Förundersökningar vid undermarksprojekt. - Osäkerheter och deras hantering

Transkript

1 Förundersökningar vid undermarksprojekt - Osäkerheter och deras hantering 1

2 Titel: Förundersökningar vid undermarksprojekt - Osäkerheter och deras hantering Framsidesbild: Thomas Fahlander Publikation: 21:37 Utgivningsdatum: Maj 21 Utgivare: Trafikverket Författare: Janne Malmtorp, JLM Tunnelkonsult, Peter Lundman, Trafikverket Kontaktperson: Peter Lundman, Trafikverket ISBN: 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 konsekvenser 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 kostnadseffektivt. 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 entreprenadarbetena. Detta skapar osäkerheter om tidsåtgång och resursbehov för såväl bergschakt som slutligt utförande. Detta skapar osäkerheter i kostnaderna för utförande av såväl bergschakt som det slutliga 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 65 m tunnel. Arbetsmaterialet har omfattat Q-värden från ordinarie bergprognoser och karteringar samt Q-värden från prognoser och karteringar som tagits fram i kontrollsyfte. Dessutom har kontraktspriser och litteratur använts. 3

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,4,5 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 statistiskt styrka något mer precist samband än detta på grund av spridningen i data. De beräknade 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 2 % vid Osäkert underlag. Den totala utförandetiden t.o.m. slutlig förstärkning ökade med ca 1 % vid Bra underlag 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 3 % vid Osäkert underlag (6 kr/m). 4

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 samvariationen 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 berörda i de olika skedena. Jämförelserna indikerar att följande samverkande faktorer är viktiga A) Data stödjer tanken om att projektörer förlägger tyngdpunkt och spridning i prognoserna utifrån de indata de har att tillgå. Detta indikerar följande: Bra indata: förundersökningarna fångar upp merparten av den relevanta informationen 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. B) Data stödjer tanken om att kartörer i viss mån lägger sig på den säkra sidan, men att detta 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 entydigt 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, Regelverk samt Byggprojekt beroende på vad de syftar till att förbättra. Med avseende på kunskap och förståelse bör först och främst en artikel publiceras, med tillhörande 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 utvärderas 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. 5

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 säkerställs att det finns tid, belysning och arbetsplattformar för utförande av det praktiska karteringsarbetet. 6

7 INNEHÅLL 1 Inledning Bakgrund Syfte och nytta Omfattning och utförande Orientering om projekt Ådalsbanan Genomförande Allmänt Hypotes Mätning och uppskattning av osäkerheter Orientering om analysmetodiken Allmänt om bergprognoser Allmänt Karaktäriserings- och klassificeringssystem Metodik Bergklassificeringssystems reproducerbarhet Q-systemet Indata Allmänt Förundersökningar Prognoser Karteringar Q-värdets betydelse för byggtiden Kostnadsdata från Ådalsbanan Resultat Allmänt Osäkerheter i prognoser Skillnader mellan NGI-prognoserna och den ordinarie karteringen Skillnader mellan olika prognoser Skillnader mellan olika karteringar Tillförlitlighet i förundersökningsdata

8 5.4 Konsekvenser med avseende på drivningsarbetena Konsekvenser med avseende på den slutliga bergförstärkningen Diskussion och slutsatser Allmänt Mätning av osäkerheter Osäkerheter i bergprognoser Osäkerheternas konsekvenser Osäkerheternas orsaker Slutsatser Avgränsningarnas betydelse för resultaten Beröringspunkter med FIA:s tiopunktsprogram Rekommendationer Allmänt Kloka ord från förr Åtgärdsförslag Allmänt Kunskap och förståelse Regelverk Byggprojekt Referenser...59 Bilagor

9 1 Inledning 1.1 Bakgrund 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 intakt 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. 1.2 Syfte och nytta 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 allmänhet 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. 1.3 Omfattning och utförande 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, Banverket, 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. 1.4 Orientering om projekt Ådalsbanan Den nuvarande Ådalsbanan byggdes för ungefär 1 år sedan och var i stort behov av upprustning då regeringen gav tillåtlighet för genomförandet 24 (delen Härnösand Veda) och 26 (delen Bollstabruk Norr Nyland). För närvarande är projektet ett av Sveriges 9

