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。     

基于姿态特征的建筑工人不安全行为刻画方法

不安全行为是建筑工人自身安全的最主要威胁,为准确刻画建筑工人不安全行为并揭示个体间的差异化特征,提出了一种基于姿态特征的建筑工人不安全行为刻画方法。该方法根据现场采集的建筑工人施工视频数据,利用OpenPose卷积神经网络提取建筑工人姿态的关键点,并结合用户画像理论和潜在类别聚类分析方法确定反映建筑工人行为特征的事实标签和模型标签。结果表明：以高处作业人员为例,该方法在实际施工视频测试中可取得95.60%的平均准确率和87.02%的平均精确率,且将建筑工人划分为5种不同的行为偏好群体是合理的。该研究结果对揭示建筑工人个体特征差异、促进建筑工人行为的个性化安全管理具有重要的现实意义。