水电工程施工现场安全评价方法的研究

论文摘要

现行许多建筑施工安全评价的研究均采用模糊综合评价的方法,这种方法简单易行,适用性广,尤其对于多因素、多层次问题可以获得较好的评价结果。但是由于水电工程施工涉及面大,因素多,如果采用模糊综合评价的方法,需要针对性地建立多套指标体系。但是建立多套指标体系会导致操作性很低,灵活度小;而建立一套统一的指标体系在很多水电施工现场中并不能完全适用,指标体系中的一项或几项指标会存在缺失的情况,模糊综合评价模型难以直接处理。由于神经网络功能非常强大,不仅具有自适应能力、集体并行运算能力和较强的存储能力,更重要的是神经网络具有很高的容错能力,能够很好地处理数据缺失的情况,因此本文拟采用神经网络模型来对水电工程施工现场进行安全评价。本文首先分析总结了水利水电施工现场的主要特点,建立了一套完整的,适用面广的水电施工现场安全评价指标体系。由于神经网络的训练需要大量的样本数据,本文通过层次分析法确定指标及准则层的权重,运用模糊综合评价法生成训练样本;然后利用此训练样本训练BP网络,得到稳定的安全评价模型。最后,分别利用文中建立起来的两种模型——模糊综合评价模型和神经网络模型,讨论对比每一项指标数据在不同模型中缺失前后的评价结果,分析指标体系中各指标对结果的影响程度。从最终的对比结果来看,通过多重插补填充数据,再利用模糊综合评价的方法进行安全评价,得到的评价结果与原有结果误差较神经网络大,对于权重值较大的指标这种误差显得更为明显。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及问题的提出
• 1.2 研究的目的和意义
• 1.3 安全评价研究现状
• 1.4 安全评价方法综述
• 1.5 论文研究思路及框架
• 1.6 本章小结
• 2 水电施工现场安全评价指标体系的设计
• 2.1 评价指标体系建立的原则
• 2.2 指标体系递阶层次结构
• 2.3 水电施工现场安全评价指标体系
• 2.4 本章小结
• 3 水电施工现场模糊综合评价
• 3.1 层次分析法建立权重向量
• 3.2 模糊综合评价
• 3.3 应用证实
• 3.4 本章小结
• 4 BP 神经网络评价模型的建立
• 4.1 BP 神经网络
• 4.2 水电施工现场神经网络模型
• 4.3 训练结果
• 4.4 应用证实
• 4.5 本章小结
• 5 数据缺失处理
• 5.1 数据缺失概述
• 5.2 模糊综合评价缺失数据处理
• 5.3 神经网络缺失数据处理
• 5.4 结果比较
• 5.5 本章小结
• 6 总结与展望
• 6.1 研究结果
• 6.2 展望
• 致谢
• 参考文献
• 附录1 攻读学位期间发表的学术论文
• 附录2 攻读学位期间参与的课题研究