基于SVM的EPC項目安全風(fēng)險評價研究

方 俊,徐紅玉,鄧躍彥,胡 軍,謝定坤

(1.武漢理工大學(xué) 土木工程與建筑學(xué)院,湖北 武漢 430070;2.寧夏建設(shè)投資集團有限公司,寧夏 銀川750003)

經(jīng)濟全球化背景下,EPC(engineering procurement construction)工程總承包模式作為一種低時耗、低資源消耗、高度集成化的工程管理模式,可集成管理設(shè)計、采購與施工三大業(yè)務(wù),被各國建筑業(yè)發(fā)展大力推廣。然而一直以來,建筑業(yè)安全事故發(fā)生率高居不下,尤其EPC工程總承包模式下的工程項目往往涉及更大的建設(shè)規(guī)模和更為復(fù)雜的建設(shè)情況,使得安全事故造成的后果和損失更為嚴重,各國每年因建筑安全事故所導(dǎo)致的巨大的人員傷亡數(shù)和經(jīng)濟損失額引起了人們的關(guān)注與重視。根據(jù)我國住房和城鄉(xiāng)建設(shè)部公開數(shù)據(jù),2017—2019年全國建筑施工安全生產(chǎn)事故共2 199起,死亡2 551人,且事故起數(shù)和死亡人數(shù)呈現(xiàn)逐年遞增趨勢。可見當前工程建筑安全生產(chǎn)管控現(xiàn)狀仍然較為嚴峻,降低建筑業(yè)安全事故率、提高工程項目安全管理水平是世界各國都迫切需要解決的問題。對此,美國學(xué)者BRAGATTO等[1]基于Bowtie模型研究了如何為小企業(yè)建立安全管理系統(tǒng)的問題;TOUTOUNCHIAN等[2]提出一個初步的概念模型確定了EPC項目不同階段的安全管理成本及其權(quán)重因素;國內(nèi)學(xué)者林濤[3]對建筑工程項目安全評價技術(shù)體系的總體框架進行了設(shè)計;張夢雨等[4]建立了施工工種安全評價模型,按工種的不同對工程安全特性進行分解;夏楊等[5]應(yīng)用云計算和BIM技術(shù)研究了建筑工人高空作業(yè)安全管理;方俊等[6]對建筑工地高空墜落的人因安全風(fēng)險關(guān)鍵因素作了識別研究;曹洋等[7]集成BIM與AR技術(shù)構(gòu)建出一套施工安全管理系統(tǒng);齊錫晶等[8]針對EPC模式下的工程項目設(shè)計了整套的安全生產(chǎn)管理系統(tǒng)。上述研究在EPC項目安全風(fēng)險評價方面還不完善,無論是安全因素識別或安全管控系統(tǒng)構(gòu)建方面,學(xué)者們多集中于工程施工階段的研究,鮮有系統(tǒng)、全面地對工程項目的設(shè)計、采購、施工3個階段作貫通性的安全評價與管控研究,且現(xiàn)有工程項目風(fēng)險評價研究中大多采用層次分析法、模糊綜合評價法,以及BP神經(jīng)網(wǎng)絡(luò)、貝葉斯等評價方法[9-12]。筆者將支持向量機(SVM)算法引入到EPC項目的安全風(fēng)險評價研究,擬在建立EPC項目安全風(fēng)險評價指標體系的基礎(chǔ)上,構(gòu)建基于SVM的EPC項目安全風(fēng)險評價模型,并結(jié)合具體案例驗證其有效性,以期提高EPC項目施工安全風(fēng)險水平的預(yù)測能力,減少建筑業(yè)工程安全事故。

