Förundersökningar vid undermarksprojekt

(1)

Förundersökningar vid undermarksprojekt

- Osäkerheter och deras hantering

(2)

Titel: Förundersökningar vid undermarksprojekt - Osäkerheter och deras hantering

Framsidesbild: Thomas Fahlander Publikation: 2010:037

Utgivningsdatum: Maj 2010 Utgivare: Trafikverket

Författare: Janne Malmtorp, JLM Tunnelkonsult, Peter Lundman, Trafikverket Kontaktperson: Peter Lundman, Trafikverket

ISBN: 978-91-7467-006-6 Layout: Grafisk form, Trafikverket

(3)

Sammanfattning

Föreliggande arbete har studerat och kvantifierat osäkerheterna i bergprognoser i utvalda tunnelsektioner på Ådalsbanan. Resultaten visar att det är möjligt att mäta osäkerheter och att deras storlek kan knytas till förundersökningarnas kvalitet. Det visas också hur sambandet mellan förundersökningar, prognososäkerheter och kon- sekvenser kan värdesättas i tid och pengar samt diskuteras vad detta betyder för undermarksbyggandet.

Problem

Under lång tid har det varit ett välkänt faktum att tunnelarbeten innehåller ett stort mått av osäkerhet på grund av svårigheten att prognostisera och bedöma berget. Trots detta behandlas de i tids- och kostnadskalkyler som om att de inte existerade.

De värderingar av osäkerheter som görs idag utförs som regel i planeringsskedet och resulterar ibland i att mer förundersökningar utförs. Mer förundersökningar löser dock inte problemet eftersom det alltid finns kvarstående osäkerheter, förutom att det inte alltid är kostnads- effektivt. Problemet är i stället att veta hur stora osäkerheterna är, och vilka konsekvenser de kan leda till, d.v.s. det är ett mätproblem.

Metodik

I detta arbete har problemet med osäkerheter studerats på ett nytt sätt jämfört med tidigare.

Utgångspunkten har varit att det inte är osäkerheterna i sig som är problemet, utan hur de ska mätas. Den metodik som använts har utgått från följande hypotes:

Osäkerheter i bergprognoser skapar osäkerheter om vad som behöver göras under 1.

entreprenadarbetena.

Detta skapar osäkerheter om tidsåtgång och resursbehov för såväl bergschakt som slut- 2.

ligt utförande.

Detta skapar osäkerheter i kostnaderna för utförande av såväl bergschakt som det slutliga 3.

utförandet.

Arbetet har bestått av att mäta de osäkerheter som enligt hypotesen går IN i byggprojekten, via förundersökningarna och bergprognoserna, och mäta de osäkerheter som sedan kommer UT, i form av påverkan på tider och kostnader.

Genomförande

Som indata har arbetsmaterial från fem av Ådalsbanans tunnlar använts och sammanlagt ingår ca 1 650 m tunnel. Arbetsmaterialet har omfattat Q-värden från ordinarie bergprognoser och karteringar samt Q-värden från prognoser och karteringar som tagits fram i kontroll- syfte. Dessutom har kontraktspriser och litteratur använts.

(4)

För att kunna värdera hur konsekvenserna påverkades av osäkerheterna i prognoserna har de förundersökningsdata prognoserna baserades på klassificerats i kategorierna ”Bra underlag” respektive ”Osäkert underlag”. Osäkerheterna har sedan använts för att bestämma skillnader i drivningstid, förstärkningstid samt kostnader för slutlig förstärkning.

Mätningarna av osäkerheterna har gjorts genom jämförelser av prognoser och tillhörande karteringar, prognoser upprättade av olika utförare samt karteringar gjorda av olika utförare.

Beroende på hur osäkerheterna varierat har olika orsaker till variation kunnat pekas ut.

För att slutsatserna skulle kunna baseras på så välunderbyggda resultat som möjligt har endast grupper av data analyserats. Dessa grupper har valts från ett SPC-perspektiv (Statistical Process Control), d.v.s. med hänsyn till de olika tidsskeden de representerar. Variationerna har bestämts genom att beräkna och jämföra både medelvärden och tillhörande spridningar (σ) med avseende på de bedömningar av Q-värden som gjorts. Detta uttryckte därmed de medelförhållanden och möjliga avvikelser från dem som parterna normalt bör vara beredda på att kunna hantera under ett bygges olika skeden.

Resultat

Det finns mätbara och signifikanta osäkerheter i bergprognoser och dessa varierar beroende på kvaliteten på förundersökningsdata enligt följande:

Bergprognoser som upprättats med stöd av ”Bra underlag” visar en mycket begränsad –

avvikelse från de Q-värden som bestämts vid karteringen.

Bergprognoser som upprättats med stöd av ”Osäkert underlag” visar en avvikelse av ca –

0,4 – 0,5 tiopotenser från de Q-värden som bestämts vid karteringen.

Med ”Bra underlag” avses prognoser som vilar på både ”bra” kärnborrhål, ”bra” andra observationer samt ”bra” seismik. Med ”Osäkert underlag” avses prognoser där en eller flera av dessa informationskällor inte uppfyller kravet på att vara ”bra”. Det har inte gått att statis- tiskt styrka något mer precist samband än detta på grund av spridningen i data. De beräk- nade skillnaderna avser medelvärden. Detta innebär att det även finns mindre sannolika extremfall med andra skillnader.

Enligt hypotesen leder olika osäkerheter till olika konsekvenser. Medelvärdena för dessa varierande konsekvenser har därför bestämts genom jämförelse med de bedömningar som kunde göras med stöd av prognosen. Resultatet blev följande:

Drivningstiden ökade med ca 1 % vid ”Bra underlag” medan den ökade med ca 20 % vid –

”Osäkert underlag”.

Den totala utförandetiden t.o.m. slutlig förstärkning ökade med ca 1 % vid ”Bra under- –

lag” medan den ökade med ca 35 % vid ”Osäkert underlag”.

Kostnaderna för slutlig förstärkning ökade med ca 2 % vid ”Bra underlag” medan den –

ökade med ca 30 % vid ”Osäkert underlag” (6 000 kr/m).

(5)

Skillnaderna är väl definierade och kan bedömas vara väl underbyggda även om det också finns mindre sannolika extremfall med avvikande konsekvenser. Sammantaget ger detta stöd för att den antagna hypotesen är korrekt. Det ger också stöd för att det går att beräkna sam- variationen mellan osäkerheter i förundersökningar, prognoser och konsekvenser.