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

11 2 Genomförande 2.1 Allmänt 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. 2.2 Hypotes 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 osäkerheterna kan mätas och/eller storleksbestämma. Detta illustreras i Figur 2 1. Osäkerheter i den ingenjörsgeologiska prognosen Osäkerheter om vad som ska göras 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 slutligt utförande Figur 2 1: Sambandet mellan osäkerheter i ingenjörsgeologisk prognos och kostnader. Ett sätt att reducera osäkerheter i förundersökningsmaterialet är att låta utföra mer omfattande förundersökningar. Det finns emellertid ingen automatik i att detta alltid är kostnadseffektivt. 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 osäkerheter över huvud taget. För att kunna precisera vad som bör mätas har modellen i Figur 2 2 utarbetats, med utgångspunkt från Figur

12 Idéstudie/Förstudie Järnvägsutredning Järnvägsplan Återkoppling A. Föreställning om verkligheten 1. Förundersökningar (insamling av indata) 2. Tolkning av indata 3. Upprättande av prognos (bergklasser) Upphandling Återkoppling B. Bergbyggandets verklighet 4. Tunneldrivning 5. Kartering (bedömning av bergklasser) 6. Slutligt utförande Överlämnande Återkoppling Bygghandling Slutdokumentation C. Anläggningsdriftens verklighet 7. Mottagning och driftsättning 8. Drift och underhåll 9. Reinvestering och/eller avveckling Pengar och tid Pengar och tid Pengar och tid 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 utredningsskeden, 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 förändras 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 byggskedet 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. 2.3 Mätning och uppskattning av osäkerheter 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 12

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 omvänt. 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 olika prognoser. Detta knyter ihop rutorna 2 och 3 i Figur 2 2. Jämförelse av överensstämmelsen mellan olika bergprognoser och tillhörande bergklassificeringar från drivningen. Detta ger en bild av bergprognosers osäkerheter med hänsyn 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 på drivningsarbetena. Detta knyter ihop rutorna 3 och 4 i Figur 2 2. Uppskattning av vilka effekter förändringar i bergklassificeringen leder till med avseende 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 absolut 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 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 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. 2.4 Orientering om analysmetodiken 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, mätmetoden, utföraren eller på en kombination av dem. Bergets variation är naturlig och det är klassificeringens uppgift att bestämma och beskriva 13

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 åtföljande 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 jämförelser 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 särskild hänsyn har behövt tas till att olika bergklasser har olika utsträckning i tunnelns längdriktning. Exempel: Om en 1-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 gränsdragningen mellan områden med olika Q-värden som gränsar till varandra, d.v.s. den zon- eller 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 uppskattas med hjälp av arbetsmaterial från Ådalsbanans tunnlar samt litteratur. Detta beskrivs närmare i kapitel 4. 14

15 3 Allmänt om bergprognoser 3.1 Allmänt 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 dimensioneringsmetod. 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, insitu. Klassificeringen tar även hänsyn till geometriska faktorer och spänningsförhållanden etc. Den följande texten har till stora delar baserats på [2]. 3.2 Karaktäriserings- och klassificeringssystem System för att karaktärisera eller klassificera bergmassan presenterades först på 194- talet (Terzaghi, Rock Load System), och några av de idag mest använda systemen presenterades under 197-talet. I dag finns det ett drygt 2-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. 3.3 Metodik 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 förändringar 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. 15

16 Sektioner A B C D E F G Sprickzon Enskilda sprickplan Krosszon Tunnel Bergart "A" Bergart "B" Bergart "C" Figur 3 1 Uppdelning av tunnel i lämpliga sektioner (A t o m G) för karaktärisering eller klassificering av bergmassan. 3.4 Bergklassificeringssystems reproducerbarhet 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 karaktärisering 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 16

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. RMR Bas Q 1 2:1 2 2:2 3 RMR RMi 1 2:1 2 2:2 3 Q Bas GSI 1 2:1 2 2: :1 2 2: :1 2 2: :1 2 2:2 3 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 sprickgruppstalet, J n, visade påtaglig spridning. 3.5 Q-systemet I Sverige är Q-systemet det vanligaste systemet för bergprognoser och bedömning av förstärkningsmängder. Det presenterades första gången internationellt 1974 och baserades på observationer från 212 tunnlar och bergrum, företrädesvis från skandinaviska förhållanden [5]. Majoriteten var belägna 1 m eller mindre under marknivå och hade ett s.k. Q-värde mellan 1 och 4 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. 17

