劉光忱， 李子博， 費 騰， 高 溪

(沈陽建筑大學 管理學院， 遼寧 沈陽 110168)

基于T-S網絡的建筑施工安全預警模型研究

劉光忱， 李子博， 費 騰， 高 溪

(沈陽建筑大學 管理學院， 遼寧 沈陽 110168)

建筑施工安全問題日益凸顯，迫切需要進行建筑施工安全預警模型方面的研究。本文結合以往的建筑施工安全事故案例，從人、物、環(huán)境、管理四個方面，對建筑施工安全影響因素進行分析，構建建筑施工安全預警指標體系。本文將建筑施工安全預警狀態(tài)分為5個等級，并采用專家打分法對各預警區(qū)間定量劃分，并借鑒模糊神經網絡預警模型在其他學科領域的應用，建立了基于T-S網絡的建筑施工安全預警模型。然后經過大量樣本的訓練和檢測，使網絡具有良好的泛化性。本文選取沈陽市某3個在建項目進行預警,發(fā)現(xiàn)與傳統(tǒng)預警模型得出的結果一致，進一步驗證了T-S網絡預警模型的準確性和可行性。最終，得出T-S網絡預警模型在建筑施工安全預警中具有適用性的結論。

建筑施工安全； 預警指標體系； T-S網絡； 預警模型

隨著我國城鎮(zhèn)化水平的不斷提高，建筑產業(yè)得到迅速發(fā)展。據(jù)有關資料顯示，2013年我國建筑業(yè)總產值和房屋建筑施工面積為159131億元和113億m2，分別較2012年增長16.1%和14.6%[1]。從當前建筑業(yè)在國民經濟和產業(yè)結構中的地位以及作用來看，建筑業(yè)在我國已經發(fā)展成為一個具有舉足輕重地位的支柱產業(yè)。建筑業(yè)在國民經濟中扮演如此重要角色的同時，又是執(zhí)業(yè)活動中傷亡事故多發(fā)的行業(yè)之一。根據(jù)中國住房城鄉(xiāng)建設部網站信息顯示：2013年前三季度，我國合計發(fā)生建筑施工安全施工事故384起，死亡478人；建筑施工安全形勢不容樂觀[2]。

近年來，為有效降低建筑施工安全事故發(fā)生，政府相關部門及學者對建筑施工安全評價與預控理論和方法進行了大量的研究。如將模糊理論、層次分析法、神經網絡理論等運用到建筑施工安全預警中[3～6]。在查閱和研究大量相關文獻的基礎上，對以往采用的預警理論及方法進行對比，結果見表1。因此，提出了基于T-S模糊神經網絡的建筑施工安全預警模型，旨在對建筑施工現(xiàn)場安全狀態(tài)進行預警，以期達到預防和降低建筑施工安全事故發(fā)生的目的。

表1 傳統(tǒng)建筑施工安全預警方法優(yōu)、缺點對比

1 建筑施工安全預警指標體系的構建

1.1 建筑施工安全影響因素分析

建立預警指標體系是進行預警的基礎，預警指標選取的適宜程度將直接影響預警結果的準確性。因此，建立科學、合理的建筑施工安全預警指標體系是建筑施工安全預警的關鍵。在建筑施工過程中，由于施工情況的復雜性，各種危險源、不安全因素相互交織，因而對不安全因素的分析顯得尤為重要。從系統(tǒng)工程學角度來看，建筑施工過程是一個復雜多變的“人—物—環(huán)境—管理”系統(tǒng)，這一系統(tǒng)的可靠性和穩(wěn)定性決定了建筑施工安全的狀態(tài)[7]。因此，從人、物、環(huán)境、管理四個方面進行分析，指出影響建筑施工安全的主要因素。

1.1.1 人的因素

人的不安全行為是引起安全事故的主要原因，各國的事故調查分析材料均無例外。國內的許多調查結果顯示，在建筑施工安全事故中，各種“違章”行為是引發(fā)事故的主要原因。在眾多事故直接觸發(fā)原因中，人的不安全行為因素占很大比例。目前，對“人的不安全行為”一詞并沒有準確和嚴格的定義。一般地說，凡是能夠或可能導致事故發(fā)生的人為失誤均屬于不安全行為。如果人為失誤最終可能造成事故發(fā)生，就被認定為不安全行為。

導致人的不安全行為有多種原因，如施工人員身體健康狀況、管理層與作業(yè)層的文化程度、特殊作業(yè)人員的職業(yè)技能水平、工人操作工藝等[8]。

1.1.2 物的因素

建筑施工領域中“物”的范圍很廣，包括施工過程中所用機械設備、施工材料、安全防護材料等。造成物的不安全狀態(tài)有眾多原因，諸如施工材料進場質量驗收情況、施工機械設備可靠性、安全防護材料質量等。

