基于机器学习的公交驾驶员事故风险识别及影响因素研究

为从公交驾驶员群体中识别出易发生事故的风险公交驾驶员，结合某市公交公司营运安全管理系统数据库、百度应用程序接口(API)及网络爬取技术，并应用K近邻算法补充缺失值，获取42条线路及1 893名驾驶员的数据；基于驾驶员、车辆、线路特征、违规行为、事故、管理等基本特征变量构造派生变量；采用包括递归特征消除、有惩罚项的逻辑回归、随机森林的集成方法选择特征；采用极致梯度提升(XGBoost)等6种机器方法分别建立分类模型，并采用贝叶斯方法优化超参数。结果表明：在构建的6个分类模型中，XGBoost方法构建的模型其受试者工作特征(ROC)曲线下的面积(AUC)评估结果最佳；运用贝叶斯方法优化模型，可以在一定程度上提升ROC的AUC指标；对于风险公交驾驶员预测准确率达到98.66%,运营单位还可以根据自身情况权衡虚报率与命中率代价。此外，车辆服役时间、违规次数等特征对于事故风险具有明显的非线性影响。     

基于EEMD-LSTM模型的尾矿库风险预测模型研究

为了提高尾矿库风险预警能力,针对尾矿库稳定性受多种风险因素影响,以及风险变化的非线性,提出1种融合集合经验模态分解(EEMD)和长短期记忆(LSTM)的尾矿库风险预测模型。首先,采用皮尔逊相关系数分析尾矿库风险因素之间的相关性;然后,使用EEMD方法分解非线性的位移序列;最后,构建LSTM网络模型预测位移变化。以某尾矿库为例,将EEMD-LSTM模型与EEMD-BP模型、LSTM模型对比分析,评估模型的有效性。研究结果表明：EEMD-LSTM模型对尾矿库风险的预测精度明显提高,对防范化解尾矿库安全风险具有重要意义。     

基于多维联系云模型的公路边坡施工安全风险评估

为有效规避山区公路边坡施工事故造成的损失，实现施工过程中风险的分级管理和有效防控，根据广西某公路边坡施工中的风险辨识和现行的边坡施工风险评估指标，建立了山区公路边坡施工安全风险评估指标体系和风险等级标准。首先，通过序关系分析法(Order Relation Analysis Method, G1法)和改进CRITIC(Criteria Importance Though Intercrieria Correlation)法确定边坡施工风险各评估指标的主观权重和客观权重，并使用博弈论优化以得到各评价指标的最优权重。然后，利用集对分析的同异反原理改进多维云模型的云联系度，建立了基于集对分析的多维联系云模型。最后将该模型应用于广西某公路的6个施工边坡，得出各边坡施工的风险等级，同时将风险评估结果与其他5种评价方法进行对比。结果表明，基于多维联系云模型的边坡施工安全风险评估结果有效可靠，且能够有效确定边坡施工安全风险的转化态势。     

川藏铁路桥隧施工安全风险评价

通过评估川藏铁路工程建设的施工风险等级,为高质量推进川藏铁路工程建设提供理论支撑。剖析了国内外学者关于风险评估研究的理论与方法,针对川藏铁路施工建设中的5座特大桥梁工程和9座超长隧道工程,分析了桥梁隧道建设工程的特征,构建了川藏铁路桥梁工程的17个安全风险评价指标体系和隧道工程的20个安全风险评价指标体系,通过建立基于模糊综合评价法的风险评估模型完成了对川藏铁路重点桥梁和隧道工程的风险评价,最后构造BP神经网络模型对风险评估结果进行验证,以川藏铁路部分重点桥梁工程评分数据和部分重点隧道工程评分数据为训练数据,以剩余评分结果为验证数据,预测桥梁和隧道工程的风险等级。结果表明:采用BP神经网络预测桥梁隧道工程安全风险等级的准确率高达98. 82%,BP神经网络对于该工程施工安全风险评价具有适用性;川藏铁路重点桥隧工程项目有50%处于较危险以上,只有20%的工程处于安全级别。     

