论文部分内容阅读
随着全球经济和建筑技术的发展,世界范围内高层建筑的高度已成为许多国家经济实力的重要体现。由于经济的快速发展和城市化进程的不断加快,我国正处于高层建筑的迅速发展时期。目前,高层建筑的施工已具有成熟的施工技术和施工方案,然而这并没有明显降低高层建筑施工安全风险的不确定性。近几年我国高层建筑施工事故频繁发生,高层建筑施工安全形势依然十分严峻。因此,高层建筑施工安全风险分析仍具有重要的理论和现实意义。本文引用支持向量机(Support Vector Machines,简称SVM)对高层建筑施工安全风险进行了识别与评价,并对评价的结果提出了不同的风险控制措施,以期达到降低高层建筑施工安全风险事故数以及减少施工安全风险损失的目的。本文主要研究内容及研究结论如下:(1)通过分析高层建筑施工的特点、高层建筑施工中的安全风险以及高层建筑施工安全风险的不确定性,将影响高层建筑施工安全的风险因素按其诱因进行分类,并在此基础上制作调查问卷,进行问卷调查。(2)使用蒙特卡洛模型验证调查数据在SVM风险识别中的适用性,通过对SVM风险识别的训练集进行训练得到SVM风险识别模型,利用SVM风险识别模型对高层建筑施工安全风险因素进行了识别,识别的总准确率为98.13%,证明本文提出的基于SVM的高层建筑风险识别是可行的。(3)建立评价指标体系和风险评价的训练集与测试集,分别使用SVM与BP神经网络对已识别的风险因素进行风险评价,评价结果表明:在小样本数据条件下,SVM风险评价的性能优于BP神经网络风险评价的性能,验证了本文提出的基于SVM的高层建筑风险评价的可行性。(4)根据风险评价的结果,对不同等级的高层建筑施工安全风险因素分别提出了PDCA循环、ALARP准则和工程保险的控制措施。