劉 帥，盛金保, 2，王昭升, 2，楊德瑋, 2

(1. 南京水利科學研究院，江蘇 南京 210029；2. 水利部大壩安全管理中心，江蘇 南京 210029)

我國水能資源蘊藏量居世界首位，全國技術(shù)可開發(fā)裝機容量為5.42億kW，經(jīng)濟可開發(fā)裝機容量為4.02億kW。如果利用好水能資源，必將帶來巨大的經(jīng)濟效益，這也符合我國的可持續(xù)發(fā)展理念。隨著水利水電工程的高速發(fā)展，水電工程施工安全事故也時有發(fā)生。據(jù)2013年《中華人民共和國水利部公報》數(shù)據(jù)顯示，2013年正式施工的水利建設項目20 266個，在建工程投資總規(guī)模15 346.0億元，較上年增加12.0%，全國水利系統(tǒng)從業(yè)人員104萬。水利水電工程行業(yè)發(fā)生安全事故22起，死亡36人，較大事故發(fā)生了6起。2014年，水利水電工程行業(yè)發(fā)生安全事故12起，死亡18人[1]。據(jù)國家能源局公開數(shù)據(jù)統(tǒng)計，2016年水電事故發(fā)生8起，2017年水電事故發(fā)生3起。如何遏制住水利水電工程施工事故多發(fā)的苗頭，是重大研究課題[2]。水利水電工程施工在工程質(zhì)量、施工安全、工程建設期和工程建設成本等方面要求高，具有施工規(guī)模大、影響范圍廣、作業(yè)強度大等特點[3]，因此在施工期間就要做好安全隱患評價工作。

本文擬結(jié)合實際工程資料，開展水電工程施工安全隱患評價方法及應用研究，豐富隱患理論和評價方法的研究，為相關(guān)企業(yè)預防施工安全隱患提供理論指導。通過對隱患評價方法的研究，提出一種更合理、可操作性強、更有實際運用價值的評價方法，構(gòu)建符合工程施工的評價體系，進行整體安全隱患評價，并能應用于實際工程。

1 水電工程施工安全隱患評價指標體系

評價指標體系是對水電工程施工進行安全評價的基礎，而指標體系的合理選擇直接關(guān)系到整體評價的準確性。由于水電工程施工安全隱患影響因素較多，并且施工場地復雜，往往存在著多個工序。影響水電工程施工安全的因素有很多，而對這些因素進行歸納以及劃分時都應遵循系統(tǒng)性、科學性、可行性、全面性等原則[4-5]。

1.1 評價指標體系建立

根據(jù)水利水電工程相關(guān)法律法規(guī)以及行業(yè)標準《水利水電工程施工通用安全技術(shù)規(guī)程》，并結(jié)合相關(guān)的隱患資料綜合分析，初步建立了一套水電工程施工安全隱患評價指標體系。隨后，通過與專家交流與實地考察，經(jīng)過數(shù)次修改，最終建立了水電工程施工隱患評價指標體系。該指標體系分為3層結(jié)構(gòu)，4個準則層，21個評價指標，詳情見表1。

1.2 評級指標權(quán)重的確定

整個安全評價中，權(quán)重是影響結(jié)果可靠度的重要因素。指標權(quán)重的計算有多種方法，主要包括：統(tǒng)計試驗、專家評分、德爾菲法以及層次分析(AHP)法等。本文采取層次分析法(AHP)[6-7]來確定權(quán)重，該法能很好地構(gòu)建出整體結(jié)構(gòu)圖，且對于指標數(shù)量多時更加方便靈活。運用AHP法中，比較矩陣的建立以及一致性檢驗十分重要。比較矩陣需要專家按照Saaty提出的1～9判斷矩陣標度原則(見表2)對因素層和子因素層間各元素的相對重要性給出判斷，統(tǒng)計綜合即可得到判斷矩陣。

接下來采用方根法計算每個比較矩陣的最大特征根及對應特征向量，并計算矩陣的最大特征根λmax，對矩陣進行一致性檢驗，CR=CI/RI，其中：CI為一致性指標；CR為一致性比率；RI的數(shù)值為隨機構(gòu)造500個成對比的矩陣計算其特征值，最后取平均值得RI。1～9階矩陣的平均隨機一致性指標RI分別為：0，0，0.58，0.89，1.12，1.24，1.32，1.41和1.45。當CR＜0.1時，則判斷矩陣滿足一致性，說明所建判斷矩陣合理可行。當CR＞0.1時，則不一致，需要調(diào)整判斷矩陣中的屬性權(quán)重，使其滿足一致性。

