导航：安全管理网>> 安全论文>> 建筑安全论文>>正文

基于模糊粗糙集的地铁施工安全风险评价规则提取研究

文档作者：宫培松翟民文档来源：中国地质大学(武汉)经济管理学院		点击数：	更新时间： 2025年05月08日
下载地址：点击这里	文件大小： 953.40 KB 共8页	文档格式： PDF	下载点数： 1 点（VIP免费）

全屏查看

内容预览 [文件共8页]

本文件共8页，如需编辑使用，请下载。

注：预览效果可能会出现部分文字乱码（如口口口）、内容显示不全等问题，下载是正常的。

	文件大小：953.40 KB 共8页文件格式：PDF 下载点数：1 点（VIP会员免费）

下一篇：基于地铁运营安全的X形垂直换乘车站分期…

上一篇：某浅埋暗挖地铁隧道突泥处理及效果分析

文本预览

仅提取页面文字内容，供快速阅读使用。

94
施工技术
CONSTRUCTl0N TECHNOLOGY
2017年3月上
第46卷第5期
DOI：10．7672／s舒s2017050094
基于模糊粗糙集的地铁施工安全风险评价
规则提取研究
宫培松，翟民
(中国地质大学(武汉)经济管理学院，湖北武汉430074)
[摘要]我国地铁建设进入高峰期，施工安全管理至关重要。针对单个风险事件，以专家经验知识建立风险评价规
则决策表，基于模糊粗糙集理论方法化简论域空间，从而得到单个风险事件的模糊评价规则。采用该方法得到的
风险评价规则是对专家经验知识的高度抽象。与精确规则相比，模糊规则能最大限度地减少规则数量，同时提供
给决策者更多有价值的信息以支持科学决策。该方法是为实现地铁施工安全风险识别与评价自动化而开发，能够
完成安全风险评价知识库的构建，是地铁施工安全风险自动识别系统的理论基础，能够实现无专家参与的风险识
别与评价，有利于提高地铁施工安全管理的效率与质量。
[关键词]地铁；安全管理；风险评价；粗糙集
[中图分类号]U231．3 [文献标识码]A [文章编号]1002—8498(2017)05-0094·08
An Extraction of Safety Risk Evaluation Rules of Subway Construction
on the Basis of Fuzzy Rough Set
Gong Peisong，Zhai Min
(School of Economics and Management，China University of Geosciences(Wuhan)，Wuhan，Hubei 430074，China)
Abstract：Subway construction safety management is very important along with the high-speed
development of subway in China．For a single safety risk，this paper builds the decision table of safety
risks evaluation rules based on experiential knowledge of experts，simplifies the universe of discourse on
the basis of fuzzy rough set，and then achieves all the fuzzy evaluation rules of a single risk．The account
of these fuzzy evaluation rules is the minimum and they give more valuable for the decision maker
compared with accurate rules．This method is developed for the automation of subway safety risks
identification and evaluation，and builds the knowledge base of risk evaluation，and iS the theory found of
the subway construction safety risks automatic identification system，and achieves a risk identification and
