基于麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的建筑工人不安全行為風(fēng)險(xiǎn)評(píng)價(jià)

摘要：建筑施工企業(yè)安全管理的重點(diǎn)是減少建筑工人不安全行為風(fēng)險(xiǎn)。從組織管理、個(gè)體、生產(chǎn)作業(yè)與社會(huì)環(huán)境4個(gè)方面識(shí)別影響因素并構(gòu)建建筑工人不安全行為風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。通過(guò)BP神經(jīng)網(wǎng)絡(luò)法將指標(biāo)進(jìn)行網(wǎng)絡(luò)輸出，同時(shí)編制預(yù)警問(wèn)卷。由于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)法存在評(píng)估精度較低的缺陷，無(wú)法對(duì)相關(guān)指標(biāo)進(jìn)行優(yōu)化，因此引入麻雀搜索算法（SSA）。使用麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)法，建立建筑工人不安全行為風(fēng)險(xiǎn)評(píng)價(jià)模型，并對(duì)該模型進(jìn)行訓(xùn)練及測(cè)試。通過(guò)對(duì)比發(fā)現(xiàn)，經(jīng)麻雀搜索算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)法較傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)法具有更好的收斂性與精確度，在建筑工人不安全行為風(fēng)險(xiǎn)預(yù)測(cè)方面更具可參考性。

關(guān)鍵詞：建筑工人；不安全行為；BP神經(jīng)網(wǎng)絡(luò)；麻雀搜索算法（SSA）

0 引言

建筑安全事故頻發(fā)是建筑業(yè)長(zhǎng)期存在的問(wèn)題，嚴(yán)重阻礙

了建筑業(yè)持續(xù)良好的發(fā)展。建筑工人不安全行為造成的建筑事故會(huì)導(dǎo)致直接經(jīng)濟(jì)損失與人員傷亡，因此對(duì)建筑工人不安全行為進(jìn)行研究具有理論與現(xiàn)實(shí)意義。現(xiàn)階段主要采用事前風(fēng)險(xiǎn)規(guī)避的方式對(duì)建筑工人不安全行為進(jìn)行控制，同時(shí)對(duì)其危險(xiǎn)因素進(jìn)行規(guī)避，現(xiàn)階段研究普遍具有單一因素分析的特點(diǎn)。

目前，學(xué)者們主要集中于心理因素、生理因素等特定影響因素對(duì)建筑工人不安全行為進(jìn)行研究。主要采用結(jié)構(gòu)方程模型、層次分析法或傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)法等方法。例如，周建亮等^[1]通過(guò)使用結(jié)構(gòu)方程模型研究職業(yè)倦怠、工作壓力等對(duì)建筑工人不安全行為的影響。葉貴等^[2]通過(guò)中介調(diào)節(jié)效應(yīng)，研究體力疲勞等因素對(duì)建筑工人不安全行為的影響。劉素霞等^[3]通過(guò)構(gòu)造CA傳染模型，分析建筑工人不安全行為的傳染機(jī)制，探析不同跟隨方式、分布模式與抑制率對(duì)不安全行為的作用機(jī)制。莫俊文等^[4]通過(guò)系統(tǒng)動(dòng)力學(xué)方法，研究偏執(zhí)心理與敵對(duì)心理的共同作用對(duì)安全行為影響的作用機(jī)理。

針對(duì)建筑工人不安全行為的研究多為單一風(fēng)險(xiǎn)因素研究，很少將影響因素進(jìn)行匯總整合，對(duì)其風(fēng)險(xiǎn)評(píng)價(jià)具有一定的局限性。同時(shí)，在預(yù)測(cè)方法上，隨機(jī)森林或神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法較多，但是結(jié)合集群智能算法的方法較少。因此，本文首先通過(guò)分析建筑工人不安全行為風(fēng)險(xiǎn)因素，確定各影響因素的占比權(quán)重，其次構(gòu)建不安全行為指標(biāo)體系，最后基于BP神經(jīng)網(wǎng)絡(luò)法建立不安全行為風(fēng)險(xiǎn)評(píng)價(jià)。但是，傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)法存在易陷入極小值與權(quán)值閾值過(guò)于隨機(jī)的缺陷，因此，本文通過(guò)麻雀搜索算法（SSA）這一集群智能算法對(duì)BP神經(jīng)網(wǎng)絡(luò)法進(jìn)行優(yōu)化，以提高其穩(wěn)定性與準(zhǔn)確性，建立基于SSA-BP的建筑工人不安全行為風(fēng)險(xiǎn)評(píng)價(jià)模型。

