农村改造房屋结构安全预警模型

农村改造房屋结构安全问题突出,尤其长沙“4·29”民房坍塌事故更凸显出该问题的严峻性,为解决这一问题,首先,基于机器学习算法,构建农村改造房屋结构安全预警指标体系;其次,对初始数据作标准化等预处理,并基于过采样算法解决样本类别不平衡问题,使用经典机器学习算法构建农村改造房屋结构安全预警模型;然后,利用集成学习算法优化原有模型以提高模型精度;最后,对各预警指标的重要度排序。结果表明：经典机器学习算法预测效果较好的是支持向量机(SVM),集成算法效果较好的是堆叠法,总体预测率为85.3%;较为重要的预警指标是建筑面积过大、建筑年份久、无施工草图、非六大重点排查房屋、独立基础、用于出租特别的群组牟利的城乡结合部自建房、地上层数过大、未经正规设计、无资质设计等17个。     

基于熵权法-CIM模型的高速公路施工临近房屋安全风险评价

为了评估高速公路施工对临近房屋的安全影响,基于房屋因素、施工技术与管理因素、房屋周边环境因素,提出了高速公路施工临近房屋安全风险评价指标体系。以某高速公路施工临近10处房屋为研究对象,采用基于熵权法-CIM模型的混合安全风险评价方法,首先计算指标权重;再以其中1处房屋为例,确定其安全风险概率,结果表明:该处房屋安全风险总体较高,基本符合工程施工中的监测结果。     

基于支持向量机的化工工艺安全评价模型构建及优化研究*

为解决现阶段基于风险分级的安全评价方法仍存在着高维数据处理不当、评价智能化程度不高等问题,创建支持向量机的安全评价模型,利用核函数解决安全评价因子分类问题,粒子群算法（PSO）寻找最适合模型的正则项C,进一步提升安全评价模型的正确率,形成适用高维数据的化工工艺安全评价方法。研究结果表明:该模型与经典支持向量机模型和BP神经网络评价模型相比具有更高的正确率,研究结果对借用机器学习来创新安全评价理论及工程应用具有现实意义及理论价值。     

化工园区安全发展指标体系构建与评价方法综述

为了更好构建化工园区安全发展评价模型,本文从化工园区安全发展指标体系构建、指标权重方法确定、评价方法3个方面探讨了化工园区安全发展评价体系的研究现状,指出了化工园区安全发展评价存在的问题,并从通过合理运用数据库技术,提高化工园区安全发展指标数据收集的可靠性和时效性;通过自适应等信息化技术,建立动态指标权重确定方法;借助计算机技术,研发化工园区模拟软件,进一步提升化工园区安全发展评价效果;通过机器学习等智能技术,提高化工园区安全发展评价方法深度学习能力,提升其评价的准确性与实用性等方面提出了未来化工园区安全发展评价的研究方向和发展趋势。     

基于事故致因和分层感知的安全风险预警系统研究

提出基于分层感知和事故致因要素的分层感知模型、交叉识别模型及分类学习算法。利用基于AI的热网安全风险预警系统验证了分层感知和交叉识别模型的可行性,推导出基于分层感知和事故致因要素的数学模型和风险分级策略,实现了事故致因要素理论的逆向应用,且朴素贝叶斯等机器学习算法适应性良好。     

房屋拆除中的安全管理

<正>建筑安全,不但包括在建房屋的安全管理,也包括房屋拆除过程的安全管理。一些地区在房屋拆除工程中曾出现过事故,因此房屋拆除安全管理,也是建筑安全领域普遍关注的问题。2006年2月21日,北京市海淀     

房屋安全管理探析

房屋安全管理是一项长期性、艰巨性的工作。为了从根本上做好房屋安全管理工作,实现房屋安全管理制度化、法制化,做到依法管事办事,切实提升依法行政能力。结合近几年从事房屋安全管理工作实践,浅谈几点粗浅的认识。一、明确职责,确保有章可循     

基于机器学习的CNG加气站风险预警模型研究

加气站一旦发生事故,不仅会造成人员伤亡和财产损失,而且也会给周边居民乃至社会带来一定的负面影响。借助机器学习技术,构建CNG加气站风险预警模型,对加气站的风险状态进行预警,实现对事故的事前控制。首先建立了加气站风险预警指标体系,以12座加气站为研究对象,采集指标样本数据,通过大数据分析技术构建训练数据集,并采用SMOTE算法解决了样本不均衡问题;然后分别采用决策树、朴素贝叶斯、SVM、KNN等4种机器学习分类算法构建预警模型。研究证明,采用决策树算法和SVM构建的预警模型准确度均达到97.8%,可以对加气站的风险状态进行有效识别和预警。     