evaluation without expert attendance．It facilitates the efficiency and quality of safety management．
Key words：subways；safety management；risk evaluation；fuzzy rough set
0 引言
我国地铁建设已经进入高峰期，但由于地铁工
程的高风险性，各种施工安全事故频发¨⋯。如何
提高地铁施工安全管理的质量，减少甚至消除安全
事故是地铁建设面临的巨大挑战。
根据我国的地铁建设管理制度要求，每个地铁
项目开始施工前，其设计文件和施工方案必须经过
；国家自然科学基金项目(51408247)；中国地质大学(武汉)中央高
校基本科研业务费专项资金资助项目(CUGWl30210)
[作者简介]宫培松，讲师，博士研究生，国家一级注册建造师，国家
注册造价工程师，E．mail：tallerl975@163．tom
[收稿日期]2015．11．18；[修订日期]2016-01．16
专家评审。该评审是地铁施工安全管理的源头，其
工作质量直接影响施工过程中的安全管理质量和
效率。而其工作质量的保证主要依靠专家的能力
和评审时的认真程度。但我国地铁建设规模的增
长速度很快，相应有经验的专家数量缺乏，与风险
有关的知识和经验缺乏有效整理，难以积累和共
享；用人工方式进行识别工作量很大，并受到很多
主客观因素的影响，容易发生疏漏和错误¨1。这些
都造成施工前的方案评审工作质量不稳定，对后期
的施工安全管理支持有限。
解决以上难题的一个可行思路是，利用信息技
术，提炼专家的经验知识，减少对专家的依赖，也能
万方数据
宫培松等：基于模糊粗糙集的地铁施工安全风险评价规则提取研究95
克服人工评审容易受不确定因素影响的缺陷。但
要实现基于施工设计文件和施工方案的地铁施工
安全风险自动识别，专家经验知识的科学提取，将
其转化为适合计算机处理的风险评价规则是解决
问题的关键。
专家对风险进行评价的过程可以简单描述为：
基于设计文件和施工方案所提供的信息，通过确定
风险等级来评价风险大小，即将风险进行分类。这
个过程实际上可以简化为一种特殊的知识表达系
统——决策表。即S=(u，A，y，．厂)，C n D≠∥，C称
为条件属性集，各已知信息(施工设计文件和施工
方案中的信息)都表达为条件属性集C中的各属性
值；D称为决策属性集，风险的等级为决策属性集的
各属性值。
具体地，以单个风险为对象，直接建立其致险
因素取值的所有可能组合，通过调研收集专家的经
验知识对所有可能的组合进行评价，这样这名专家
针对这一风险的所有经验知识就已完全获取，只需
要进行数据挖掘提取出最简化的规则(知识获取)，
即可利用计算机完成针对这一风险的多次可重复
评价，而无须分析致险因素与风险度、各致险因素
之间的关系，无须每次评价调整基础数据，也无须
每次评价专家都参与，使得经验知识能够得到重复
利用，有利于计算机发挥特长，实现风险评价的自
动化。
基于已知信息提取风险识别规则，这一过程属
于数据挖掘(date mining，DM)和数据库知识发现
(KDD)的范畴。在众多数据挖掘方法中，粗糙集是
一种简单易行、应用广泛、效果良好的挖掘工具‘81。
很多学者利用粗糙集处理评价问题取得了良
好效果。袁宁等。9。利用粗糙集和人工神经网络评
价了建筑施工现场安全状况，其关注的安全风险是
行为风险。陈帆等。1叫使用类似的方法研究了地铁
施工安全评估，但是其评价的是整个施工现场的综
合安全状况，并没有针对具体风险进行评价。邢东
杰等¨川也使用粗糙集和人工神经网络研究盾构的
故障检测。管丽等¨21利用粗糙集和支持向量机完
成了深基坑工程的风险评价，同样没有对具体风险
进行评价，粗糙集只是作为数据预处理工具。黄磊
等¨副利用粗糙集进行了边坡稳定性的影响因素分
析，提取了主要影响因素，为后续评价打下了基础。
姜贤¨41使用粗糙集和神经网络对公路边坡失稳预
测进行了研究。苏永华等¨纠则开发了粗糙集重心
理论，研究了公路隧道塌方的风险，提取了重要影
响因素并确定了客观权重。
综上所述，粗糙集方法在工程领域都得到了广
泛应用，取得了良好效果。
但是值得注意的是，经典粗糙集只能处理符号
值的关系数据库，而现实中的数据类型多样。当
然，对于其他类型的数据(如集值、实数值、区间值
等)可以使用一定的方法将其离散化，但离散化本
身就是一个复杂的问题，而且那样做必然会丢失一
部分信息，导致分类规则的偏差。因此，可以考虑
