隧道的运输距离和载具类型，对隧道施工的生命周期碳排放有重要影响；而隧道内运输碳排放占比极小，影响微弱。将考虑市场到隧道的运输，以及材料回收的不确定性，根据其数据分布特性，设定其服从连续分布，其取值和偏差见表4-5。表4-4排放因子不确定性与偏差因素取值单位能耗类型砂石回收比例0-100%—市场到隧道运距0-500km—市场到隧道运输油耗0.013-0.037kg/(tkm)柴油单元工程量碳排放不确定性分析二4.2.2样本容量样本容量试算根据《用蒙特卡洛法评定测量不确定度》（JJF1059.2—2012）给出的指导：样本量取106将使得输出量具有95%的包含区间，同时样本量应不小于104。

进一步地，该规范给出了一种自适应的蒙特卡洛试验方法，通过增加试验次数，使得各项结果的两倍标准偏差小于标准不确定度的数值容差。但这种方法有一定缺陷：需要不断迭代计算，从小到大逐渐增加抽样次数，因而操作过程繁琐，效率较低。单元工程量碳排放不确定性分析二4.2.2样本容量样本容量试算现以隧道定额中10m3喷射混凝土工序为研究对象，使用python语言在VSCode平台编写算法，以均值和标准差为评判指标，分析不同样本容量下输出结果的稳定性。为验证该算法对不同分布类型的兼容性，分别考虑了碳排放因子服从三角形分布和均匀分布两种情况。单元工程量碳排放不确定性分析二4.2.2样本容量样本容量试算现以隧道定额中10m3喷射混凝土工序为研究对象，使用python语言在VSCode平台编写算法，以均值和标准差为评判指标，分析不同样本容量下输出结果的稳定性。为验证该算法对不同分布类型的兼容性，分别考虑了碳排放因子服从三角形分布和均匀分布两种情况。根据公路工程预算定额中隧道部分，每喷射10m3C25混凝土需要投入0.01m3木材、5.628t水泥、7.2m3中粗砂、6.84m3碎石、1.29台班的混凝土喷射机，0.78台班的20m3/min电动空压机。（数据来源于《公路工程预算定额》（JTG/T3832—2018））而每台班混凝土喷射机消耗电能43.01kWh，而每台班20m3/min电动空压机耗电601.34kWh。（数据来自于《公路工程机械台班费用定额》（JTG/T3833—2018））单元工程量碳排放不确定性分析二4.2.2样本容量样本容量试算材料/设备推荐数值单位偏差取值范围木材0.01m320%0.008-0.012水泥5.628t20%4.50-6.754水24m320%19.2-28.8中粗砂7.2t20%5.76-8.64碎石6.84m320%5.47-8.21混凝土喷射机1.29台班20%1.032-1.548电动空压机0.78台班20%0.62-0.94表4-6公路工程预算定额中材料和台班的不确定性与偏差表4-7工程机械能耗不确定性与偏差设备推荐数值单位偏差取值范围混凝土喷射机43.01kWh20%34.41-51.61电动空压机5.628kWh20%4.50-6.75产生的碳排放为：5.053tCO2eq单元工程量碳排放不确定性分析一4.2.2样本容量样本容量试算所用蒙特卡罗算法的技术特点如下：采样次数为10i(i=1，2，3…7)。此外，本算法生成的随机值并不是预先分配或登记的，它在每次抽样或迭代时都会重新生成。本算法最高抽样次数为107，远高于《用蒙特卡洛法评定测量不确定度》（JJF1059.2—2012）给出的106推荐值，从而确保随机抽样操作中能够出现各种可能的差异值。基于Python扩展库SciPy、NumPy和Matplotlib，获得了不同样本容量和排放因子分布类型下碳排放均值和标准差，如图所示。单元工程量碳排放不确定性分析二4.2.2样本容量样本容量验证以1m3喷射混凝土模块碳排放为例，开展蒙特卡洛模拟，迭代次数为1，样本容量取101到107不等。单次迭代的计算结果如图所示，当样本容量较小时，数据较为分散，随着样本容量的增加，碳排放均值约为523kgCO2eq，排放区间为350-840kgCO2eq。需要注意的是，图中纵坐标采用频率与组距的比值，可近似看作概率密度，通过归一化处理，使得区间宽度与频率乘积的累计等于1。具体来说，这里纵坐标=区间数目/（总数×区间宽度）。单元工程量碳排放不确定性分析二4.2.2样本容量样本容量验证a)b)c)d)e)f)a）样本容量N=10b）样本容量N=102c）样本容量N=103