Förutom de osäkerheter som följer av förundersökningarnas kvalitet består osäkerheter i prognoser även av osäkerheter i karteringen då de avgör vilka de faktiska bergförhållandena är, oavsett hur vetenskapligt korrekt detta är. Därför är det avgörande att det finns en samsyn i tillämpningen av Q-systemet som löper genom hela processen och som når samtliga berör- da i de olika skedena. Jämförelserna indikerar att följande samverkande faktorer är viktiga

Data stödjer tanken om att projektörer förlägger tyngdpunkt och spridning i prognoser- A)

na utifrån de indata de har att tillgå. Detta indikerar följande:

Bra indata: förundersökningarna fångar upp merparten av den relevanta informatio-

•

nen och både prognosens tyngdpunkt och spridning ger en bra bild av verkligheten.

Sämre indata: förundersökningarna fångar inte upp all relevant information och detta

•

resulterar i en alltför positiv bild av verkligheten.

Data stödjer tanken om att kartörer i viss mån lägger sig på den säkra sidan, men att detta B)

också varierar med bergförhållandena. Detta indikerar följande:

Bra berg: parameterbestämningen är lättare att göra än vid sämre berg och parternas

•

upplevelse av att förhållandena är bra gör det lätt att få acceptans för bedömningarna.

Sämre berg: då fler parametrar berörs vid sämre berg ökar osäkerheterna samtidigt

•

som det kan vara svårare att få acceptans för bedömningar som upplevs vara för höga.

Detta förklarar skillnaderna i de jämförelser som har gjorts. Däremot går det inte att enty- digt svara på hur giltig den redovisade förklaringsmodellen är för tunnelprojekt i allmänhet.

För detta behöver mätningar göras i fler projekt.

Rekommendationer

De rekommendationer som lämnas har delats in i områdena ”Kunskap och förståelse”, ”Re- gelverk” samt ”Byggprojekt” beroende på vad de syftar till att förbättra.

Med avseende på kunskap och förståelse bör först och främst en artikel publiceras, med till- hörande presentationsmaterial för föredragningar och diskussioner. På sikt föreslås bl.a. att motsvarande arbete som detta utförs i ett eller flera andra tunnelprojekt och att det utförs en undersökning av osäkerheter och konsekvenser då det gäller tätning och frostisolering.

Med avseende på regelverk bör alternativa förundersökningsmetoder identifieras och utvär- deras och osäkerheterna avseende tolkning av Q-värden utifrån seismik klarläggas. På sikt föreslås bl.a. att resultaten implementeras i de regelverk som styr tunnelbyggandet och att

”Q-körkort” införs.

(6)

Med avseende på byggprojekten föreslås på kort sikt att tvåkuvertsystem vid upphandling tillämpas samt att de påminns om att ställa krav på att bergprognoser ska redovisa de data de bygger på, att prognoserarbetet bör omfatta riskvärdering och att det hålls planerade genomgångar med byggledning, kartörer och projektörer under bygget samt att det sä- kerställs att det finns tid, belysning och arbetsplattformar för utförande av det praktiska karteringsarbetet.

(7)

INNEHÅLL

1 Inledning ...9

1.1 Bakgrund ...9

1.2 Syfte och nytta ...9

1.3 Omfattning och utförande ...9

1.4 Orientering om projekt Ådalsbanan ...9

2 Genomförande ... 11

2.1 Allmänt ... 11

2.2 Hypotes ... 11

2.3 Mätning och uppskattning av osäkerheter ...12

2.4 Orientering om analysmetodiken ...13

3 Allmänt om bergprognoser ...15

3.1 Allmänt ...15

3.2 Karaktäriserings- och klassificeringssystem ...15

3.3 Metodik ...15

3.4 Bergklassificeringssystems reproducerbarhet ... 16

3.5 Q-systemet ...17

4 Indata ... 19

4.1 Allmänt ... 19

4.2 Förundersökningar ... 19

4.3 Prognoser ... 20

4.4 Karteringar ...21

4.5 Q-värdets betydelse för byggtiden ...21

4.6 Kostnadsdata från Ådalsbanan ...22

5 Resultat ...24

5.1 Allmänt ...24

5.2 Osäkerheter i prognoser ...24

5.2.1 Skillnader mellan NGI-prognoserna och den ordinarie karteringen ...24

5.2.2 Skillnader mellan olika prognoser ...27

5.2.3 Skillnader mellan olika karteringar ... 30

5.3 Tillförlitlighet i förundersökningsdata ...33

(8)

5.4 Konsekvenser med avseende på drivningsarbetena ...37

5.5 Konsekvenser med avseende på den slutliga bergförstärkningen ...38

6 Diskussion och slutsatser ... 41

6.1 Allmänt ... 41

6.2 Mätning av osäkerheter ... 41

6.3 Osäkerheter i bergprognoser ...42

6.4 Osäkerheternas konsekvenser ... 44

6.5 Osäkerheternas orsaker ...47

6.6 Slutsatser ...53

6.7 Avgränsningarnas betydelse för resultaten ...55

6.8 Beröringspunkter med FIA:s tiopunktsprogram ...55

7 Rekommendationer ...56

7.1 Allmänt ...56

7.2 Kloka ord från förr ...56

7.3 Åtgärdsförslag ...56

7.3.1 Allmänt ...56

7.3.2 Kunskap och förståelse ...57

7.3.3 Regelverk ...57

7.3.4 Byggprojekt ...58

8 Referenser ...59

Bilagor ... 60

(9)

Inledning 1

Bakgrund 1.1

Precis som vid utförandet av alla anläggningsprojekt är bedömningarna av tider och kostnader viktiga även i samband med tunnlar. Berg är emellertid inte ett homogent material, något som gör det särskilt svårt att förutsäga dess egenskaper. Det består till exempel av såväl in- takt bergmaterial (block) som sprickor, förkastningar och svaghetszoner. Dimensioneringen baseras därför ofta på empiriska metoder och av dessa utgör de s.k. klassifice ringssystemen de mest använda empiriska dimensioneringshjälpmedlen.

Ett av problemen med bergprognoser är att avgöra hur stora osäkerheterna är och hur de bör hanteras med avseende på betydelsen för kostnad, tid och kvalitet. Om osäkerheterna och de tillhörande konsekvenserna skulle kunna bestämmas skulle bedömningarna av tider och kostnader kunna förbättras.

Syfte och nytta 1.2

Syftet med detta arbete är att redovisa hur osäkerheter i förundersökningar och bergprognoser varierar i tunnelprojekt, beskriva hur de påverkar tider och kostnader samt föreslå hur hanteringen av dem kan förbättras.

Resultaten kan användas för att förbättra kvaliteten i tid- och kostnadsbedömningar i all- mänhet samt i upphandlingsarbetet i synnerhet. De kan även användas för att förbättra dialogen mellan yrkeskategorier och bidra till ökad samsyn och förbättrat samarbete i enskilda projekt. Resultaten kan även ses som ett första steg mot att framtida byggprojekt ska få tillgång till ett förbättrat beslutsstöd.

