摘要：建筑施工企業(yè)安全管理的重點是減少建筑工人不安全行為風險。從組織管理、個體、生產(chǎn)作業(yè)與社會環(huán)境4個方面識別影響因素并構(gòu)建建筑工人不安全行為風險評價指標體系。通過BP神經(jīng)網(wǎng)絡(luò)法將指標進行網(wǎng)絡(luò)輸出，同時編制預警問卷。由于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)法存在評估精度較低的缺陷，無法對相關(guān)指標進行優(yōu)化，因此引入麻雀搜索算法（SSA）。使用麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)法，建立建筑工人不安全行為風險評價模型，并對該模型進行訓練及測試。通過對比發(fā)現(xiàn)，經(jīng)麻雀搜索算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)法較傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)法具有更好的收斂性與精確度，在建筑工人不安全行為風險預測方面更具可參考性。

關(guān)鍵詞：建筑工人；不安全行為；BP神經(jīng)網(wǎng)絡(luò)；麻雀搜索算法（SSA）

0 引言

建筑安全事故頻發(fā)是建筑業(yè)長期存在的問題，嚴重阻礙

了建筑業(yè)持續(xù)良好的發(fā)展。建筑工人不安全行為造成的建筑事故會導致直接經(jīng)濟損失與人員傷亡，因此對建筑工人不安全行為進行研究具有理論與現(xiàn)實意義?，F(xiàn)階段主要采用事前風險規(guī)避的方式對建筑工人不安全行為進行控制，同時對其危險因素進行規(guī)避，現(xiàn)階段研究普遍具有單一因素分析的特點。

目前，學者們主要集中于心理因素、生理因素等特定影響因素對建筑工人不安全行為進行研究。主要采用結(jié)構(gòu)方程模型、層次分析法或傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)法等方法。例如，周建亮等^[1]通過使用結(jié)構(gòu)方程模型研究職業(yè)倦怠、工作壓力等對建筑工人不安全行為的影響。葉貴等^[2]通過中介調(diào)節(jié)效應，研究體力疲勞等因素對建筑工人不安全行為的影響。劉素霞等^[3]通過構(gòu)造CA傳染模型，分析建筑工人不安全行為的傳染機制，探析不同跟隨方式、分布模式與抑制率對不安全行為的作用機制。莫俊文等^[4]通過系統(tǒng)動力學方法，研究偏執(zhí)心理與敵對心理的共同作用對安全行為影響的作用機理。

針對建筑工人不安全行為的研究多為單一風險因素研究，很少將影響因素進行匯總整合，對其風險評價具有一定的局限性。同時，在預測方法上，隨機森林或神經(jīng)網(wǎng)絡(luò)預測方法較多，但是結(jié)合集群智能算法的方法較少。因此，本文首先通過分析建筑工人不安全行為風險因素，確定各影響因素的占比權(quán)重，其次構(gòu)建不安全行為指標體系，最后基于BP神經(jīng)網(wǎng)絡(luò)法建立不安全行為風險評價。但是，傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)法存在易陷入極小值與權(quán)值閾值過于隨機的缺陷，因此，本文通過麻雀搜索算法（SSA）這一集群智能算法對BP神經(jīng)網(wǎng)絡(luò)法進行優(yōu)化，以提高其穩(wěn)定性與準確性，建立基于SSA-BP的建筑工人不安全行為風險評價模型。

1 指標體系構(gòu)建

建筑工人不安全行為風險因素涉及范圍較廣。首先通過文獻分析，根據(jù)現(xiàn)有的研究成果獲得數(shù)量眾多的建筑工人不安全行為指標，并根據(jù)專家訪談?wù){(diào)查、談?wù)摲治觥⑽墨I分析與事故統(tǒng)計分析對風險因素進行篩選，最終確定出4個一級指標，即組織管理因素、個體因素、生產(chǎn)作業(yè)因素、社會環(huán)境因素^[5]，以及20個二級指標，形成建筑工人不安全行為風險評價指標體系，見表1。

在識別出建筑工人不安全行為風險因素后，邀請10名建筑工程領(lǐng)域相關(guān)專家對各因素的重要程度進行打分，包括4名建筑施工單位項目經(jīng)理，3名建筑監(jiān)理單位專家，以及3名政府相關(guān)機構(gòu)安全負責管理人員。采用10分制打分法，將最后的分數(shù)進行權(quán)重分析。評價指標權(quán)重見表2。

