建筑施工高風險行為高靈敏度自適應監測技術

徐建中，陳潛心

(哈爾濱工程大學經濟管理學院，黑龍江哈爾濱150001)

自2009年以來，我國建筑業增加值占國內生產總值比例始終保持在6.5%以上，是國民經濟的支柱產業，并占主體地位，到2016年，建筑行業全年國內生產總值已經達到744 127億元，比上年增長6.70%[1]。在此背景下，2016年底，建筑業從業人數達到5 185.24萬，占全社會就業人員總數的6.68%，比上年提高0.10%，占比創新高；然而，建筑行業作為一種高危行業，其安全生產低主動性行為始終存在隱患。我國建筑施工不斷向深基礎、高樓層、復雜工程發展，加上周期長、勞動強度高等特點，各類建筑安全事故接連不斷，每年都有成千上萬人在建筑施工過程中受傷或者死亡，造成直接經濟損失超過百億，因此安全生產低主動性行為造成了建筑施工的高風險性，也嚴重制約了我國建筑行業的持續健康發展[2]。

在上述背景下，監測建筑施工存在的風險具有重要的現實意義。當前建筑施工風險監測主要有3種方法，即基于支持向量機的風險監測、基于模糊綜合評價的風險監測以及基于灰度關聯的風險監測。雖然這3種風險監測方法較常見，但是，隨著建筑施工風險不可控因素的增多，監測方法的自適應性逐漸衰減，導致監測方法的靈敏度和匹配度下降，從而無法準確預判建筑施工行為可能存在的風險[3]。

針對上述問題，本文中提出一種基于結構方程的建筑施工高風險行為自適應監測方法，構建風險監測結構方程模型與校驗模型，將模型轉換為結構方程[4]，以改善建筑施工高風險行為自適應監測方法的有效性和自適應性。

1 施工風險自適應監測技術

自適應監測以結構模型為基礎，監測建筑施工高風險行為，自適應監測過程如下。

1)模型構建。主要工作為收集相關風險數據，篩選收集到的數據，縮減其規模，并制定風險清單，以此構建初級結構模型[5]。

2)校驗構建的初級結構模型。①模型識別：識別模型身份，保證系統各個自由參數具有唯一的估算值。②模型擬合：模型求解，判斷各擬合指數是否通過。③模型修正：修正沒有擬合的模型，提高模型風險識別自適應性[6]。

3)將修正好的結構模型轉換為結構方程，實現基于結構方程的高風險行為自適應監測。

1.1 風險監測結構方程模型構建

將建筑施工過程的預應力作為監測建筑施工高風險行為的評價指標，即監測建筑的預應力。利用高風險行為結構因子j的反饋輸入權矩陣，建立建筑結構方程的數學模型。利用模型因子i的密度結構和標準差計算高風險行為的適應度函數。為了使風險監測模型最佳化，進一步完善適應度函數，進行規范化處理，構建基于預應力的結構方程模型[7]，即

(1)

根據式(1)中的參數影響結構方程，對施工行為監測進行處理，迭代次數決定了結構方程的計算量，也影響高風險行為后模型的質量[8]。將預應力高風險行為的誤差作為適應度函數J，即

J=1+2(P0lgδ0+P0lgδB)-2(P0lgP0+PBlgPB)，

(2)

式中：B為模型共性因子；PB、P0分別為模型因子的施工風險、密度因子；δ0、δB分別為建筑高風險、模型因子的標準差。

(3)

(4)

(5)

式中：Pu為風險監測模型的頻率因變量；u為像素個數；N′為構建行為監測閾值；u0、uB為高風險行為和模型因子的因變量。

由于預應力高危行為的適應度函數值是不確定的，因此需判斷其正負。如果適應度函數是非負數，則需要改變函數公式，即

(6)

式中：K′為修改后的高危行為的適應度函數；C為常數，C>|J|。利用因變量對預應力高風險性數學模型歸一化處理，即

(7)

通過計算高風險行為預應力結構因子的權重矩陣和高風險行為的適應度函數，得出建筑的風險預估函數

Y=Wij+J′+K′。

(8)

根據上述得到的風險預估函數，構建初始結構方程模型，即

(9)

(10)

(11)

式中：y0為建筑施工材料壽命預測系數；v-、v+為潛變量區間內的峰值、谷值失效調節系數。圖1[9]所示為描述結構方程最簡單和最直觀的方式。

1.2 結構方程模型校驗

結構方程模型構建完成后，為了確保模型中各變量之間的關系，需要對其擬合驗證，主要包括3個步驟，即模型識別、模型擬合以及模型修正。

1)模型識別。模型識別的目的是保證被估計參數(風險)能夠通過選出的觀測數據估計出來[10]。

圖1 初始結構方程模型[9]

模型識別采用t規則識別方法，原理為

t≤p(p+g+1)/2，

(12)

式中：t為需要被估計的參數個數；p為內生顯變量數；g為外生顯變量數。

2)模型擬合。模型擬合的主要工作是參數估計，方法主要有最大似然法、兩階段最小二乘法、廣義最小二乘法等[11]。本文中選擇第1種模型擬合。最大似然法是用來估計概率模型參數的一種方法，模型擬合結果如表1[12]所示。由表可知，擬合指標的適配度并未都達到規定的標準，因此該模型的擬合優度不達標。由此證明，根據表1選出的指標因素并不能與構建的初始結構模型達成良好的適配，因此需要修正[8]。