Omfattning och utförande 1.3

Arbetet har utgått från en hypotes om sambandet mellan prognososäkerheter och tider och kostnader i tunnelprojekt. Hypotesen har sedan provats genom jämförelser av utvalda sektioner i olika tunnlar på Ådalsbanan. Analyser och resultat är i första hand inriktade mot bergets bärförmåga men i diskussionen belyses även tätning och frostisolering.

Uppdraget har utförts av Janne Malmtorp, JLM Tunnelkonsult, och Peter Lundman, Ban- verket, på uppdrag av Ali Sadeghi och Åke Hansson, Banverket, som en del av projektet ”BV Tunnel Utveckling”. Kenneth Nordstrand, Ådalsbanan, och Olle Olofsson, Banverket, har svarat för centrala delar av indata och tillhandahållit viktig bakgrundsinformation.

Orientering om projekt Ådalsbanan 1.4

Den nuvarande Ådalsbanan byggdes för ungefär 100 år sedan och var i stort behov av upp- rustning då regeringen gav tillåtlighet för genomförandet 2004 (delen Härnösand – Veda) och 2006 (delen Bollstabruk – Norr Nyland). För närvarande är projektet ett av Sveriges

(10)

största järnvägsprojekt och arbetena omfattar investeringar på 6,6 miljarder längs en sträcka av 13 mil mellan Sundsvall i söder och anslutningen till Botniabanan i norr. Totalt omfattar Ådalsbanan åtta nya tunnlar, med en sammanlagd längd av ca 14 km. Färdigställandet är planerat till år 2011.

(11)

Genomförande 2

Allmänt 2.1

Genomförandet av detta arbete har, som nämns i avsnitt 1.3, utgått från en hypotes om hur verkligheten fungerar avseende osäkerheter i förundersökningar och prognoser och de konsekvenser de får. Som indata har arbetsmaterial från Ådalsbanan använts, tillsammans med valda litteraturkällor.

Hypotes 2.2

Den använda hypotesen bygger på tanken att tider och resursbehov för drivningsarbeten och slutligt utförande samvarierar med bergförhållandena. Detta innebär att det bör vara möjligt att bedöma konsekvenserna av osäkerheter i markförhållandena i förväg, förutsatt att osä- kerheterna kan mätas och/eller storleksbestämma. Detta illustreras i Figur 2-1.

Osäkerheter i den ingenjörs-

geologiska prognosen

Osäkerheter om tidåtgång och

resursbehov

för bergschakt Osäkerheter om tidåtgång och resursbehov för slutligt utförande

Osäkerheter i kostnaderna för

utförande av

bergschakt Osäkerheter i kostnaderna för utförande av slut-

ligt utförande Osäkerheter

om vad som ska göras

Figur 2-1: Sambandet mellan osäkerheter i ingenjörsgeologisk prognos och kostnader.

Ett sätt att reducera osäkerheter i förundersökningsmaterialet är att låta utföra mer omfat- tande förundersökningar. Det finns emellertid ingen automatik i att detta alltid är kostnads- effektivt. I stället bör beslut om utökade undersökningar baseras på kunskap om när det är effektivt med avseende på kostnad och tid. Detta arbete har därför inriktats mot att öka kunskaperna om hur storleken på osäkerheterna i bergprognoser samvarierar med dessa konsekvenser.

Genom osäkerheternas koppling till konsekvenserna är det centralt att kunna mäta osäker- heter över huvud taget. För att kunna precisera vad som bör mätas har modellen i Figur 2-2 utarbetats, med utgångspunkt från Figur 2-1.

(12)

1. Förundersökningar (insamling av indata)

2. Tolkning av indata

4. Tunneldrivning

5. Kartering (bedömning av bergklasser)

6. Slutligt utförande

7. Mottagning och driftsättning

8. Drift och underhåll

9. Reinvestering och/eller avveckling

Pengar

och tid Pengar

och tid A. Föreställning

om verkligheten B. Bergbyggandets

verklighet C. Anläggningsdriftens

verklighet

3. Upprättande av prognos (bergklasser)

Upphandling Överlämnande ÅterkopplingÅterkoppling

Återkoppling

Idéstudie/Förstudie –Järnvägsutredning –Järnvägsplan

Bygg-

handling Slutdoku-

mentation

Pengar

och tid Pengar

och tid

Figur 2-2: Modell som illustrerar hur osäkerheterna påverkar den fortsatta processen, från utredningsarbete till byggande och anläggningsdrift.

Modellen kan beskrivas på följande sätt:

Så länge arbetet befinner sig i ruta A. ”Föreställning om verkligheten”, d.v.s. de skeden då –

data samlas in, tolkas och omvandlas till bedömningar, prognoser och nya utredningsske- den, drabbar konsekvenserna av osäkerheterna i bergprognoserna ”endast” det fortsatta utredningsarbetet. Detta innebär att det är samhället som är den primära riskbäraren genom att arbetet riskerar att förorda fel projekt eller utförande.

Från och med den tidpunkt då upphandlingen av entreprenadarbetena påbörjas föränd- –

ras konsekvenserna av osäkerheterna i bergprognoserna genom att de flyttas till ruta B.

”Bergbyggandets verklighet”. Detta innebär att det är de byggande parterna som blir de primära riskbärarna. Konsekvenserna yttrar sig främst som påverkan på projektens tider och kostnader.

Om de byggande parterna inte förmår hantera de osäkerheter som följer med in i bygg- –

skedet kan konsekvenserna även påverka anläggningskvaliteten. Detta innebär att ruta C. ”Anläggningsdriftens verklighet” kan komma att beröras av osäkerheter som har sitt ursprung i ruta A. I detta fall blir det anläggningsägarna som blir de primära riskbärarna.

Ovanstående förtydligar de seriella beroendena vid planering och byggande av tunnlar, d.v.s.

hur olika resursinsatser skapar det slutliga mervärdet i olika steg.

Mätning och uppskattning av osäkerheter 2.3

Den bergklassificering som görs i bergprognoser är en viktig del av såväl beställarnas som entreprenörernas bedömning av genomförandetider och -kostnader. Denna bygger på tanken om att det finns bedömningar som är mer korrekta än andra, något som samtidigt innebär att andra bedömningar är mer eller mindre felaktiga. Detta utrymme mellan det som är korrekt

(13)

och det som är fel beskriver osäkerheterna och det är detta som har mätts. Mätningarna har gjorts genom olika jämförelser och, beroende på vad som jämförts, varierar storleken på utrymmet. Stora variationer pekar därmed på stora orsaker till variation i resultaten och om- vänt. För enskilda byggprojekt avser osäkerheterna skillnaden mellan prognos och verkligt utfall och i detta arbete har denna skillnad mätts och knutits till sina konsekvenser. Detta avser följande:

Uppskattning av tillförlitligheten i de förundersökningsdata som använts för att upprätta 1.

olika prognoser. Detta knyter ihop rutorna 2 och 3 i Figur 2-2.