1 指標(biāo)體系構(gòu)建

建筑工人不安全行為風(fēng)險(xiǎn)因素涉及范圍較廣。首先通過(guò)文獻(xiàn)分析，根據(jù)現(xiàn)有的研究成果獲得數(shù)量眾多的建筑工人不安全行為指標(biāo)，并根據(jù)專(zhuān)家訪談?wù){(diào)查、談?wù)摲治觥⑽墨I(xiàn)分析與事故統(tǒng)計(jì)分析對(duì)風(fēng)險(xiǎn)因素進(jìn)行篩選，最終確定出4個(gè)一級(jí)指標(biāo)，即組織管理因素、個(gè)體因素、生產(chǎn)作業(yè)因素、社會(huì)環(huán)境因素^[5]，以及20個(gè)二級(jí)指標(biāo)，形成建筑工人不安全行為風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，見(jiàn)表1。

在識(shí)別出建筑工人不安全行為風(fēng)險(xiǎn)因素后，邀請(qǐng)10名建筑工程領(lǐng)域相關(guān)專(zhuān)家對(duì)各因素的重要程度進(jìn)行打分，包括4名建筑施工單位項(xiàng)目經(jīng)理，3名建筑監(jiān)理單位專(zhuān)家，以及3名政府相關(guān)機(jī)構(gòu)安全負(fù)責(zé)管理人員。采用10分制打分法，將最后的分?jǐn)?shù)進(jìn)行權(quán)重分析。評(píng)價(jià)指標(biāo)權(quán)重見(jiàn)表2。

2 麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

2.1 麻雀搜索算法（SSA）

BP神經(jīng)網(wǎng)絡(luò)是通過(guò)誤差反向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一^[6]。建筑工人不安全行為風(fēng)險(xiǎn)的BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型選用包含輸入層、隱含層與輸出層的三層前饋結(jié)構(gòu)^[7]。BP神經(jīng)網(wǎng)絡(luò)自適應(yīng)能力強(qiáng)且具有非線性逼近的特點(diǎn)，但在實(shí)際應(yīng)用時(shí)也存在權(quán)值與閾值隨機(jī)、易陷入極小值、模型穩(wěn)定與準(zhǔn)確性較差的特點(diǎn)。因此，為降低其網(wǎng)絡(luò)推廣能力局限，本文通過(guò)使用麻雀搜索算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，以提高該模型的準(zhǔn)確性與精確度。

麻雀搜索算法（Sparrow Search Algorithm，SSA）是一種集群智能優(yōu)化算法^[8]，基于麻雀覓食與反捕食行為，主要分為發(fā)現(xiàn)者及加入者，部分自身能量高的個(gè)體作為發(fā)現(xiàn)者進(jìn)行食物搜尋，其余作為加入者追隨發(fā)現(xiàn)者獲取食物。種群中存在10%～20%的麻雀作為警戒者在種群外圍對(duì)可能出現(xiàn)的捕食者做出反應(yīng)，并且為了保證安全而根據(jù)示警信號(hào)改變覓食區(qū)域。同時(shí)，發(fā)現(xiàn)者、加入者與警戒者的身份不斷動(dòng)態(tài)變化^[9]。

發(fā)現(xiàn)者位置更新公式如下

式中，X_ij為種群中麻雀所在位置；t為當(dāng)前迭代數(shù)；iter_max為最大迭代次數(shù)，α為（0，1]的隨機(jī)數(shù)；ST為[0.5，1]的安全值；R₂為[0，1]的警戒值；L為一行多維全一矩陣；Q為隨機(jī)數(shù)。

加入者位置更新公式如下

式中，X_p為發(fā)現(xiàn)者的最優(yōu)位置；X_worst為當(dāng)前全局最差位置^[10]；A為一行多維矩陣，各元素隨機(jī)賦值為1或-1，A⁺=A^T（AA^T）^-1。

警戒者位置更新公式如下

式中，β為步控參數(shù)；X_best為當(dāng)前最佳位置；f_g為當(dāng)前全局最佳適應(yīng)度；f_i為第i個(gè)麻雀的適應(yīng)度值；f_w為當(dāng)前全局最差適應(yīng)度值；K為隨機(jī)數(shù)；ε為避免分母為零的常數(shù)。

