• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于AHP和BP神經(jīng)網(wǎng)絡縱向結合的水利施工安全評估算法

    2022-07-28 06:44:38孟凡蘭
    四川水泥 2022年7期
    關鍵詞:危險源水利神經(jīng)網(wǎng)絡

    萬 靜 孟凡蘭

    (青州水建工程建設有限公司,山東 青州 262500)

    0 引言

    水利工程施工過程中,受人為與自然因素的影響,存在較大的安全風險,為了保障水利工程施工能夠順利完成,施工安全評估已經(jīng)成為水利工程施工前必不可少的環(huán)節(jié)。水利施工安全評估不僅要保證評估精度,還要保證評估效率。水利施工安全評估算法從19世紀末開始,發(fā)展至今衍生出了多種評估算法,目前常用的主要有基于AHP(層次分析法)和基于BP 神經(jīng)網(wǎng)絡的水利施工安全評估算法兩種。前者主要是以層次分析法作為理論依據(jù),對評估指標進行綜合分析,得出水利施工安全風險等級。后者主要是利用BP 神經(jīng)網(wǎng)絡對評估指標數(shù)據(jù)進行訓練學習,不斷提升BP 神經(jīng)網(wǎng)絡計算精度,將實際數(shù)據(jù)帶入到網(wǎng)絡中進行分析。兩種算法在實際應用中選擇的評估指標比較單一,計算過程比較復雜,導致算法計算輸出的結果與實際情況存在較大差距,算法相對誤差較大,已經(jīng)無法滿足水利施工安全評估需求。為此,提出基于AHP和BP神經(jīng)網(wǎng)絡縱向結合的水利施工安全評估算法,試圖綜合傳統(tǒng)算法中層次分析法與BP 神經(jīng)網(wǎng)絡的優(yōu)點,形成一種新的評估算法。

    1 基于AHP和BP神經(jīng)網(wǎng)絡縱向結合的水利施工安全評估算法設計

    1.1 評估指標選取

    根據(jù)《水利水電工程施工安全管理》(GB 2010-164451)相關內(nèi)容,對水利施工安全造成影響的主要為地質(zhì)災害風險、危險源風險、隱患風險、安全標準達標情況等,因此選取以上4個指標作為水利施工安全評估指標。其中地質(zhì)災害是指可能造成人員傷亡的地質(zhì)災害,對水利施工過程中發(fā)生地質(zhì)災害的概率進行計算,公式如下:

    式中:P——水利施工過程中發(fā)生地質(zhì)災害的概率;

    k——一段時間內(nèi)該區(qū)域發(fā)生地質(zhì)災害事故次數(shù);

    w——最近一次發(fā)生地質(zhì)災害事故距離現(xiàn)在的時間[1]。

    根據(jù)地質(zhì)災害發(fā)生概率求出水利施工地質(zhì)災害風險度:

    式中:B——地質(zhì)災害風險度;

    i——該區(qū)域可能會發(fā)生地質(zhì)災害種類;

    n——地質(zhì)災害種類數(shù)量;

    S——地質(zhì)災害發(fā)生可能造成的影響,正常情況下特大災害造成的影響為100,重大災害對應的影響為80,較大災害對應的影響為50,一般災害對應的影響為30,按照該標準帶入到上述公式中,求出地質(zhì)災害風險度。

    安全隱患風險度計算公式為:

    式中:P0——水利施工安全隱患風險度;

    m——水利施工安全隱患等級;

    j——安全隱患數(shù)量;

    P0m——水利施工中安全隱患發(fā)生幾率;

    S0——安全隱患發(fā)生可能造成的影響[2]。

    利用以下公式計算水利施工中安全隱患發(fā)生幾率:

    式中:U——水利施工前尚未整改的隱患數(shù)量;

    A——水利施工區(qū)域內(nèi)發(fā)生重大安全隱患的概率;

    B——水利施工區(qū)域內(nèi)發(fā)生特大安全隱患的概率。

    將計算結果帶入到公式(3)中求出施工安全隱患風險度。水利施工危險源包括很多種,比如設備缺陷、防護缺陷、輻射、漏電、明火、運動物危害、作業(yè)環(huán)境不良以及標志缺陷等,危險源的存在會影響水利施工安全[3]。危險源風險度計算同樣根據(jù)危險源引發(fā)安全事故發(fā)生的概率,假設水利施工中由危險源可能引發(fā)安全事故的概率為P*,其用公式表示為:

    式中:L——水利施工期間危險源的管控率;