1 EPC項目安全風(fēng)險評價指標體系

為科學(xué)客觀地選取EPC項目安全風(fēng)險因素,首先,通過CNKI檢索主題“EPC項目安全風(fēng)險”,得到44篇相關(guān)高質(zhì)量文獻(中文核心期刊),而其中屬于建筑科學(xué)與工程領(lǐng)域的相關(guān)文獻僅6篇。其次,由于可供參考EPC項目安全風(fēng)險主題相關(guān)文獻較少,不足以支撐主題分析,筆者將主題范圍擴大至“工程安全風(fēng)險”與“項目施工安全”,得到近5年相關(guān)文獻74篇,發(fā)現(xiàn)目前關(guān)于工程項目安全方面的研究多集中于施工階段,而設(shè)計、采購階段的相關(guān)研究不足。最后,利用Citespace主題和關(guān)鍵詞聚類功能對這些文獻進行統(tǒng)計分析,通過詞頻排序和中心度聚類得到排序結(jié)果和聚類結(jié)果,并按照“4M+1E”事故要素理論,人工初步篩選出27個EPC項目施工安全風(fēng)險因素。通常情況下,EPC施工項目安全風(fēng)險類似于一般工程項目,即人為和機械設(shè)備的因素是工程安全事故發(fā)生的直接致因,技術(shù)、管理和環(huán)境因素是間接致因,EPC項目施工階段安全風(fēng)險因素匯總?cè)鐖D1所示。

圖1 EPC項目施工安全風(fēng)險因素

通過搜集EPC項目歷史資料并對歷史EPC項目安全風(fēng)險事件的表現(xiàn)形勢和形成原因等進行分析整理,提取出一套包含設(shè)計、采購、施工3個階段共37個指標在內(nèi)的比較完整的EPC項目安全風(fēng)險評價指標體系。邀請10位EPC領(lǐng)域和工程安全管理研究領(lǐng)域的專家對上述EPC項目安全風(fēng)險評價指標重要性進行排序,其中包括項目經(jīng)理2名、技術(shù)負責(zé)人3名、安全負責(zé)人3名、教授2名,各專家的基本信息調(diào)查如表1所示?；?0位權(quán)威專家的建議,結(jié)合EPC項目安全管理特點,對EPC項目安全風(fēng)險因素進行進一步的篩選和修正,按照科學(xué)性、突出性和可操作性原則最終確定了EPC項目安全風(fēng)險核心評價指標共有30項,評價指標體系如表2所示。

表1 打分專家基本信息

表2 EPC項目安全風(fēng)險評價指標體系

2 基于SVM的安全風(fēng)險評價

2.1 支持向量機理論基礎(chǔ)

支持向量機(support vector machine,SVM)是一種基于統(tǒng)計學(xué)習(xí)理論的機器學(xué)習(xí)方法,屬于靠實際數(shù)據(jù)驅(qū)動的二分類數(shù)學(xué)模型,其基本模型是定義在特征空間上的間隔最大的線性分類器。其基本原理是求解出能夠正確劃分訓(xùn)練樣本集并使不同類別的樣本點幾何間隔最大的分離超平面,如圖2所示。使兩類樣本中最近的點離其距離最大化的面w·x+b=0即為最優(yōu)超平面,而那些距最優(yōu)超平面w·x+b=0最近的點就是支持向量。

圖2 SVM最優(yōu)分類面示意圖

根據(jù)最優(yōu)超平面的不同,支持向量機可分為線性支持向量分類機和非線性支持向量機。線性可分樣本構(gòu)成的特征向量集合T={(x1,y1),(x2,y2),…,(xn,yn)}。其中,xi∈T為第i個特征向量;yi∈{-1,1}為類別標簽,當yi=1時為正例,yi=-1時為負例,i=1,2,…,n。此時,SVM線性判別函數(shù)的一般形式為H(x)=ax+b,則分類面為ax+b=0。最優(yōu)分類決策函數(shù)為:

(1)

式中:sgn為符號函數(shù);ξi為每個樣本的拉格朗日乘數(shù);b為分類閾值。

若最優(yōu)超平面非線性可分,則可通過核空間理論將目標問題轉(zhuǎn)化為高維空間的線性問題來尋找最優(yōu)超平面。高斯核函數(shù)可以將數(shù)據(jù)映射到無限維,是解決高維度問題的一種常用核函數(shù),也稱徑向基函數(shù)(RBF)。此時,向量內(nèi)積可以用核函數(shù)K(xi,xj)代替,則相應(yīng)的最優(yōu)決策函數(shù)為:

(2)

