探究人工神經網絡下的建筑施工安全評價

胡志杰

摘 要：隨著我國國民經濟不斷的發展提升，也在很大程度上推動了建筑施工領域的發展進步，也逐漸重視起建筑施工安全的重視度，本文主要立足于人工神經網絡下的建筑施工安全評價，展開了深入的研究與分析，以此期望為我國今后，在對于人工神經網絡下的建筑施工安全評價問題上，提供一些參考性的建議。

關鍵詞：人工神經 網絡之下 建筑施工 安全評價

前言

建筑施工，在整個城市發展過程當中占據著非常重要的地位的，并且也是推動一個國家城市化的重要基礎，但與此同時，建筑施工領域本身也是具有較強的危險性，并且，自身還具有生產流動性大以及產品形式光，施工技術比較復雜等等特點，所以，定期定時的對建筑施工采取合理有效的安全評價，不光是能夠在很大程度上提升了建筑施工作業的全面管理水平，還是能夠為整個建筑施工的安全性，打下結實的基礎保障。

一、訓練人工神經網絡

訓練人工神經網絡，其實主要是就通過使用BP算法的神經網絡，也是當前被我國各個領域所廣泛使用到的一種神經網絡，主要是由眾多的神經元所組合而成的，包括了輸入、隱含、輸出等層，其在實際工作運行的過程當中，主要是分成以下步驟：1.學習期。對于此狀態下的各個計算單元自身的狀態值是不發生任何改變的，但是，在對其網絡的連接權進行修改的過程當中，也使得系統的輸入、輸出之間的呈現出一種映射的關系，也即為函數關系，其主要的目的也是為了能夠在最大限度上保證，整個系統實際的輸出則是為期望輸出。2.工作期，此時各個連接權是被固定的，然后計算單元狀態變化以求達到穩定[1]。

在整個模型的輸入層單元數即是對安全評價指標數目，則是根據前面分析的建筑施工現場自身的安全評級指標，在其的輸入層當中的節點數則是設定在了20，那么對于中間層則是要確認為隱含層，其層數與之所相對應的節點數的選取則是為一個非常具有復雜性的問題，這里主要是因為，在采用不同的內部表象的過程當中，其所需要的內部單元數上，是完全不相同的，所以，這也就意味著，綜合評價結果對應的是很安全、較安全、合格、較危險、危險等幾種不同的程度的，這里對于輸出層的節點數則設定在5，那么其標準的輸出模式則是分別在了（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、實力分析

依照于我國某個建筑施工的安全評價指標體系，所選取出二級指標的16個指標，作為整個建筑施工事故可能會發生的一些潛在性隱患，然后在對其進行全面綜合的分析，以此來有效的判斷出，整個建筑施工自身的安全狀況[3]。

（一）樣本數據的離散化和約簡

本文主要重點闡述在使用運用BP進行樣本數據的約簡，從而通過使用Boolean Reasoning Algorithm的方式，來對整個樣本的數據進行離散化，然后在合理的通過使用Genetic algorithm的方式來對整個樣本數據，進行屬性上的約間，從而使得約簡出來的總共多達1700度條規則，然后在以此依照于BP人工神經自身的約減規則，從而有效的選擇出了關于LHA自身的覆蓋率以及RHS自身的覆蓋率等指標，然后在對整個數據集，合理的進行規則上的提取，從而有效的到了30條規則。在通過對于提取規則進行進一步的研究分析，在優先參考我國相關建筑施工人員自身的意見，從而才能夠最終的確定好幾項指標，是在整個建筑施工安全當中的關鍵核心要素，即U12U24U32U42U43.在針對于約簡前的評價指標當中，主要是存在大約16個左右，在對于訓練樣本上則是分成了14組，在通過對樣本數據離散化以及屬性的約簡以后，就能夠將原本眾多的評價指標，逐漸的變為5個，這樣也是在最大限度上降低了整個輸入空間，也是便于之后簡化神經網絡結構的展開以及運行，以此提升訓練的效率強度[4]。

（二）約簡后的樣本數據進行預測概述

在這里主要是按照已經被約簡之后所得到的屬性集，剩下的U12U24U32U42U43這五列數據，便能夠很好得的得出了約簡以后的神經網絡訓練的樣本。對于這五列數據，均采用三層的BP神經網絡結構，在輸入層為5個神經元上，在合理的采用以上幾種方式，估計出其中所隱含的層節點數為3.以此，有效的計算出其中所隱含的層節點數的設置，在將這些數值求出總體的平均值。

三、結果

在合理的通過對于建筑施工安全相關的指標體系的研究，并且，主要依照于建筑施工自身的實際，在合理的通過使用安全系統的整體工程原理，在立足于人、機器、環境、管理等幾方面上，對其更進一步的研究，從而有效的確定出了建筑施工安全的16個評價指標。在基于人工神經網絡之下的建筑施工安全評價模型，也主要是將粗糙集作為整個神經網絡自身的前段處理器，主要將其應用在了有效縮減整個神經網絡學習過程當中的一些學習樣本，這樣做也是為了能夠在最限度上滿足于簡化神經網絡結構所對其提出的各種要求，不僅如此，還合理的利用BP神經網絡，并且，自身也是具有較強的預測精準度的。在利用人工神經網絡下的建筑施工安全評價模型當中，也是對我國各個實際建筑施工工程自身的安全狀況，進行了及時有效的安全評價，其所顯示出來的結果也是完全與建筑施工工程自身的實際情況所想符合[5]。

四、結論

只有真正的增強人工神經網絡下的建筑施工安全評價的重視度，才能夠在最大限度上提升我國建筑施工的安全以及穩定性。

參考文獻：

[1]袁寧，楊立兵.基于粗糙集-人工神經網絡的建筑施工安全評價及應用[J].安全與環境工程，2012，01：60-64.

[2]張文博，宋德朝，鄭永前.基于人工神經網絡的建筑施工安全評價[J].工業工程，2011，02：

75-79.

[3]宋飛，許程潔，吳紅霞. 基于改進BP神經網絡的建筑施工安全評價[J].工程管理學報，2011，

06：629-632.

[4]徐平. 基于BP神經網絡的建筑施工現場安全評價研究[J].江蘇建筑，2013，02：63-64+69.

[5]常陽陽. 基于人工神經網絡的水電工程施工安全評價[J].科技和產業，2013，05：113-116

+140.