建筑安全事故成因分析及预警管理的研究

对于建筑企业来说,安全问题一直是工作的重点,为了降低安全隐患,杜绝出现恶性事故,需要政府部门的配合,企业和施工人员的共同努力。企业要加强安全教育,使相关人员形成强烈的安全意识,构建安全管理体系,做好安全检查工作,使安全措施得到落实,使建筑企业不断进步,在施工安全管理方面取得进步,使企业的经济效益显著提升。     

建筑安全事故成因分析及预警管理

近几年来,由于建筑行业在运行中产生新的问题,导致施工中存在重大的安全隐患。如何在实际项目推进和管理过程中优化相应的工程技术措施,需要建筑企业在实际施工过程中认真思考并积极实践。本文对于建筑安全事故产生的原因进行了简要分析,并集中阐述了相应的预警管理策略,旨在提升行业的整体安全素质,从而从根本上保证整体工程的高质量完成。     

建筑安全事故成因分析及预警管理

随着我国社会经济的飞速发展,城市化建设的进程不断加快,土木工程项目不断开工建设,但随着土建工程项目的增多,施工现场建筑安全事故的发生率也不断增加,对施工人员的安全造成了极大地威胁。因此,施工单位必须了解并掌握建筑安全事故的成因,并采取有效的预控管理,从而最大限度地减少建筑安全事故的发生。接下来,文章就分析建筑安全事故的类型和成因,并进一步分析安全风险预控管理的重要作用、应遵循的原则以及预控管理的策略,以飨读者。     

基于GA-BP神经网络的深基坑变形最优化预测研究

为研究明挖法市政隧道深基坑施工过程中立柱结构竖向位移、墙体水平位移、支护桩(墙)顶部竖向位移、支护桩(墙)顶部水平位移与地下水位之间的规律,利用现场实测方法对风险点位展开时程监测,通过基于GA-BP神经网络的算法得出其相应联系并进行最优化预测。该研究方法在广州市天河区大观路隧道段施工中得到应用,通过合理指导措施改进了数据监测安全性和真实性,该基坑结构实际监测过程中始终处于安全范围,验证了研究方法的合理性。     

一般建筑安全事故处理机制研究

建筑安全已经成为当今社会的热点问题,安全事故的处理是安全管理的重要内容。概括了一般建筑安全事故的研究现状,通过分析一般建筑安全事故处理的原则和目标,建立了一般建筑安全事故处理机制,并从运行、保障、约束和激励四个方面进行了说明。同时,从事故处理的具体流程出发,建立了一般建筑安全事故处理机制的运行模式．为项目管理者在实际处理安全事故提供指导。     

基于进化神经网络的单桩承载力预测模型研究

将收集到的单桩承载力实测数据样本作为网络模型的学习训练样本,建立了基于进化神经网络的单桩承载力预测模型,并通过检测样本对预测模型的外推能力进行了检测,证明了预测模型有较好的外推预测能力。     

基于BP神经网络的绿色混凝土抗压强度预测模型

与普通混凝土相比,绿色混凝土具有成分复杂的特点,为了在多因素作用下更为准确地预测绿色混凝土的抗压强度,在分析三层BP神经网络原理的基础上,选择影响绿色混凝土抗压强度的7个指标,以66个抗压强度试验为示例,建立了三层BP神经网络抗压强度预测模型.验证样本的训练结果表明,该模型能够较准确地快速预测绿色混凝土的抗压强度,并通过对各指标的权重计算,确定了影响绿色混凝土抗压强度的主要因素.     