式中:K(xi,xj)=(xix),即非線性核函數(shù)。

2.2 SVM在EPC項目安全風(fēng)險評價中的適用性分析

基于SVM的安全風(fēng)險評價模型能夠較全面地考慮所有的EPC項目風(fēng)險因素,且能夠挖掘出相關(guān)因素之間存在的顯性或隱含的數(shù)量關(guān)系。同時,SVM模型相對于BP神經(jīng)網(wǎng)絡(luò)等其他模型需要的學(xué)習(xí)樣本更少,這很大程度上減輕了研究者收集項目樣本數(shù)據(jù)的工作量和難度。而且SVM算法具有自學(xué)習(xí)、自適應(yīng)的優(yōu)點,對于非線性關(guān)聯(lián)小樣本問題有較強的泛化能力,能較好地克服各個EPC項目安全風(fēng)險因素之間非線性的關(guān)聯(lián)關(guān)系,使評價結(jié)果更加準確和客觀。從已有研究來看,學(xué)者們將SVM方法應(yīng)用于建設(shè)項目施工安全風(fēng)險評價和預(yù)警[13-14]、化工企業(yè)安全預(yù)警模型研究[15],以及交通安全預(yù)測研究[16],均取得了良好的研究效果。因此,筆者合理認為SVM對于EPC項目安全風(fēng)險評價研究而言是一種較為合理且適用的方法,通過在SVM中引入指標體系中的安全因素,進行SVM訓(xùn)練,最終輸入待評價數(shù)據(jù)得出相應(yīng)的預(yù)測結(jié)果,如此能夠有效地對EPC項目的安全問題進行全面、科學(xué)的評價,為工程總承包單位提供有效的決策借鑒。

2.3 基于SVM的EPC項目安全風(fēng)險評價模型構(gòu)建

SVM模型建立于一定的樣本基礎(chǔ)之上,先以一部分樣本作為訓(xùn)練學(xué)習(xí)樣本,另一部分作為檢驗樣本,當訓(xùn)練樣本達到所要求的精度時即構(gòu)建出了目標模型。將SVM算法應(yīng)用于EPC項目安全風(fēng)險評價的流程如圖3所示。

圖3 SVM模型學(xué)習(xí)與評價流程圖

由圖3可知,風(fēng)險評價基本思路是:①基于EPC項目安全風(fēng)險評價指標體系,將各安全風(fēng)險指標特征值作為SVM的輸入向量,再利用已經(jīng)訓(xùn)練好的目標模型輸出EPC項目安全風(fēng)險的評價標準值即可。在進行SVM模型訓(xùn)練之前,首先邀請相關(guān)專家根據(jù)EPC項目數(shù)據(jù)樣本,結(jié)合評價指標體系對每一個指標進行打分;②利用Matlab中的LIBSVM工具箱對指標評分值做歸一化處理,即把指標線性拉伸至[0,1];③定義核函數(shù)K(xi,xj)、不敏感損失函數(shù)ε以及相應(yīng)的誤差檢驗標準,對歸一化處理后的一部分樣本進行訓(xùn)練學(xué)習(xí),當達到既定的訓(xùn)練精度要求時,SVM自適應(yīng)性能得到不斷優(yōu)化使得不同的輸入向量可以得到不同的輸出值,達到穩(wěn)定狀態(tài),該模型即可作為EPC項目安全風(fēng)險評價模型;④將訓(xùn)練樣本以外的指標特征值即檢驗樣本輸入到已訓(xùn)練好的SVM模型中,即可得到評價結(jié)果。

3 案例應(yīng)用

3.1 數(shù)據(jù)描述

為檢驗SVM算法小樣本學(xué)習(xí)和泛化能力,一般提取訓(xùn)練樣本10～50個不等、檢驗樣本5～10個不等[17],筆者選取武漢市近10年EPC工程總承包項目中具有代表性的20例進行安全風(fēng)險情況分析。依據(jù)構(gòu)建的評價指標體系,再次邀請篩選指標的10位行業(yè)內(nèi)權(quán)威專家根據(jù)這20個EPC工程的項目建議書、可研報告以及項目后評價報告等實際項目資料并結(jié)合自己的專業(yè)經(jīng)驗,對30個安全風(fēng)險指標進行打分(百分制),以保證數(shù)據(jù)的客觀性和可靠性。為量化項目安全風(fēng)險指標,將EPC工程總承包項目劃分為5個等級,分別為低風(fēng)險、較低風(fēng)險、中等風(fēng)險、較高風(fēng)險和高風(fēng)險,對應(yīng)數(shù)值分別為1、2、3、4、5。所選項目的安全風(fēng)險指標經(jīng)專家打分后的原始數(shù)據(jù)如表3所示。