表1 結構模型擬合優度評價指標[12]

1.3 結構方程模型修正

模型修正是指通過調整模型，使結構模型進行多模型擬合[13]。圖2所示為修正后得到的最終結構模型。

e1—e15—誤差項； A1—A4、B1—B3、C1—C3、D1、D2、E1、E2、F1—適配路徑，下標1—15為各項風險的排列序號，例如A1為第1個誤差項e1的一級適配路徑；A、B、C、D、E、F—最終擬合路徑。圖2 修正后的最終結構模型

再次擬合修正后的結構模型路徑圖，得到的擬合優度評價指標如表2所示。由表可知，擬合指標的適配度均達到規定的標準，因此該模型的擬合優度達標，結構模型修正結束。

表2 修正后的結構模型擬合優度評價指標

將上述構建好的結構模型轉換為結構方程。結構方程是一種分析變量之間關系的工具，實際上是一般線性模型的拓展，其優點是不需要知道所有的解釋變量，只需要知道顯變量即可，因此比其他模型具有更大彈性[14]。

在結構模型中，主要由2個部分聯立組成，即測量模型和結構模型。其中，測量模型包括觀測變量和潛在變量2個因素，反映了二者之間的關系，即

x=aA1+b,

(13)

y=cA2+d,

(14)

式中：x為內生指標組成的向量；y為外生指標組成的向量；A1為外生觀測變量在外生潛變量上的因子負荷矩陣；A2為內生觀測變量在內生潛變量上的因子負荷矩陣；a為外生潛變量；b為外生指標y的誤差項；c為內生潛變量；d為內生指標x的誤差項。

結構模型僅包括潛變量，反映的是內生潛變量后的和外生潛變量之間同一等級的關系，即

c=Ec+Fa+G，

(15)

式中：E為內生潛變量之間的關系；F為外生潛變量對內生潛變量的影響；G為殘差項，反映了在方程中沒有被解釋的部分。根據式(15)，得到建筑施工高風險行為自適應監測的結構方程。

2 仿真實例測試

為了明確本文中所提風險監測方法的自適應性是否達到要求，設計仿真實例測試。在3dmax軟件中模擬建筑施工過程，設置建筑施工存在的高風險行為指標，如表3所示。

表3 建筑施工高風險行為

采用Visual CPP運行庫構建結構方程模型，測試所設計結構方程模型對建筑施工高風險行為監測的自適應匹配度，并采用基于支持向量機、基于模糊綜合評價2種傳統風險監測方法作為實驗的對比方法，連接建筑施工臨時設施三維數據可視端口，自適應監測某建筑施工項目的高風險行為，得到3種方法的自適應匹配度如圖3所示。從圖中可以看出，3種方法的自適應監測都沒有超出監測門限，說明3種方法都有一定的可行性，本文中所提方法的風險監測數據與監測門限的擬合度為98.75%，基于模糊綜合評價方法次之，擬合度為64.83%，基于支持向量機方法與監測門限的擬合度為43.26%。由此可見，相較于2種傳統方法，本文中所提方法有較高的自適應匹配度。

圖3 自適應監測匹配度輸出結果

在驗證所提方法的自適應匹配度的基礎上，測試所提方法的靈敏度。設置施工工期為30 d，測試3種方法對表3中的建筑施工高風險行為指標的監測靈敏度，結果如圖4所示。從圖中可以看出，所提方法自適應監測靈敏度峰值達到99%，基于支持向量機方法自適應監測靈敏度峰值為78%，基于模糊綜合評價方法自適應監測靈敏度峰值為83%，可見本文中所提方法的自適應監測靈敏度最高。

3種方法的自適應監測匹配度輸出結果與自適應監測靈敏度輸出結果如表4所示。從表中可以看出，利用本文中所提方法進行建筑施工高風險行為自適應監測，監測靈敏度為99%，監測自適應匹配度為98.75%，該結果遠好于基于支持向量機、基于模糊綜合評價2種傳統風險監測方法的結果，由此說明，本文中所提方法性能更好。

3 結論

為了降低建筑施工事故發生的概率，基于結構方程，研究一種新的建筑施工高風險行為自適應監測方法。通過實驗得出以下主要結論：

(a)基于支持向量機

(b)基于模糊綜合評價

(c)本文中所提方法ic—建筑工程人員的安全素質； is—建筑相關物品的安全狀態； im—相關企業的管理水平； ie—周圍環境的安全狀態； it—建筑施工技術水平。圖4 高風險行為自適應監測靈敏度

表4 3種方法的自適應監測匹配度輸出結果與自適應監測靈敏度輸出結果

1)與傳統方法相比，該方法的監測靈敏度和匹配度均有極大的改善，說明其自適應性能更好，在一定程度上提高了建筑施工的安全性。

2)由于受到實驗平臺和實驗樣本采集環境的限制，性能測試不全面，因此在未來的研究中，需要克服客觀環境的限制，爭取得出與實際值最為擬合的實驗結果。