基于分形理论的建筑安全事故时空分布特征研究

为了探究我国建筑业安全事故的演变规律,促进建筑业的安全生产,开展建筑业安全事故时空分形研究。对 2000~ 2018 年住房和城乡建设部网站上事故快报信息进行统计汇总,并根据谷歌地球系统中的经纬度信息,建立了建筑业安全事 故的时空分布数据库。基于分形理论中的 R/S 方法,研究建筑安全事故的时间分形特征;利用分形理论中的网格法,统计不 同网格尺度下建筑安全事故的事故数量,研究建筑安全事故在全国、九大自然地理区以及干湿分区的分维值,分析其空间分 布分形特征。研究表明,建筑安全事故时间序列分形特征客观存在,Hurst 指数显示未来一段时间内建筑安全形势将会更加 严峻;全国范围内建筑安全事故具有较好的空间分形特征,湿润地区、半湿润地区分形特征更加明显。     

基于BP神经网络的丁坝坝头冲刷深度预测模型

将丁坝坝头冲刷影响因素分组,并分别用收集到的丁坝坝头局部冲刷数据样本训练并测试BP神经网络模型,进行了冲刷深度的预测,经过对比分析,从而得到了最佳模型,测试结果表明由BP神经网络模型得出的丁坝坝头局部冲刷深度预测值与实测值比较吻合,说明该神经网络模型预测丁坝局部冲刷深度是可行的、有效的。     

基于神经网络的建筑结构安全评估模型研究

为实现建筑结构安全的快速评估,提出基于神经网络的建筑结构安全评估方法。基于《民用建筑可靠性鉴定标准》的调查与检测要求并考虑数据易获取性,选择45个涵盖承载力、耐久性、历史记录和环境情况等变量作为输入参数,以《民用建筑可靠性鉴定标准》中的安全等级作为输出参数,采用深度置信网络学习输入参数与输出参数间的非线性映射关系。对输入参数的选择、样本缺值问题、小样本问题和神经网络评估的可靠性进行探讨和验证。结果表明:在无法准确判断输入参数与输出参数相关性的前提下,采用全部输入参数的评估模型具有更高的鲁棒性; 迷失森林算法相较其他常用的缺值插补算法有更好的插补性能; 采用变分自编码器扩充训练样本集能有效提高神经网络的泛化能力和分类精度; 对深度置信网络引入加权交叉熵损失函数加以改进可增加训练时对不安全类别的敏感性,牺牲少量不安全类别的查准率可以大幅提高其查全率; 基于神经网络的结构安全评估模型能较好地预测结构的安全等级,具有快速且大批量运算的优势,是实现大范围建筑群结构安全监测的有效手段。     

改进GM-BP神经网络模型的高层建筑沉降预测

伴随高层建筑的大量兴建,在建设施工过程中,定期观测高层建筑的沉降,分析其未来的沉降变化规律以及趋势,对确保建筑物安全以及人民生命财产安全具有重要意义.为科学预测建筑物在施工中的沉降,在结合等维新息GM(1,1)模型和BP模型优点的基础上,建立改进GM-BP组合模型,通过挖掘和更新原始数据序列的内部信息,提高预测精度.实例应用表明:改进GM-BP组合模型的精度高于单一模型,预测精度明显提高,可为采取相应预防或处理措施提供科学依据.     

基于GA-BP神经网络的PHC管桩桩侧摩阻力预测方法研究

随着PHC管桩的广泛应用,为能够有效地预测单桩竖向极限承载力,分析了土的物理、力学参数对单桩竖向极限承载力的影响,通过影响因素分析选取贡献率较大的指标。结合现场静载荷试验数据,将遗传算法GA和人工神经网络BP有机地结合起来,利用GA-BP神经网络结合多元统计主分析主分量数学方法,对以粘性土和非粘性土为主的上海某地区的PHC管桩桩侧摩阻力进行了预测和检验,证明其预测精度良好、适用性强,验证了该方法的可行性,以此模型作为辅助控制手段进行合理预测,具有较大的工程实用价值。     

