基于BP神經(jīng)網(wǎng)絡(luò)的跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估

王飛球，黃健陵，符競(jìng)，閆屹彬，陳輝華

?

基于BP神經(jīng)網(wǎng)絡(luò)的跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估

王飛球1, 2，黃健陵1，符競(jìng)1，閆屹彬1，陳輝華1

(1. 中南大學(xué) 土木工程學(xué)院，湖南 長(zhǎng)沙410075；2.中鐵二十四局 江蘇工程有限公司，江蘇 南京 210038)

基于跨既有線高速鐵路橋梁施工需同時(shí)滿足橋梁施工和既有線運(yùn)營(yíng)的安全，導(dǎo)致其風(fēng)險(xiǎn)因素復(fù)雜多樣，風(fēng)險(xiǎn)識(shí)別難度大。通過(guò)文獻(xiàn)研究與典型案例分析，識(shí)別跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)因素，運(yùn)用4M1E分析方法建立跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估模型，并以信江特大橋?yàn)檠芯繉?duì)象進(jìn)行實(shí)證評(píng)估，表明其綜合風(fēng)險(xiǎn)與項(xiàng)目建設(shè)風(fēng)險(xiǎn)等級(jí)一致，模型和案例擬合度較好，本文構(gòu)建的風(fēng)險(xiǎn)評(píng)估模型具有一定的科學(xué)性和可行性。

跨既有線；高速鐵路橋梁施工；風(fēng)險(xiǎn)評(píng)估；BP神經(jīng)網(wǎng)絡(luò)

我國(guó)高速鐵路建設(shè)規(guī)模不斷擴(kuò)大，鐵路網(wǎng)交匯不斷加密，跨既有線高速鐵路橋梁數(shù)量日益增多。與常規(guī)高速鐵路橋梁施工相比，跨既有線高速鐵路橋梁施工既要保證線路的正常運(yùn)營(yíng)，又要保證施工安全和工期目標(biāo)實(shí)現(xiàn)，施工安全風(fēng)險(xiǎn)因素更加復(fù)雜多樣[1]。此外，國(guó)內(nèi)外學(xué)者關(guān)于跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)的研究成果較少，對(duì)其風(fēng)險(xiǎn)影響因素的識(shí)別不夠系統(tǒng)、全面。因此，通過(guò)科學(xué)合理的方法對(duì)跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)影響因素進(jìn)行有效地識(shí)別，以確保橋梁施工安全及既有線行車(chē)安全，是跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)管理中的關(guān)鍵與核心。

1 跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)因素識(shí)別

1.1 基于文獻(xiàn)研究的橋梁施工安全風(fēng)險(xiǎn)因素識(shí)別

本文通過(guò)梳理橋梁施工安全風(fēng)險(xiǎn)相關(guān)文獻(xiàn)，輔助識(shí)別跨既有線高速鐵路橋梁工程施工安全風(fēng)險(xiǎn)因素。通過(guò)篩選統(tǒng)計(jì)，形成基于文獻(xiàn)研究的橋梁施工安全風(fēng)險(xiǎn)因素識(shí)別表，如表1所示。

表1 基于文獻(xiàn)研究的橋梁施工安全風(fēng)險(xiǎn)因素識(shí)別表

1.2 基于典型案例分析的橋梁施工安全風(fēng)險(xiǎn)因素識(shí)別

本文選取9座跨既有線高速鐵路橋梁作為典型案例進(jìn)，收集工程案例的相關(guān)資料作為風(fēng)險(xiǎn)識(shí)別依據(jù)，邀請(qǐng)數(shù)位專家對(duì)每座橋梁資料進(jìn)行深入分析。采用WBS結(jié)構(gòu)分解對(duì)跨線橋梁施工項(xiàng)目進(jìn)行分解，以WBS的最低級(jí)工作包為風(fēng)險(xiǎn)識(shí)別的基本單元[9]，找出典型案例的施工安全風(fēng)險(xiǎn)因素，形成施工安全風(fēng)險(xiǎn)因素清單，見(jiàn)表2。

表2 部分跨既有線高速鐵路橋梁主要施工安全風(fēng)險(xiǎn)因素

1.3 跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系

通過(guò)分析上述文獻(xiàn)資料和典型案例識(shí)別施工安全風(fēng)險(xiǎn)因素，結(jié)合工程實(shí)踐，按照系統(tǒng)性、科學(xué)性、全面性、層次性和可行性原則，根據(jù)4M1E分析理論對(duì)跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)因素進(jìn)行分類匯總，其中1級(jí)指標(biāo)包括物資設(shè)備等5個(gè)風(fēng)險(xiǎn)指標(biāo)，2級(jí)指標(biāo)包括材料質(zhì)量等34個(gè)風(fēng)險(xiǎn)指標(biāo)，形成的跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系如圖1所示。