物元可拓法在地铁盾构施工安全风险评估中的应用

针对地铁盾构施工安全风险评估结果不完善、精确度不高等问题，采用DEMATEL-ISM法与物元可拓评估模型相结合，对地铁盾构施工安全风险进行科学合理的评估。首先，以文献整理为基础，结合工程实际，从人员及管理、机械设备、施工材料、施工技术及施工环境5个方面建立地铁盾构施工安全风险评估指标体系；其次，采用DEMATEL-ISM法分析关键影响因素和影响程度以及因素间的层级结构；再次，考虑指标间的关联影响，引用shapley值法确定指标权重，采用物元可拓法构建地铁盾构施工安全风险评估模型；最后，对宁波地铁3号线一期句章-鄞州客运区间应用所建模型进行实例分析，结果表明，其风险评估等级为“中度风险”。其中，人员及管理、施工技术及施工环境所属风险等级相对较高，该区间盾构施工时管理人员应重点监测地质环境，并严格做好地基加固等施工技术工作。     

基于云模型的装配式地铁车站施工安全风险评价

为有效评价装配式地铁车站施工安全风险,减少施工安全事故发生,保障施工安全,提出基于组合赋权和云模型的风险评价方法。首先,根据国家规范和项目资料,初步识别装配式地铁车站施工安全风险因素;再利用德尔菲法优化风险因素,建立包括6个一级指标和25个二级指标的装配式地铁车站施工安全风险评价指标体系;然后,采用熵权法和组合数有序加权(C-OWA)算子确定指标的组合权重,进而结合云模型确定风险评价等级;最后,基于某装配式地铁车站项目验证上述评价方法。结果表明：该项目评价等级为较低风险,与施工现场实际情况基本一致,但人员和施工技术的风险等级为中等,在采取安全防控措施时应重点考虑。     

大坝变形GA-LSTM组合预测模型研究

为监测大坝运行过程中的异常状态，防范化解大坝溃坝等重大风险，基于大坝变形大样本、非线性监测数据，引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测，以测试样本的均方根误差最小为适应度函数，采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数，建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析，并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明，GA-LSTM模型的预测效果和性能更佳，且相较于LSTM模型和GRU模型各测点预测误差均有减小，平均绝对误差减小量最高达6.92%。     

基于机器学习的高速公路大型货车追尾风险预测

针对高速公路大型货车追尾事故频发的问题，评估高速公路大型货车追尾风险，并分析交通流特性对大型货车追尾风险的影响，以降低追尾事故的发生率。根据德国HighD开源数据集，以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的划分标准，提取大型货车的车辆轨迹与交通特征参数等数据，基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)等3种机器学习模型分别建立高速公路大型货车追尾风险实时预测模型；以混淆矩阵、受试者工作特征曲线的曲线下面积(AUC)和洛伦兹(KS)检验等评价指标，对比分析各模型的整体预测能力，并选取预测精度最好的模型分析各个特征参数对追尾风险的影响程度。研究结果表明：RF模型的预测准确率达75%,相对SVM模型高出8%,相对ANN模型高出10%,且RF模型的预测精确度、召回率、AUC值和KS值均优于SVM模型和ANN模型；最小车头间距、车速标准差和加速度标准差3个参数对大型货车追尾风险影响程度最高。     

基于IM-FCM的装配式建筑施工安全风险评估

为准确评估装配式建筑施工安全风险，提高施工安全管理水平，针对现行评估中动态解释能力不足的缺点，构建装配式建筑施工安全风险评估指标体系，引入组合数有序加权算子量化专家主观评分建立耦合交互矩阵，通过相互作用矩阵与模糊认知图的融合模型识别关键风险、预测演化趋势，并以武汉市某项目实证分析安全风险等级。结果表明：该项目整体风险偏高；随着施工安全风险的交互耦合与演化发展，风险评价系数上升10.28%,风险等级从3级升至2级；施工过程中应重点防控竖向或水平构件支撑系统存在缺陷等关键风险因素；相互作用矩阵与模糊认知图的融合不仅能对施工安全风险进行动态评估，还能预测时序维度上的施工安全风险演化趋势。     

基于熵权物元可拓模型的隧道瓦斯等级评价

为准确预测穿越煤层的隧道瓦斯等级,以有助于降低隧道施工过程中瓦斯事故的风险。通过分析国内外大量瓦斯隧道工程案例,选取地层岩性、地质构造、煤层厚度、隧道埋深、水文地质条件等5个分级指标作为隧道瓦斯等级评价指标,将熵权法引入可拓学理论中,建立熵权物元可拓模型,并应用该模型对10条穿越煤层的隧道进行瓦斯等级评价。结果表明:应用该模型得到的隧道瓦斯等级与其实际等级完全吻合,准确率达到100%。     

