基于数据挖掘的工程项目动态风险评估研究①

宋 扬,范 伟

(安徽电气工程职业技术学院,安徽 合肥 230001)

0 引 言

全国路网的急速发展带来了不少的安全隐患。根据2005年—2017年的相关资料，我国路网建设，尤其是隧道建设过程中出现了诸如瓦斯爆炸、突水、塌方、地表塌陷、炸药爆炸等重大安全事故，出现了人员伤亡，带来了极大的经济损失与安全恐慌。究其原因，主要是风险管理意识较差、安全管理不到位、现场施工管理不严谨等。所以，开展路网安全评估，尤其是隧道建设施工安全显得尤为必要[1]。

1 基于数据挖掘的隧道施工工程风险数据预测

选择动态神经网络对结构化数据进行时间序列预测，选用文本挖掘对半结构化、非结构化数据进行分析处理[2]。

1.1 基于动态神经网络的结构化数据时间序列预测

隧道施工的结构化数据具有非线性特点，常规的“离线式”规律研究并不能有效表征隧道施工过程的动态性、时变性。因此，选用动态神经网络对隧道施工中可能出现的地表沉降进行实时时间序列预测，在隧道施工风险管理评估予以应用。

根据Tokens嵌入定理，可将隧道浅表段出现的地表沉降时间序列{x(t)|t=1,2,…,N}重构为多维确定性相空间，如式(1):

Y(t)=[x(t),x(t+τ),…,x(t+(m-1)τ)]T

(1)

式(1)中，τ,m分别表示时间延迟、嵌入维数。τ,m的选择对于相位空间重构非常重要，是决定相位空间重构准确性的关键性因素。

非线性自回归神经网络(NAR)的数学模型如式(2):

Y(t)=f(y(t-1),y(t-2),…,y(t-d))

(2)

式(2)中，t,d,y(t),f分别表示时间、延迟长度、时间序列、神经网络映射函数。特别的，d表征历史时间序列长度[X]。f采用Sigmoid映射函数。……