就当前工程质量和安全的若干问题访建设部总工程师金德钧

近几年,一些地方建设工程出了不少安全问题,像房屋倒塌、桥梁坍塌等豆腐渣工程以及施工塔吊倒塌事故,引起了社会各界的关注。就当前工程质量和安全问题,近日记者采访了建设部总工程师金德均先生。记者:金总您好。针对一些地方建设工程出现的安全问题,我想问这样一个问题:关于工程质量和安全我们有没有一个法律依据? 金总工程师:我们国家的工程质量法规体系还     

南京六合区严查严管严改 保房屋安全

南京六合区房产局始终坚持以人为本、安全为先的发展理念,注重抓好“四个强化”,全面落实安全责任,细化监管举措,扎实推进安全生产工作.为全区房产事业的高质量发展夯实了安全基础。2019年,共下发房屋安全限期改正通知128份,完成房屋结构变动许可8件;排查农村老旧房屋1484幢,面积约11万平方米;抽查检查物业小区安全98家次,排查各类安全隐患346处;完成六合高级中学校史展览馆加固、体育路38号职工宿舍人员搬离并进行围挡等房屋消险工作,有效保障了房产领域安全生产形势的持续稳定。     

建筑施工高处吊篮作业安全防护预警模型研究

为提升高处吊篮作业的安全防护水平,为建筑施工安全防护预警模型研究提供理论支持,针对安全防护不足和缺位对高处吊篮作业的不利影响,建立高处吊篮作业安全防护预警指标体系。通过对作业人员的筛选,作业信息采集及数据化处理,构建基于SVM（支持向量机）的高处吊篮作业安全防护预警模型。最后,通过对历史样本数据仿真模拟验证模型的适用性和可行性。研究结果表明:建筑施工高处吊篮作业安全防护预警模型的仿真模拟结果与实际结果相比较为吻合,从安全防护审批、个体防护用品、安全防护设施、安全防护标识、心理生理防护及作业条件防护6个方面进行分析构建的安全防护预警模型可为高处吊篮作业提供预警支持,并可作为建筑企业安全管理系统的一部分,推广至其他特种作业领域。     

基于IPSO-BP的受损钢结构改造施工安全预警评估研究

为研究受损钢结构改造施工安全预警状况,建立受损情况下钢结构改造施工安全预警指标体系,并针对BP神经网络算法易陷入局部最优的问题,提出了用改进粒子群算法（IPSO）对BP神经网络权重及阈值进行调整的IPSO-BP安全预警评估模型。通过分析某单层重钢厂房受损现状,针对其结构损伤情况和已构建的安全控制指标体系进行数值模拟分析。研究结果表明:与传统的BP模型相比,IPSO-BP模型具有更好的预测能力,构建的安全预警指标体系及预警模型可以很好地对受损钢结构改造施工过程安全状况进行综合评估,对受损钢结构改造施工安全控制具有一定的参考价值。     

基于机器学习方法的安全帽佩戴行为检测

施工现场作业人员是否佩戴安全帽主要依靠人工检查,存在监管效率低、时效性差等问题,为了实时自动监管作业人员是否佩戴安全帽,提出1种基于机器学习的安全帽佩戴行为检测方法。首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置,根据安全帽与人脸的关系估算出安全帽潜在区域;然后对安全帽潜在区域图像进行增强处理,使用HOG（方向梯度直方图）提取样本的特征向量;再利用SVM（机器学习的支持向量机）分类器对脸部上方是否有安全帽进行判断,进而实现对施工人员安全帽佩戴行为的实时检测与预警。以某高铁站施工现场为例进行验证,研究数据表明在施工通道和塔吊作业区域,该方法可实时有效检测出工人未佩戴安全帽的行为,识别率达90%。     

旧工业建筑再生利用施工风险应急管理研究

为了解决旧工业建筑再生利用施工风险难以快速应对以及特征属性数据缺失的问题,通过对近年历史案例的收集,将规则推理（RBR）引入案例推理（CBR）中,构建旧工业建筑再生利用施工风险应急管理模型。利用组合权重的方法,求出各特征属性的权值;通过计算结构相似度来处理缺失的属性数据,并结合特征属性相似度,求出全局相似度,检索出相似度最大的案例;通过RBR对检索案例的应对措施进行适用性修正,提高应对措施的针对性;最后,选取案例对模型进行应用说明,结果表明:模型具有较强的适用性,可用于旧工业建筑再生利用施工阶段的风险应急管理。     