    N——水利施工期間危險源辨識率;

    F——水利施工期間危險源的備案率[4]。

    按照相同原理結合危險源可能引發(fā)安全事故造成的影響,計算出水利施工危險源風險度。安全標準達標指標是指水利施工過程中各項指標的達標情況,其計算公式如下:

    式中:V——水利施工安全標準c的達標平均分;

    k——安全標準c等級;

    E——技術安全標準c達標分數(shù);

    K——施工材料安全標準c達標分數(shù);

    G——設備安全達標標準c分數(shù)。根據(jù)水利施工實際情況,計算出各項指標值,為后續(xù)水利施工安全評估計算提供數(shù)據(jù)支撐。

    1.2 基于AHP的指標權重計算

    算法計算精度與指標權重計算精度有直接的關系,此次采用AHP對指標權重進行計算,其過程如下:

    第一步:利用專家評分法對選取的指標進行評分,該評分為指標對水利施工安全評估的重要性,最高分為100分,最低分為0分,每個指標評分三次,以三次評分平均值作為最終評分。

    第二步:利用AHP 的1~9 標度法確定指標標度,標度依據(jù)如表1所示。

    根據(jù)兩個指標專家評分差,確定對于某個屬性一個指標與另一個指標重要性差距,從而依據(jù)表1 確定指標標度值。根據(jù)指標標度計算指標權重值,其計算公式為:

    式中:?e——評估指標e的權重值;

    ?——指標集合中指標的數(shù)量;

    We——指標標度值;

    ηe——指標e的專家評分[5]。

    將標度值與專家評分代入到公式(7)中,求出指標權重值。

    1.3 基于BP神經(jīng)網(wǎng)絡的施工安全風險系數(shù)計算

    根據(jù)實際情況建立BP神經(jīng)網(wǎng)絡,BP神經(jīng)網(wǎng)絡由輸入層、隱含層和輸出層組成,在網(wǎng)絡隱含層中建立評估函數(shù),用公式表示如下:

    式中:f(x) ——水利施工安全風險系數(shù)值;

    κ——參數(shù)向量;

    s——指標實際值;

    ?s——指標實際值s的權重值。

    評估函數(shù)中存在一個未知的參數(shù)向量,為了保證計算結果的準確性,需要求出該向量最優(yōu)值,因此需要對建立的BP 神經(jīng)網(wǎng)絡進行訓練。選取一組水利施工數(shù)據(jù)作為網(wǎng)絡訓練樣本,將數(shù)據(jù)帶入到網(wǎng)絡輸入層中,由數(shù)據(jù)層對數(shù)據(jù)進行分類,建立指標集合,再將分類處理后的數(shù)據(jù)樣本輸入到隱含層,隨機選取一個值作為參數(shù)向量,由評估函數(shù)對數(shù)據(jù)進行分析[6]。根據(jù)實際情況在網(wǎng)絡中設定計算期望值與閾值,根據(jù)期望值與閾值得出評估函數(shù)的計算誤差,對參數(shù)向量進行調(diào)整[7]。重復上述過程,直到函數(shù)輸出值與期望值相等為止,此時參數(shù)向量值為最優(yōu)值。將待評估的水利施工數(shù)據(jù)代入到訓練完成后的BP 神經(jīng)網(wǎng)絡,由輸出層輸出最終安全風險系數(shù)值。

    1.4 輸出安全風險等級

    此次設立了五個安全風險等級,分別為一級、二級、三級、四級、五級,根據(jù)計算的安全風險系數(shù)值確定風險等級,如果安全風險系數(shù)值大于0.85,對應的風險等級為一級,表示出現(xiàn)安全事故的概率非常高,發(fā)生的安全事故對水利施工造成的影響非常大;如果安全風險系數(shù)值在0.75~0.85 之間,對應的風險等級為二級,表示出現(xiàn)安全事故的概率比較高,發(fā)生的安全事故對水利施工造成的影響比較大;如果安全風險系數(shù)值在0.65~0.55之間,對應的風險等級為三級,表示可能會出現(xiàn)安全事故,發(fā)生的安全事故對水利施工造成的影響一般;如果安全風險系數(shù)值在0.35~0.55 之間,對應的風險等級為四級,表示發(fā)生安全事故的概率比較低,發(fā)生的安全事故對水利施工造成的影響比較??;如果安全風險系數(shù)值小于0.35,對應的風險等級為五級,表現(xiàn)安全事故的概率非常低,發(fā)生的安全事故對水利施工造成的影響非常小。水利施工安全定性評估用公式表示為:

