探究人工神经网络下的建筑施工安全评价

2017-05-24 23:16胡志杰
魅力中国 2016年22期
关键词:安全评价建筑施工

胡志杰

摘 要:随着我国国民经济不断的发展提升,也在很大程度上推动了建筑施工领域的发展进步,也逐渐重视起建筑施工安全的重视度,本文主要立足于人工神经网络下的建筑施工安全评价,展开了深入的研究与分析,以此期望为我国今后,在对于人工神经网络下的建筑施工安全评价问题上,提供一些参考性的建议。

关键词:人工神经 网络之下 建筑施工 安全评价

前言

建筑施工,在整个城市发展过程当中占据着非常重要的地位的,并且也是推动一个国家城市化的重要基础,但与此同时,建筑施工领域本身也是具有较强的危险性,并且,自身还具有生产流动性大以及产品形式光,施工技术比较复杂等等特点,所以,定期定时的对建筑施工采取合理有效的安全评价,不光是能够在很大程度上提升了建筑施工作业的全面管理水平,还是能够为整个建筑施工的安全性,打下结实的基础保障。

一、训练人工神经网络

训练人工神经网络,其实主要是就通过使用BP算法的神经网络,也是当前被我国各个领域所广泛使用到的一种神经网络,主要是由众多的神经元所组合而成的,包括了输入、隐含、输出等层,其在实际工作运行的过程当中,主要是分成以下步骤:1.学习期。对于此状态下的各个计算单元自身的状态值是不发生任何改变的,但是,在对其网络的连接权进行修改的过程当中,也使得系统的输入、输出之间的呈现出一种映射的关系,也即为函数关系,其主要的目的也是为了能够在最大限度上保证,整个系统实际的输出则是为期望输出。2.工作期,此时各个连接权是被固定的,然后计算单元状态变化以求达到稳定[1]。

在整个模型的输入层单元数即是对安全评价指标数目,则是根据前面分析的建筑施工现场自身的安全评级指标,在其的输入层当中的节点数则是设定在了20,那么对于中间层则是要确认为隐含层,其层数与之所相对应的节点数的选取则是为一个非常具有复杂性的问题,这里主要是因为,在采用不同的内部表象的过程当中,其所需要的内部单元数上,是完全不相同的,所以,这也就意味着,综合评价结果对应的是很安全、较安全、合格、较危险、危险等几种不同的程度的,这里对于输出层的节点数则设定在5,那么其标准的输出模式则是分别在了(1,0,0,0,0)、(0,1,0,0,0)、(0,0,1,0,0)、(0,0,0,1,0)、(0,0,0,0,1)[2]。

二、实力分析

依照于我国某个建筑施工的安全评价指标体系,所选取出二级指标的16个指标,作为整個建筑施工事故可能会发生的一些潜在性隐患,然后在对其进行全面综合的分析,以此来有效的判断出,整个建筑施工自身的安全状况[3]。

(一)样本数据的离散化和约简

本文主要重点阐述在使用运用BP进行样本数据的约简,从而通过使用Boolean Reasoning Algorithm的方式,来对整个样本的数据进行离散化,然后在合理的通过使用Genetic algorithm的方式来对整个样本数据,进行属性上的约间,从而使得约简出来的总共多达1700度条规则,然后在以此依照于BP人工神经自身的约减规则,从而有效的选择出了关于LHA自身的覆盖率以及RHS自身的覆盖率等指标,然后在对整个数据集,合理的进行规则上的提取,从而有效的到了30条规则。在通过对于提取规则进行进一步的研究分析,在优先参考我国相关建筑施工人员自身的意见,从而才能够最终的确定好几项指标,是在整个建筑施工安全当中的关键核心要素,即U12U24U32U42U43.在针对于约简前的评价指标当中,主要是存在大约16个左右,在对于训练样本上则是分成了14组,在通过对样本数据离散化以及属性的约简以后,就能够将原本众多的评价指标,逐渐的变为5个,这样也是在最大限度上降低了整个输入空间,也是便于之后简化神经网络结构的展开以及运行,以此提升训练的效率强度[4]。

(二)约简后的样本数据进行预测概述

在这里主要是按照已经被约简之后所得到的属性集,剩下的U12U24U32U42U43这五列数据,便能够很好得的得出了约简以后的神经网络训练的样本。对于这五列数据,均采用三层的BP神经网络结构,在输入层为5个神经元上,在合理的采用以上几种方式,估计出其中所隐含的层节点数为3.以此,有效的计算出其中所隐含的层节点数的设置,在将这些数值求出总体的平均值。

三、结果

在合理的通过对于建筑施工安全相关的指标体系的研究,并且,主要依照于建筑施工自身的实际,在合理的通过使用安全系统的整体工程原理,在立足于人、机器、环境、管理等几方面上,对其更进一步的研究,从而有效的确定出了建筑施工安全的16个评价指标。在基于人工神经网络之下的建筑施工安全评价模型,也主要是将粗糙集作为整个神经网络自身的前段处理器,主要将其应用在了有效缩减整个神经网络学习过程当中的一些学习样本,这样做也是为了能够在最限度上满足于简化神经网络结构所对其提出的各种要求,不仅如此,还合理的利用BP神经网络,并且,自身也是具有较强的预测精准度的。在利用人工神经网络下的建筑施工安全评价模型当中,也是对我国各个实际建筑施工工程自身的安全状况,进行了及时有效的安全评价,其所显示出来的结果也是完全与建筑施工工程自身的实际情况所想符合[5]。

四、结论

只有真正的增强人工神经网络下的建筑施工安全评价的重视度,才能够在最大限度上提升我国建筑施工的安全以及稳定性。

参考文献:

[1]袁宁,杨立兵.基于粗糙集-人工神经网络的建筑施工安全评价及应用[J].安全与环境工程,2012,01:60-64.

[2]张文博,宋德朝,郑永前.基于人工神经网络的建筑施工安全评价[J].工业工程,2011,02:

75-79.

[3]宋飞,许程洁,吴红霞. 基于改进BP神经网络的建筑施工安全评价[J].工程管理学报,2011,

06:629-632.

[4]徐平. 基于BP神经网络的建筑施工现场安全评价研究[J].江苏建筑,2013,02:63-64+69.

[5]常阳阳. 基于人工神经网络的水电工程施工安全评价[J].科技和产业,2013,05:113-116

+140.

猜你喜欢
安全评价建筑施工
加强施工技术管理提高建筑施工安全
建筑施工管理中危机管理意识的运用
建筑施工管理创新研究
浅谈建筑施工协调管理(2)
神经网络在计算机网络安全评价中的应用
信息系统安全评价系统设计及实现
浅谈建筑施工管理