夏 睿，张 裕，叶晓桐
（上海应用技术大学，上海201418）
0 引 言
建设工程由于施工时间长、人员作业流动性强、高空作业较多、施工现场安全管理不够规范等因素的客观存在，使得施工过程中存在大量的安全隐患，导致施工现场安全事故频发。为了有效提升建筑施工安全管理水平、保护施工人员的安全，急需对建筑施工过程进行有效的安全评价。
现有研究中大多运用事故树分析法剖析事故的因素[1]，然后通过SPSS分析计算各指标间的相关性，得到科学合理的安全风险评价指标[2]。接着利用主成分分析或者层次分析法对建筑施工现场中存在的风险进行定性和定量分析[3⁃4]，亦或是结合AHP和模糊综合评价法应用于实例[5⁃6]。这些方法都存在一定主观性，对评价结果可能有影响。于是，出现了将分布式计算、灰色关联度、模糊贝叶斯网络、灰色聚类、云模型等方法应用于建筑施工安全评估领域[7⁃10]，然而这些方法计算复杂度高，不便于再次快速评价，且都忽略了事故突发性背后因素的关联。
本文从五大伤害入手，构建评价指标体系，依据事故的突发性，引入突变理论与BP神经网络构成综合评价模型。期间拓展高维突变模型，通过底层指标与总突变隶属度的对应关系，得到具有评价意义的综合评价值。同时，对中间层进行排序分析，为优化决策提供指导。此模型可实现对不同对象的快速评价，整个评价过程相对客观简便，且评价结果准确。
1 构造评价指标体系
本文结合专家经验以及历史事故数据，参考城建部实施的《建筑施工安全检查标准》，根据建筑施工过程的复杂性、事故突发性，对指标层的众多因素进行选择归纳，最后得出由安全管理、三宝四口临边、脚手架、模板基坑和塔吊及其下属21个指标共同组成的建筑施工安全评价指标体系，如图1所示。
该指标体系由目标层A、准则层B和指标层C共同构成。
2 综合评价模型
2.1 突变评价理论
2.1.1 基本原理
突变理论[11⁃12]专门研究非连续变化和突变现象，其最主要的研究对象势函数f(z)由状态变量和控制变量组成。状态变量代表系统的行为状态，控制变量是指影响状态变量的各种因素。系统的势函数归纳出若干初等突变模型，最常见的突变模型有3类：尖点突变、燕尾突变和蝴蝶突变。常用突变模型的势函数和归一公式见表1。其中，f(z)代表状态变量z的势函数，a1，a2，a3，a4分别为状态变量z的控制变量。
图1 建筑施工安全评价指标体系
表1 突变模型的势函数及归一公式
2.1.2 高维突变模型
一般运用突变理论的评价对象，只涉及到4维控制变量。然而，本文评价指标体系涉及到1维状态变量与5维控制变量的关系。通过对表1多种突变模型的势函数和归一公式进行归纳，分析得到高维突变模型势函数为：
归一公式为：
由此得到1维状态变量与5维控制变量构成的突变模型的势函数和归一公式：
2.1.3 突变理论评价值变换问题
对于给定的评价指标体系，准则层及其下属的多个指标层因素构成突变模型，指标层因素根据对应归一公式和互补原则得到准则层突变隶属度，同理向上得到目标层突变隶属度，即系统总突变隶属度。然而，本文评价指标体系得出的系统总突变隶属度整体偏高，并不具备实际评价意义，故而创建底层指标值与系统总突变隶属度对应关系，根据对应关系，由系统总突变隶属度得到最终具有评价意义的综合评价值。
2.2 BP神经网络模型
