基于模糊數學與BP神經網絡在施工安全評價中應用研究

王 磊（天津路橋建設工程有限公司，天津 300381）

隨著工程等相關領域的發展，高層、中高層等多種形式的建筑在市場內得到了廣泛應用。但由于其本身的施工特性，導致建筑施工存在著許多潛在安全隱患，此種隱患極易引發危險事故，從而對社會、建筑單位的經濟產生極大損害，并對人民的生命和財產安全也產生負面影響。因此，加強施工單位在高層建筑施工中的安全管理，并對其進行有效、合理的安全控制是非常必要的。

對施工單位進行科學、合理的安全評估，能有效提高工程建設的安全水平。運用安全評估理論、科學的數學方法，對高層建筑工程施工中遇到的問題進行有效評估，能使施工單位最大限度減少安全事故和企業損失。

1 工程概況

以某新城小區住宅項目為例，設計建筑施工安全評價方法，該工程基本概況如下：

（1）項目所在地：某城市開發新區；

（2）項目有效占地面積：149659.52m2；

（3）項目等級：二級；

（4）層數：28層；

（5）高度：89.65m；

（6）設計年限：70年；

（7）建筑施工等級：二級；

（8）屋頂防水設計等級：二級；

（9）小區容積率：3.56；

（10）項目施工涵蓋內容：1#建筑～5#建筑共5 個獨棟民居建筑，建筑所在小區的綠化施工等。

該工程項目的施工配置概況見表1。

表1 新城小區住宅項目主要施工設施配置概況

2 基于模糊數學與BP神經網絡在建筑施工安全評價中應用

2.1 建立建筑施工安全評價體系

在建立建筑施工安全評價體系時，先確定體系中各項評價指標的原則，包括：整體性原則、簡明性原則、獨立性原則和實際性原則[1]。在選取評估指標時，要從全局的觀點，綜合考慮各種因素和特點對工程安全的影響，以保證評估的全面。在指標的選擇上，要做到科學、簡練[2]。若指數過低，則整體指標過于粗糙、過于籠統，難以滿足評價的需要。但是，當體系規模過大，指標過多時，就會導致工作量增大，忽視了影響因素。因此，在構建指標體系的時候要盡量簡潔。指標體系是一組獨立而又密切聯系的指標，這些指標之間不存在重疊或內在關聯[3]。如果兩者屬性一致，不僅會增加工作量，而且會干擾評價工作，影響評價的科學性和實效性。在遵循上述原則后，結合建筑施工的實際情況，確定建筑施工安全評價體系，見表2。

表2 建筑施工安全評價體系

2.2 基于模糊數學的建筑施工安全評價模型構建

確定評價指標以及完成對評價體系的構建后，依據具體內容對各個指標進行權重確定。根據不同因素對施工安全的影響程度，按照評判依據進行量化。在具體操作中，借助專業打分實現[4]。專家在打分過程中，需要將表3 中的標度作為依據，根據實際情況對評價體系中的指標進行兩兩比較。

表3 指標重要性打分標度表

在專家打分完畢后，對各個指標的權重進行分配，對指標進行歸一化處理，可得到具體權重向量，這一過程見式（1）。

式中Wi-某一安全評價指標的權重向量；

bij-某一評價指標i 與評價指標j 的專家打分對比結果。

通過一致性檢驗的方式，對評價指標權重劃分結果進行檢驗，見式（2）。

式中C.I.-一致性系數；

λmax-安全評價體系最大特征值；

n-判斷矩陣階數。

引入模糊數學理論，構建建筑施工安全評價模型。假設影響建筑施工的因素共n個，則這n個因素構成因素集，并且各個因素相互之間都存在一定模糊關系。結合權重的具體含義，確定各因素影響程度大小，并進行量化[5]。用a表示模糊集中某一因素的權重，同時，該權重應滿足下述歸一化要求，見式（3）。

確定評價模型中的評價集，假設存在m 種評價結果，評價集為V，用vi表示各個評價等級的具體結果。通過對各個評價指標因素進行分析，對被評價的施工項目隸屬關系確定，并得到評價模型Y的表達式，見式（4）。

式中W-影響建筑施工安全因素的權重集合；

R-因素集與評價集之間的模糊關系。

在對建筑施工安全判斷時，遵循最大隸屬度原則，合理得出評價結果，為后續改進提供方向[6]。

2.3 基于BP神經網絡的評價模型優化

為進一步提高模型評價精度，利用BP神經網絡對模型進行學習訓練。在將評價樣本帶入到上述建立的評價模型前，對樣本進行統一處理，確保向BP 神經網絡中輸入的數據數值均在0～1 范圍內[7]。圖1 為BP 神經網絡基本結構圖。