18 Beräkningsmässigt omvandlas de till Q-värden genom att varje parameter ges ett poängvärde och som sätts in i följande formel: RQD J Q = J n J r a J w SRF (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 1 praktikfall. Figur 3 3 visar hur bergklassificering enligt Q-systemet uttrycks idag [6]. Figur 3 3: Q-systemets utformning idag [6]. 18

19 4 Indata 4.1 Allmänt 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 prognostiserad och karterad bergkvalitet. Kontraktsuppgifter har använts för att bedöma kostnadseffekter och litteraturuppgifter har legat till grund för bedömningen av tidspåverkan. Litteraturen har identifierats via Luleå Tekniska Universitets databas. 4.2 Förundersökningar 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 gäller 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 avslöjar 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]. 19

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 Prognoser 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 Bjässholmstunneln Svedjebergstunneln (335) 185 (155)* Murbergstunneln ALLA 15 (1465) *) Svedjebergstunneln kortades från till 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. 2

21 4.4 Karteringar 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 osäkerheterna 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 göras 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 Kroksbergstunneln ALLA Q-värdets betydelse för byggtiden 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 21

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, betongsprutning, 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 11 timmar. Några av de övriga antaganden som anges är: tunnellängd 3 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 =.1 till Q = 1, vid sju olika tunnelstorlekar, från 35,2 (T5) till 86,9 m 2 (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 3 4 % beroende på om tunneln utförs vid Q = 1 eller Q =,1. Man kan också visa att drivningshastigheten minskar med storleksordningen 5 % beroende på om tunneln utförs vid Q = 1 eller Q =,1. 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. 4.6 Kostnadsdata från Ådalsbanan 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 22

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 > 1) Selektiv bultning, L=3. m 5 mm vidhäftande fiberarmerad sprutbetong Selektiv bultning, L=3. m, (Vid behov 5 mm vidhäftande sprutbetong) Tak/ vägg* BFK 2 (Q = 4 1) BFK 3 c (Q = 1 4) BFK 3 d (Q = 1,1) BFK 4 (Q= <,1) BFK 5 (Q <,1) 5 mm, vidhäftande fiberarmerad sprutbetong Systembultning c/c 2. m, L = 3. m 8 mm bergförankrad** fiberarmerad sprutbetong. c/c 1.7 m, L=3. m 8 mm bergförankrad** fiberarmerad sprutbetong, c/c 1.5 m, L = 3. m 12 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. m 12 mm bergförankrad fiberarmerad sprutbetong**, c/c 1.5 m, L = 3 4 m 5 mm, vidhäftande sprutbetong Systembultning c/c 2. m, L = 3. m 5 mm bergförankrad** sprutbetong, c/c 2. m, L= 3. m 5 mm bergförankrad** fiberarmerad sprutbetong, c/c 1.5 m, L = 3. m 1 mm bergförankrad sprutbetong**, c/c 1.5 m, L= 3-4 m Vidhäftning anses föreligga Där vidhäftning mot berg ej anses föreligga Där vidhäftning mot berg ej anses föreligga Dimensioneras efter mäktighet på bergtäckning eller bedömd löskärna. Användes vid låg bergtäckning, hög vattenföring, lerzon, o.d. Ev. moduleringssprutning Bultförankring av konvexa bergpartier Valv * Tak/vägg* BFK 6-1 Tyngre bergförstärkningar och specialförstärkningar hanteras som GK 3 fall. * Täckskikt sprutas i vägg från RÖK.25 till + 2. m, ** Brickor korrosionsbehandlas med 3 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 23

24 5 Resultat 5.1 Allmänt 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 uppskattade prognososäkerheterna. Uppskattning av konsekvenserna för drivningsarbetena respektive den slutliga bergförstärkningen. 5.2 Osäkerheter i prognoser Skillnader mellan NGI-prognoserna och den ordinarie karteringen 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. 12 Legend: Prognos (Q) Q prognos 11 1, Kroksbergstunneln 1: : : Bjässholmstunneln 4: : : : Svedjebergstunneln 8: ,1, ,1, Q karterat Kartering (Q) (Q) Murbergstunneln 9: : : 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. 24