圖1 跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)成圖

2 BP神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)及算法

2.1 BP神經(jīng)網(wǎng)絡(luò)基本理論

BP神經(jīng)網(wǎng)絡(luò)是指采用反向傳播算法的人工神經(jīng)網(wǎng)絡(luò),根據(jù)輸入的信息建立神經(jīng)元，通過(guò)學(xué)習(xí)規(guī)則或自組織等過(guò)程建立相應(yīng)的非線性數(shù)學(xué)模型，合 理有效地解決非正態(tài)分布、非線性的風(fēng)險(xiǎn)評(píng)估 問(wèn)題[10]。

2.2 BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型

BP神經(jīng)網(wǎng)絡(luò)由個(gè)輸入層，個(gè)中間隱層及個(gè)輸出層組成[11]。對(duì)于跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估，其中輸入層為3級(jí)風(fēng)險(xiǎn)評(píng)估指標(biāo)，輸出層為綜合風(fēng)險(xiǎn)評(píng)估值[12]，其結(jié)構(gòu)如圖2所示。

圖2 BP神經(jīng)網(wǎng)數(shù)學(xué)模型

BP神經(jīng)網(wǎng)絡(luò)依據(jù)所得樣本數(shù)據(jù)，通過(guò)“學(xué)習(xí)和培訓(xùn)”獲得樣本所隱含的特征關(guān)系，以神經(jīng)元間連接權(quán)重值和閥值的形式儲(chǔ)蓄專家的經(jīng)驗(yàn)與知 識(shí)[13]。該模型的數(shù)據(jù)處理邏輯如圖3所示。

2.3 BP神經(jīng)網(wǎng)絡(luò)基本算法

從輸出層開(kāi)始，反向調(diào)整權(quán)值，其調(diào)整公式 如下：

3 基于BP神經(jīng)網(wǎng)絡(luò)的信江特大橋施工安全風(fēng)險(xiǎn)評(píng)估

3.1 工程概況

合福高鐵上饒車(chē)站改擴(kuò)建工程信江特大橋位于上饒市靈溪鎮(zhèn)，全長(zhǎng)3 704.21 m。信江特大橋連續(xù)梁在DK469+928.52~DK470+153.24(22號(hào)墩~27號(hào)墩)段上跨上饒站場(chǎng)滬昆線，與滬昆下行線成79.25°交角。

連續(xù)梁結(jié)構(gòu)設(shè)計(jì)為(31.9+3×52+36.62) m一聯(lián)5跨預(yù)應(yīng)力混凝土變截面連續(xù)箱梁，梁高3.05~4.35 m，主線1聯(lián)箱梁頂寬12 m、主線兩側(cè)2聯(lián)箱梁頂寬6.48 m、最外側(cè)2聯(lián)箱梁頂寬7.7 m。共7聯(lián)6線(含2聯(lián)站臺(tái)梁)，連續(xù)梁全長(zhǎng)224.72 m，采用掛籃懸臂施工。

由于該橋連續(xù)梁梁體要在保證既有滬昆鐵路和站線正常通行的情況下懸灌施工，而作業(yè)空間相對(duì)狹小、必要時(shí)還要進(jìn)行封鎖要點(diǎn)施工、外部環(huán)境復(fù)雜等導(dǎo)致施工難度很大，施工過(guò)程中不確定因素很多。因此，開(kāi)展信江特大橋風(fēng)險(xiǎn)分析評(píng)估十分 必要。

3.2 建立BP神經(jīng)網(wǎng)絡(luò)模型

本文建立的模型就是一個(gè)由輸入層、隱含層和輸出層神經(jīng)元構(gòu)成的3層高度非線性映射模型。模型內(nèi)，最大訓(xùn)練次數(shù)設(shè)定為20 000。根據(jù)軟件要求及模型的需要，本文設(shè)置的誤差精度是0.000 001，當(dāng)2次的迭代結(jié)果誤差小于該值時(shí)，系統(tǒng)會(huì)結(jié)束迭代運(yùn)算。網(wǎng)絡(luò)模型參數(shù)設(shè)定如表3所示。

表3 BP網(wǎng)絡(luò)模型參數(shù)