1.1.3 環(huán)境因素

傳統(tǒng)意義上的建筑施工安全環(huán)境因素，指的是建筑施工現(xiàn)場溫度、照明及施工現(xiàn)場的布置等。規(guī)劃整潔、有序的施工現(xiàn)場其事故發(fā)生率肯定較之雜亂無章的施工現(xiàn)場低。

隨著人們對建筑施工安全理論的研究逐步深入，環(huán)境因素對建筑施工安全的影響程度也日漸突出。這里的環(huán)境因素不僅僅是傳統(tǒng)意義上施工現(xiàn)場氣候、施工現(xiàn)場溫度與濕度、施工現(xiàn)場照明等，還包括項目所在地建筑業(yè)安全意識水平等企業(yè)的外部環(huán)境[9]。

1.1.4 施工現(xiàn)場安全管理因素

管理因素作為建筑施工“人—物—環(huán)境—管理”系統(tǒng)的核心，對建筑施工安全起著決定性作用。通過對建筑施工安全事故發(fā)生率極低的建筑企業(yè)進行調查分析，結果表明這些企業(yè)都具有完整的建筑施工安全管理機構、對施工人員進行有計劃的安全培訓，并且對施工現(xiàn)場進行定期、不定期的安全檢查等一整套的安全管理措施[10]。這說明，一個建筑企業(yè)的安全意識和安全管理水平在很大程度上影響著該企業(yè)建筑施工安全狀態(tài)。

圖1 建筑施工安全預警指標體系

1.2 建筑施工安全指標體系構建

在上述對建筑施工安全影響因素分析的基礎上，建立了3個層次、4個一級指標、20個二級指標的建筑施工安全指標體系，如圖1所示。

1.3 建筑施工安全預警區(qū)間劃分

基于文獻的研究及對建筑施工安全事故分析，將建筑施工安全狀態(tài)分為5個區(qū)間(安全、較安全、一般安全、較危險、危險)。

對于預警區(qū)間的劃分，目前沒有形成公認的方法。論文對各指標的預警區(qū)間劃分結合現(xiàn)場實際調查、專家訪談，借鑒相關文獻等方法分別確定。最終得到建筑施工安全預警狀態(tài)劃分標準見表2。

2 基于T-S網絡的建筑施工安全預警模型的構建

2.1 T-S模糊神經網絡的原理

2.1.1 T-S模糊系統(tǒng)模型

T-S模糊系統(tǒng)具有自適應能力強、自動更新、循環(huán)修正模糊子集隸屬度函數(shù)等特性，T-S模糊系統(tǒng)采用“if-then”規(guī)則來定義。當規(guī)則Ri確定的情況下，模糊推理如下[11]。

首先，對各輸入變量xj的隸屬度μ進行計算。計算見公式(1)。

i=0,1,2,…,n;j=1,2,…,k

(1)

其次，將各隸屬度進行模糊計算，采用模糊算子為連乘算子。計算見公式(2)。

i=1,2,…,n

(2)

最后，根據(jù)隸屬度模糊計算結果，計算出模糊模型輸出值y。計算見公式(3)。

(3)

2.1.2 T-S模糊神經網絡

T-S模糊神經網絡包括輸入層、模糊化層、模糊規(guī)則計算層和輸出層[12]。輸入層中，節(jié)點數(shù)與輸入向量的維數(shù)相同。模糊化層采用公式(1)對輸入值進行模糊化得到模糊隸屬度值μ。模糊規(guī)則計算層采用公式(2)計算得到ωi。輸出層采用公式(3)計算T-S網絡的輸出值。

2.1.3 T-S模糊神經網絡的學習算法

(4)

式中：ti和yi分別表示期望輸出和實際輸出；e為期望輸出和實際輸出之間的誤差。學習算法如下：

(5)

式中：j=1,2,…,m;i=1,2,…,k。

(6)

(7)

式中：β為學習率(β>0)；i=1,2,…,m。

2.2 網絡參數(shù)與樣本選取

2.2.1 網絡參數(shù)確定

學習率的大小直接影響網絡的準確性，網絡輸入參數(shù)α可以濾除系數(shù)修正過程中的高頻振蕩，從而加快網絡的學習。目前對于β和α值的選取，理論上并沒有明確的方法。通過對比實驗，發(fā)現(xiàn)選取β= 0.001，α= 0.05 比較適合[12]。