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 prognostiserades bestå av berg vars Q-medelvärde har beräknats till 7,1. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 1. Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till 7,1. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 2,3. Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till 1,3. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 1,7. BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 BFK 4, 4, BFK 55 BFK BFK 3d BFK 3c BFK 2 BFK 1 Kroksbergs- Kroksbergstunnelntunneln, Q-värde Q-värde -2, -2,,1,1-1,8-1,6-1,8-1,6,4-1,4-1,2-1,4-1,2,1,1-1, -,8 -,6-1, -,8 -,6 -,4 -,4,4 -,2, -,2,,2,4,6,2,4,6,8 1,8 1 1, 1,2 1,4 4 1,6 1, 1,2 1,4 4 1,81 2, -1,8-1,6-1,4-1,2-1, -,8 -,6 -,4 -,2,,2,4,6,8 1, 1,2 1,4 1,6 1,81 2, 1,6 1,8,1,4, ,1,4, , BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Kroksbergstunneln, Q-värde -2,,1-1,8-1,6,4-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,2,1,4,1 1,4,6,8 1 1, 1, ,4 4 1,6 1,81 2, 4 1 Figur 5 2: Krokbergstunneln, jämförelse prognostiserat respektive karterat (blå respektive röd kurva). Bjässholmstunneln, se Figur 5 3 Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till 2,2. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 1,8. Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till 1,2. Karteringsresultaten har beräknats leda till ett Q-medelvärde av,7. Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till 5. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 1,8. Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till 7,5. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 2,3. 25

26 BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Bjässholmstunneln, Bjässholms- tunneln, Q-värde Q-värde -2,,1-1,8-1,6,4-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,2,1,4,1 1,4,6 4,8 1 1, 1, ,4 4 1,6 1,81 2, 4 1-2, -1,8-1,6-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,1,4,1 1,2,4,6, , 1 1,2 1,4 1,6 1, , BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Bjässholmstunneln, Bjässholmstunneln, Q-värde Q-värde -2,,1-1,8-1,6,4-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,2,4,6 4,8 1 1, 1,2 1,4 4 1,6 1,81 2,,1,4,1, ,,1-1,8-1,6,4-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,2,1,4,1 1,4,6 4,8 1 1, 1, ,4 1,6 4 1,81 2, 4 1 Figur 5 3: Bjässholmstunneln, jämförelse prognostiserat karterat (blå respektive röd kurva). Svedjebergstunneln, se Figur 5 4 Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till,9. Karteringsresultaten har beräknats leda till ett Q-medelvärde av,1. Notera att prognosen även omfattar sektionslängden , som inte utfördes som tunnel, medan karteringen omfattar angiven längd. BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Svedjebergstunneln, Q-värde -2,,1-1,8-1,6,4-1,4-1,2-1,,1 -,8,4 -,6 -,4 -,2, 1,2,4,6 4,8 1, 1 1,2 1,4 1,6 4 1,8 1 2, Figur 5 4: Svedjebergstunneln, : jämförelse prognostiserat karterat (blå respektive röd kurva). Murbergstunneln, se Figur 5 5 Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till,3. Karteringsresultaten har beräknats leda till ett Q-medelvärde av,4. Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till 2. Karteringsresultaten har beräknats leda till ett Q-medelvärde av 1,1. Delen prognostiserades bestå av berg vars Q-medelvärde har beräknats till 2,2. Karteringsresultaten har beräknats leda till ett Q-medelvärde av,7. 26

27 BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Murbergstunnelntunneln, Murbergs Q-värde Q-värde -2,,1-1,8-1,6,4-1,4-1,2-1,,1 -,8 -,6 -,4 -,2, 1,2,4,6 4,8 1 1, 1,2 1,4 4 1,6 1,8 1 2, -2,,1-1,8-1,6,4-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,4,1 1,2,4,6 4, , 1 1,2 1,4 4 1,6 1, , BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Murbergstunneln, Q-värde -2,,1-1,8-1,6,4-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,2,4,6 4,8 1 1, 1,2 1,4 4 1,6 1,8 1 2, Figur 5 5: Murbergstunneln, jämförelse prognostiserat karterat (blå respektive röd kurva) Skillnader mellan olika prognoser I detta avsnitt jämförs resultaten från de två oberoende prognoser som upprättats för samma tunneldelar som behandlas i avsnitt 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 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. 27