2 麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

2.1 麻雀搜索算法（SSA）

BP神經(jīng)網(wǎng)絡(luò)是通過誤差反向傳播算法訓練的多層前饋網(wǎng)絡(luò)，是目前應用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一^[6]。建筑工人不安全行為風險的BP神經(jīng)網(wǎng)絡(luò)評價模型選用包含輸入層、隱含層與輸出層的三層前饋結(jié)構(gòu)^[7]。BP神經(jīng)網(wǎng)絡(luò)自適應能力強且具有非線性逼近的特點，但在實際應用時也存在權(quán)值與閾值隨機、易陷入極小值、模型穩(wěn)定與準確性較差的特點。因此，為降低其網(wǎng)絡(luò)推廣能力局限，本文通過使用麻雀搜索算法對BP神經(jīng)網(wǎng)絡(luò)進行優(yōu)化，以提高該模型的準確性與精確度。

麻雀搜索算法（Sparrow Search Algorithm，SSA）是一種集群智能優(yōu)化算法^[8]，基于麻雀覓食與反捕食行為，主要分為發(fā)現(xiàn)者及加入者，部分自身能量高的個體作為發(fā)現(xiàn)者進行食物搜尋，其余作為加入者追隨發(fā)現(xiàn)者獲取食物。種群中存在10%～20%的麻雀作為警戒者在種群外圍對可能出現(xiàn)的捕食者做出反應，并且為了保證安全而根據(jù)示警信號改變覓食區(qū)域。同時，發(fā)現(xiàn)者、加入者與警戒者的身份不斷動態(tài)變化^[9]。

發(fā)現(xiàn)者位置更新公式如下

式中，X_ij為種群中麻雀所在位置；t為當前迭代數(shù)；iter_max為最大迭代次數(shù)，α為（0，1]的隨機數(shù)；ST為[0.5，1]的安全值；R₂為[0，1]的警戒值；L為一行多維全一矩陣；Q為隨機數(shù)。

加入者位置更新公式如下

式中，X_p為發(fā)現(xiàn)者的最優(yōu)位置；X_worst為當前全局最差位置^[10]；A為一行多維矩陣，各元素隨機賦值為1或-1，A⁺=A^T（AA^T）^-1。

警戒者位置更新公式如下

式中，β為步控參數(shù)；X_best為當前最佳位置；f_g為當前全局最佳適應度；f_i為第i個麻雀的適應度值；f_w為當前全局最差適應度值；K為隨機數(shù)；ε為避免分母為零的常數(shù)。

2.2 SSA-BP模型構(gòu)建

為了便于對比BP神經(jīng)網(wǎng)絡(luò)與SSA-BP神經(jīng)網(wǎng)絡(luò)的預測精度，兩種方法均采用4個一級指標20個二級指標構(gòu)建模型。BP神經(jīng)網(wǎng)絡(luò)將數(shù)據(jù)歸一化后作為網(wǎng)絡(luò)輸入，將期望值作為網(wǎng)絡(luò)輸出，在MATLAB R2018a軟件中，預測輸入數(shù)據(jù)為20層，輸出數(shù)據(jù)為1層。設(shè)置訓練次數(shù)為1000次，目標最小誤差為0.000 1，學習速率為0.01，顯示頻率為25，動量因子為0.01，最小性能梯度為1e-6^[11]，通過反復運行最終選取均方根誤差最小值時隱含層節(jié)點的個數(shù)6，形成最終20-6-1的網(wǎng)絡(luò)結(jié)構(gòu)，并建立SSA-BP神經(jīng)網(wǎng)絡(luò)風險評價模型。SSA-BP神經(jīng)網(wǎng)絡(luò)風險評價模型建立流程如圖1所示。

3 實驗結(jié)果及分析

按照表1，邀請專家對建筑工人不安全行為評價指標體系進行評分，風險等級表見表3。共收集120份有效數(shù)據(jù)，根據(jù)各指標權(quán)重與評分值得到最終期望值，形成樣本數(shù)據(jù)，見表4。

將120份數(shù)據(jù)分為兩部分，前110份為訓練樣本，后10份為檢測樣本。通過MATLAB軟件分別進行傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)訓練與SSA-BP神經(jīng)網(wǎng)絡(luò)訓練。訓練樣本結(jié)束訓練后，用10組檢測樣本分別對兩種神經(jīng)網(wǎng)絡(luò)方法進行20次擬合評估，選取誤差結(jié)果最小的BP神經(jīng)網(wǎng)絡(luò)和SSA-BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)擬合效果圖如圖2所示，SSA-BP神經(jīng)網(wǎng)絡(luò)擬合效果圖如圖3所示。

檢驗結(jié)果誤差分析見表5。BP神經(jīng)網(wǎng)絡(luò)與SSA-BP神經(jīng)網(wǎng)絡(luò)誤差對比效果圖如圖4所示。