表3 EPC項目安全因素專家評分數(shù)據(jù)

由于EPC項目安全風(fēng)險評價指標量綱不同且各指標值之間存在差異,因此采用Matlab軟件運用比例轉(zhuǎn)換法將原始數(shù)據(jù)進行標準化處理,即將其縮至區(qū)間[0,1],結(jié)果如表4所示。

表4 對表2數(shù)據(jù)進行歸一化處理后的結(jié)果

3.2 核函數(shù)及參數(shù)選擇

按照SVM模型訓(xùn)練與安全風(fēng)險評價流程,對選取的20個EPC工程項目進行安全風(fēng)險評價。首先是核函數(shù)的選擇,高斯核函數(shù)即RBF函數(shù)是LIBSVM工具箱所提供的4種核函數(shù)中唯一具備平滑性的函數(shù),可以將數(shù)據(jù)映射到更高維空間中,有效解決高維度非線性關(guān)系問題,且RBF相關(guān)參數(shù)較少,計算難度相對其他函數(shù)較小。因此,筆者將RBF選作SVM的核函數(shù):

(3)

式中:σ為RBF的均方差。σ值越小表示RBF核函數(shù)擬合性能越好,反之則越差,但當σ值過小時,會弱化RBF核函數(shù)的泛化能力,影響模型檢驗結(jié)果。

選定核函數(shù)RBF后,利用RBF函數(shù)對學(xué)習(xí)參數(shù)C和g的數(shù)值進行確定。根據(jù)LIBSVM的輸出結(jié)果,最終得到最優(yōu)學(xué)習(xí)參數(shù)C=75,g=0.8。

3.3 模型訓(xùn)練

選取樣本組前12個樣本數(shù)據(jù)作為SVM訓(xùn)練集,其余8個作為測試集,運用Matlab7.0軟件實現(xiàn)核函數(shù)的選取、SVM訓(xùn)練以及決策函數(shù)的構(gòu)建。通過對12個學(xué)習(xí)樣本的訓(xùn)練,代入測試樣本即可輸出其安全風(fēng)險識別的結(jié)果,預(yù)測效果如圖4所示,可以看出經(jīng)學(xué)習(xí)樣本數(shù)據(jù)訓(xùn)練好的SVM模型,預(yù)測8個測試樣本,其中有7個預(yù)測準確,得到基于SVM的EPC項目安全風(fēng)險評價模型準確率為87.5%。由此表明,將SVM算法應(yīng)用于EPC項目的安全風(fēng)險評價具有良好的可行性和有效性。

圖4 訓(xùn)練集與測試集樣本

4 結(jié)論

(1)基于文獻分析和歷史項目資料分析,在咨詢相關(guān)專家意見的基礎(chǔ)上確定了涵蓋30個安全風(fēng)險因素的EPC項目安全風(fēng)險評價指標體系,接著分析了SVM算法應(yīng)用于EPC項目安全風(fēng)險評價的適用性,闡述了應(yīng)用SVM進行安全評價的具體流程,并構(gòu)建了SVM評價模型,把對安全事故的“事后管理”變?yōu)轱L(fēng)險“事前預(yù)控”為主。

(2)選取武漢市20個具有代表性的EPC項目作為模型樣本,并將RBF函數(shù)選作SVM的核函數(shù),運用Matlab7.0程序?qū)υ揝VM模型進行訓(xùn)練。結(jié)果表明:經(jīng)訓(xùn)練好的SVM模型預(yù)測準確率可達到87.5%,能夠較好地預(yù)測測試集樣本的安全風(fēng)險程度。

(3)應(yīng)用SVM對EPC項目安全風(fēng)險進行全方面、多階段的評價研究,一定程度上突破了建設(shè)工程項目安全風(fēng)險研究僅存在于施工階段的局限,同時驗證了將SVM應(yīng)用到EPC項目安全風(fēng)險評價研究的可行性和有效性。

(4)研究是對20個EPC項目的小樣本數(shù)據(jù)進行采集,未來的研究中可適當增加SVM訓(xùn)練樣本數(shù)量,以提升模型預(yù)測的準確率和穩(wěn)健性;同時,結(jié)合當代先進的信息技術(shù),建立項目安全數(shù)據(jù)庫,進一步構(gòu)建EPC項目安全事故預(yù)警系統(tǒng),以提升安全預(yù)警效果。