Jämförelse av överensstämmelsen mellan olika bergprognoser och tillhörande bergklas- 2.

sificeringar från drivningen. Detta ger en bild av bergprognosers osäkerheter med hän- syn till den slutliga bestämningen och knyter ihop rutorna 3 och 5 i Figur 2-2.

Uppskattning av vilka effekter förändringar i bergklassificeringen leder till med avseende 3.

på drivningsarbetena. Detta knyter ihop rutorna 3 och 4 i Figur 2-2.

Uppskattning av vilka effekter förändringar i bergklassificeringen leder till med avseende 4.

på det slutliga förstärkningsutförandet. Detta knyter ihop rutorna 3 och 6 i Figur 2-2.

Genom ovanstående mätningar har en grundläggande förståelse av sambanden mellan förundersökningar och prognososäkerheter samt deras konsekvenser byggts upp. Detta har sedan använts som underlag för de förbättringsförslag som föreslagits.

Den slutliga bestämningen av bergklasser i samband med drivningen utgör inte något ”abso- lut facit” utan det finns även andra, oberoende, källor till variation som också kan bidra till osäkerheterna. Dessa avser att såväl prognoser som slutliga bestämningar av bergklasser kan variera mellan olika utförare, d.v.s. det rör inte enbart det enskilda byggprojektet utan byggprojekt i allmänhet. Detta har lett till att följande också har bestämts:

Jämförelse mellan olika bergprognoser för samma tunnelavsnitt. Detta ger en bild av 5.

bergprognosers osäkerheter med hänsyn till att de kan tas fram av olika utförare, d.v.s.

variationer enbart i ruta 3 i Figur 2-2.

Jämförelse mellan olika slutliga bergklassificeringar för samma tunnelavsnitt. Detta ger 6.

en bild av bergprognosers osäkerheter med hänsyn till att den slutliga bergklassificeringen kan göras av olika utförare, d.v.s. variationer enbart i ruta 5 i Figur 2-2.

Eventuella osäkerheter som kan medföra konsekvenser för ”Anläggningsdriftens verklighet”

undersöks inte då de beror av de osäkerheter som hanteras i byggskedet. Dessa undersöks enligt punkt nr 4 ovan.

Orientering om analysmetodiken 2.4

Oavsett hur skicklig en prognosmakare eller en kartör är uppvisar alltid resultatet av deras arbete någon grad av variation. Denna variation beror, enkelt uttryckt, på berget, mätmeto- den, utföraren eller på en kombination av dem.

Bergets variation är naturlig och det är klassificeringens uppgift att bestämma och beskriva

(14)

den. Denna variation kan inte påverkas. De utförarberoende variationerna är också naturliga, på sitt sätt, men de kan påverkas till skillnad från bergets. Det är genom mätning av dem som förståelsen och kunskaperna om hur de kan reduceras tagits fram. Detta bygger på den enkla principen att reduktion av variationer IN leder till reduktion av variationer UT, med åtföl- jande reduktion av konsekvenser.

För att bestämma variationerna vid bergklassificering har de uttryckts på ett sätt som gör att de ska kunna behandlas så systematiskt och likvärdigt som möjligt. De har också uttryckts så att den ytterligare mängd variation som tillförts minimeras. Detta har lett till att de jämfö- relser som gjorts har kunnat inriktas mot, i första hand, grupper av data i stället för enstaka observationer och att tankegångar från Statistisk Processtyrning (SPC) därmed kunnat användas [1]. Detta har varit viktigt vid identifiering av variationsmönster och för värdering av giltigheten i slutsatserna.

Variationerna har bestämts genom att beräkna och jämföra tyngdpunkter och tillhörande spridningar avseende Q-bedömningarna för olika tunneldelar.

Tyngdpunkterna har uttryckts som medelvärden och spridningarna som standardavvikelser (σ). Variationsmönstren har identifierats genom en samlad betraktelse av både medelvärden och spridningar. Bestämningen av medelvärden och spridningsmått har inneburit att sär- skild hänsyn har behövt tas till att olika bergklasser har olika utsträckning i tunnelns längd- riktning. Exempel:

Om en 10-meterssträcka vid kartering av en tunnel har bedömts ha Q-värdet 1 har detta beräkningsmässigt hanterats som om tunneldelen bestått av tio stycken oberoende bestämningar av Q-värden, var och en med utfallet Q = 1 och där varje bestämning avsett en meter av tunneln.

Bestämningarna av medelvärdena och spridningsmåtten har också inneburit att hänsyn har behövt tas till att Q-värdesskalan är logaritmisk. Detta behandlas utförligare i Bilaga 1.

Det bör noteras att detta arbete endast omfattar den ena av Q-värdesbestämningarnas två variationsmöjligheter, nämligen själva Q-värdena. Den variationsmöjlighet som avser gräns- dragningen mellan områden med olika Q-värden som gränsar till varandra, d.v.s. den zon- el- ler sektionsindelning som beskrivs i avsnitt 3.3, har inte analyserats. Detta beror främst på begränsningar i indata.

Med avseende på konsekvenserna av de olika osäkerheterna har dessa beräknats och upp- skattas med hjälp av arbetsmaterial från Ådalsbanans tunnlar samt litteratur. Detta beskrivs närmare i kapitel 4.

(15)

Allmänt om bergprognoser 3

Allmänt 3.1

Syftet med en bergprognos är att karaktärisera eller klassificera berget för att kunna bedöma utförandet med avseende på drivning, förstärkning och tätning.

Karaktärisering och klassificering kan användas i alla faser av ett projekt, men vanligen görs det först i och med järnvägsutred ningen. Det finns sedan med i alla efterföljande steg, d.v.s. även i byggskedet. Det är dock inte önskvärt med detta som enda dimensioneringsme- tod. Karteringar i byggskedet är viktiga för återkoppling till de karaktäriseringar som görs i prognoserna.

I detta arbete används samma definition för karaktärisering och klassificering som i [2], d.v.s.

att karaktärisering ger bergets karaktäristiska värde oberoende av anläggningens form eller läge etc. Karaktäriseringen avser alltså att beskriva bergets egenskaper i ostört tillstånd, in- situ. Klassificeringen tar även hänsyn till geometriska faktorer och spänningsförhållanden etc. Den följande texten har till stora delar baserats på [2].

Karaktäriserings- och klassificeringssystem 3.2

System för att karaktärisera eller klassificera bergmassan presenterades först på 1940- talet (Terzaghi, Rock Load System), och några av de idag mest använda systemen presenterades under 1970-talet. I dag finns det ett drygt 20-tal olika system, men vanligast är Q, RMR och GSI. Syftet med samtliga klassificeringssystem är att på ett relativt objektivt vis kunna beskriva bergmassan och samtidigt erhålla ett numeriskt värde som indata för olika beräkningar.