BP神经网络是一种按误差逆传播算法训练的多层前馈网络[13⁃14]，该网络模型一般由输入层、隐含层和输出层组成，是目前应用最广泛的神经网络模型之一。在设计BP神经网络模型时，把评价体系21个底层指标的原始数据C作为输入，故输入层节点数为21，而输出为突变理论得到的综合评价值Y，故输出层节点数为1。根据经验公式(p+q)12+1＜h＜(p+q)12+10（p，q，h分别为输入层节点数、输出层节点数和隐含层节点数），令隐含层节点数为10。本模型分别选取logsig和trainlm作为传递函数和训练函数，trainlm具有收敛速度快的特点，可以提高模型的训练速度，而logsig可以将输入层神经元的输入映射到（0，1）的范围内，契合本评价方法的现实需求，其中，w为输入层到隐含层的权重，e为隐含层神经元，v为隐含层到输出层的权重，θ，β为神经元的阈值，网络结构图如图2所示。
2.3 融合突变理论和BP神经网络的综合评价模型
突变理论可以对评价目标进行多层次分解，由归一公式进行综合量化运算，最后得到综合评价值。BP神经网络则是利用已有的数据，通过训练得到网络模型，使得再次输入数据时，能够获得准确的评价值。将突变理论与BP神经网络相结合，可以利用已有的数据和专家经验训练成综合评价模型，对于往后的评价对象，可根据其原始数据迅速得到其安全等级。
综合评价模型的步骤如下：
1）构造评价指标体系，即按照系统的内在联系，将系统自上而下分解成由若干评价指标组成的多层次系统，并将准则层和指标层按照重要性从左自右依次排列。
图2 BP神经网络结构图
2）确定底层评价指标的评分，即将专家评分经过标准化处理，变成[0，1]之间的无量纲值，作为原始数据。
3）归一化运算，即利用突变理论的归一公式，对评价体系自下而上进行层次化量化运算，分别得到准则层突变隶属度和系统总突变隶属度。
4）排序分析，即对准则层突变隶属度值进行排序，从而据此给出评价建议。
5）系统综合评价，即根据底层指标值与总突变隶属度的对应关系，由系统总突变隶属度，得到最终具有评价含义的综合评价值，并以此判断系统安全等级。
6）训练模型，将训练集中的原始数据作为网络输入值，综合评价值作为输出值，放入BP神经网络中训练得到综合评价模型，如图3所示。
图3 综合评价模型
3 实验结果及验证
3.1 评价指标体系构建
本文以图1的评价指标体系进行综合评价，为了便于进行突变评价归一化运算，本文评价体系的指标均按照指标重要性由左向右依次排列。在准则层安全管理B1下属的4个指标中，生产安全教育制度C1最重要，安全检查C2次之，技术交底C3再次之，以此类推准则层B2、B3、B4和B5。
3.2 指标评价值的确定
本文参考《建筑施工安全检查标准》[15]并根据专家意见，建立如表2所示的安全评分标准。日常安全检查非常完善，近10年没有出现事故，认定为优；日常安全检查较完善，近10年或出现轻伤的情况，认定为良；日常安全检查频率低，近10年出现过重伤的情况，认定为差；日常安全检查疏忽，近10年出现过多起重伤或伤亡情况的，认定为非常差。
表2 安全评分标准
选取某建筑公司下属的10家施工地，根据具体的损伤情况，结合专家经验，整理得到10个工地的21个指标的评分值。为了便于后续评价，使不同量级的指标间能够进行比较，故将专家评分值进行标准化处理，得到无量纲化的原始数据，见表3。
表3 10个工地的底层指标原始数据
3.3 突变理论确定突变隶属度
在构建评价指标体系并得到底层指标的原始数据后，运用归一公式计算各层因素的突变隶属度。准则层B1及其下属的4个底层指标C1，C2，C3，C4共同构成蝴蝶突变，由蝴蝶型归一公式和底层指标评分值可得到，采用“互补”原则，即取平均值作为上级指标的突变隶属度：B1=(TC1+TC2+TC3+TC4)4，同理得B2，B3，B4，B5。显然目标层A与准则层B1，B2，B3，B4，B5属于1维状态变量与5维控制变量构成的突变模型，共同构成椭圆脐突变模型，由椭圆脐归一公式（4）得到，结合“互补”原则，得到系统总突变隶属度A=(TB1+TB2+TB3+TB4+TB5)5。依据本文建筑施工安全评价指标体系，依次对10个工地进行突变评价，得到准则层各突变隶属度和系统总突变隶属度，见表4。