根據(jù)上文風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，將風(fēng)險(xiǎn)指標(biāo)作為模型的輸入層神經(jīng)元，即設(shè)定輸入層有34個(gè)神經(jīng)元;將項(xiàng)目風(fēng)險(xiǎn)的綜合評(píng)價(jià)值指標(biāo)作為輸出值，輸出層節(jié)點(diǎn)設(shè)定為1，根據(jù)輸出值的大小判斷項(xiàng)目風(fēng)險(xiǎn)情況;采用試湊法確定網(wǎng)絡(luò)收斂最快、誤差最小時(shí)對(duì)應(yīng)的隱節(jié)點(diǎn)數(shù)為20，其運(yùn)行結(jié)構(gòu)圖如圖4所示。

圖4 BP神經(jīng)網(wǎng)絡(luò)運(yùn)行結(jié)構(gòu)圖

由于每個(gè)評(píng)估指標(biāo)有不同的物理量綱，通過(guò)設(shè)計(jì)問(wèn)卷調(diào)查的形式，設(shè)置李克特5級(jí)量表，通過(guò)詢問(wèn)9位專家對(duì)每個(gè)指標(biāo)進(jìn)行打分，為了得到有效的輸入值與輸出值，需對(duì)統(tǒng)計(jì)的數(shù)據(jù)進(jìn)行歸一化，得到相關(guān)指標(biāo)的得分值和專家評(píng)估結(jié)果，以WS為例，其轉(zhuǎn)化方式見(jiàn)如下。

則對(duì)整個(gè)指標(biāo)的輸入值如式(12)所示。

根據(jù)《公路橋梁和隧道工程施工安全風(fēng)險(xiǎn)評(píng)估指南》，結(jié)合工程實(shí)踐，項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)范圍可以分為5檔，即低風(fēng)險(xiǎn)，較低風(fēng)險(xiǎn)，中等風(fēng)險(xiǎn)，較高風(fēng)險(xiǎn)，高風(fēng)險(xiǎn)[15]。如表4所示。

表 4 項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)表

本文選取8座跨既有線高速鐵路橋梁作為BP人工網(wǎng)絡(luò)模型的訓(xùn)練和檢測(cè)樣本。7組數(shù)據(jù)作為模型訓(xùn)練樣本，1組數(shù)據(jù)作為檢測(cè)樣本，信江特大橋的各項(xiàng)評(píng)估指標(biāo)值作為風(fēng)險(xiǎn)預(yù)測(cè)，經(jīng)過(guò)歸一化處理的數(shù)據(jù)如表5所示。

表5 跨既有線高速鐵路橋梁風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)

運(yùn)用Matlab編寫(xiě)程序，創(chuàng)建神經(jīng)網(wǎng)絡(luò)，建立矩陣輸入數(shù)據(jù)，并對(duì)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練和檢測(cè)[16]。通過(guò) 20次訓(xùn)練后，總體誤差滿足要求。MATLAB運(yùn)行圖如圖5所示。

將歸一化后的數(shù)據(jù)樣本帶入后檢驗(yàn)，可得出期望輸出與最終實(shí)際輸出的誤差值如表6所示，8組數(shù)據(jù)最大誤差僅為1.868%，平均絕對(duì)誤差為0.328%，故擬合情況良好，小于誤差精度。因此，BP人工神經(jīng)網(wǎng)絡(luò)成熟度較高，網(wǎng)絡(luò)模型的學(xué)習(xí)訓(xùn)練和檢測(cè)結(jié)束。

圖5 MATLAB模擬運(yùn)行圖

表6 誤差分析表

3.3 運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)信江特大橋施工安全進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)

運(yùn)用訓(xùn)練成熟的BP人工神經(jīng)網(wǎng)絡(luò)對(duì)信江特大橋項(xiàng)目進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)，將信江特大橋各風(fēng)險(xiǎn)指標(biāo)進(jìn)行歸一化的數(shù)據(jù)(0.257，0.329 ，0.243，0.143，0.229，0.357，0.371，0.546，0.557，0.357，0.343，0.400，0.343，0.386，0.400，0.371，0.400，0.216，0.400，0.414，0.400，0.364，0.596，0.356，0.400，0.357，0.414，0.400，0.376，0.366，0.286，0.371，0.386，0.400)輸入網(wǎng)絡(luò)，得到預(yù)測(cè)值0.160 06。根據(jù)表4可預(yù)測(cè)信江特大橋項(xiàng)目風(fēng)險(xiǎn)為低風(fēng)險(xiǎn)，與項(xiàng)目風(fēng)險(xiǎn)等級(jí)一致，故模型擬合度較好。

