基于GA-ANN的建筑生产安全评价方法研究

2012-04-23卫赵斌刘宏伟孟韬

城市建设理论研究 2012年35期

卫赵斌刘宏伟孟韬

摘要：针对目前我国建筑生产安全评价技术的不成熟和欠科学性的现状，本文分析和综合了目前安全评价技术，结合建筑业特点，提出了基于GA-ANN的建设生产安全评价方法，并对该评价模型的原理、方法及算法进行了研究。首先，结合建筑生产的特点建立影响建筑安全生产的风险因素指标体系，然后建立度量建筑生产安全的评价指标，最后，利用收集的样本集训练GA—ANN，待误差满足要求后，即可运用训练成功的神经网络进行安全评价。

关键词：建筑安全评价; 遗传算法; 人工神经网络; 建筑生产; 风险因素；

Abstract: For the Safety Evaluation method of construction Industry is lack of ripeness and science, the safety Evaluation method of construction is put forward based on GA neural network according to the characteristic of construction industry, analyzing and synthesizing safety evaluation method at present, Then the theory, method and arithmetic of the evaluation model are studied. At first, the index system of risk factors influencing construction industry safely is proposed, according to the characteristic of construction industry, then the Evaluation index of measuring the degree of safety in construction production is put forward, At last, GA-ANN is trained by the training samples collected. As the errors are settled for the aims, the GA-ANN would be applied for the evaluation of safety in the construction industry.

Keywords: safety evaluation of construction; genetic arithmetic; artificial neural network; construction industry; risk factors;

中图分类号：P624.8 文献标识码：A 文章编号：

1 前言

安全评价以实现系统安全为目的，应用安全系统工程原理和工程技术方法，对系统中固有或潜在的危险进行定性和定量分析，得出系统发生危险的可能性及其后果严重程度的评价，通过与评价标准的比较得出系统的危险程度，提出改进措施，以寻求最低事故率、最少的损失和最优的安全投资。

安全评价的方法有很多且各有特色，如安全检查表评价法是根据经验或系统分析的结果，把评价项目自身及周围环境的潜在危险集中起来，列成检查项目的清单，评价时依照清单，逐项检查和评定的方法；概率安全评价法(PSA)是一种定量安全评定方法，先求出系统发生事故的概率，然后结合事故后果严重度的估计进一步计算风险，以风险大小确定系统的安全程度，以此衡量系统的危险程度是否超过可接受的安全标准，以便决定是否需要采取相应的安全措施，使其达到社会公认的安全水平；安全综合评价法是把多个描述被评价对象不同方面且量纲不同的定性和定量指标，转化为无量纲的评价值，并综合这些评价值以得出该评价对象的一个整体评价。此外还有作业危险性评价法等。

人工神经网络是由大量的、简单的神经元互联组成的大规模分布式并行信息处理系统，通过模拟人脑的神经组织结构，能对复杂问题进行有效求解。人工神经网络具有极强的非线形逼近、模糊推理、大规模并行处理、自训练学习、自组织和比较良好的容错性等优点。将神经网络应用于系统安全评价之中，能克服传统安全评价的一些缺陷，快速、准确地得到较好的安全评价结果。

2 建筑安全风险系统的建立

建筑生产活动包括各类房屋建筑及其附属设施和与其配套的线路、管道、设备的安装活动。虽然房屋建筑、附属设施和线路、管道、设备等施工特点有所区别，但就其劳动者、活动性质、环境这三方面来看是共同具有的，由此表现出的风险性也具有相似性。通过对建筑生产中固有危险性的分析，以事故异常释放理论为基础可将建筑生产风险来源归结为：高处作业、地质条件、环境因素、设备条件和成品材料条件五大方面，这五大方面反映了建筑生产系统的物质形态和生产的特点。在实际工作中还可以发现：在同样的施工条件和环境下，所面临同样的工作，但各单位、各工地的安全状况是不一样的。这里还有一个非常重要的风险因素系统——人，人是生产力中最活跃的因素，但同时它也对生产系统产生极大的风险。由身体的差异、技能的高低、管理的好坏等人系统引发的混乱度对生产系统产生正熵值，从而使生产系统产生紊乱，造成生产事故。因此，建立建筑安全风险系统时必须考虑人员风险系统，这样从人、机(物)、环境的角度把建筑生产风险系统归类为高处作业、地质情况、环境因素、设备条件、材料因素和人员因素六大方面。

上述6个方面是建筑生产安全状况的主要影响因素，即是对建筑生产过程中事故率的大小和财产损失的影响的关键要素。通过建立安全指标和与之相关的不确定因素之间复杂的非线性关系时，完成对建筑安全生产状况的评价。

3 遗传神经网络的建筑安全评价模型

为了选取最优权值，减小极小化目标输出和实际输出之间的误差，采用正向传播算法和遗传算法相结合，对神经元网络进行求解。建筑安全评价模型的评价步骤如下：

步骤1：确定安全评价对象集。

步骤2：建立建筑安全评价指标体系。系统的安全状况可用一系列评价指标表示，每个指标都从不同的侧面刻画系统的安全状况，以此确定人工神经网络的输入层、隐层和输出层的节点数，构筑人工神经网络。

步骤3：应用AHP方法确定与各项安全评价指标相对应的初始权重系数。相对于某种特定安全评价目的来说，评价指标之间的相对重要性是不同的，安全评价指标之间的相对重要性的大小是靠权重系数的大小来体现的。

步骤4：令遗传算法种群代数k←k+1。

步骤5：初始化染色体，并检验其可行性。

步骤6：通过交叉、变异、复制更新权重向量。

步骤7：选择安全评价的指标的学习样本，供GA-ANN训练，学习。利用训练好的神经网络权值来计算染色体的误差和适应度。

步骤8：根据误差函数计算每个权重向量的适应度。

步骤9：如果k