En majoritet av svenska undermarksprojekt använder någon typ av klassificeringssystem för att bestämma förstärkning och i vissa fall även för att avgöra drivningen. I en del projekt är klassificeringssystemen en av flera dimensioneringsmetoder och i andra projekt är det den enda dimensioneringsmetoden.

Metodik 3.3

Vid karaktärisering och klassificering av bergmassan görs en indel ning av hela bergmassan i sektioner. Målsättningen är att varje sektion bör uppvisa liknande egenskaper och beteende hos bergmassan. Uppdelningen i sektioner baseras på kunskapen om större geo logiska för- ändringar i regionen, exempelvis bergartsgränser, övergångszoner, övergång till mer/mindre uppsprucket berg/krosszoner m m. Riktlinjer för indelningen i sektioner är att förändring i en eller flera av bergmassans ingående parametrar styr val av sektionsgränser. Ett exempel visas i Figur 3-1, där längden på de olika sektionerna (A t.o.m. G) varierar beroende på lokal geologi, sprickfrekvenser, före komst av krosszoner, etc.

(16)

Tunnel

Enskilda sprickplan

Bergart "B"

A Sektioner

B C D E F G

Bergart "A" Bergart "C"

Krosszon Sprickzon

Figur 3-1 Uppdelning av tunnel i lämpliga sektioner (A t o m G) för karaktärisering eller klassificering av bergmassan.

Bergklassificeringssystems reproducerbarhet 3.4

I förarbetet till [2] testades ett antal system för bergkaraktärisering och -klassificering genom att jämföra några olika utförare [3]. Arbetet utfördes enligt de rekommendationer som tagits fram för [2]. I praktiken innebar det att instruktionerna var något tydligare än vad som är normalt.

Totalt deltog sju ej namngivna personer i testet som innebar att de skulle karaktärisera och klassificera bergmassan för två praktikfall, varav nr två var uppdelat i två olika sektioner (nr 1, 2:2 respektive 2:2). Testet utfördes individuellt och resultaten redovisades i särskilt framtagna tabeller. Samtliga deltagare hade bergsingenjörsexamen eller högre, men med va rierande erfarenhet från praktisk tillämpning. De system som testades var Q, RMR, RMi och GSI. Spridningen i de olika bedömningarna, d.v.s. maximi- respektive minimivärdena, redovisas i Figur 3-2.

Som framgår var spridningen stor mellan de största och de minsta värdena vid både karaktä- risering och klassificering. Något förenklat konstaterades även att spridningen för de flesta systemen ökade då berget blev sämre och att den som regel även var större vid klassificering än vid karaktärisering. Det senare ansågs inte förvånande eftersom det är fler parametrar att bedöma vid klassificering än vid karaktärisering.

Det utförda testet bedömdes som alltför litet, både med avseende på antalet praktikfall och med avseende på antalet deltagare, för att några långtgående slutsatser skulle kunna dras. Det omfattade inte heller någon fältdel, d.v.s. med deltagarnas egna bedömningar och tolkningar av fältdata. Däremot beskrevs en norsk studie som innehöll en sådan fältdel [4].

Denna behandlade klassificering med Q, RMR och RMi och var inriktad mot uppskattning av förstärknings behovet. Studien bekräftade spridningsbilden och visade också att Q-syste met kunde anses som det mest känsliga systemet med avseende på variation i parametervärdena

(17)

medan RMR kunde anses som det minst känsliga. Däremot var skillnaderna små med avseende på uppskattad typ och mängd av förstärkning mellan de olika systemen.

Figur 3-2: Resultat från bedömningarna. Svart stapel visar den lägsta bedömningen (min) och grå stapel den största (max). I ett fall är min. så låg att den inte framgår.

Författarna varnade också för användandet av klassificeringssystem som enda verktyg vid förstärkningsdesign då flera av de ingående parametrarna är svårbestämda, särskilt i ett tidigt planeringsskede. I [3] konstaterades att det var parametrar med avseende på sprickor som medförde de största skillnaderna. För Q-systemet var det främst sprickråhetstalet, J_r, samt sprickomvandlingstalet, J_a, som gav den största spridningen men även sprickgruppsta- let, J_n, visade påtaglig spridning.

Q-systemet 3.5

I Sverige är Q-systemet det vanligaste systemet för bergprognoser och bedömning av för- stärkningsmängder. Det presenterades första gången internationellt 1974 och baserades på observationer från 212 tunnlar och bergrum, företrädesvis från skandinaviska förhållanden [5]. Majoriteten var belägna 100 m eller mindre under marknivå och hade ett s.k. Q-värde mellan 1 och 40 d.v.s. var bedömt som ”acceptabelt” till ”bra” berg [3]. Grundekvationen, som ännu ser ut på samma sätt, bestod av följande sex ingångsparametrar:

RQD, Rock Quality Designation, –

Jn, sprickgruppstal, –

Jr, sprickråhetstal, –

Ja, sprickomvandlingstal, –

Jw, sprickvattental, och –

SRF, spänningsreduktionsfaktorn.

–

0 5 10 15 20 25

1 2 3

1 2:1 2:2

Q_Bas

0 25 50 75 100

1 2 3

1 2:1 2:2

RMi

0 25 50 75 100

1 2 3

1 2:1 2:2

GSI

0 5 10 15 20 25

11 2:1 2 2:23

Q

0 25 50 75 100

1 2 3

1 2:1 2:2

RMR

0 25 50 75 100

1 2 3

1 2:1 2:2

RMR_Bas

(18)

Beräkningsmässigt omvandlas de till Q-värden genom att varje parameter ges ett poängvärde och som sätts in i följande formel:

 

 



⋅ 

 

 



⋅ 

 

 



= 

SRF J J

J J

Q RQD ^w

a r n

(1.1)

De tre kvoterna uttrycker blockstorlek (RQD/J_n); sprickornas skjuvhållfasthet (J_r/J_a) samt aktiv spänning (J_w/SRF). Systemet utvecklas fortlöpande och 1993 ingick över 1000 praktikfall. Figur 3-3 visar hur bergklassificering enligt Q-systemet uttrycks idag [6].

Figur 3-3: Q-systemets utformning idag [6].

(19)

Indata 4

Allmänt 4.1

De indata från Ådalsbanan som använts avser ordinarie prognoser och karteringar. Det avser även data från de kontroller som utförts för att hitta orsakerna till skillnaderna mellan prog- nostiserad och karterad bergkvalitet. Kontraktsuppgifter har använts för att bedöma kost- nadseffekter och litteraturuppgifter har legat till grund för bedömningen av tidspåverkan.

Litteraturen har identifierats via Luleå Tekniska Universitets databas.

Förundersökningar 4.2

De förundersökningsmetoder som har använts för att ta fram de prognoser som analyserats har delats in i kärnborrhål, andra observationer respektive seismik. Nedan sammanfattas det viktigaste vid användningen av dessa metoder.

