基于粗糙集和RBF神经网络的地铁施工安全风险评估

为了解决当前我国地铁施工过程中所面临的安全风险评估问题,提出了一种基于粗糙集和RBF神经网络的地铁施工安全风险评估模型。在分析地铁施工安全风险评估指标的基础上,从地质条件、施工技术、施工管理等方面选择了33个变量指标。针对传统神经网络收敛速度慢、容错性差、结果并不唯一的缺点,利用粗糙集理论的属性约简方法使RBF神经网络的输入数据减少且不相关,并利用长沙、武汉、杭州、昆明、北京、上海、广州、重庆的28个地铁工程项目的问卷调查数据实现模型的训练及检测。结果表明,采用粗糙集方法约简属性能使RBF网络的输入数据从33个减少至15个,用经过粗糙集约简后的样本集作为神经网络的训练样本集可以有效地简化神经网络的结构,减少训练步数与训练时间,并提高网络的学习速度和判断准确率。同时,经过粗糙集约简后的神经网络的收敛速度和计算精度能够满足地铁施工安全风险评估的需要。通过粗糙集与RBF神经网络相结合所构建的耦合模型可以识别地铁施工过程的安全状态,进而有针对性地完善地铁施工的相关安全技术。