基于RF-1D-CNN的城市地下综合管廊施工安全风险评估

作者：秦华礼; 祝艺露

来源：安全与环境学报, 2023, 23(07): 2184-2190.

DOI：10.13637/j.issn.1009-6094.2022.0341

• 安全工程
• 综合管廊
• 施工安全
• 卷积神经网络
• 随机森林

为应对城市地下综合管廊建设中的施工安全问题，并能对施工风险类别进行准确评估，加强预防施工安全事故发生的能力，提出由随机森林和卷积神经网络相结合的施工风险评估模型。按照4M1E的分类方式将指标分为人、物料设备、管理、技术、环境5大类，选择RF随机森林对22种特征指标进行属性约简，选择最相关指标，并为施工现场的安全管理提供依据；使用1D-CNN卷积神经网络对降维后的数据进行风险评估。结果表明，RF-1D-CNN模型对80组样本数据进行分析的均方误差可达0.011 2%,随机选取30个样本作为测试集进行模型对比，RF-1D-CNN的准确率高于BP神经网络，该模型对城市地下综合管廊施工安全风险等级具有高识别精度和高效率。

• 单位
  土木工程学院