2.2 SSA-BP模型構(gòu)建

為了便于對(duì)比BP神經(jīng)網(wǎng)絡(luò)與SSA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度，兩種方法均采用4個(gè)一級(jí)指標(biāo)20個(gè)二級(jí)指標(biāo)構(gòu)建模型。BP神經(jīng)網(wǎng)絡(luò)將數(shù)據(jù)歸一化后作為網(wǎng)絡(luò)輸入，將期望值作為網(wǎng)絡(luò)輸出，在MATLAB R2018a軟件中，預(yù)測(cè)輸入數(shù)據(jù)為20層，輸出數(shù)據(jù)為1層。設(shè)置訓(xùn)練次數(shù)為1000次，目標(biāo)最小誤差為0.000 1，學(xué)習(xí)速率為0.01，顯示頻率為25，動(dòng)量因子為0.01，最小性能梯度為1e-6^[11]，通過(guò)反復(fù)運(yùn)行最終選取均方根誤差最小值時(shí)隱含層節(jié)點(diǎn)的個(gè)數(shù)6，形成最終20-6-1的網(wǎng)絡(luò)結(jié)構(gòu)，并建立SSA-BP神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)模型。SSA-BP神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)模型建立流程如圖1所示。

3 實(shí)驗(yàn)結(jié)果及分析

按照表1，邀請(qǐng)專(zhuān)家對(duì)建筑工人不安全行為評(píng)價(jià)指標(biāo)體系進(jìn)行評(píng)分，風(fēng)險(xiǎn)等級(jí)表見(jiàn)表3。共收集120份有效數(shù)據(jù)，根據(jù)各指標(biāo)權(quán)重與評(píng)分值得到最終期望值，形成樣本數(shù)據(jù)，見(jiàn)表4。

將120份數(shù)據(jù)分為兩部分，前110份為訓(xùn)練樣本，后10份為檢測(cè)樣本。通過(guò)MATLAB軟件分別進(jìn)行傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練與SSA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練。訓(xùn)練樣本結(jié)束訓(xùn)練后，用10組檢測(cè)樣本分別對(duì)兩種神經(jīng)網(wǎng)絡(luò)方法進(jìn)行20次擬合評(píng)估，選取誤差結(jié)果最小的BP神經(jīng)網(wǎng)絡(luò)和SSA-BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)擬合效果圖如圖2所示，SSA-BP神經(jīng)網(wǎng)絡(luò)擬合效果圖如圖3所示。

檢驗(yàn)結(jié)果誤差分析見(jiàn)表5。BP神經(jīng)網(wǎng)絡(luò)與SSA-BP神經(jīng)網(wǎng)絡(luò)誤差對(duì)比效果圖如圖4所示。

由圖4可知，BP神經(jīng)網(wǎng)絡(luò)的誤差范圍波動(dòng)較大，SSA-BP神經(jīng)網(wǎng)絡(luò)的誤差波動(dòng)較小，近似平滑直線。因此，相對(duì)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，SSA-BP神經(jīng)網(wǎng)絡(luò)更具準(zhǔn)確。

4 建議

建筑工程項(xiàng)目人員往往具有地域性、流動(dòng)性、低文化水平與崗位復(fù)雜性的特點(diǎn)，導(dǎo)致建筑工人不安全行為產(chǎn)生機(jī)制較為復(fù)雜。通過(guò)構(gòu)建組織管理、個(gè)體、生產(chǎn)作業(yè)與社會(huì)環(huán)境4個(gè)方面的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，從個(gè)人、輿論、企業(yè)、政府、生產(chǎn)工具5個(gè)方面提出相應(yīng)的防控對(duì)策。

個(gè)人方面，應(yīng)增強(qiáng)安全保護(hù)意識(shí)，提高安全警惕性，建立“建筑安全無(wú)小事”的工作心理。社會(huì)輿論方面，應(yīng)加強(qiáng)對(duì)建筑行業(yè)安全的關(guān)注，多宣傳建筑安全知識(shí)。企業(yè)組織方面，應(yīng)健全相關(guān)組織體系，提高安全領(lǐng)導(dǎo)能力。政府方面，建議定期對(duì)項(xiàng)目進(jìn)行安全巡查，對(duì)安全隱患堅(jiān)決打擊，杜絕安全隱患發(fā)生^[5]。生產(chǎn)工具方面，應(yīng)保持人機(jī)匹配，定期淘汰不安全與折舊程度較高的設(shè)備與生產(chǎn)工具，加大生產(chǎn)工具資金投入，提高生產(chǎn)力與安全性能。