钢-混凝土粘结预测的人工神经网络模型

提出人工神经网络模型来模拟传统的带肋钢筋和混凝土之间的粘结性能,目的是预测钢筋从混凝土混合物中拔出的极限荷载(第一神经网络模型)或抗压强度(第二神经网络)以及根据RILEM试验设计的不同钢筋直径的拔出极限荷载。采用112个带肋钢筋(直径为10mm、12mm)以及三种不同混凝土配合比的拔出试验结果数据库,对神经网络模型进行训练。根据反向传播算法,进行多层感知器训练。第一个模型(ANN-6)有6个输入:钢筋直径、水灰比、砂石比、级配、水泥种类和混凝土龄期。第二个模型(ANN-2)有2个输入:钢筋直径、混凝土抗压强度,两个模型的输出均为极限拔出荷载。研究结果显示:所采用的模型预测精度高、误差低、具有鲁棒性。从鲁棒性方面,第一个模型(ANN-6)比第二个模型(ANN-2)更精确。将混凝土的成分作为输入参数,而不是混凝土的强度,对于带肋钢筋-混凝土界面的局部现象更具代表性。     

基于多规则实时学习组合型BP神经网络的城市建筑能耗预测模型

本文在建立城市层面的建筑用电量预测模型时,针对常规BP神经网络模型存在的诸多缺陷,进行了多种优化:组合模型预测取均值以克服随机性;加入统计规则以剔除个别奇异预测值的影响;实时学习以提高长期预测的精度.此怂外,针对影响因素的未来趋势难以准确预测的问题,增加了月份周期变量和月份序列变量这2个变量作为网络的输入,以提高模型的精度.结果显示,该方法预测效果明显优于常规BP神经网络和时间序列等方法.     

基于灰色-马尔柯夫模型的建筑安全事故死亡人数预测

建筑安全事故预测是建筑安全评价和决策的基础。灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔柯夫链理论适用于预测随机波动大的动态过程。结合灰色预测和马尔柯夫链理论的优点,提出了一种灰色马尔柯夫预测模型,并运用灰色-马尔柯夫模型,对1999~2009年全国建筑安全事故死亡人数进行了预测分析。结果表明,该模型既能揭示死亡人数变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性。     

基于SNA的建筑施工安全关键风险因素研究

建筑施工项目的社会网络环境复杂,各风险因素在项目全寿命周期中传递会形成相互影响的复杂网络.现有建筑施工安全风险研究过多强调研究独立的风险因素,较少从相互关系的角度对风险因素进行分析.该文通过识别建筑施工安全的33个风险因素,研究因素之间的相互关系,构建了建筑施工安全风险网络.同时基于社会网络分析法对风险网络进行整体网络和个体网络分析,得到了建筑施工安全的7个关键风险因素,以期从源头上治理风险,提高建筑施工安全管理水平.     

基于气象热舒适度的建筑能耗灰色神经网络预测

针对建筑能耗受局地气候多因素影响的特点,为了客观准确地对建筑能耗进行预测,本文引入了气象热舒适度来综合分析气候对建筑能耗的影响,并以该指数预测值、建筑能耗原始数据和日期类型作为输入层,进行复合灰色神经网络模型预测建筑能耗。该方法不仅克服了灰色模型和神经网络存在的预测缺陷,同时还考虑了气象因素对建筑能耗的影响。通过对北京某大厦的实例应用分析,取得了较高精度的预测结果,证实了该方法的合理可靠,为建筑能耗预测提供了新途径,其预测结果也将为大型建筑空调系统的再优化设计和改造提供参考。     

基于BP 神经网络的人工单价动态预测模型研究

为了准确预测水运工程人工单价,使定额人工单价与市场人工单价更好接轨,构建基于BP神经网络的水运工程人工单价动态预测模型,并从隐含层数、隐含节点数两个方面对模型进行优化。最后以优化模型对2020年海南省水运工程综合人工单价进行预测作为验证,预测结果为137.76~142.68元/工日。结果表明:该网络模型具有较好的泛化能力,不仅可以弥补各种方法的不足,提高预测方法的适用性和实用性,而且可以及时有效的对定额人工单价进行更新,能够准确地对人工工日单价予以合理准确的计算,并具有一定的推广意义。     

热负荷预测中应用神经网络模型的研究

区域供热热负荷的变化是典型的非线性变化，供热系统在确定建设规模，制定运行、检修计划方面面临许多因素的影响。本文对神经网络BP算法供热热负荷预测方面的应用在理论上做了一些研究，并引入实例对所建模型进行训练和检验，取得比较满意的效果。