表4 10个工地的突变隶属度
由表4中各准则层突变隶属度可以看出，工地1在这5大方面的安全性按由高到低排序为：B2＞B1＞B3＞B4＞B5。工地1在三宝四口临边方面的防护工作做的比较到位，但需多注意塔吊方面人员的防护，要做到经常检查限位装置是否完整、灵敏，保护装置是否按要求正确安装，多塔作业时是否满足安全性标准等细节。同理可知工地2～工地10的安全防护存在不足。这样的评价结果对于提高施工过程的安全性具有一定指导意义。
3.4 确定综合评价值
目前得出的系统总突变隶属度并不能直接说明工地1的安全等级为“优”，需要进行转换才能得到最终的综合评价值。考虑到底层指标评分具有安全等级含义，创建一种对应关系，把系统总突变隶属度转换成具有安全等级含义的综合评价值。具体步骤如下：使所有底层指标取值均为x，令x为0.1，通过突变理论得到总突变隶属度y为0.821。重复这一过程，令x分别取值0.15，0.2，…，1.0，由此得到底层指标与系统总突变隶属度对应关系见表5。
根据表5的对应关系，可以由系统总突变隶属度得到最终具有评价意义的综合评价值，安全等级则可由安全评分标准表2得到。表4中工地1的系统总突变隶属度为0.987，根据对应关系，可得到工地1的综合评价值为0.863，其安全等级为“良”。同理得到工地2～工地10的综合评价值和安全等级如表6所示。
3.5 实验结果及验证
上述10个工地的评价结果和实际安全等级一致，则认为上述评价结果具备可信度，此评价方法能得到可靠性的评价结果。为了便于对不同对象的快速准确评价，将另外40个工地同样进行评价得到综合评价值。随后把其中45个工地的数据作为训练库样本进行训练，把底层指标的原始数据作为输入，把最后的综合评价值作为输出，训练得到突变理论与BP神经网络相结合的综合评价模型。
表5 底层指标与系统总突变隶属度(x⁃y)对应关系
当训练次数为700次，学习率为0.01，允许误差小于9.55×10-4，迭代次数为209时，预测效果最好。对于得出的模型，将剩下的5个工地采集数据作为测试集，分别记为测试样本1，2，3，4，5输入综合评价模型，得到结果见表7。
由表7可知，测试样本1的实际输出值为0.867 4，对比由突变理论得到的期望评价值0.867 2，误差为0.000 2，处于可接受范围，且期望安全等级和实际安全等级一致。同理，可得测试样本2，3，4，5的评价结果均与实际结果相符合，说明此综合评价模型可适用于建筑施工安全评价。
表6 工地评价结果
表7 综合模型评价结果
4 结 论
本文从施工易发事故类型入手，从安全管理、三宝四口临边、脚手架、模板基坑、塔吊这5个方面，得到影响建筑施工安全的21项指标，建立建筑施工安全评价指标体系。
考虑到控制变量的维度，推导高维势函数及归一公式，扩大突变评价的应用范围。对准则层各突变隶属度进行排序分析，提出建设性的意见，有利于安全状态的提升。针对系统突变隶属度偏高，且无法反映实际安全状态的问题，建立x⁃y对应关系，得到综合评价值，真正实现评价功能。
把底层指标的原始数据作为输入，将综合评价值作为输出，得到突变理论⁃BP神经网络综合评价模型。测试样本的评价结果与实际安全状态一致，验证该模型可准确用于建筑施工安全评价。