Ett kärnborrhål kan antas ge en förhållandevis exakt bild av verkligheten. Denna bild gäl- ler dock endast precis där borrhålet finns, och dessutom i en mycket liten skala. I takt med att avståndet till borrhålet ökar, ökar också osäkerheterna. Detta gäller även för andra typer av observationer, oavsett om de utgörs av indikationer från studier av terrängförhållandena eller mer direkta som kartering av hällar, studier av stenbrott och skärningar m.m. En av de största svårigheterna är därför att avgöra hur representativa olika observationer är.

Figur 4-1: Exempel på Q-värden och deras korrelation med variationer i relativ gånghastighet, V/V_Max [7].

I prognoshänseende skiljer sig seismik något från den information som fås via kärnborrhål och andra observationer. Det finns till exempel ingen geofysisk mätmetod som direkt avslö- jar vilket RQD eller annan Q-parameter som döljer sig under ett jordlager. Seismisk och annan geofysisk mätdata måste därför alltid tolkas innan de kan användas. Som stöd för detta användas ofta empiriska samband. Ett exempel på detta visas i Figur 4-1. Detta beskriver det samband som använts mellan Q-värden och gånghastigheter vid seismisk undersökning [7].

(20)

I denna studie varierar såväl typ som omfattning av de förundersökningsdata som använts för att upprätta olika tunneldelars prognoser inom vida ramar. Vilka data som använts, och för vilka prognoser, beskrivs i Bilaga 2.

Prognoser 4.3

De två bergprognoser som jämförts avser dels den ordinarie som togs fram inför upphandlingen av bergarbetena och dels den kontrollprognos som togs fram av NGI sedan drivningsarbetena påbörjats. Båda upprättades med samma förutsättningar och de har använts för följande syften:

NGI-prognosen har använts för att undersöka kopplingen mellan osäkerheterna och –

deras konsekvenser, d.v.s. punkt 2 i avsnitt 2.3

Den ordinarie prognosen har använts för att undersöka de tillkommande osäkerheterna i –

prognoser med hänsyn till att de tas fram av olika utförare, d.v.s. punkt 5 i avsnitt 2.3.

Anledningen till att de olika prognoserna användes för olika syften var att NGI-prognosen redovisade hur förundersökningsdata använts på ett tydligare sätt. De tunneldelar som omfattades av prognoserna var utvalda för att få en spridning med avseende på bergklasser och tillgängliga förundersökningsdata. De redovisas i Tabell 1.

Tabell 1 Sammanställning av prognostiserade tunneldelar.

Tunnel Från

(m)

Till (m)

Längd (m)

Kroksbergstunneln 424+150 424+250 100

424+350 424+450 100

424+550 424+750 200

Bjässholmstunneln 427+900 428+050 150

428+050 428+250 200

428+300 428+400 100

428+900 429+000 100

Svedjebergstunneln 421+180 421+365 (335) 185 (155)*

Murbergstunneln 416+350 416+450 100

416+650 416+750 100

417+000 417+150 150

ALLA 1500 (1465)

*) Svedjebergstunneln kortades från 421+365 till 421+335 varvid prognosen omfattar en tunneldel som saknas i karteringen.

I de prognoser som upprättats av NGI redovisas tydligt vilka ”andra observationer” som använts som underlag. Motsvarande information är svårare att hitta i de ordinarie prognoserna. Detta innebär att det är oklart i vilken utsträckning ”andra observationer” använts för att upprätta de ordinarie prognoserna.

De båda prognoserna redovisas i Bilaga 3.

(21)

Karteringar 4.4

De två karteringar som jämförts avser dels den ordinarie karteringen som utfördes under drivningen och dels den kontrollkartering som utfördes av NGI. De har använts för följande syften:

Den ordinarie karteringen har använts för att undersöka kopplingen mellan osäkerhe- –

terna och deras konsekvenser, d.v.s. punkt 2 i avsnitt 2.3.

NGI-materialet har använts för att undersöka de tillkommande osäkerheterna i slutliga –

bergklassificeringar med hänsyn till att de tas fram av olika utförare, d.v.s. punkt 5 i avsnitt 2.3.

Anledningen till att den ordinarie karteringen användes som referens för att undersöka kopplingen mellan osäkerheter och konsekvenser var att det i praktiken var den som styrde valet av förstärkningsklass, d.v.s. en av de konsekvenser som skulle studeras. Den ordinarie karteringen redovisas i Bilaga 4.

Då det gäller undersökningen av osäkerheterna med hänsyn till att karteringsarbete kan gö- ras av olika utförare har NGI-karteringarna styrt vilka tunnlar och tunneldelar som valts. Det bör noteras att de delar som omfattas av denna jämförelse sannolikt har koncentrerats till områden med bättre bergförhållanden då NGI var hänvisad till tunneldelar som inte sprutats in med betong då karteringen utfördes. Detta redovisas i Bilaga 5 respektive 6.

I båda fallen antas karteringsarbetet ha utförts enligt den utföranderutin som gäller för projektet. Arbetet anses i övrigt ha utförts under likartade förhållanden, d.v.s. från sulan och med ljusförhållanden som uppfyllt kraven i utföranderutinen. Genom att den ordinarie karteringen utfördes parallellt med drivningen kan karteringen ha påverkats av behovet av snabb driftförstärkning där bergförhållandena varit dåliga. De tunnlar och tunneldelar som omfattades av jämförelsen sammanfattas i Tabell 2.

Tabell 2: Sammanställning av de tunneldelar där olika karteringar jämförts.

Tunnel Från

(m)

Till (m)

Längd (m)

Gårdbergstunneln 420+549 420+571 22

420+577 420+595 18

Kroksbergstunneln 425+243 425+284 41

425+332 425+350 18

425+420 425+431 11

425+473 425+504 31

ALLA 141

Q-värdets betydelse för byggtiden 4.5

I [9] redovisas resultaten från ett antal simuleringar i modellmiljö och som ger en uppskattning av olika utförandetider vid tunneldrivning med borra-och-spräng vid utförandet av en vägtunnel. Modellen, som baseras på NTNU:s (Norges Tekniska och Naturvetenskapliga

(22)

Universitet) befintliga modell för beräkning av framdrifter, ger en uppskattning av de ackumulerade utförandetiderna efter olika moment kopplat till bergets Q-värde. Modellen bygger på empiriska data och omfattar följande ackumulerade deltider:

”Standard time”: enbart drivningsarbetena (borrning, laddning, lastning och transport, –

skrotning)

”Gross standard construction time”: drivning och förstärkning (bultning, betongsprut- –

ning, injektering m.m.)

”Tunnel gross construction time”: drivning, förstärkning, inredning och installationer –

(dräner och frostisolering, elkraft, signaler m.m.)

