建筑业是我国国民经济发展的关键性行业,但其在快速发展的同时所产生的安全隐患和安全事故对经济和社会发展造成了极大的影响,如何改进建筑业的安全管理水平是长期以来的研究难题和研究热点。建筑业亟需改进安全管理模式,提高安全管理水平,降低事故发生的可能性。建筑施工安全管理模式的探索,主要是摆脱传统的管理模式,将安全事故发生后的应急和追责处理,转向于事故发生前的安全预警,即事前管理。有效的安全预警对降低安全事故的发生率,改善建筑安全管理具有至关重要的作用。采用定量方法的安全预警模型对于提高安全预警的客观性和科学性具有重要意义。传统的安全预警方法采用的定量模型在参数优化方面存在局限性,无法获取较好的预警效果,粒子群算法(PSO)在参数寻优方面相比传统方法更具有优越性,利用整个群体之间的信息共享和个体之间的相互协作进行搜索,从而搜寻到更优的参数组合,实现更好的预警效果。为了获得更好的建筑安全事故预警效果,本文在基于支持向量机(SVM)预测模型的基础上引入粒子群算法(PSO),主要研究内容包括:第一,建筑项目安全预警理论介绍,包括安全评价理论以及预警理论,阐述两种理论的机理和发展过程,为后续章节奠定理论基础。第二,分析建筑施工项目中存在的危险源,并以危险源和安全防范措施作为切入点,针对建筑安全预测对象的不同特征,在原有安全评价体系的基础上,构建新的建筑安全评价体系,使其在建筑安全预警的数据获取方面更加客观,提高安全预警数据来源的完整性和可靠性。第三,在参数优化方面,算法对参数优化有着显著的效果。本文引入粒子群算法(PSO),通过对PSO与SVM的分析与结合,利用PSO对SVM模型中的惩罚因子及核函数参数进行优化,采用优化参数后的SMV模型进行预测,形成PSO-SVM模型,对建筑施工项目的安全指标进行预测。第四,分别利用传统的SVM预测模型和改进的PSO-SVM预测模型对建筑施工项目进行实证研究,通过对比验证PSO-SVM预测模型在建筑安全预警系统中的优越性。第五,针对研究过程中发现的建筑安全问题提出对策与建议,以有力促进目前建筑项目安全管理水平的改进与提升。