d）样本容量N=104e）样本容量N=105f）样本容量N=106单元工程量碳排放不确定性分析二4.2.2样本容量样本容量验证进一步分析样本容量在多次迭代下的稳定性。将迭代计算设定为10次，模拟结果如图所示。随着样本容量的增加，模拟结果的碳排放均值、标准差、2.5百分位值和97.5百分位值逐渐趋于稳定。综合考虑模拟收敛效果和计算成本，样本容量取N=106能够满足精度需求。a)均值单元工程量碳排放不确定性分析二4.2.2样本容量样本容量验证a)标准差单元工程量碳排放不确定性分析二4.2.2样本容量样本容量验证a)2.5百分位值单元工程量碳排放不确定性分析二4.2.2样本容量样本容量验证a)97.5百分位值单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析根据4.1节中的方法，样本容量N取106，通过蒙特卡洛模拟明确各基元的碳排放不确定性，如图所示。模拟结果表明，样本分布呈现明显的钟型特点，即前后低、中间高的特点，尽管图形分布并不完全对称，暗示后续可使用正态分布拟合基元的碳排放分布结果，为后续模拟不同工程量下隧道施工碳排放提供概率分布参数依据。单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析a）1m3I级围岩开挖出渣b）1m3II级围岩开挖出渣c）1m3III级围岩开挖出渣d）1m3IV级围岩开挖出渣单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析e）1m3V级围岩开挖出渣f）1kg型钢支撑

g）1kg格栅支撑h）1kg连接钢筋单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析

i）1kg砂浆锚杆j）1m药卷锚杆

k）1m中空锚杆l）1kg金属网单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析

m）1m3喷射混凝土n）1m3二衬拱墙混凝土

o）1m3二衬仰拱混凝土p）1kg衬砌钢筋单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析

q）1m注浆小导管r）1m3水泥注浆上述图中给出了不同碳排放数值分布对应的概率密度，但仍缺乏相关的分布参数。在统计模拟中，均值、标准差、最小最大值等参数能够很好描述数列的分布特性。各基元碳排放的不确定性描述见表4-8，与基元碳排放的确定值进行对比显示，基元碳排放的确定值均在样本碳排放的区间范围内，样本均值和确定值有较小偏差。单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析表4-8基元碳排放不确定分析基元不确定性分析/kgCO2eq确定值/kgCO2eq均值与确定值的偏差/%均值标准差95%概率包含区间1m3I级围岩开挖出渣19.0051.81515.691-22.75319.318-1.621m3II级围岩开挖出渣17.5621.65214.538-20.95717.848-1.601m3III级围岩开挖出渣12.9381.11910.861-15.2213.268-2.491m3IV级围岩开挖出渣12.3011.0710.323-14.48812.624-2.56注:偏差为单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析1m3V级围岩开挖出渣13.7821.27111.44-16.39114.104-2.281kg型钢支撑2.5440.1942.177-2.9212.663-4.471kg格栅支撑2.9250.2012.544-3.3173.054-4.221kg连接钢筋2.4130.2032.029-2.8062.522-4.321kg砂浆锚杆4.0090.273.492-4.5434.118-2.651m药卷锚杆11.8610.79310.349-13.43812.201-2.791m中空锚杆16.8231.11514.698-19.02217.277-2.631kg金属网2.4270.2032.043-2.8212.536-4.301m3喷射混凝土523.54259.795423.131-658.308504.1473.771m3二衬拱墙混凝土425.6356.012335.13-555.964402.3425.791m3二衬仰拱混凝土367.33149.629286.882-482.791346.6625.961kg衬砌钢筋2.3450.2021.964-2.7382.455-4.481mφ42注浆小导管13.5430.98211.68-15.49613.966-3.031m3

