论文部分内容阅读
本文在地铁工程绿色施工实施要点的基础上进行了实际调研,依托PSR框架模型构建思路,建立地铁工程绿色施工评价指标体系。借助MATLAB软件为载体,将BP神经网络模型用于地铁工程绿色施工评价,并将训练、预测和验证之后的模型用于工程实例,再次验证模型的科学性,从而表明了对地铁绿色施工的评价研究的有效性和可行性,为地铁工程绿色施工的进一步推广和发展提供参考和依据。首先,通过理论研究,认识绿色施工的本质,结合绿色施工内容和地铁工程施工特点明确指出了地铁工程实施过程中的绿色管理、环境保护、节能、节地、节水、节材的实施要点。基于对部分在建和已建地铁工程项目进行的问卷调查和实地走访,对统计数据进行了整理和调查结果分析。地铁工程绿色施工理论和实施研究为地铁工程指标体系的建立做足准备。然后,本文结合了地铁工程的实施过程,基于PSR概念模型框架的逻辑关系,并对“压力-状态-响应”三者的含义进行了联系和延伸。针对地铁工程:“压力”指标是指来自地铁建设的施工活动对自然环境产生的压力,主要是由施工方案的选择和资源能源的消耗两个方面的压力构成;“状态”指标用来反映地铁施工对生态环境产生的影响,具体包括水、气、声和固体废弃物;“响应”指标是能够应对地铁施工带来的环境问题和提高绿色施工水平的有效措施。压力、状态、响应三方面相联系,建立了地铁工程绿色施工评价指标体系框架模型,共22个指标项。其次,通过对MATLAB软件中BP神经网络算法的学习,结合调研获得了15个地铁项目从事地铁工程施工技术负责人对评价指标的打分,邀请相关技术专家对15个地铁项目给出综合评分,获得15组样本数据,建立了一个三层BP神经网络的基本模型,将前12组样本数据用于BP神经网络训练和优化,将后3组数据用于模型的验证,通过专家评价实际值与BP预测值的对比分析,体现了模型建立的科学合理和可操作性。最后,将验证后的模型用于工程实例——武汉地铁轨道交通7号线一期2标段长丰站项目。通过对项目进行实际考察与调研,明确了项目施工的工程特点以及工程的重难点,并邀请该项目的技术负责人对制定的绿色评价指标体系中的指标进行了打分。将获得的项目指标评分导入到成熟的网络模型中,经过运算,得到BP预测得分,并再次邀请专家对地铁项目给出综合实际评分,预测和综合评价评分基本一致,评价结果表明:BP神经网络经过有效的训练,可以发挥极强的容错能力,模拟专家进行评分,该方法是有效的和可行的,给地铁工程以及建筑工程绿色施工评价提供了新的领域和平台。由于地铁绿色施工的长期性和复杂性,后期将从更多城市进行调研研究,选取更多有代表性的数据,对指标体系进行进一步完善,对评价模型进行更为精准的优化,以使其被更快的推广和应用于地铁施工实践中。