”Total tunnel construction time”: drivning, förstärkning, inredning och installationer –

samt etablering och avetablering m.m.

Den effektiva arbetstid per vecka som ansatts är 110 timmar. Några av de övriga antaganden som anges är: tunnellängd 3 000 m, 48 mm:s borrhål i salvorna samt med mycket skickliga operatörer (”High skill level of crew”).

I [9] redovisas beräkningar för fyra olika Q-värden, från Q = 0.01 till Q = 10, vid sju olika tunnelstorlekar, från 35,2 (T5) till 86,9 m² (T12), se Figur 4-2.

Figur 4-2: Utförandetid som funktion av Q-värden vid olika tunnelstorlekar.

Resultaten visar att den totala utförandetiden ökar med upp till 30 – 40 % beroende på om tunneln utförs vid Q = 10 eller Q = 0,01. Man kan också visa att drivningshastigheten minskar med storleksordningen 50 % beroende på om tunneln utförs vid Q = 10 eller Q = 0,01.

Norsk och svensk tunneldrivningspraxis överensstämmer inte till fullo, exempelvis med avseende på injektering. De använda simuleringsresultaten används därför endast för relativa jämförelser, i syfte att studera generella samband.

Kostnadsdata från Ådalsbanan 4.6

Utöver det material från Ådalsbanan som avser bergklassificering har även kostnaderna för utförandet av olika bergförstärkningsklasser, BFK, vid varierande Q-värden använts som indata. Dessa har beräknats utifrån kontraktspriserna från några av tunnelprojekten på

(23)

Ådalsbanan. Vilka utföranden de olika klasserna innebar redovisas i Tabell 3.

Tabell 3: Använda utföranden i de olika bergförstärkningsklasserna.

Benämning Tak Vägg Användning

BFK 1 (Q > 10)

Selektiv bultning, L=3.0 m 50 mm vidhäftande fiberarmerad sprutbetong

Selektiv bultning, L=3.0 m, (Vid behov 50 mm vidhäftande sprutbetong)

Tak/ vägg*

BFK 2 (Q = 4 – 10)

50 mm, vidhäftande fiberarmerad sprutbetong

Systembultning c/c 2.0 m, L = 3.0 m

50 mm, vidhäftande sprutbetong Systembultning c/c 2.0 m, L = 3.0 m

Vidhäftning anses föreligga

BFK 3 c (Q = 1 – 4)

80 mm bergförankrad** fiberarmerad sprutbetong. c/c 1.7 m, L=3.0 m

50 mm bergförankrad** sprutbe-

tong, c/c 2.0 m, L= 3.0 m Där vidhäftning mot berg ej anses föreligga

BFK 3 d (Q = 1 – 0,1)

80 mm bergförankrad** fiberarmerad sprutbetong, c/c 1.5 m, L

= 3.0 m

50 mm bergförankrad**

fiberarmerad sprutbetong, c/c 1.5 m, L = 3.0 m

Där vidhäftning mot berg ej anses föreligga

BFK 4 (Q= < 0,1)

120 mm sprutat valv med fiberarmerad sprutbetong ned till väl rensad botten, förankring i vägg med 4 rader bult** från RÖK, c/c 1.3 m, L= 3.0 m

Dimensioneras efter mäktighet på bergtäckning eller bedömd löskärna.

Användes vid låg bergtäckning, hög vattenföring, lerzon, o.d.

Ev. moduleringssprutning Bultförankring av konvexa berg- partier

Valv * BFK 5

(Q < 0,1)

120 mm bergförankrad fiberarmerad sprutbetong**, c/c 1.5 m, L = 3 – 4 m

100 mm bergförankrad sprutbe-

tong**, c/c 1.5 m, L= 3 - 4 m Tak/vägg*

BFK 6 - 10 Tyngre bergförstärkningar och specialförstärkningar hanteras som GK 3 fall.

* Täckskikt sprutas i vägg från RÖK – 0.25 till + 2.0 m, ** Brickor korrosionsbehandlas med 30 mm betong.

De enhetspriser som använts för att beräkna kostnaderna för de olika förstärkningsklasserna avsåg följande AMA-koder:

CBC.611 Bergschakt för väg- och järnvägstunnel –

CDC.141 Bergförankring i tunnlar –

EBF.311 Oarmerad sprutbetong –

EBF.3141 Oförankrad fiberarmerad sprutbetong –

EBF.3142 Fiberarmerad bergförankrad sprutbetongbåge –

(24)

Resultat 5

Allmänt 5.1

Redovisningen i detta kapitel är uppbyggd kring följande:

Uppskattning av prognososäkerheter genom jämförelse av (i) prognoser mot karteringar, –

(ii) prognoser mot andra prognoser samt (iii) karteringar mot andra karteringar.

Uppskattning av tillförlitligheten i förundersökningsdata genom jämförelse med de upp- –

skattade prognososäkerheterna.

Uppskattning av konsekvenserna för drivningsarbetena respektive den slutliga –

bergförstärkningen.

Osäkerheter i prognoser 5.2

Skillnader mellan NGI-prognoserna och den ordinarie karteringen 5.2.1

I Figur 5-1 redovisas en översiktsbild av de prognostiserade Q-värdena som funktion av de karterade. Den streckade linjen markerar Q prognos = Q karterat.

1 2

3 4 5

6 7

8

9 1110

-2 -1 0 1 2

Q karterat

Q prognos

Kartering (Q)

Prognos (Q)

0,01 0,1 1 10 100

Kroksbergstunneln 1: 424+150 – 250 2: 424+350 – 450 3: 424+550 – 750 Bjässholmstunneln 4: 427+900 – 428+050 5: 428+050 – 250 6: 428+300 – 400 7: 428+900 – 429+000 Svedjebergstunneln 8: 421+180 – 335 Murbergstunneln 9: 416+350 – 450 10: 416+650 – 750 11: 417+000 – 150 Legend:

Figur 5-1: Översiktsbild som visar prognostiserade Q-värden som funktion av karterade. Den streckade linjen markerar där Q prognos = Q karterat. Legend till höger.

Kartering (Q)

0,01 0,1 1 10 100

100

10

1

0,1

0,01

Prognos (Q)

(25)

I de fall markeringarna i Figur 5-1 (nr 1 – 11) ligger över strecket har prognoserna en mer optimistisk bild av förhållandena än karteringarna. Det omvända gäller i de fall markeringarna ligger under strecket.

Nedan redovisas detaljerade jämförelser för var och en av de olika tunneldelarna uttryckta som standardiserade normalfördelningar längs Q-värdesaxeln, d.v.s. såväl medelvärdena som de aktuella spridningsbilderna framgår. Enligt tidigare redovisas NGI-prognoserna i Bilaga 3 och karteringarna i Bilaga 4. Avseende beräkningarna hänvisas till Bilaga 1.