2.2.2 樣本選取

(1)訓練樣本：對于構建好的T-S網絡，需要大量的訓練樣本使網絡輸出結果具有較高的準確性。因此采用MATLAB工具箱中的Linspace函數(shù)按等間隔均勻分布方式在建筑施工安全預警區(qū)間內隨機內插共產生1000組訓練樣本，以滿足網絡訓練的需要。即在安全、較安全、一般安全、較危險、危險五個建筑施工安全狀態(tài)區(qū)間內，每個區(qū)間內插200組數(shù)據(jù)[13]。

(2)檢驗樣本：通過檢驗樣本，檢驗訓練好的T-S網絡的泛化性。檢驗樣本與上述訓練樣本的產生方式相同，共產生200組檢驗樣本。

2.3 T-S網絡訓練、檢測

第一步：訓練樣本數(shù)據(jù)歸一化。在對訓練樣本數(shù)據(jù)歸一化處理時，直接調用MATLAB工具箱中的mapminmax函數(shù)，使歸一化后的數(shù)據(jù)不失其原本的數(shù)量關系。

第二步： T-S模糊神經網絡的訓練。主要包括網絡參數(shù)模糊化、模糊隸屬度計算、模糊參數(shù)修正等過程，該過程采用MATLAB軟件編程實現(xiàn)。

第三步：檢驗樣本對T-S網絡的驗證。將檢驗樣本代入到訓練好的T-S網絡中，通過期望輸出與實際輸出的誤差來驗證經過訓練后T-S網絡的準確性。

訓練數(shù)據(jù)誤差、驗證數(shù)據(jù)預測誤差分別見圖2和圖3。

圖2 訓練數(shù)據(jù)誤差

圖3 檢驗數(shù)據(jù)誤差

其中，訓練數(shù)據(jù)的誤差期望值為 -1.3140×10-4，方差為5.1065×10-5；測試數(shù)據(jù)預測的均值為 2.000×10-3，方差為 1.9759×10-4。在此次程序中，訓練數(shù)據(jù)有1000個，測試數(shù)據(jù)有200個。

經過訓練與檢測后，結果表明：此時的建筑施工安全預警T-S網絡具有良好的泛化性。

2.4 建筑施工安全預警

將表2各建筑施工安全狀態(tài)劃分區(qū)間臨界值數(shù)據(jù)代入訓練好的T-S網絡模型，對應的T-S網絡模型輸出值分別為1.05、1.97、3.011、3.99。因此，得到的MATLAB輸出值對應的安全狀態(tài)如表3所示。

表3 MATLAB輸出值與建筑施工安全預警狀態(tài)對應表

根據(jù)某建筑施工項目具體情況，參照表2對該建筑施工項目各單項預警指標進行打分，得到該建筑施工項目建筑施工安全預警指標數(shù)據(jù)集，代入訓練好的建筑施工安全預警T-S網絡，將T-S網絡模型輸出值對照表3確定該項目建筑施工安全預警狀態(tài)。

3 實例分析

本文選取沈陽市正在施工的某3個項目為例，運用T-S網絡模型對各施工項目進行建筑施工安全預警。

3.1 建筑施工安全預警指標數(shù)據(jù)采集

建筑施工安全預警指標數(shù)據(jù)的采集由專家組打分得到。專家組包括各項目經理、監(jiān)理總監(jiān)、當?shù)刭|監(jiān)站工作人員、安全監(jiān)察人員等10人，并依據(jù)項目實際情況，對各項目建筑施工安全預警指標打分。

分別對10位專家的打分進行統(tǒng)計，去除極大、極小值，形成具有代表性的建筑施工安全預警指標數(shù)據(jù)集。將數(shù)據(jù)集反饋給各位專家進行二次討論分析，如此往復進行循環(huán)討論，直至得出絕大多數(shù)專家認同的建筑施工安全預警指標數(shù)據(jù)集[14]。

經過上述步驟，對于3個項目分別得出data1、data2、data3共三組建筑施工安全預警指標數(shù)據(jù)集。

3.2 預警結果

分別將3個項目的預警指標數(shù)據(jù)集data1、data2、data3代入已經訓練好的建筑施工安全預警T-S網絡模型中，得到3個項目的MATLAB輸出值分別為0.93、1.76和4.31。將3個項目的MATLAB輸出值對照表3，得到3個項目的預警結果見表4。

表4 基于T-S網絡模型對某3個項目的預警結果

結合以上3個實際項目，將T-S網絡模型與傳統(tǒng)建筑施工安全預警方法得出的3個項目預警結果進行對比，發(fā)現(xiàn)結果一致性較好。此時，說明基于T-S網絡的建筑施工安全預警模型具有準確性和適用性。