表 2 1～9標度含義Tab. 2 1～9 Scaling meanings

2 水電工程施工安全隱患評價模型建立

BP神經(jīng)網(wǎng)絡與模糊綜合評價相結(jié)合建立的模型就是模糊神經(jīng)網(wǎng)絡模型[8-10]。這種模型的好處是能同時具備模糊綜合評價處理模糊信息的能力以及人工神經(jīng)網(wǎng)絡的自適應自我學習的能力。利用模糊綜合評價法對樣本進行模糊信息的處理，網(wǎng)絡經(jīng)過處理樣本的訓練得到穩(wěn)定的網(wǎng)絡模型，進而用于解決實際問題。

2.1 模糊神經(jīng)網(wǎng)絡樣本數(shù)據(jù)處理

神經(jīng)網(wǎng)絡用于判斷前，首先需要通過訓練來獲得數(shù)據(jù)的內(nèi)部信息，進而獲得預判能力。這里采取專家打分的形式來獲取樣本數(shù)據(jù)，首先假設專家影響因子相同，分值為平均值。由于網(wǎng)絡訓練時數(shù)據(jù)范圍必須為[0, 1]，故一般需對打分表進行數(shù)值處理。運用模糊評價方法將每一個因素的模糊集合定義為[1][1, 5]區(qū)間內(nèi)的整數(shù)，通過建立專家組針對某一因素對整體的影響程度進行打分，分值越高隱患越大。具體隱患等級劃分為：重大，較大，一般，較小和輕微，其評分值對應為5，4，3，2和1。

隱患等級評分分值可根據(jù)專家經(jīng)驗而變化，當分值確定后需要對其進行數(shù)據(jù)的歸一化處理，以此作為神經(jīng)網(wǎng)絡的輸入數(shù)據(jù)[11]。根據(jù)模糊綜合評價評語集的評價等級，總共劃分為5個等級。對應于相關(guān)輸出層，分別為重大隱患，較大隱患，一般隱患，較小隱患以及輕微隱患。神經(jīng)網(wǎng)絡中的輸出層對應于不同的5個等級，具體輸出值為[1 0 0 0 0]，[0 1 0 0 0]，[0 0 1 0 0]，[0 0 0 1 0]和[0 0 0 0 1]。

將處理后的樣本數(shù)據(jù)分成訓練以及檢測兩類，經(jīng)樣本確定后，進行網(wǎng)絡訓練與檢測。通過將近1個月的數(shù)據(jù)收集以及向企業(yè)管理人、施工人員以及安全專家的咨詢，總共收集到10組樣本數(shù)據(jù)。將10組樣本劃分為兩組，前8條樣本作為訓練樣本，通過這8條樣本的訓練獲得比較穩(wěn)定的神經(jīng)網(wǎng)絡模型，后2條樣本用于測試訓練后的網(wǎng)絡，通過比較網(wǎng)絡的輸出值與期望值來判斷網(wǎng)絡是否合適。將滿足設定精度的網(wǎng)絡參數(shù)保存，以便以后直接輸入數(shù)據(jù)進行評價結(jié)果的識別。經(jīng)過模糊處理，最終模糊神經(jīng)網(wǎng)絡的輸入樣本數(shù)據(jù)見表3。

對10組數(shù)據(jù)通過模糊綜合評價計算可得出數(shù)據(jù)的期望值見表4。

表 3 樣本數(shù)據(jù)Tab. 3 Sample data of neural network intput

表 4 樣本期望值Tab. 4 Expectation values for sample data

2.2 模糊神經(jīng)網(wǎng)絡的建立

經(jīng)過以上分析可以建立水電工程施工安全隱患評價的模糊神經(jīng)網(wǎng)絡模型，具體情況如下：

(1) 網(wǎng)絡層數(shù)確定。經(jīng)過前面的分析可知，一般1個3層的BP神經(jīng)網(wǎng)絡就能滿足大部分需要，而且增加隱含層數(shù)目會使網(wǎng)絡模型更加復雜不利于使用，因此采用基本的3層模糊神經(jīng)網(wǎng)絡。

(2) 輸入層節(jié)點數(shù)確定。由于建立的水電工程施工安全隱患評價指標體系有21項指標，因此輸入節(jié)點數(shù)為21。

(3) 輸出層節(jié)點數(shù)確定。前文將安全評價劃分為5個等級，分別為重大、較大、一般、較小、輕微，所以此處的節(jié)點數(shù)設置為5。

(4) 隱含層節(jié)點數(shù)確定。由于隱含層節(jié)點數(shù)沒有明確規(guī)定，通常采取公式計算或不斷訓練來求得最佳節(jié)點數(shù)[12]。本文采用以下經(jīng)驗公式其中：l為隱含層節(jié)點數(shù)；n為輸入層節(jié)點數(shù)，m為輸出層節(jié)點數(shù)，a為0到10之間的任意常數(shù)。計算得本文中l(wèi)=10。

