基于BP神经网络的高层建筑施工安全探析

陆 彪（广西建工集团联合建设有限公司，广西南宁530001）

基于BP神经网络的高层建筑施工安全探析

陆 彪（广西建工集团联合建设有限公司，广西南宁530001）

伴随社会与经济飞速发展，城市高层建筑的数量逐渐增多，而这些高层建筑的施工安全事故发生率也不断增加，严重威胁到施工人员人身安全。因此，为了保证工程建筑的施工安全，开始在高层建筑中应用BP的神经网络。本文着重分析了新型BP神经网络的模型，探讨基于BP神经网络下高层建筑施工的安全评价系统构建，同时研究BP神经网络应用情况，以期保证工程施工安全。

BP神经网络；高层建筑；施工安全

前言

在安全管理的领域中，安全评价的技术属于新方法，可以提高事故控制能力。通常神经网络属于活动与大脑理论数学模型，其发展可以改善安全评价算法与能力。并且神经网络容错性能、模糊的推理与自组织能力比较强，在系统的安全评价中应用神经网络，可以规避安全评估缺陷。就目前而言，BP的神经网络应用比较广泛，其训练的过程包含反向过程与正向过程两个部分。

1 新型BP神经网络的模型

BP的神经网络计算方法主要是根据误差逆向的传播多层前馈进行计算，主要包含输出层、输入层与隐层，每层都包含不同神经元的节点，具体从图1中可以看出。在BP的神经网络进行信息处理时，需要遵循以下的原理：由输入层将数据输入，经隐层与输入层间的权重作用，到达隐层。当隐层处理函数以后，将数据传至输出层，经输出层与隐层的权重作用后，到达输出层，然后经输出层函数的作用，将结果输出[1]。

通过BP的神经网络评价建筑施工的安全时，由于模型自身有着局限性，经常会遇到各种问题，难以反应建筑施工的真实情况，导致计算效果受到影响。而新型BP的神经网络计算方式，在保留传统算法精髓基础上，改进了误差反向的传播算法。BP的神经网络引用了动量的因子，能够降低计算误差。这种计算方法可以在原公式阈值与权重基础上加上一个阈值与权重动量，同时按照反向的传播方式，生成新阈值与权重变化，调节公式如下：

图1 BP的神经网络示意图

X（k+1）=mc×（k）+lr×mc×X÷E

0小于lr小于1

在公式之中：k代表训练的次数，mc代表动量的因子，取值约为0.95；而lr代表学习的速率，其是常数，E代表误差的函数。在上述公式之中，动量因子可以降低学习的过程振荡趋势，可以对模型收敛性进行改善，可以准确计算出答案。此外，Matlab的软件为BP神经网络使用提供了工具箱与函数，这在某种程度上提高了模型实践应用可行性，依据Matlab算法进行计算，只要训练的次数到达设定次数或是比最小梯度低，就会将计算过程停止[2]。

2 基于BP神经网络下高层建筑施工的安全评价系统构建

2.1 关于高层建筑施工安全的评价指标

在综合评价时，评价指标的系统属于基础，其评价指标选择合理性，会直接关系到综合评价准确性。在2003年的12月份，建设部把高层建筑的施工现场分成四方面，即基础设施的管理、安全生产的制度管理、安全技术的管理以及人员和机构管理，又将上述四个方面划分成20个种类。在《企业职工伤亡事故分类》（GB6441-1986）中，把建筑施工安全事故类型分成以下几种：机械性伤害、高处的坠落、物体的打击与电击伤害等。各种安全事故控制与预防是高层建筑的安全生成关键性内容，和各种安全事故有着密切联系的是安全维护、脚手架、施工的机械与临时用电，并且是安全评价主要指标。

另外，因为职责划分与机构属于安全生成主要保证，通过安全监控能够保证生产安全性，对工程施工的作业人员实施安全教育，能够降低安全事故的发生率，可见，安全生产在高层建筑施工的安全生成评价中是一个关键性指标。由于高层建筑施工多为户外开放作业，其安全卫生的条件比较差，因为工作人员的生活问题所致安全事故不少，这就需要强化生活卫生控制与管理，确保从业人员的身体健康，避免因为卫生情况引起流行病。为了保证建筑施工安全评价能够落实，需要按照建筑施工中事故危害程度分成六项指标，也就是生活卫生的管理、脚手架的工程、安全的管理、临时的用电、安全维护与施工机械。这六项评价指标是BP神经网络输入层，也就是X等于{x1、x2、x3……x6}。

2.2 关高层建筑施工安全评价的等级划分

高层建筑的施工现场安全评估，只是针对建筑施工现场整体的安全性能与安全管理进行评价。因为安全问题与施工人员、用户生命安全息息相关，所以需要坚持综合治理、安全生产与预防为主的管理方针，把安全评价的等级粉尘三级：不安全、普通安全与较为安全。因为计算机只可以识别0、1，所以需要按照不同安全评价的等级对计算机相关语言进行秒速，通过输出层三个节点数值对三个评价的等级进行表示，向量为[1、0、0]代表安全级，如果向量为[0、1、0]代表安全等级，若向量为[0、0、1]代表不安全。

3 在高层建筑的施工安全中关于BP神经网络应用情况

表1 建筑施工安全评价的数据表

表2 测试的结果

4 结语

总而言之，在BP的神经网络之中应用动量因子，能够规避模型自身缺陷，例如：容易出现局部最优和计算的时间相对较长等。构建合理建筑安全评价的指标，同时在安全评价体系中应用BP的神经网络，能够将模型误差缩小。此外，应用新型BP的神经网络优势，能够克服传统神经网络的算法缺陷与不足，对于准确查找高层建筑中不安全的因素有着关键性意义，并且能够降低事故发生率与提升企业管理的水平，进而保证高层建筑的安全性，促进建筑企业发展与进步。

[1]郑越方.基于BP网络的建筑安装施工现场安全评价系统的研究[J].中国科技投资，2016，16（26）：53.

[2]牛发阳，段美栋，王建波，等.基于PCA－FPP－BP神经网络的高层建筑火灾安全评价[J].工业安全与环保，2016，42（7）：26～29.

本次使用层次的分析法，也就是AHP分析方法来分析评价体系，获得各指标上层相关目标权重与中目标权重值，再应用专家打分获取系统评价的结果。本次选择了15个高层建筑的施工现场研究，因为对15个高层建筑的现场进行打分有着较大难度，因此需要选择模拟打分形式进行替代实际打分，防止因为打分影响到神经网络应用。本次所选15个高层建筑数据，从表1中能够看出。把表1之中前13项的数据当做训练样本，训练神经网络，然后通过两组数据进行检验。按照BP神经网络基本的原理，采取FORTRAN的语言对互联网实现程序进行编写，通过输出层、输入层与隐含层典型三层网络的结构编写网络实现的程序。采用输入层、隐含层和输出层均为1层的典型的3层网络结构运输。并且经过实践研究证明，三层网络的结构运行比较稳定，反向的误差不大。在应用网络过程中，跌代精度取值为ε等于10-3，而学习系数的α等于0.5，通过网络跌代4684次，到达预设网络运算精度。通过已训练BP网络运行的，模型测试最后两组数据，得出测试结果见表2。

TU714

A

2095-2066（2016）36-0179-02

2016-12-10

陆 彪（1973-），男，汉族，广西贵港人，高级工程师，硕士研究生，主要从事建筑施工管理工作。