三度空间视角下的装配式建筑施工安全绩效评价*

为了解决现有的装配式建筑施工安全绩效评价已不能满足建筑业信息化背景下发展需求的问题,基于“三度空间”视角,从物理、社会、信息3个层面,构建包含6个一级指标以及23个二级指标的装配式建筑施工安全绩效评价体系;阐述各指标之间的相互关联;采用ANP网络模型对各指标赋权;利用灰色聚类法对施工安全绩效指标进行评价。研究结果表明:该评价模型能够分析装配式建筑在社会、物理和信息3个空间维度的安全绩效,得出装配式建筑项目的整体安全绩效水平并识别出关键控制指标,可为装配式建筑安全绩效评价提供新的思路。     

AHP与GA-SVM耦合模型在滑坡预警中的应用*

为了减少滑坡造成的损失，提高滑坡预测的准确性，通过搭建灾害模拟平台获得滑坡的实验数据，在获得多组模拟实验数据后，分析各变量的特性。首先，通过层次分析(Analytic Hierarchy Process，AHP)算法，对滑坡进行危险度划分；然后，通过支持向量机(Support Vector Machine，SVM)建立模型，遗传算法(Genetic Algorithm,GA)再优化SVM参数，提出1种层次分析法与GA-SVM相耦合的模型。研究结果表明:AHP方法划分后的数据，通过GA与SVM结合建立的模型精度较好，实验预测结果与实际结果较为吻合，与单一SVM相比，精度更高，结果更好，更加适用于多变量的复杂非线性滑坡预警。     

基于结构方程模型的地铁乘客安全行为影响因素分析

为了研究地铁乘客安全行为的影响因素，通过对北京、上海、广州、深圳等城市的地铁乘客的多项安全指标的抽样调查，建立了关于乘客安全行为的结构方程模型，研究了影响地铁乘客安全行为的主要因素。结果表明:良好的地铁安全氛围能有效提高乘客的安全知识水平、安全动机、安全心理水平、安全参与行为水平；安全参与行为水平同时受到乘客安全知识水平和乘客接受安全培训状况的影响，其中，乘客安全知识水平的高低取决于乘客接受安全培训状况；安全服从行为则与安全动机存在较强的正相关关系；乘客的安全心理水平只跟地铁安全氛围有关，安全氛围越好，乘客安全心理水平越高，安全知识作为中介变量同时影响着安全氛围与安全参与行为、安全培训与安全参与行为、安全氛围与安全动机以及安全培训与安全动机之间的关系，提高乘客安全知识水平是提高乘客安全行为水平的重要途径。     

基于SD模型的地铁盾构施工人员安全能力仿真

为研究地铁盾构施工人员安全能力的动态演变规律，减少地铁盾构施工安全事故，建立基于系统动力学（SD）的地铁盾构施工人员安全能力仿真模型。首先，从施工人员个体特质、组织管理以及施工环境3个方面提取盾构施工人员安全能力影响因素，并运用结构方程模型（SEM）验证主要影响因素及因素间的关系；然后，运用SD模型构建地铁盾构施工人员安全能力仿真模型；最后，对成都地铁11号线盾构施工人员进行实证分析。结果表明:地铁盾构施工人员安全能力在前8 h缓慢上升，后4 h快速下降；在前5 h，提高施工人员个体特质、改善施工环境以及提高组织管理水平均能提高安全能力；提高组织管理水平能够减缓后4 h安全能力的下降趋势。     

基于信息融合的建筑施工安全预警管理研究

针对建筑业安全事故率居高不下的现状,找出事故频发的主要原因。基于主要原因中人、机、环境和管理4方面数据和信息的复杂性、不确定性,提出采用信息融合技术的D-S证据理论法对建筑施工全过程中的人、机、环境、管理4方面的数据和信息进行分析和预测,并构建建筑施工安全预警管理预测模型。该预测模型能判断建筑施工项目的"安全状态",能解决建筑施工中安全事故及危险源的预测问题;同时针对具体情况采取防范措施,及时矫正安全隐患和确保安全施工。将D-S证据理论法应用于建筑施工安全预警管理中,扩展了建筑施工安全管理的手段。     

降雨引发排土场滑坡的预警准则研究*

为降低降雨引发排土场滑坡的风险，提出更加科学、实用的降雨滑坡预警准则，以贵州某矿山排土场的实际情况为例，建立排土场在线监测预警系统，并基于FLAC3D软件，对安全系数与边坡位移的关系以及降雨与边坡位移的关系进行数值模拟。结果表明:降雨是影响排土场滑坡的主要因素，且降雨影响具有滞后性，降雨量可作为排土场滑坡的预警指标；排土场滑坡预警等级与排土场安全系数存在密切相关性，可根据排土场安全系数确定滑坡红、橙、黄、蓝预警等级；可根据模拟结果确定降雨引发排土场滑坡的预警准则。研究结果具有较强的实用性，为排土场滑坡事故的预防和控制提供科学指导。