利用模糊集处理非符号值，再使用粗糙集模型进行
规则提取。本文针对地铁施工设计文件和施工方
案的数据类型，提出一种基于模糊粗糙集的地铁施
工安全风险评价规则提取方法，有利于实现地铁施
工准备期的安全风险自动识别。
1 基于模糊粗糙集的风险评价规则提取
以一个具体风险为例，阐述基于模糊粗糙集提
取专家经验知识为评价规则的方法。
以基坑底涌水涌砂为研究对象，经过专家调
查、项目调查以及规范条文分析等方法的综合整
理，得到其相应的几个关键致险工程参数。形式化
地表达如下：
基坑底涌水涌砂={基坑底土质^地下水情况
^围护结构入土比^基坑内外水头差八基坑底是
否加固^围护结构是否人岩}
风险程度的评价集按照GB50652--2011《城市
轨道交通地下工程建设风险管理规范》‘1钊中的要求
设定。风险的可能性分为5个评价等级，即频繁的、
可能的、偶尔的、罕见的和不可能的。
针对基坑底涌水涌砂风险，基于粗糙集的评价
规则提取的思路为：首先建立训练集。将6个致险
工程参数作为6个条件属性，可能性等级作为决策
属性组成决策表；再将6个条件属性按照各自的属
性值进行全排列，形成论域；由专家对决策表的每
个论域元素进行风险等级判断；最后以粗糙集方法
进行知识约简，提取评价规则。具体步骤如下。
1．1构建训练集
基坑底涌水涌砂由6个致险工程参数共同作用
引起，针对此风险的具体特征，将各工程参数的值域
做了划分，如表1所示，表中的值域划分依据是经过
专家判断对于风险发生可能性变化有较显著影响。
表1致险工程参数值域划分
Table 1 A range partition of risk engineering parameters
万方数据
96 施工技术第46卷
在表1的基础上，将6个工程参数按照值域划
分进行全排列，组成了包含432条记录的论域空间，
即是432条原始规则。专家对这432条规则进行风
险发生可能性等级的判断，这样这名专家对于该风
险的全部评价知识就得到完全表达。考察全部432
条规则(篇幅所限，在此不列出全部规则)，很容易
发现凡是地下水为无水的记录中，风险判断都为不
可能的；地下水为无承压水的记录中，风险判断都
为罕见的。通过与专家的交流，专家也给出了确定
的答案，即凡是没有地下水的情况下，不可能发生
基坑底涌水涌砂风险；凡是没有承压水的情况下，
该风险也非常罕见。这与工程技术原理吻合，也是
实际工作中的处理方式。
根据以上分析，可以将符合此要求的记录从训
练集中全部删除。剩下的训练集包含144条记录，
这些记录的地下水取值均为有承压水。因此，可以
将地下水属性从决策表中删除。得到初步化简后
的决策表，部分内容如表2所示，为方便起见，将这
些规则的序号进行重新编排。
表2的内容就是在地下水为承压水的条件下，
各种致险工程参数组合情况下的风险发生可能性
等级。这144条记录仍然是剩下的5个条件属性的
全排列。专家在对这144条记录进行判断时，认为
大多数组合间区别不太大，所以在做判断时有些难
度，但是根据自身的经验知识还是做出了一个判
断，尽管这个判断不具备完全的把握，如规则显示：
砂性土^≥4m八≤O．4八有八入岩j偶尔的
但是专家感觉也有可能评价结果是可能的或
者罕见的。只是在建立决策表时只能填一个评价
结果，所以将自己认为可能性最大的结果填写上
去。因此，从这个意义上说，这144条规则中的大部
分其实际近似精度都不是1。但是如果直接以这
144条规则作为该风险的风险评价规则，就会出现
非此即彼的情况。即只要输入一个项目的前提属
性，就会得到一个明确的评价结果，并且仅有一个
结果，不论这条规则可靠性到底有多高。
这在实际应用中就会对风险评价结果产生不
好的影响。经验知识大多数都是由定性的、模糊的
概念组成，既然这些规则是从专家的经验知识中提
取的，那么规则也就应该有经验知识所特有的模糊
性。即使不提取规则，让专家自己针对一个具体项
目进行风险评价，他也常常会给出模棱两可的答
案。例如，专家常常会说，这个项目的基坑涌水涌
砂风险还是比较大的。但是“比较大”是代表“频
繁”还是“可能”呢?也许两者都有一些。
综上所述，将化简后的规则直接使用存在其无
法克服的弱点，将会影响实际应用效果。
模糊集是美国控制论专家扎德(L．A．Zadeh)于
1965年提出的Ⅲ1。模糊集合可以描述边界不清的
概念，适合于处理具有模糊性的研究对象。基于以
上规则提取中存在的问题，如果将模糊集与粗糙集
相结合，渴望克服规则非此即彼的弱点，从而取得
较好的规则提取结果，获取更多有益的信息。