(5) 學習速率。BP神經(jīng)網(wǎng)絡的學習速率取值范圍為0.01～0.80，學習速率的取值不能過大也不能過小。學習速率過大，網(wǎng)絡對權(quán)值的修正量就會加大，并且在權(quán)值修正過程中可能產(chǎn)生震蕩現(xiàn)象，進而使學習不能收斂；過小時則學習時間就會加長，網(wǎng)絡學習速度變慢，但是能保證收斂于某個極小值。因此，為了使網(wǎng)絡收斂，通常取小值，此處取0.01。

根據(jù)上述研究，綜合比較分析后得出，建立1個3層的水電工程施工安全隱患評價的模糊神經(jīng)網(wǎng)絡模型。該模型有21個輸入節(jié)點數(shù)，10個隱含層節(jié)點數(shù)，5個輸出節(jié)點數(shù)。隱含層與輸出層各層的激活函數(shù)[13-14]分別為tansig和purelin，訓練函數(shù)采用trainlm。網(wǎng)絡最大訓練次數(shù)為500次，學習速率設定為0.01，期望誤差為0.001。

通過MATLAB軟件實現(xiàn)神經(jīng)網(wǎng)絡模型的訓練以及模擬，得到訓練誤差變化曲線如圖1所示。由圖1可知，當訓練到第7步長時，網(wǎng)絡訓練結(jié)束，達到了事先設定的訓練精度，因此網(wǎng)絡基本已經(jīng)訓練成熟。

將檢測樣本1與2進行神經(jīng)網(wǎng)絡模型的檢測對比，判斷結(jié)果見表5。

通過預測，對照兩組數(shù)據(jù)的評價結(jié)果，期望值為一般隱患，而網(wǎng)絡模型的預測也符合期望，表明所建模型可用于解決水電工程施工安全隱患評價問題。

圖 1 誤差變化曲線Fig. 1 Curve of error variation

表 5 檢測數(shù)據(jù)對比Tab. 5 Comparison of testing data

3 工程實例應用

大渡河某水電站施工，電站采用堤壩式開發(fā)，樞紐建筑物主要由攔河壩、兩岸泄洪及放空建筑物、右岸地下引水發(fā)電系統(tǒng)等組成。選取該水電站左岸的深孔泄洪洞工程施工進行安全隱患評價，并通過模糊綜合評價對所建模型的評價結(jié)果進行驗證，并將評價結(jié)果與實際安全生產(chǎn)隱患情況季報表進行對比分析，證明評價模型的實用性。對該工程2013年的情況進行了安全隱患統(tǒng)計，共發(fā)現(xiàn)85項隱患，按照隱患等級判別為一般隱患，未發(fā)現(xiàn)重大隱患，將隱患情況按照本文劃分的4個主要因素歸類，其具體次數(shù)統(tǒng)計見表6。

根據(jù)對水電工程施工特點的分析，建立水電工程施工安全隱患的評價指標體系，構(gòu)成了單因素指標集。邀請了16名泄洪工程施工專家，結(jié)合水電工程施工特點，讓他們通過投票方式表達各自的評價，最終構(gòu)成整個因素集的模糊評判集合如表7所示。

由專家對21項指標的投票結(jié)果經(jīng)過分值歸一化后，其結(jié)果見表8。

將上述數(shù)據(jù)代入建立的模糊神經(jīng)網(wǎng)絡模型，最終期望輸出見表9。

通過模糊神經(jīng)網(wǎng)絡模型對該工程進行預測，可知其安全隱患評價等級為一般隱患，而根據(jù)2013年的隱患季報表情況可知，該工程當年總共發(fā)現(xiàn)了85項隱患，但都不是重大隱患。無論從隱患發(fā)生的次數(shù)以及隱患類型都說明整個施工過程的安全隱患情況與模型的預測相符，進一步驗證了所建評價模型的實際可行性。

表 6 安全生產(chǎn)隱患統(tǒng)計Tab. 6 Statistics of hidden dangers in safety production 次

表 7 模糊評判標準Tab. 7 Fuzzy evaluation criteria

表8 預測數(shù)據(jù)Tab.8 Forecast data

表 9 模型預測輸出Tab. 9 Model predictive output

4 結(jié) 語

水電工程施工是一項具有工期長、施工范圍大、涉及人員較多、受自然條件制約等特點的復雜工作。施工過程中易發(fā)生安全事故，因此，做好施工安全隱患評價十分重要，經(jīng)過分析，得出以下主要結(jié)論：

(1) 根據(jù)水電工程施工特點，采用結(jié)合模糊綜合評價和BP神經(jīng)網(wǎng)絡而建立的模糊神經(jīng)網(wǎng)絡評價方法對水電工程施工安全隱患做出評價，將定量分析與定性分析結(jié)合，彌補了兩者的不足。

(2) 以實際工程應用為例，驗證了模糊神經(jīng)網(wǎng)絡模型的實際意義及可行性。也證明了該方法具有可學習性，當模型得到大量數(shù)據(jù)學習后，其預測會更加準確，從而為水電工程施工的安全評價提供更科學的依據(jù)。