基于GA-PSO-BP的装配式建筑施工安全风险评价及实证研究

摘要

为有效防控装配式建筑施工过程中的安全风险，提出一种基于GA-PSO-BP神经网络的智能安全评价模型。从人员、物料（包括机械、设备等）、技术、管理和环境等五个方面，结合相关系数法从初始36项待选指标中筛选出25项关键指标，构建装配式建筑施工安全评价指标体系。在模型构建方面，将遗传算法(GA)的全局搜索能力和粒子群算法(PSO)的快速收敛特性相结合，形成GA-PSO的混合优化算法，用于确定BP神经网络的最优初始权值和阈值参数区间。通过对比仿真实验和工程案例验证GA-PSO-BP模型的适用性。结果表明：GA-PSO-BP模型在提升精度与收敛效率方面表现出显著优势，平均误差率仅为0.94%，较传统BP神经网络(3.28%)、GA-BP(2.14%)及PSO-BP模型(2.80%)显著降低，且该模型仅需42次迭代即可达到最优解。工程实例中，本文模型输出的安全等级评估结果 (4级)与专家评分结果及实际施工状态高度一致，表明其能够有效应对复杂施工场景的动态性与非线性特征。本文研究为装配式建筑施工安全提供了一种高精度、高效率的智能评价工具，其构建的指标体系和模型框架也可为其他类型建筑工程的安全管理提供参考。

关键词

装配式建筑 / 施工安全 / 风险评价 / 动态特性 / 智能评估 / BP神经网络 / 粒子群算法 / 遗传算法

基金资助

教育部人文社科基金项目(21YJA630027,18YJC630040); 安徽省学术和技术带头人资助项目(2022D336); 安徽省自然科学基金面上项目(2108085MG241); 安徽省高校哲学社会科学重点项目(2023AH052554)