根據(jù)各風(fēng)險(xiǎn)因素輸入值，可知信江特大橋主要風(fēng)險(xiǎn)是由既有線侵限、安全規(guī)章制度落實(shí)不到位及應(yīng)急措施不完善等風(fēng)險(xiǎn)因素導(dǎo)致，如懸臂施工掛籃傾覆、人員及材料高空墜落、觸碰既有線接觸網(wǎng)發(fā)生觸電及火災(zāi)、既有線運(yùn)營(yíng)對(duì)施工人員、機(jī)械設(shè)備造成傷害等，對(duì)工程施工安全管理造成較大影響。因此，合福高鐵信江特大橋施工安全控制重點(diǎn)為連續(xù)梁施工風(fēng)險(xiǎn)控制及既有線運(yùn)營(yíng)對(duì)施工造成的風(fēng)險(xiǎn)控制2方面。

4 結(jié)論

1) 通過(guò)文獻(xiàn)調(diào)研和案例分析，對(duì)跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)的影響因素進(jìn)行識(shí)別，并根據(jù)4M1E分析理論，建立了施工安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。

2) 基于BP神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)算法，根據(jù)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，建立了跨既有線高速鐵路橋梁施工安全風(fēng)險(xiǎn)評(píng)估模型。

3) 基于構(gòu)建的施工安全風(fēng)險(xiǎn)評(píng)估模型，對(duì)信陽(yáng)特大橋的施工安全風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)測(cè)，得到其風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)值為0.160 06，其風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)為低風(fēng)險(xiǎn)，與項(xiàng)目建設(shè)風(fēng)險(xiǎn)擬合程度較好。表明此風(fēng)險(xiǎn)識(shí)別與評(píng)估方法具有較強(qiáng)的合理性與實(shí)用性，可推廣應(yīng)用于此類工程施工風(fēng)險(xiǎn)評(píng)估。

[1] 張青春, 劉德鋒. 滬杭高速鐵路上跨既有滬昆鐵路施工安全技術(shù)研究[J]. 鐵道標(biāo)準(zhǔn)設(shè)計(jì), 2011, 55(6): 114? 117.ZHANG Qingchun, LIU Defeng. Study on the construction safety technology of Shanghai-Hangzhou high-speed railway across existing Shanghai-Kunming railway[J]. Railway Standard Design, 2011, 55(6): 114? 117.

[2] 晁陽(yáng).鐵路既有線施工安全管理[J]. 鐵道建筑, 2011, 51(11): 135?136. CHAO Yang. Safety management of railway construction on existing railway lines[J]. Railway Engineering, 2011, 51(11): 135?136.

[3] 付彥超. 大型橋梁工程施工風(fēng)險(xiǎn)管理研究[D]. 鄭州: 鄭州大學(xué), 2012. FU Yanchao. Study on construction risk management of large bridges engineering[D]. Zhengzhou: Zhengzhou University, 2012.

[4] 吳廣盛. 京滬高鐵蘊(yùn)藻浜橋跨既有鐵路施工安全風(fēng)險(xiǎn)管理研究[D]. 成都: 西南交通大學(xué), 2013. WU Guangsheng. Construction safety management Beijing-Shanghai high-speed railway Yunzaobang bridge span the existing line[D]. Chengdu: Southwest Jiaotong, 2013.

[5] 李艷哲. 受既有線控制的重慶白沙沱長(zhǎng)江大橋施工風(fēng)險(xiǎn)控制研究[D]. 重慶: 重慶交通大學(xué), 2014. LI Yanzhe. Study on construction risk control of Baishatuo Yangtze river bridge in Chongqing controlled by the existing railway line[D]. Chongqing: Chongqing Jiaotong University, 2014.

[6] 韓學(xué)偉, 王君, 王高彥.基坑開(kāi)挖對(duì)臨近既有鐵路的影響分析[J]. 中外公路, 2014, 34(6): 38?41. HAN Xuewei, WANG Jun, WANG Gaoyan. Analysis on the influence of foundation pit excavation on nearby existing railway[J]. Journal of China and Foreign Highway, 2014, 34(6): 38?41.

[7] 盧朝輝, 閔歡, 余志武. 既有鐵路橋梁狀態(tài)評(píng)估指標(biāo)體系和方法研究[J]. 鐵道科學(xué)與工程學(xué)報(bào), 2015, 12(5): 1103?1110. LU Zhaohui, MIN Huan, YU Zhiwu. Study on the condition assessment index and method for existing railway bridge structures[J]. Journal of Railway Science and Engineering, 2015, 12(5): 1103?1110.