城区建筑施工的环境影响风险评估研究

旧城改造、城中村开发是城市建设发展的重要内容,造成了城区建筑施工场地增多,施工过程对周边环境可能造成一定的不利影响。文章结合城区建筑工程施工特点,利用层次分析法,对城区建筑工程施工的环境影响风险进行评价,提出相应评价指标和因子权重,同时建立物元可拓模型,计算出关联度,从而得到风险等级和主要风险因子。研究结果表明,城区建筑工程施工的环境影响风险等级为中等风险,风险来自噪声、扬尘、安全、排水污染和水土流失五大方面,共15个风险因子,针对风险因子及风险等级,提出相应措施,以达到降低风险的目的。     

基于KPCA-GA-BP的煤矿瓦斯爆炸风险模式识别

为了能够准确识别煤矿开采中瓦斯爆炸事故的风险类别,以提升对瓦斯爆炸事故的应急防范能力,提出了一种高效准确的风险识别模型.考虑到瓦斯爆炸涉及特征指标之间并非单纯的线性关系,采取核主成分提取方法(KPCA)对涉及的煤层瓦斯含量、瓦斯涌出量、风量供需比等19种特征指标进行属性约简,从而消除信息重叠,并使用遗传算法(GA)对BP神经网络的权值和阈值进行全局寻优,避免了过拟合状况的出现,在降低模型预测损失值的同时提高模型运算准确率.采用KPCA-GA-BP模型对83组实例数据进行分析,选取其中62组数据进行训练,其余21组数据进行测试.预测结果中20组风险等级分类正确且用时较短,识别准确率为95.24％,表明模型对瓦斯爆炸灾害风险等级具有高识别精度和高效率.     

基于MIV-MA-KELM模型的岩爆烈度等级预测

为准确预测岩爆烈度等级以确保挖掘工程施工安全,提出一种基于MIV-MA-KELM的岩爆烈度等级预测模型。首先,在分析岩爆烈度影响因素的基础上确定主要评判指标,采用文化基因算法(MA)优化核极限学习机(KELM)参数,借助KELM拟合评判指标与岩爆烈度等级间的非线性映射关系;然后,利用平均影响值(MIV)方法以20%的调解率计算各指标影响权重,剔除低影响权重指标并反馈到MA-KELM模型中重新训练与测试;最后,选取巴玉隧道的68组数据进行试验,并用该模型预测秦岭隧道岩爆烈度等级。结果表明:预测结果与实际情况完全一致;MIV-MA-KELM模型能更合理地构建指标体系,有效避免局部最优解,提高岩爆烈度等级的预测准确率。     

山岭隧道施工中塌方风险评估模型研究及应用

为评估隧道施工中塌方风险,以确定其可能性及严重程度作为2条主线。由文献调研并结合待评估隧道风险特征、施工现状、工程概况等建立塌方可能性评估指标体系,运用层次分析法(AHP)与多层次模糊综合决策确定塌方风险事件可能性等级,定性指标由专家评判确定对各可能性等级的隶属度,定量指标的隶属度以正态分布作为隶属函数求出;综合考虑多种事故后果类型,选用当量估计法确定塌方风险事件严重程度;最后基于风险矩阵法确定隧道塌方风险等级。将本模型应用于兴隆隧道1号斜井,经评估该斜井塌方风险等级为Ⅲ级,即较大风险,后续施工中须采取有效措施降低风险,减少风险可能导致的损失。     

基于GMM-PNN模型的海底油气管道风险等级评价

为了提高海底油气管道风险评价的准确率,保证管道安全运行,利用高斯混合模型(GMM)和概率神经网络(PNN)对管道进行风险评价.在传统PNN的基础上做出两点改进:一是改变PNN的结构模型,在原有网络结构上增加一个特征层,目的是通过线性变化的方式增强输入维度之间的联系;二是将全局单一参数改为在模式层采用GMM,并用随机梯度下降法对参数进行更新.考虑海底管道在偶发因素下的风险,将相关指标量化,利用GMM-PNN模型划分等级,然后与PNN模型、人工神经网络、支持向量机进行对比.结果表明,GMM-PNN模型对训练样本数量要求较低且准确率高于其他3种模型,能够更加准确地对海底管道进行风险等级评价.     