28 2, 1 Prognos (ordinarie) 1,5 1 1,,5 1, Legend: Kroksbergstunneln 1: : : Bjässholmstunneln 4: : : : ,5 Svedjebergstunneln 8: ,1 9-1, -1, -,5,,5 1, 1,5 2,,1, Prognos (NGI) (NGI) Murbergstunneln 9: : : Figur 5 6: Översiktsbild som visar den ordinarie bergprognosen som funktion av den som upprättades av NGI. Den streckade linjen markerar Q NGI = Q ordinarie prognos. Kroksbergstunneln, se Figur 5 7 och Figur 5 8 Delen 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 2. Delen 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 2. BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Kroksbergstunneln, Kroksbergs- tunneln, Q-värde Q-värde -2,,1-1,8-1,6-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,2,4,6 4,8 1 1, 1,2 1,4 1,6 1,8 1 2, -2,,1-1,8-1,6-1,4-1,2-1,,1 -,8 -,6 -,4 -,2, 11,2,4,6 4,8 1 1, 1,2 1,4 1,6 1,8 1 2, Figur 5 7: Kroksbergstunneln, jämförelse NGI-prognos ordinarie prognos (blå respektive grön kurva). Delen 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. 28

29 BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Kroksbergstunneln, Q-värde -2,,1-1,8-1,6-1,4-1,2,1,1-1, -,8 -,6 -,4 -,2, 1,2,4,6 4,8 1, 1 1,2 1,4 1,6 1,8 1 2, Figur 5 8: Kroksbergstunneln, jämförelse NGI-prognos ordinarie prognos (blå respektive grön kurva). Bjässholmstunneln, se Figur 5 9 Delen prognostiserades av NGI bestå av berg vars Q-medelvärde har beräknats till 2,2. I den ordinarie prognosen bedömdes att delen skulle bestå av ett berg vars Q-medelvärde har beräknats till 2. Delen prognostiserades av NGI bestå av berg vars Q-medelvärde har beräknats till 1,2. I den ordinarie prognosen bedömdes att delen skulle bestå av ett berg vars Q-medelvärde har beräknats till 2,1. Delen prognostiserades av NGI bestå av berg vars Q-medelvärde har beräknats till 5,3. I den ordinarie prognosen bedömdes att delen skulle bestå av ett berg vars Q-medelvärde har beräknats till 6,3. Delen prognostiserades av NGI bestå av berg vars Q-medelvärde har beräknats till 7,5. I den ordinarie prognosen bedömdes att delen skulle bestå av ett berg vars Q-medelvärde har beräknats till 2. BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Bjässholmstunneln, Q-värde -2,,1-1,8-1,6-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,2,4,6 4,8 1 1, 1,2 1,4 1,6 1,8 1 2, 1 Bjässholmstunneln, Q-värde -2,,1-1,,1-1,, 1, , 12, 8-1, 6-1, 4-1, 2 -,8 -,6 -,4 -,2,2,4,8 1, 2 1, 4 1, 6 1, 8,1, BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 BFK 4, BFK 5 BFK 6-1 BFK 3d BFK 3c BFK2 BFK 1 Bjässholmstunneln, Bjässholms- tunneln, Q-värde Q-värde -2,,1-1,8-1,6-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,2,4,6 4,8 1 1, 1,2 1,4 1,6 1,8 1 2, -2,,1-1,8-1,6-1,4-1,2,1-1, -,8 -,6 -,4 -,2, 1,2,4,6 4,8 1 1, 1,2 1,4 1,6 1,8 1 2, Figur 5 9: Bjässholmstunneln, jämförelse NGI-prognos ordinarie prognos (blå respektive grön kurva). Svedjebergstunneln, se Figur 5 1 Delen prognostiserades av NGI bestå av berg vars Q-medelvärde har beräknats till,9. I den ordinarie prognosen bedömdes att delen skulle bestå av ett berg vars Q-medelvärde har beräknats till 2,1. Notera att prognoserna inkluderar hela den angivna sektionslängden, d.v.s. avviker något från karterat. 29