【摘 要】建筑工程安全问题是关系到建筑企业稳定发展的重要因素，直接影晌着建筑产业整体效率的提升。做好建设工程的安全损失预测，采取有效的预防措施，对建设工程的增值有着重大的意义。通过调研构建出建筑工程安全损失影响指标体系，构建基于权值的BP神经网络预测模型，然后再将通过实地调研问卷搜集到的数据带入BP神经网络，进而对各建筑工程安全损失进行预测。
【关键词】BP神经网络模型；建设工程；安全损失
引言
进入21世纪，我国的建设工程行业成为国家支柱产业。其中建筑业的蓬勃发展，对维持我国各区域经济快速增长具有不可替代的作用。BP神经网络具有的大量的并行分布结构、非线性特征、以及归纳和学习能力，在预测以及控制等方面得到了极其广泛的应用。本文建立了建筑工程安全损失影响指标体系。然后，，针对建设工程构建立基于附加动量法修正权值的BP神经网络预测模型，然后再将通过实地调研问卷搜集到的数据带入BP神经网络，进而对各建筑工程安全损失进行预测。
1、BP神经网络理论及其算法模型
1.1 BP人工神经网络理论
人工神经网络是的原理是模仿大脑处理问题的功能而建立的一种新型系统，大部分情况下用来进行信息处理。反向传播(Back Propagation, BP)神经网络由Rumelhart等在1985年提出的一种非常有影响力的神经元模型。该网络具有问题求解效率高、运算速度快、适应面宽、自学习能力强等优势，被广泛地应用到预测各个领域中。
BP神经网络分别有三种结构构成，分别为输入层、隐层（中间层）和输出层。层与层之间全连接，同一层之间的神经元无连接。其中隐层可以有多层，而输入层和输出层各只有一个[2]。
1.2 BP算法步骤及误差与权值调整
BP算法属于监督学习即有教师学习算法，BP算法的步骤：初始化网络及学习参数的设定，网络训练模式的提供，训练网络，直到满足学习的要求;前向传播过程，输入训练模式，计算网络的输出模式，比较期望模式，分析误差，修正权值和阀值;完成反向传播过程。BP神经网络算法激活函数一般采用下列形式：
最常用的表达式为：
（1）
这种算法通常是应用最速下降法，以得到最小误差[3]。用一个四层BP神经网络，以它为例进行BP算法的推导。假设输入的学习样本共有α个，分别为：x1，x2，…，xα，与之相对应的输出期望值（或教师信号）为t1，t2，…，tα。再次用α个样本对（xp，tp），p=1，2，…，α，对网络进行学习。当第p个样本数据输入到网络的输入层以后，对其进行隐层之间的正向传播，经过运算后，得到的网络实际输出值为 ，l=1，2，…，m。将输出值与期望值进行比较，则在第p个输入模式后网络的输出方差为
（2）
若输入所有α个样本后，通过正向传播运算得到的网络总误差为
式(5)中等号右边的第二项，为各层连接权的修正量。
2、基于BP神经网络的建筑工程安全损失预测
通过梳理相关文献，同时结合《建筑施工安全检查标准》(JGJ 59-99)和《标准》，以及调研成果和专家经验，本文建立的工程安全损失影响指标体系主要包括了安全教育、文明施工、现场安全设施和个人劳动防护和安全技术5个方面。根据建立的建筑工程安全损失影响指标体系，搜集了10个建筑工程的相关数据，如表1所示。
数据的预处理，是将模型的输入数值归一化到[0，1]之间的数值，以满足BP神经网络的要求。本文按照以下公式对初始样本数据进行归一化处理，
归一化处理值=（原值-列最小值）/（列最大值-列最小值）
进行归一化处理后，便可以对神经网络进行模拟训练学习。在进行测试的时候也需要先对样本数据进行归一化处理后再输入网络。
将上表中前8个工程作为训练集，工程9和工程10作为测试集。通过BP神经网络的学习训练获得文明施工、安全教育、现场安全设施以及个人劳动防护、安全技术投入与工程安全损失之间的函数映射关系。采用MATL-+AB2007，建立了一个由5个输入节点，8个隐含层节点和1个输出节点构成的3层BP网络。其中，2个隐含层与输出层的转移函数选取了tansig函数，训练函数选取了性能稳定、收敛速度相对较快的trainscg函数，精度设为0.000 1，训练步长设为10 000步[4]。具体训练的误差曲线见图2，预测效果结果
从上述结果可以看出，利用BP神经网络模型对建筑工程安全损失进行预测能够取得较好的预测效果，对建设工程合理控制安全损失提供了理论参考。
3、结论
合理有效地预测建筑工程安全损失，不仅关系到未来建筑企业对整体安全管理的有效控制，而且影响整个建筑产业整体效率的提升。考虑到BP神经网络的自组织、自学习和非线性映射能力来发现数据中的内在联系和规律，本研究利用该模型来预测建筑工程安全损失，并通过数据结果验证了该方法的有效性，进而为建筑工程安全控制提出理论参考。
参考文献：
[1]崔晓红.人工神经网络技术在安全评价中的应用[D].西安：西安建筑科技大学，2005.
[2]刘刚. 一种综合改进的 BP 神经网络及其实现[J]. 武汉：武汉理工大学学报，2002，
[3]周丹，刘志杰，张红玉.基于BP神经网络模型的综合评标方法研究[J].北京：建筑技术开发，2004
论文作者:杨远1,何大威2
论文发表刊物:《工程建设标准化》2016年1月供稿
论文发表时间:2016/4/25
标签：神经网络论文; 损失论文; 建筑工程论文; 模型论文; 建设工程论文; 算法论文; 网络论文; 《工程建设标准化》2016年1月供稿论文;