圖1 BP神經網絡基本結構圖

在學習訓練過程中，對學習參數合理設置。同時，在BP 神經網絡中還需要完成對閾值和連接權值的初始化處理[8]。對訓練樣本集合當中的每一個訓練樣本，都需要進行后續步驟處理：對模型在該神經網絡結構輸出層得到的結果進行計算；根據當前訓練樣本，逐層正向計算節點實際輸出[9]。輸出結果見式（5）。

式中H-輸出結果；

Wij-隱藏層i節點第j個輸出連接權重；

Xj-第j個輸出具體數值；

θj-隱藏層i節點閾值。

利用已知誤差進行反向傳播，直到輸出結果與預期結果之間的差值在允許范圍內，完成對評價模型的訓練，實現對模型的優化，從而提升模型評價結果的精度[10]。

3 實證分析

此次實證分析通過運用AHP 方法，精確地確定各個指標的權重，使評估體系中各個指標的重要性得到合理量化。在分層評價結構中，最高層為目標層，中間層是標準層，最底層是各個指標指數。根據建筑施工安全指標選擇的原則，結合對高層建筑的現場調查，設計針對此項目施工的安全性評價指標。

采用專家評分法，用于衡量各指標在評價中的相對重要性，在衡量指標時，應兼顧客觀性和精確性等原則，因此，邀請了15名專家進行指標評估。根據1～9標度法，構建指標判斷矩陣，見表4。

表4 評價指標判斷矩陣

根據構造的評價指標判斷矩陣，計算出不同評價指標的具體權重值，見表5。

表5 不同評價指標的具體權重值

使用MATLAB 軟件，對各個指標的置信度進行評價，評價步驟如下：

（1）建立用于評價二級指標的神經網絡，使用neff專用函數，建立層級指標評價模型；

（2）在建立了網絡架構后，為了進行網絡訓練，應設定網絡權重和閾值。通過網絡初始化功能和網絡參數值設定網絡權值，根據設定的權值，進行權限的初始化處理；

（3）通過MATLAB軟件的仿真功能，對經過訓練的網絡進行測試；

（4）根據網絡學習的特性，在選擇學習樣本時，應根據實際情況，為訓練過程提供一系列的樣本，以檢驗設計指標的有效性。

對指標置信度的評估表達式進行設計，見式（6）。

由式（6）可知，neff(C)代表指標置信度，當neff(C)取值為1 時，說明該指標為可用指標，即該指標滿足評價需求，當neff(C)取值為0時，說明該指標為不可用指標，即該指標不滿足評價需求。對C1～C15進行置信評價，評價結果見表6。

表6 C1～C15指標置信度評價結果

根據表6 可以得出，設計的C1～C15 指標符合建筑施工安全評價需求。

對指標進行訓練學習，學習過程如圖2所示。

圖2 訓練學習過程

對數值進行訓練，達到期望值且穩定后，輸出此結果，按照訓練結果，對建筑施工過程進行評價。評價結果見表7。

表7 建筑施工安全評價

4 結語

此次研究從建筑的安全問題入手，了解了建筑的基本概況后，設計了針對建筑工程施工的安全評價方法，通過此次研究，基本可以實現對施工引起的各種安全事故有了較為詳盡的了解，同時也對其所產生的嚴重后果有了新的理解。根據研究，認知了在建筑施工過程中，對其進行安全評價等相關工作的重要性，結合上述表格內容，總結此次研究的成果，并得到下述幾個方面的結論：

（1）根據表6 中的內容，所有指標的置信度評價結果均為1，證明評價過程中，建立的指標體系與選擇的評價指標，符合建筑施工評價工作的具體需要。

（2）根據表7 中的內容，在進行建筑施工安全評價時，期望評價結果與該方法輸出評價結果，得到的數值存在偏差，但最終評價等級一致。證實該評價方法得到的評價結果具有可借鑒性。表7中，評價結果取值在0.9 以上，代表現場施工十分安全，取值在0.8～0.9 之間時，代表施工現場較安全。

（3）在未來階段性工作的實施中，還將繼續進行安全評價方法的深化，填充并完善評價指標，為建筑工程領域其他工程項目施工的安全評價提供借鑒。