4 結 論

(1)本文從系統(tǒng)工程學角度出發(fā)，以“人—物—環(huán)境—管理”作為一個整體，分析建筑施工安全影響因素。在構建建筑施工安全預警指標體系時，充分考慮到預警指標的科學性和實踐性，盡量做到預警指標數(shù)據(jù)的定量化，以減少人為主觀因素的影響。

(2)相對于傳統(tǒng)建筑施工安全預警方法，本文建立基于T-S網絡的建筑施工安全預警模型具有在權重的獲得中摒棄了主觀影響的優(yōu)點，并且使整個預警過程簡捷，大大縮短了傳統(tǒng)建筑施工安全預警時長。

(3)實例分析表明，T-S網絡的建筑施工安全預警結果具有客觀性和準確性。T-S網絡的建筑施工安全預警模型操作簡單、規(guī)范，預警結果清晰明了。有助于工程技術管理人員根據(jù)預警狀態(tài)確定施工現(xiàn)場安全態(tài)勢，從而擬定和采取相應的預控措施，便于真正實現(xiàn)建筑施工安全化。

[1] 中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒2013[EB//OL]. [2014-07-02]. http://www.stats.gov.cn/tjsj/ndsj/2013/indexch.htm.

[2] 中國住房城鄉(xiāng)建設部.前三季度建筑安全生產形勢總體平穩(wěn)[EB/OL].[2013-11-02]. http://www.mohurd.gov.cn/zxydt/201311/t20131104_216094.html.

[3] 王 君，張明媛，袁永博. 基于RS-GA-BP的建筑施工安全預測研究[J].工程管理學報，2010，24(6)：647-651.

[4] 張明麗，姚繼濤.基于支持向量機建筑施工安全預警模型的研究[J].中國安全生產科學技術，2011，7(3)：58-60.

[5] 叢 楊. 基于層次分析和模糊綜合法的建筑施工安全評價研究[J]. 建筑安全，2012，(12)：20-24.

[6] 廖 斌. 基于AHP的模糊綜合評價法在建筑施工安全評價中的應用[J].中國安全生產科學技術，2013，9(10)：172-176.

[7] 王洪德.安全系統(tǒng)工程[M].北京：國防工業(yè)出版社，2013.

[8] 趙 彬，彭 英. 建筑施工安全管理人員配備研究-以重慶為例[J]. 建筑經濟，2013，(2)：81-83.

[9] 李 靜，張忠賢. 環(huán)境因素對施工現(xiàn)場與生產作業(yè)安全的影響分析[J]. 冶金經濟與管理，2002，(1)：42-43.

[10]黃世國,袁 曉. 建筑施工安全綜合評價體系的研究與應用[J]. 西南大學學報(自然科學版)，2012，34(7)：130-135.

[11]王永富，柴天佑. 自適應模糊控制理論的研究綜述[J]. 控制工程，2006，13(3)：193-198.

[12]李國勇，楊麗娟. 神經·模糊·預測控制及MATLAB實現(xiàn)(第三版)[M]. 北京：電子工業(yè)出版社，2013.

[13]MATLAB中文論壇. MATLAB神經網絡30個案例分析[M].北京：北京航空航天大學出版社，2010.

[14]李 寧，王李管，賈明滔，等. 基于層次分析法和證據(jù)理論的礦山井下六大系統(tǒng)安全評價[J]. 中南大學學報(自然科學版)，2014，45(1)：287-292.

Research of Constraction Safety Early Warning Model Based on T-S Netwok

LIUGuang-chen,LIZi-bo,FEITeng,GAOXi

(School of mangment, Shenyang Jianzhu University, Shenyang 110168, China)

Due to the construction safety issues become increasingly prominent, it is very necessary to study about construction safety warning model. The Paper analyzes the factors which affect the construction safety from the aspects of people, objects, environment and management combined with the previous construction accident cases, and builds security early-warning indicator system construction. It divides the construction safety warning state into five levels, and applies expert scoring method to quantify division of each warning interval. Learning the application of fuzzy neural network in other disciplines and fields, the article builds the construction safety warning model based on T-S network .After training and testing large number of samples, the network has a good generalization. Then it selects three construction projects in Shenyang City for early-warning, it finds that the results are consistent with traditional early-warning model, further validate the accuracy and feasibility of T-S network early-warning model. Finally, it gets the conclusion that T-S network has the applicability in construction safety warning.

construction safety; early-warning indicator system; T-S Network; early-warning model

2014-07-19

2014-09-10

劉光忱(1962-)，男，遼寧鐵嶺人，教授，碩士，研究方向為項目管理與工程經濟(Email：jglgc@126.com)

建筑安全生產事故預警系統(tǒng)研究(2013-15)

TU714

A

2095-0985(2014)04-0067-05