由圖4可知，BP神經(jīng)網(wǎng)絡(luò)的誤差范圍波動較大，SSA-BP神經(jīng)網(wǎng)絡(luò)的誤差波動較小，近似平滑直線。因此，相對于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，SSA-BP神經(jīng)網(wǎng)絡(luò)更具準確。

4 建議

建筑工程項目人員往往具有地域性、流動性、低文化水平與崗位復雜性的特點，導致建筑工人不安全行為產(chǎn)生機制較為復雜。通過構(gòu)建組織管理、個體、生產(chǎn)作業(yè)與社會環(huán)境4個方面的風險評價指標體系，從個人、輿論、企業(yè)、政府、生產(chǎn)工具5個方面提出相應的防控對策。

個人方面，應增強安全保護意識，提高安全警惕性，建立“建筑安全無小事”的工作心理。社會輿論方面，應加強對建筑行業(yè)安全的關(guān)注，多宣傳建筑安全知識。企業(yè)組織方面，應健全相關(guān)組織體系，提高安全領(lǐng)導能力。政府方面，建議定期對項目進行安全巡查，對安全隱患堅決打擊，杜絕安全隱患發(fā)生^[5]。生產(chǎn)工具方面，應保持人機匹配，定期淘汰不安全與折舊程度較高的設(shè)備與生產(chǎn)工具，加大生產(chǎn)工具資金投入，提高生產(chǎn)力與安全性能。

5 結(jié)語

（1）本文建立了基于SSA-BP的建筑工人不安全行為風險評價模型，構(gòu)建了以組織管理因素、個體因素、生產(chǎn)作業(yè)因素、社會環(huán)境因素為主的4個一級指標與20個二級指標，通過專家打分法判斷各指標的權(quán)重，同時求得各二級指標的綜合權(quán)重。

（2）建立了20-6-1風險因素網(wǎng)絡(luò)結(jié)構(gòu)，但相關(guān)指標還可進一步優(yōu)化與細化。

（3）引入麻雀搜索算法（SSA）對傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)進行優(yōu)化，避免其權(quán)閾值過于隨機而出現(xiàn)局部最小值的情況，提高其精確度。

（4）對比驗證SSA-BP和傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，SSA-BP神經(jīng)網(wǎng)絡(luò)更具優(yōu)越性。

參考文獻

[1]周建亮，胡飛翔，邢艷冬，等.工作壓力、職業(yè)倦怠對建筑工人不安全行為的影響[J].中國安全科學學報，2022，32（11）：14-22.

[2]葉貴，越宏哲，馮新怡，等.建筑工人不安全行為的認知失效致因仿真研究[J].中國安全科學學報，2020，30（11）：6-12.

[3]劉素霞，唐帥帥.基于CA的建筑工人不安全行為傳染機制[J].中國安全科學學報，2023，33（1）：24-31.

[4]莫俊文，崔利兵.偏執(zhí)心理和敵對心理對建筑工人不安全行為的影響研究[J].工程管理學報，2023，37（1）：135-140.

[5]石娟，常丁懿，鄭鵬.基于BP神經(jīng)網(wǎng)絡(luò)的建筑工人不安全行為預警模型[J].中國安全科學學報，2022，32（1）：27-33.

[6]冷旭，何靜，張俊忠，等.基于BP神經(jīng)網(wǎng)絡(luò)的海軍飛行員人為差錯安全影響評估[J].安全與環(huán)境學報，2014，14（4）：120-123.

[7]汪優(yōu)，馬婷婷，王天明，等.基于BP神經(jīng)網(wǎng)絡(luò)的人工單價動態(tài)預測模型研究[J].工程管理學報，2021，35（2）：39-43.

[8]薛建凱.一種新型的群智能優(yōu)化技術(shù)的研究與應用[D].上海：東華大學，2021.

[9]黃友滔，黃喜兵.基于ANP與麻雀搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的裝配式建筑進度風險評價[J].工程管理學報，2022，36（6）：36-41.

[10]孟彩霞，吳迪，雷雨.基于麻雀搜索算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)衛(wèi)星鐘差預報[J].大地測量與地球動力學，2022，42（2）：125-131.

[11]宋健，叢秋梅，楊帥帥，等.改進麻雀搜索算法的RBF神經(jīng)網(wǎng)絡(luò)水質(zhì)預測[J].計算機系統(tǒng)應用，2023，32（4）：255-261.

收稿日期：2023-09-26

作者簡介：

韋海民（1971—），男，博士，副教授，碩士研究生導師，研究方向：工程安全項目管理。

呂靜（通信作者）（1996—），女，研究方向：工程安全項目管理。