BP神经网络在建设工程安全损失预测模型设计中的应用分析.pdfVIP

2023年4月江西建材建设经济与管理

BP神经网络在建设工程安全损失预测模型

设计中的应用分析

胡志刚

山东正泰工业设备安装有限公司，山东聊城252000

摘要：文中对BP神经网络结构进行分析，深入探讨了BP神经网络在建设工程安全损失预测模型设计中的应用，从而评估建筑工

程的安全事故风险，指导安全防范工作的开展，为相关工程提供参考。

关键词：建设工程；安全损失预测；BP神经网络

中图分类号：TP183;TU714文献标识码：B

BPNeuralNetworkisUsedintheDesignofSafetyLossPrediction

ModelforConstructionProjects

HuZhigang

ShandongZhengtaiIndustrialEquipmentInstallationCo.Ltd.,Liaocheng,Shandong252000

Abstract:ThispaperanalyzesthestructureofBPneuralnetwork,anddiscussestheapplicationofBPneuralnetworkinthedesignof

constructionengineeringsafetylosspredictionmodel,soastoevaluatethesafetyaccidentriskofconstructionengineering,guidethe

developmentofsafetypreventionwork,andprovideeffectivereferenceforrelatedengineering.

Keywords:Constructionengineering;Safetylossforecasting;BPneuralnetworks

0引言出阈值，表示输出信号，f（I）表示激励函数，对输出幅值进

为保障建筑工程经济效益和社会效益，保持良好的企业形行限制。

象，建筑企业必须重视安全问题管理，做好安全损失预测工作，使用BP神经网络建立模型前，需要明确网络结构。神经网

基于安全损失预测做好安全事故防护管理，从根源上防范安全络主要包括输人层、输出层以及隐含层三部分结构。输入输出

事故[1-2]。如今，人工智能技术在各个行业都得到了广泛应用，层节点主要根据网络训练样本确定，选择影响安全损失模型的

充分利用BP神经网络的优势设计安全损失预测模型可达到事因素作为输入节点，输出节点为安全损失，节点数为1。单隐层

半功倍的效果，能够利用数据训练准确预测安全损失值，从而网络结构接近于连续函数，一个单隐层网络结构可以将维向量

评估建筑工程的安全事故风险，指导安全防范工作的开展。映射至另一个维向量。训练过程中，设定隐含层数量过少会造

BP神经网络结构成收敛速度过慢，设置隐含层数量过多则会造成网络拓扑结构

BP神经网络主要利用误差逆向算法反向缩小预测值和实过于复杂，增加运算难度，甚至造成误差过大。相关公式如下：

际值之间的误差，充分利用网络神经元的阈值及权重，使用迭n,=/n+m+a(3)

代方法修正阈值及权重，从而保证误差值满足预期要求。神经n;=log2