基于BP神经网络箱梁模板支撑体系施工安全风险评估

现浇箱梁模板支撑科学性、合理性与安全性是保证工程项目施工质量和长久耐用的重要保证。目前国内学术界对该领域的研究有一些文章，张军等人主张采用系统安全事故树为模型的分析方法研究安全事故的内在因素；何芳东等研究人员主要从模板支撑体系坍塌事故入手，通过多角度分析其坍塌因素和内在机理，为本文研究提供了重要参考；孙世梅等学者坚持以行为安全“2-4”为核心，通过建立数学模型，探讨引起坍塌事故的各类不安全操作行为和和做法。因此，本文有必要在总结前人研究的基础上，通过梳理和归纳现浇箱梁模板支撑体系施工存在的各种安全隐患和相关经验，建立一套能够全面描述和准确反映现浇箱梁模板支撑体系施工安全度和风险性的评价指标数据库，进一步为现浇箱梁模板支撑体系施工安全评价奠定坚实的理论基础和指导。为了实现这一想法，本文采用一种具有自适应学习能力的BP 神经网络模型，对跨路现浇箱梁模板支撑体系施工安全和风险做客观和准确的评价。

1、人工神经网络

1.1 人工神经网络

人工神经网络本质上是通过对人脑结构和工作机制进行合理的描述和解析，通过模拟人脑系统的工作性能而构建的，并使用大量的人造神经元代替大脑神经细胞形成一种神经元相互连结的非线性数学模型。

1.2 BP 人工神经网络

本文通过介绍一个三层BP 神经网络模型的结构和组成，让广大读者了解神经网络的构造和功能。三层BP网络模型包括输入层、隐含层和输出层。期望输出与实际输出之间的误差为：

具体的学习过程如下：

（1）初始化神经网络各层之间的连接权值和神经元的阈值，设定网络基本参数，如学习步长、误差精度等

（2）输入样本集合，对网络模型进行训练。设输入样本 X_i ，输入层与隐含层之间的连接权值为 V_ij 隐含层神经元的阀值为 θ_j ，隐含层各神经元的输出值的公式为：

为表示方便， ， X₀=-1 ，则隐含层输出值的公式为：

（3）根据隐含层各节点的输出值 y_j 、隐含层到输出层的连接权值 W_ij 和输出层节点的阀值 θ_k 可得到输出层神经元的输出公式：

为表示方便， ， y₀=-1 ，则输出层输出值的公式为：

（4）计算实际输出与期望输出之间的误差，并与预先设定的误差值比较。如果计算的误差值小于设定误差，则回到步骤（1），选取下一个样本进行训练；反之，转入反向传播过程。输出层的连接权修正公式如下：

可以推导出输入层与隐含层之间的连接权值调整公式：

（5）如果网络的全局误差小于设定误差，则结束训练。否则，重新开始以上的步骤。又因为BP 网络有强大的非线性逼近能力和各种自适应能力，同时还可以进行自我纠错等功能，所以工业制造和工程项目中都广泛使用BP 网络模型。

2、模板支撑体系施工坍塌事故风险指标体系的建立

为了确保对事故产生因素分析的科学性、合理性和有效性，本文主要借助互联网渠道，重点选取2019 年-2024总计五年内国内发生相对具有代表性的模板支撑体系相关坍塌事故，总共有80 起，并对产生该类事故的原因做深入的剖析。同时，结合工程项目具体施工实际情况和参考《生产过程危险和有害因素分类与代码》，从方案设计到拆除阶段全过程进行梳理和分析可能造成模板支撑体系坍塌事故各类致命因素，划分风向指标类别和二级指标体系，二级指标总共包含22 条，指标体系如表1所示。

3 施工安全风险评估BP 网络模型设计与应用结果

3.1 风险评估BP 网络模型的设计

结合工程项目实际需求，合理设计网络层数以及各层的神经元总数，是BP 神经网络在工程项目中发挥优势和成功应用的关键考量，综合考虑，本研究采用4 层BP 神经模型结构。

（1） 输入层单元数

根据建立的评价模型，将22 个二级指标作为网络输入量，在进行输入节点输入时，要按照表1 进行定量换算，这样就可以直接应用BP 网络模型了。

（2）隐含层单元数

在模型设计过程中，隐含层单元数设计是一个比较复杂的考虑，需要结合项目具体情况来考虑，在以后得进一步研究中再做详细阐述。在本文研究中，选择一个隐含层神经元可变的BP 神经网络，通过它来确定最佳的隐含层单元数。

（3）输出层单元数

在本评价模型中，最终会有一个输出值，这个值代表风险程度指数，指数越大风险越大，指数越小风险越小，输出风险值取值范围为0 到1 之间。

3.2 应用实例

（1） BP 模型的训练

本文从现浇箱梁模板支撑体系施工安全角度出发进行综合打分，建立20 组支撑体系施工安全指标数据。样本数据包括国内东部地区、中部地区以及西部地区各类典型支撑安全事故。本文采用Matlab 工具对样本数据进行模拟和仿真分析，前面的15 组数做进行训练，后面的5 组进行检测分析。

（2） BP 模型的检测

先把5 个检测样本作为输入量输入到计算模型中，评估结果如表 2 所示。可以得出结论，模型输出结果与专家预测基本上是一致的。本次训练设定误差为0.0058，属于许可要求之内。通过样本输入和专家打分比较，可以看出本模型的训练是成功的，通过进一步研究和完善，BP 网络模型能够在工程建设安全评价方面发挥重大作用。

4 结论

随着我国现代化建设不断推进，对工程领域建设质量要求也越来越高，对安全事故进行预防变得尤其必要和迫切，研究现浇箱梁模板支撑体系施工安全风险指标体系和风险评估具有重要的现实意义。当前，在现浇箱梁模板支撑体系施工安全风险评价方面的研究还比较欠缺，缺乏一套科学和成熟的风险评估体系和管理手段。本文选题模板支撑体系施工全生命周期过程，重点考虑坍塌各类风险因素对风险评估指标权重进行再次分配，统筹考虑各类风险因素，建立能够准确和全面反映坍塌因素的风险指标体系，让BP 网络模型在工程施工安全领域发挥重要的评估和测量作用。

参考文献：

[1] 生产过程危险和有害因素分类与代码[S]. 2022

[2] 周梦,吕志刚,邸若海,李叶. 基于小样本数据的BP 神经网络建模[J].科学技术与工程,2022(07)

[3] 邱丹萍. BP 神经网络在教学质量评价体系中的应用研究. 现代计算机, 2020(33)

[4]王利杰.基于风险矩阵和层次分析法的现浇箱梁模板支撑体系施工安全风险评估[J].工程建设.202 ,56 (03)