其基本思路为：首先，提取评价规则，即构建决
策属性值的模糊集，利用原始训练集表2确定各前
提属性值的隶属度。表2有5个决策属性值，就会
构建5条模糊评价规则。然后，构建检验集，以项目
的具体前提属性取值组成前提条件属性集，将其中
的连续性变量模糊化。最后，计算5条模糊评价规
则相对于检验集的前提条件属性集的上下近似集，
进而计算近似集与各模糊评价规则之间的距离，得
到检验集相对于各模糊评价规则的隶属度，对各隶
属度进行排序，按照择近原则确定检验集属于哪个
决策值。
1．2原始评价规则模糊集的构建
表2中各决策属性值的原始模糊集可以表示
如下：
A：：f÷丝丛兰立+÷生』兰立+÷丝墨兰立‘ 【角P1， 角P≈ 角P3J
．F2 pP吖(x。。÷p，筇(x。’1
’各P。，’。刍7■j
万方数据
宫培松等：基于模糊粗糙集的地铁施工安全风险评价规则提取研究97
式中：Ai为某个决策属性值的原始模糊集，i=频繁
的、可能的、偶尔的、罕见的、不可能的；X。为某个决
策属性值；P。，为条件属性“基坑底土质”的各属性
值；P：『为条件属性“围护结构入土比”的各属性值；
P，，为条件属性“基坑内外水头差”的各属性值；P。，为
条件属性“基坑底加固”的各属性值；P，，为条件属性
“围护结构入岩”的各属性值；肛PlJ(x。)，⋯，p％(X。)
为各条件属性值P，，相对于决策属性值x。的隶
属度。
各条件属性值相对于各决策属性值的隶属度
可以按下式计算，以P，，为例：
州x小≮孚
式中：IP。，(X。)I为所有决策值为Xi的记录中，条件
属性值为P，i的记录的频数；I P，，I为条件属性值为
P，，的记录的频数。
因此，根据表2，可以得到各条件属性值相对于
各决策属性值的频数，如表3所示。
表3各条件属性相对于各决策属性的频数
Table 3 A frequency of conditional attributes relative
to decision attributes
根据表3可以得到各决策属性值的原始模糊
集，如表4所示。
表4中的各列表示针对某个具体的决策值，各
前提属性值的隶属度，各列组成针对各决策属性值
的原始模糊集。以“罕见的”列为例，第1行，“岩层
25／36”表示如果土质为岩层，决策值为“罕见的”的
隶属度为25／36。
表4各决策属性值的原始模糊集
Table 4 An original fuzzy set of decision attributes
根据表4，各决策属性值的原始模糊集表述
如下：
”不聪={4／岩36层+券+篆+箍
+孺2／72+灭2／吾72+蕊2／72) ’未加固。入岩。未入岩J A：=罕见的={丽2／36+瓣4／36+砸9／36
25／36 9／48 1 4／480 17／48 16／48 +—磊+{丽+i石_j而+{丽+{五+
1 6／48 8／48 28／72 12／72 28／72 i互i丽+{蕊+丽+；丽+百+
12／72 1
未人岩J 小偶尔的={荔丽19／36+箍+孤18／36
6／36 22／48 22／480 2 1／48 23／48 +磊+而+而了万万+丽+i瓦+
．兰兰丝堡一。三业堡．堑卫兰+望』!圣+—36／—72+
(2m，4m)’≥4m。加固’未加固。入岩。
29／72 1
未入岩J A。=可能的={丽12／36+两9／五36+菊8／甄36
+磊+而+而了万万+i丽
9／48 16／48 6／72 24／72
(2m，4m)。≥4m’加固。未加固
—24／—72 7
未人岩J
5／48 +五+
6／72
+灭吾+
A，=频繁的={丽3／36+两3／豇36+菊1／甄36
4／48 1／480 1／48 4／48 5／72 +{丽+i石_i而+i互i丽+—荪十；丽
+孤5／72j1
万方数据
98 施工技术第46卷
肛2l=e一肛。25)2
p22=e一肛。55)2
肛23=e-k(x-0．85)2
戈：J0z．，。25．2,5x≤<0爿’茎。．85
tO．85．戈>0．85
肛31=e一肛1)2
p32=e一肛3)2
肛33=e一她5)2
戈《》
x={砸1+等+揣+祟+
—三五+i互i丽+{蕊+丽+j瓣j
各决策属性集为詈={{不可能的}，{罕见
决策属性值原始模糊集的预处理包括属性值
预处理和隶属度预处理。
决策属性值的原始模糊集中有2个连续型属
性、3个离散型属性。2个连续型属性的各属性值互
相之间并不互斥，因此，这2个属性相应的属性值应
保留在模糊集中；3个离散型属性，在具体项目中只