未确知测度理论在盾构下穿既有隧道安全风险评价中的应用

盾构下穿既有隧道工程施工通常存在较大风险,为了对风险等级做出准确有效的评价,提出了基于未确知测度理论的盾构下穿既有隧道安全风险评价模型。首先,通过对相关规范和现有文献的研究,并结合盾构下穿隧道施工的特点,构建了盾构下穿既有隧道安全风险评价指标体系,包括盾构掘进参数、新建隧道条件、既有隧道条件、地质条件和施工管理条件5个一级指标,以及掘进速度、掘进推力、注浆压力等19个二级指标;其次,将综合安全风险划分为5个等级,并明确了各指标的等级划分标准;然后基于熵权-未确知测度理论构建盾构下穿既有隧道安全风险评价模型,采用熵权法确定指标权重,根据未确知测度理论构建各指标的单指标未确知测度函数,将各指标数据值代入单指标未确知测度函数中得到单指标测度评价矩阵,结合指标权重和单指标测度评价矩阵计算得到多指标测度评价向量,依照置信度准则确定安全风险等级;最后,将提出的模型应用于实际盾构下穿既有隧道工程中,对其进行安全风险等级评价。结果表明,模型评价结果与实际风险等级一致,并通过与模糊层析分析法对比验证了所提模型应用于工程实践的有效性,研究结果可为实际施工安全管理提供决策支持。     

施工现场疫情防控风险评价方法

为准确科学地评估施工现场的疫情防控风险水平，通过文献查询、现场调研及专家咨询，构建了包含4个1级指标、17个2级指标的施工现场疫情防控风险体系，然后采用层次分析法(Analytic Hierarchy Process, AHP)与可靠度区间法(Reliability Interval Method, RIM)综合确定各级指标的权重，利用综合评价方法建立施工现场疫情防控风险评估模型，最后以某施工项目为例，验证该评价模型的有效性。结果表明，该项目现场整体风险指数为2.42,风险等级为中风险，其中防控体系风险等级为中风险，现场管理风险为较低风险，人员管理风险为较高风险，物资设备风险为中风险，与施工现场实际相吻合，该评估模型能较为准确、客观地反映施工现场疫情防控风险水平。     

基于网格搜索和ELM的冲击地压危险等级预测

为提高冲击地压危险等级预测模型的泛化性能及预测精度,采用网格搜索法结合十折交叉验证法对极限学习机(ELM)中的隐含层神经元个数及激活函数的类型进行组合优化,进而建立冲击地压危险等级预测模型;选取重庆砚石台煤矿36组实测数据进行试验,对影响因素数据进行标准化处理,选择其中26组样本对模型进行训练,采用该模型对后10组样本中冲击地压危险等级进行预测,并与其他方法作对比。结果显示:经过十折交叉验证,用该模型得到的正确识别率为84.615%,高于朴素贝叶斯及Adaboost M1的76.92%、61.54%,采用该模型对测试样本集中冲击地压危险等级进行预测,预测准确率为90%,高于朴素贝叶斯及Adaboost M1预测准确率80%。     

基于PNN的煤矿安全生产风险综合预警研究

为加强煤矿安全生产风险预警管理,对煤矿安全生产系统风险因素进行分析,从人-机-环-管理四个方面建立了风险预警指标体系,给出了各指标的定义;提出了指标风险预警等级临界点的设置和指标警度计算方法;应用概率神经网络（PNN）构建了安全生产风险综合预警模型,通过指标风险预警等级临界点构建训练样本,并对预警模型进行了性能检验和工程应用。结果表明,基于PNN的安全生产风险综合预警模型风险识别能力强,运行速度快,计算效率高,可以进行推广应用。     

小直径深层排水隧道盾构施工安全风险评价

为识别小直径深层排水隧道盾构施工安全风险,准确评价施工安全风险等级,提出基于危险与可操作性分析(HAZOP)的风险识别方法和基于粗糙集和云模型的风险评价方法。基于HAZOP方法全面识别施工安全风险,并根据粗糙集属性约简理论构建评价指标体系;将粗糙集与云模型结合,构建小直径深层排水隧道盾构施工安全风险评价模型;以东湖深隧工程为例,验证该模型的有效性。结果表明:该模型评价结果与实际情况基本吻合;掘进参数未及时调整、培训及考核不到位、注浆管堵塞、吊装下井设备及其零部件坠落、工程地质和水文地质情况调查不详细是小直径深层排水隧道盾构施工安全风险等级较高的因素,应重点关注并规避。