Kroksbergstunneln, se Figur 5-2

Delen 424+150 – 424+250 prognostiserades bestå av berg vars Q-medelvärde har beräknats till 7,1. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 1.

Delen 424+350 – 424+450 prognostiserades bestå av berg vars Q-medelvärde har beräknats till 7,1. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 2,3.

Figur 5-2: Krokbergstunneln, jämförelse prognostiserat respektive karterat (blå respektive röd kurva).

Bjässholmstunneln, se Figur 5-3

Delen 428+300 – 428+400 prognostiserades bestå av berg vars Q-medelvärde har beräknats till 5. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 1,8.

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Kroksbergs-

tunneln, 424+350 – 450

BFK 1 BFK 2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

Q-värde

0,04 0,4 40

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Kroksbergs-

tunneln, 424+350 – 450

BFK 1 BFK 2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

Q-värde

0,04 0,4 40

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

Q-värde Kroksbergs-

tunneln, 424+150 - 250

0,04 0,4 40

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Kroksbergs-

tunneln, 424+550 - 750

BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

Q-värde

0,04 0,4 40

0,01 0,04 0,1 0,4 1 4 10 40 100 0,01 0,04 0,1 0,4 1 4 10 40 100

0,01 0,04 0,1 0,4 1 4 10 40 100

(26)

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Bjässholms-

tunneln, 427+900 – 428+050

BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

Q-värde

0,04 0,4 40 ⁰

10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Bjässholms-

tunneln, 428+050 - 250

BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

Q-värde

0,04 0,4 40

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Bjässholms-

tunneln, 428+300 - 400

BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,01 0,1

BFK 3c

Q-värde

0,04 0,4 40 ⁰

10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Bjässholms-

tunneln, 428+900 – 429+000

BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

Q-värde

0,04 0,4 40

Figur 5-3: Bjässholmstunneln, jämförelse prognostiserat – karterat (blå respektive röd kurva).

Svedjebergstunneln, se Figur 5-4

Delen 421+180 – 421+335 prognostiserades bestå av berg vars Q-medelvärde har beräknats till 0,9. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 0,01. Notera att prognosen även omfattar sektionslängden 421+335 – 365, som inte utfördes som tunnel, medan karteringen omfattar angiven längd.

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Svedjebergs-

tunneln, 421+180 - 335

BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,01 0,1

BFK 3c

Q-värde

0,04 0,4 40

Figur 5-4: Svedjebergstunneln, 421+180 – 421+335: jämförelse prognostiserat – karterat (blå res- pektive röd kurva).

Murbergstunneln, se Figur 5-5

Delen 416+650 – 416+750 prognostiserades bestå av berg vars Q-medelvärde har beräknats till 2. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 1,1.

0,01 0,04 0,1 0,4 1 4 10 40 100 0,01 0,04 0,1 0,4 1 4 10 40 100

0,01 0,04 0,1 0,4 1 4 10 40 100

(27)

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Murbergs-

tunneln, 416+350 - 450

BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,01 0,1

BFK 3c

Q-värde

0,04 0,4 40

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Murbergs-

tunneln, 416+650 - 750

BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

Q-värde

0,04 0,4 40

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 Murbergs-

tunneln, 417+000 - 150

BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

Q-värde

0,04 0,4 40

Figur 5-5: Murbergstunneln, jämförelse prognostiserat – karterat (blå respektive röd kurva).

Skillnader mellan olika prognoser 5.2.2

I detta avsnitt jämförs resultaten från de två oberoende prognoser som upprättats för samma tunneldelar som behandlas i avsnitt 5.2.1. Jämförelsen omfattar endast de bedömningar av Q-värden som gjorts.

Redovisningen görs i form av en översiktlig jämförelse och därefter redovisas de detaljerade jämförelserna som spridningsdiagram, d.v.s. på samma sätt i avsnitt 5.2.1. De prognoser som jämförs avser de som redovisas i Bilaga 3. Beräkningarna har utförts enligt vad som anges i Bilaga 1.

I Figur 5-1 redovisas en översiktsbild av de ordinarie prognosvärdena som funktion av dem som angavs i NGI:s arbete. Den streckade linjen markerar att NGI:s prognos = ordinarie prognos. I de fall markeringarna ligger över strecket har den ordinarie prognosen en mer optimistisk bild av förhållandena än NGI. Det omvända gäller i de fall markeringarna ligger under strecket.

0,01 0,04 0,1 0,4 1 4 10 40 100 0,01 0,04 0,1 0,4 1 4 10 40 100

0,01 0,04 0,1 0,4 1 4 10 40 100

(28)

12

3 4

5

6 7

8

9

1011

-1,0 -0,5 0,0 0,5 1,0 1,5 2,0

Prognos (NGI)

Prognos (ordinarie)

0,1 1 10 100

Kroksbergstunneln 1: 424+150 – 250 2: 424+350 – 450 3: 424+550 – 750 Bjässholmstunneln 4: 427+900 – 428+050 5: 428+050 – 250 6: 428+300 – 400 7: 428+900 – 429+000 Svedjebergstunneln 8: 421+180 – 335 Murbergstunneln 9: 416+350 – 450 10: 416+650 – 750 11: 417+000 – 150

Legend:

Figur 5-6: Översiktsbild som visar den ordinarie bergprognosen som funktion av den som upp- rättades av NGI. Den streckade linjen markerar Q NGI = Q ordinarie prognos.

Kroksbergstunneln, se Figur 5-7 och Figur 5-8

Delen 424+150 – 424+250 prognostiserades av NGI bestå av berg vars Q-medelvärde har beräknats till 7,1. I den ordinarie prognosen bedömdes att delen skulle bestå av ett berg vars Q-medelvärde har beräknats till 20.

Delen 424+350 – 424+450 prognostiserades av NGI bestå av berg vars Q-medelvärde har beräknats till 7,1. I den ordinarie prognosen bedömdes att delen skulle bestå av ett berg vars Q-medelvärde har beräknats till 20.

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

tunneln, 424+150 - 250

0 10 20 30 40 50

-2,0 -1,8 -1,6 -1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 BFK 1 BFK2

BFK 4, BFK 5

BFK 6 - 10 BFK 3d

1 4 10 100

0,1 0,01

BFK 3c

tunneln, 424+350 – 450

Figur 5-7: Kroksbergstunneln, jämförelse NGI-prognos – ordinarie prognos (blå respektive grön kurva).

Delen 424+550 – 424+750 prognostiserades av NGI bestå av berg vars Q-medelvärde har beräknats till 1,3. I den ordinarie prognosen bedömdes att delen skulle bestå av ett berg vars Q-medelvärde har beräknats till 1,6.

0,01 0,1 1 4 10 100 0,01 0,1 1 4 10 100

Prognos (ordinarie)

100

10

1

0,1

0,1 1 10 100

Prognos (NGI)