能取其中一个，因此离散型属性值的保留标准应以
检验集中的属性值来确定，不属于检验集中的属性
值应删除。1．2节中的检验集x中，基坑底土质是
砂性土，基坑底未加固，围护结构未入岩。因此，决
策属性值的模糊集应只保留相应的属性值。处理
后的决策属性值模糊集设，如“不可能的”和“偶尔
的”模糊集：
仆不聪={击+券+篆+
—2／7—2+兰塑兰1
加固。未人岩J
小偶尔的={箍+筹22／480
。兰塑；兰塑；兰兰』兰苎。兰塑+三丝；
。≥0．7。≤2m。(2m，4m)。≥4m’加固。
29／72 1
未入岩J
值得注意的是，如果决策属性值的原始模糊
集中，离散型属性值有缺项，则应补上相应属性值
并取隶属度为0；而连续型属性值如有缺项，则删
除。例如，在4’中，评价规则模糊集中没有砂性土
这一属性值，在此就要补上砂性土属性值，并取隶
属度为0；这样处理是为了最大限度地保留有效信
息，刻画与检验集之间的差异；但在入土比和水头
差2个连续型属性中，各有2个属性值缺项，在预
处理时就不加上缺项的属性值。这种处理是为了
去除冗余信息，尽量保持近似集的精度。两种不
同的处理方式，是由属性值的互斥性和非互斥性
决定的。
1．4．2隶属度预处理
表2中共有144条记录，涵盖了5个前提条件
属性值的全排列。其中，“不可能的”(4条)和“频
繁的”(5条)记录数量很少，这样导致这两个属性
值的隶属度非常低，缺乏辨识度。因此，必须将5个
前提条件属性值的隶属度同时放大，增加后期的贴
近度计算的准确性。
将各属性值的隶属度同时开三次方根，在增大
隶属度的同时也使增大后的隶属度始终≤1。处理
后的结果如表5所示。
万方数据
宫培松等：基于模糊粗糙集的地铁施工安全风险评价规则提取研究99
表5放大后的各决策属性值隶属度
Table 5 A membership of decision attributes magnified
1．5计算模糊检验集相对于评价规则模糊集的上
下近似集
首先提取各评价规则模糊集，然后进行近似集
计算。以“不可能的”和“偶尔的”为例：
虬=不聪={蕊0+紧+黑+
—O．3—04+Q：!塑l
加固’未入岩J
则其上下近似集为：
型一R—A'I(一{砸1+券+
坠：业竺兰。j一。! l
≤2m。加固。未人岩J
弘偶尔的={蕊O．808+羚+志‰
0．76 0．783 0．77】0．747 0．794 +j丽+{五+i互i而+j而+—丽+
0．739 1
未入岩J
则其上下近似集为：
坠一砑一{砸1+署+
丽0．可735 而O+．0丽07 +0．五000 2
++丽1++蕊1j)
+西0．而2l +—0i．石841
1．6计算各评价规则模糊集与其上下近似集的
距离
两个模糊集的距离就是两个模糊集的贴近度。
计算贴近度有多种方法，常用的有海明贴近度、欧
几里德贴近度、最大最小贴近度、格贴近度、平均内
外积贴近度等。本文将采用多种贴近度计算，以便
比较和分析。
以“不可能的”和“可能的”两个属性为例，检验
集与各评价规则模糊集之问的贴近度计算如表6，7
所示。
表6检验集与“不可能的”属性集贴近度计算
Table 6 A calculation of closeness degree between testing set and attribute set of‘impossible’
隶属度RA—l X RA，l(x) RA，l^RA，1(x) RA，l V
RA—I(x)
万方数据
100 施工技术第46卷
表7检验集与“可能的”属性集贴近度计算
Table 7 A calculation of closeness degree between testing set and attribute set of‘possible’
隶属度R心x 坠‘x) R“^堕‘x) R心V坠‘x’
砂性土
人土比≤0．4
人土比(0．4，0．7)
人土比≥0．7
水头差≤2m
水头差(2m，4m)
水头差≥4m
加固是
人岩否
小计
海明贴近度
欧几里德贴近度
最大最小贴近度
格贴近度
内外积贴近度
0．630
0．647
O．612
0．500
0．471
0．573
0．693
0．437
0．693
0．645
0．619
0．528
0．529
O．611
1
0．292 0
0．735 O
0．007 0
0．000 2
O．210 0
0．841 O
l
l
1
0．292 0
0．735 0
0．007 0
0．000 2
0．210 O
0．84l 0
l
1