注浆1057.903106.482861.727-1273.0541054.3760.33单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析从表4-8中数值大小来看，样本均值和确定值的偏差介于-5%+6%，偏差主要来源于输入参数的取值差异。工程定额数据和碳排放因子采用三角形分布，而将材料运输和回收比例参数设定为均匀分布。三角形分布和均匀分布具有左右对称特性，若将确定性研究中参数取值保持在区间中值附近，则有利于减小消除样本均值和确定值的偏差。例如，工程定额取值根据半定量数据质量，原数据为区间中值，消除了确定性研究和样本均值的差异。然而，确定性研究中部分参数取值并非蒙特卡洛模拟的取值范围的中值。材料运输参数设定为均匀分布，市场到隧道运输距离为0-500km，如果要接近样本均值则应接近回收比例和运输距离的中值，即250km。单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析类似的，确定性研究中碳排放因子取较大值，对部分工序的碳排放产生了直接影响。以钢铁为例，钢铁碳排放因子的取值范围为2.013-2.309kg/kgCO2eq，相对应的，确定性研究中钢铁的排放因子取2.309kg/kgCO2eq，为取值区间的最大值。由于钢铁在钢支撑和衬砌配筋中得到了大量使用，以上工序的确定性碳排放均高于样本均值，即表4-8中偏差取负值。单元工程量碳排放不确定性分析二4.2.3基元碳排放不确定性分析表4-8中二衬拱墙混凝土、二衬仰拱混凝土和喷射混凝土的排放偏差取正值，三者都考虑到了砂石的回收，具体包括隧道废弃渣石的运输、处理和回收运输。根据样本采样的取值设置，回收比例为0-100%，均值则为50%，远小于确定值，因而需要从市场购买更多的原料，在生产和运输过程中产生了更多排放。此外，由于上述三个基元较其他基元增加了砂石回收的流程，带来了较大的不确定性，导致标准差大幅增加。衬砌施工碳排放不确定性分析3衬砌施工碳排放不确定性分析三4.3衬砌施工碳排放不确定性分析为明确该拟合模型计算碳排放的偏差，将建立一个包含隧道衬砌施工全部单元过程的随机分析计算模型，简称为隧道整体LCI模型。隧道整体LCI模型分析不同隧道案例的施工碳排放不确定性，包括均值、标准差和95%包含区间等关键指标，并对各模块的不确定性进行深入分析。最后分析情景不确定性对隧道施工碳排放的影响，考虑未来设计优化带来的工程量下降以及技术进步带来的排放因子下降，对隧道衬砌排放的不确定性的影响。衬砌施工碳排放不确定性分析三4.3.1工程量和情景设定隧道衬砌每延米工程量可从隧道勘察设计图中得到，但勘察设计资料属于商业性技术成果，难以大量获得。因此，采用普查方式获得大量隧道每延米工程量是难以实现的。作为一种备选方法，可通过部分隧道设计资料样本对总体进行估计。中国公路隧道里程长达数万公里，总体规模庞大，而样本数量较为有限，难以准确反映总体的分布特点。综上，现阶段难以通过直接统计或间接估计方法准确获得衬砌施工工程量的分布概率。根据第三章内容，搜集到的高速公路隧道衬砌设计样本包括III级、IV和V级围岩，浅埋和深埋隧道，较好、较差和一般围岩质量，因而具有较好的地质条件和围岩级别代表性。考虑到当前公路隧道设计仍广泛使用半经验的工程类比方法，即在隧道设计中参考同类断面规模和围岩条件相似的设计，隧道样本能够反映一定时期内特定隧道设计特点，仍以表3-9中工程量作为不确定性分析的数据来源。衬砌施工碳排放不确定性分析三4.3.1工程量和情景设定随着信息化技术的发展，基于实际地层开挖的动态调整将在预设计的基础上提升设计参数合理性。由此，隧道施工过程中建材和能源的使用量将出现下降。在基准排放情景的基础上，考虑技术进步因素，重点考虑电力和建材的低排放因子情景以及设计优化的低投入情景见下表。采用“专家判断”方法设置隧道施工优化的投入减少比例，这里的专家判断主要来源于文献资料。情景编号描述基准