[8] 譚仁偉, 周思鋒. 淺談跨運(yùn)營(yíng)既有線鐵路連續(xù)梁施工安全控制[J]. 公路交通科技, 2016, 12(7): 279?280. TAN Renwei, ZHOU Shifeng. Discussion on safety control of continuous beam construction across existing railway lines[J]. Journal of Highway and Transportation Research and Development, 2016, 12(7): 279?280.

[9] 薛瑤, 劉永強(qiáng), 戴瑋, 等. WBS-RBS法在水利工程全過(guò)程管理中的風(fēng)險(xiǎn)識(shí)別[J]. 中國(guó)農(nóng)村水利水電, 2014, 56(2): 71?74. XUE Yao, LIU Yongqiang, DAI Wei, et al. Risk identification in the whole process management of hydraulic engineering by WBS-RBS[J]. China Rural Water and Hydropower, 2014, 56(2): 71?74.

[10] 王瑞. 基于BP神經(jīng)網(wǎng)絡(luò)的港口貨運(yùn)運(yùn)營(yíng)風(fēng)險(xiǎn)控制研究[D]. 北京: 北京交通大學(xué), 2014. WANG Rui. Research on port freight operational risk control based on BP neural network[D]. Beijing: Beijing Jiaotong University, 2014.

[11] Oliveira R. Combining first principles modelling and artificial neural networks: A general framework[J]. Computers and Chemical Engineering, 2004, 28(5): 755?766.

[12] JIANG F, SHI K. Early warning system of operational risks in petrochemical listed companies in china based on BP artificial neural network[J]. Finance, 2011, 1(3): 57? 62.

[13] GAO D, Kinouchi Y, Ito K, et al. Neural networks for event extraction from time series: a back propagation algorithm approach[J]. Future Generation Computer Systems, 2005, 21(7): 1096?1105.

[14] Sudha G. A simple classification of binary document into vector image or scalar image using feed forward neural networks with back propagation training[J]. International Journal of Computer Applications, 2010, 9(3): 24?28.

[15] 陸新鑫, 徐秀麗, 李雪紅, 等. 基于肯特指數(shù)法的橋梁施工安全風(fēng)險(xiǎn)評(píng)估[J]. 中國(guó)安全科學(xué)學(xué)報(bào), 2013, 23(6):165?171. LU Xinxin, XU Xiuli, LI Xuehong, et al. Assessment of bridge construction safety risk based on kent index method[J]. China Safety Science Journal, 2013, 23(6): 165?171.

[16] 李曉娓, 王林艷. MATLAB在神經(jīng)網(wǎng)絡(luò)算法研究中的應(yīng)用[J]. 無(wú)線互聯(lián)科技, 2015, 12(19): 139?141. LI Xiaowei, WANG Linyan. MATLAB in the study of neural network algorithm[J]. Wireless Internet Technology, 2015, 12(19): 139?141.

(編輯 蔣學(xué)東)

Risk assessment of construction safety of high-speed railway bridge across existing lines based on BP neural network

WANG Feiqiu1, 2, HUANG Jianling1, FU Jing1, YAN Yibin1, CHEN Huihua1

(1. School of Civil Engineering, Central South University, Changsha 410075, China;2. Jiangsu Engineering Co, Ltd. of China Railway 24th Bureau Group, Nanjing 210038, China)

The construction of high-speed railway bridge across the existing line needs to meet the safety of the bridge construction and the operation of the existing line at the same time. Through literature research and typical case analysis, this paper identified the construction safety risk factors of high-speed railway Bridges across existing lines. The 4M1E analysis method was used to establish the construction safety risk assessment index system for the cross-section high-speed railway bridge, and the BP neural network based construction safety risk assessment model for the cross-section high-speed railway bridge was constructed. Based on the empirical evaluation of Xinjiang bridge, the comprehensive risk was consistent with the risk level of project construction, and the model and case were well fitted, which indicated that the risk assessment model constructed in this paper is scientific and feasible.

cross existing lines; construction of high-speed railway bridges; risk assessment; BP neural network

10.19713/j.cnki.43?1423/u.2019.05.003

U24

A

1672 ? 7029(2019)05 ? 1129 ? 08

2018?08?11

國(guó)家自然科學(xué)基金資助項(xiàng)目(51378509)

王飛球(1979?)，男，江西九江人，高級(jí)工程師，從事工程項(xiàng)目組織與實(shí)施、項(xiàng)目風(fēng)險(xiǎn)管理和建筑企業(yè)管理研究；E?mail：wangfeiqiu@ 163.com