建筑业是我国国民经济的支柱产业之一,建筑行业的良性发展对国民经济的健康发展具有至关重要的作用。但由于建筑业所固有的生产特点,安全事故频繁发生,同时建筑安全事故发生数和死亡人数呈现出不断上升趋势,严重的影响了建筑行业声誉和吸引力。虽然政府部门采取了不少对策和措施,但是都难以有效遏制建筑安全事故的频繁发生。因此,利用国际先进的安全管理方法,结合我国的基本国情,建立建筑企业施工现场安全评价控制系统,对预防和有效降低安全事故发生具有重要的理论意义和现实意义。本文针对我国建筑施工现场安全评价技术存在的问题,综合利用安全系统工程,粗糙集理论,现代人工智能技术,计算机软件工程等理论和技术,结合施工现场的特点,对安全评价进行了深入、系统的研究,建立了基于粗糙集-神经网络的施工现场安全评价模型。本文主要内容有:第一,对目前的安全管理理论进行了综述,并分析了国内外建筑安全管理现状。同时对传统的安全评价方法的优缺点进行了评析,指出许多方法用于建筑施工现场安全评价具有较大的局限性;第二,根据国家相关规定及建筑施工现场实际情况,建立了建筑施工现场安全评价指标体系,并为每个指标设计了相应的安全检查评分表。第三,综述了粗糙集理论、神经网络的研究概况,结合二者的特点,提出了基于粗糙集-神经网络的施工现场安全评价模型,分别用传统的神经网络模型和本文构建的组合模型进行了实证研究,结果表明:基于粗糙集-神经网络的施工现场安全评价模型较传统的神经网络模型具有更高的预测精度,也提高了预测效率。第四,对粗糙集-神经网络模型的各指标进行了敏感性分析,得到了各个指标的重要性程度。根据指标重要程度的不同我们可以在建筑施工现场安全监控过程中做到有的放矢,对不同指标给以不同的关注,从而可以有效提高安全监控效率。