    式中:C——水利施工安全風險等級;

    h——評語集合中等級h的數(shù)量;

    ?h——等級評定標準,由該公式計算結果作為算法輸出,以此完成算法設計。

    2 實驗論證分析

    以某水利施工項目為實驗對象,該水利施工項目屬于大型水庫施工項目,施工內(nèi)容包括堆石壩建設、泄水建筑物建設、排水隧洞建設、水壩建設等,施工時間為8 個月,施工面積為1564.01m2。該水利施工區(qū)域地質(zhì)結構比較復雜,經(jīng)常發(fā)生地質(zhì)災害,利用此次設計算法與傳統(tǒng)算法對該水利施工安全進行評估。實驗次數(shù)為8次,每個月對施工安全進行評價1次,由專人對施工期間各項指標數(shù)據(jù)進行采集和記錄,根據(jù)記錄的數(shù)據(jù)對各項指標進行計算和分析。隨機選取1000 個數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡訓練樣本,BP神經(jīng)網(wǎng)絡初始閾值與初始期望值為5.426 和0.015,通過迭代計算得到BP 神經(jīng)網(wǎng)絡未知參數(shù)向量值為0.014。將指標數(shù)據(jù)代入到BP 神經(jīng)網(wǎng)絡中求出最終評估結果。實驗以相對誤差作為兩種算法性能對比指標,利用OSFU軟件對兩種算法計算值與實際值進行分析,使用電子表格記錄兩種算法相對誤差,具體見表2。

    表2 兩種算法計算結果相對誤差對比

    從表2數(shù)據(jù)可以看出,設計算法計算結果的相對誤差小于最大誤差限值,平均相對誤差值為0.004,數(shù)值比較小,說明算法計算結果基本與實際情況一致;而傳統(tǒng)算法計算結果最大相對誤差為0.0562,平均相對誤差值為0.0468,遠遠高于設計算法,而且也超出規(guī)定要求。這是因為設計算法將層次分析法與BP 神經(jīng)網(wǎng)絡縱向結合,利用層次分析法深度分析評估指標權重,利用BP 神經(jīng)網(wǎng)絡對指標進行深度挖掘,保證了評估精度。因此實驗結果證明了,設計算法在精度方面優(yōu)于傳統(tǒng)算法,更適用于水利施工安全評估。

    3 結束語

    水利施工安全評估一直以來都是困擾水利施工的一個難題,涉及到的指標種類比較多,且施工工藝比較復雜,要想保證水利施工安全評估精度,必須要應用一套比較完善的算法。此次考慮傳統(tǒng)算法存在的弊端,將層次分析法與BP 神經(jīng)網(wǎng)絡技術縱向結合,設計了一組新的水利施工安全評估算法,并利用實驗論證了該算法計算思路可以有效提高評估精度,計算結果能夠反映出真實的水利施工安全情況,為采取水利施工安全風險控制策略,提高水利施工安全性,以及提高水利施工安全管理質(zhì)量具有重要意義。但是該算法在某些方面可能存在一些不足之處,還不夠完善,后續(xù)會對該方面進行深層次探究,為水利施工安全評估提供有力的理論支撐。

    猜你喜歡
    危險源水利神經(jīng)網(wǎng)絡
    對某企業(yè)重大危險源核查引發(fā)的思考
    為奪取雙勝利提供堅實水利保障(Ⅱ)
    為奪取雙勝利提供堅實水利保障(Ⅰ)
    水利工會
    橋式起重機使用環(huán)節(jié)重大危險源辨識研究
    神經(jīng)網(wǎng)絡抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    鐵路工程施工危險源辨識的研究
    江西建材(2018年1期)2018-04-04 05:26:30
    基于神經(jīng)網(wǎng)絡的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復數(shù)神經(jīng)網(wǎng)絡在基于WiFi的室內(nèi)LBS應用
    基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡的PID整定
    银川市| 冕宁县| 湟中县| 依兰县| 盘锦市| 永靖县| 双江| 若尔盖县| 库车县| 芦溪县| 安徽省| 东莞市| 湾仔区| 山东省| 罗源县| 襄城县| 威信县| 宜城市| 五指山市| 白山市| 都江堰市| 沁阳市| 拉萨市| 浮山县| 炎陵县| 彝良县| 巫山县| 蚌埠市| 绥江县| 旬邑县| 吴忠市| 潼南县| 泰兴市| 汾阳市| 海晏县| 绥宁县| 黔西| 新民市| 淮滨县| 海城市| 长宁县|