5 結(jié)語(yǔ)

（1）本文建立了基于SSA-BP的建筑工人不安全行為風(fēng)險(xiǎn)評(píng)價(jià)模型，構(gòu)建了以組織管理因素、個(gè)體因素、生產(chǎn)作業(yè)因素、社會(huì)環(huán)境因素為主的4個(gè)一級(jí)指標(biāo)與20個(gè)二級(jí)指標(biāo)，通過(guò)專(zhuān)家打分法判斷各指標(biāo)的權(quán)重，同時(shí)求得各二級(jí)指標(biāo)的綜合權(quán)重。

（2）建立了20-6-1風(fēng)險(xiǎn)因素網(wǎng)絡(luò)結(jié)構(gòu)，但相關(guān)指標(biāo)還可進(jìn)一步優(yōu)化與細(xì)化。

（3）引入麻雀搜索算法（SSA）對(duì)傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，避免其權(quán)閾值過(guò)于隨機(jī)而出現(xiàn)局部最小值的情況，提高其精確度。

（4）對(duì)比驗(yàn)證SSA-BP和傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，SSA-BP神經(jīng)網(wǎng)絡(luò)更具優(yōu)越性。

參考文獻(xiàn)

[1]周建亮，胡飛翔，邢艷冬，等.工作壓力、職業(yè)倦怠對(duì)建筑工人不安全行為的影響[J].中國(guó)安全科學(xué)學(xué)報(bào)，2022，32（11）：14-22.

[2]葉貴，越宏哲，馮新怡，等.建筑工人不安全行為的認(rèn)知失效致因仿真研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2020，30（11）：6-12.

[3]劉素霞，唐帥帥.基于CA的建筑工人不安全行為傳染機(jī)制[J].中國(guó)安全科學(xué)學(xué)報(bào)，2023，33（1）：24-31.

[4]莫俊文，崔利兵.偏執(zhí)心理和敵對(duì)心理對(duì)建筑工人不安全行為的影響研究[J].工程管理學(xué)報(bào)，2023，37（1）：135-140.

[5]石娟，常丁懿，鄭鵬.基于BP神經(jīng)網(wǎng)絡(luò)的建筑工人不安全行為預(yù)警模型[J].中國(guó)安全科學(xué)學(xué)報(bào)，2022，32（1）：27-33.

[6]冷旭，何靜，張俊忠，等.基于BP神經(jīng)網(wǎng)絡(luò)的海軍飛行員人為差錯(cuò)安全影響評(píng)估[J].安全與環(huán)境學(xué)報(bào)，2014，14（4）：120-123.

[7]汪優(yōu)，馬婷婷，王天明，等.基于BP神經(jīng)網(wǎng)絡(luò)的人工單價(jià)動(dòng)態(tài)預(yù)測(cè)模型研究[J].工程管理學(xué)報(bào)，2021，35（2）：39-43.

[8]薛建凱.一種新型的群智能優(yōu)化技術(shù)的研究與應(yīng)用[D].上海：東華大學(xué)，2021.

[9]黃友滔，黃喜兵.基于ANP與麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的裝配式建筑進(jìn)度風(fēng)險(xiǎn)評(píng)價(jià)[J].工程管理學(xué)報(bào)，2022，36（6）：36-41.

[10]孟彩霞，吳迪，雷雨.基于麻雀搜索算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)衛(wèi)星鐘差預(yù)報(bào)[J].大地測(cè)量與地球動(dòng)力學(xué)，2022，42（2）：125-131.

[11]宋健，叢秋梅，楊帥帥，等.改進(jìn)麻雀搜索算法的RBF神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測(cè)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2023，32（4）：255-261.

收稿日期：2023-09-26

作者簡(jiǎn)介：

韋海民（1971—），男，博士，副教授，碩士研究生導(dǎo)師，研究方向：工程安全項(xiàng)目管理。

呂靜（通信作者）（1996—），女，研究方向：工程安全項(xiàng)目管理。