0．630 0
0．292 0
0．612 O
0．007 0
0．000 2
O．210 0
0．693 0
0．437 0
0．693 0
3．574 2
l
0．647
0．735
0，500
0．47l
0．573
0．84l
1．000
1．000
6．767
各贴近度计算结果显示的检验集的评价结果
排序如表8所示。
表8各贴近度计算结果排序
Table 8 A ranked table of the calculate results
of the closeness degrees
考察表8，可以发现海明贴近度、欧几里德贴近
度和最大最小贴近度的结果基本一致，最大隶属度
集中在“偶尔的”(最大最小贴近度)和“可能的”
(海明贴近度和欧几里德贴近度)，而排名第2的隶
属度也集中在这两个决策值上，决策结果很明显。
而格贴近度和平均内外积贴近度的结果与前3种贴
近度计算结果差异较大，而且相邻决策值之问的差
异有的很小，缺乏辨识度。
分析各种贴近度的计算公式和各决策属性值
的模糊集，可以发现原因如下。
海明贴近度、欧几里德贴近度和最大最小贴近
度的计算原理都是以直接测量两个模糊集之间的
差异大小为指标来评判贴近度，而格贴近度和平均
内外积贴近度是以两个以凸集和凹集为特征的模
糊值之间交点的位置为标准来评判贴近度。在本
文所建立的模糊集中，5个前提条件属性，只有2个
连续型属性的隶属度是以正态隶属函数来刻画，具
备凸集和凹集的特征，而另外3个属性都是离散型
属性，其隶属度都是以频数为基础刻画，不具备凸
集和凹集的特征。因此，格贴近度和平均内外积贴
近度的计算结果不可靠。应以海明贴近度、欧几里
德贴近度和最大最小贴近度的计算结果为主要决
策依据。
考察表2，按照精确的规则，本例检验集的评价
结果应为“偶尔的”，与按照模糊粗糙集方法计算的
结果基本贴合。
2评价规则提取效果讨论
以模糊粗糙集提取风险评价规则的结果与精
确规则基本贴合，但也有一些差异，事实上这种差
异就是采用模糊粗糙集方法进行风险评价的优势，
主要体现在以下方面。
1)模糊粗糙集提供更多信息量帮助决策用
普通粗糙集方法得到的结果是精确规则，每个前提
条件组合只能得到一个确定的结果；而采用模糊粗
糙集可以得到每个前提条件组合相对于5个决策属
性值的隶属度并能进行排序。按照最大隶属度和
择近原则，可以确定排在前两位的决策值，这时决
策者可以依据自身经验判断更应相信哪个决策值。
如果是风险保守型的决策者可以将决策值为“频繁
的”的4条原始规则作为确定规则处理，不使用“频
繁的”的模糊评价规则进行评价，而只使用4条确
定规则评价；对于其他4条模糊评价规则，可在隶属
度排在前两位的决策值中选择风险大的一个，风险
型决策者可以直接选择隶属度最大的决策值。而
万方数据
2017 No．5 宫培松等：基于模糊粗糙集的地铁施工安全风险评价规则提取研究101
采用精确规则只能得到一个结果，没有更多参考信
息，因此决策者只能要么相信这个结果，要么拒绝。
对于实际工作，这种评价结果并不好使用。
2)模糊粗糙集能为设计提供参考考察表5，
表中显示了在有承压水的情况下，不同前提条件组
合相对于各决策值的隶属度。当设计单位在进行
设计时，在已知水文地质条件的情况下，可以参考
各决策属性对应的前提条件属性值的隶属度，初步
确定各致险工程参数的取值范围，以保证将“基坑
底涌水涌砂”风险的风险度下降到可接受的范围内
或达到设计要求。
3)模糊粗糙集能提取专家难以表述的经验知
识专家善于针对具体前提条件组合判断风险度
大小，但难以在自己海量的经验知识中进行准确的
规则提炼。按照前提条件组合的全排列形成训练
集，用模糊粗糙集方法处理，能够提炼人脑难以归
纳总结的风险评价规则，能够表达难以用语言描述
的边界不清的规则。
4)模糊粗糙集大大减少了评价规则数量表2
中显示的精确规则有144条，但如果经过模糊粗糙
集提炼，就只剩下5条模糊规则。这样在进行机器
处理时能大大减少规则检索时间(检索时间几乎为
0)，并能得到包含大量参考信息的评价结果供决策
者参考，为最终决策提供良好的信息支持。
综上所述，用模糊粗糙集方法提炼规则不论在
提供的信息量和提高机器处理效率方面都相对于
一般粗糙集方法更为理想，而计算结果的准确性也
能保证。
3 结语
本文首先建立了单个风险事件的评价决策表，
对单个专家的知识进行了刻画。再利用模糊粗糙
集方法对决策表中的知识进行化简，得到风险评价
的模糊规则。
本文所提出的基于模糊粗糙集化简决策表，从
而提取模糊规则的方法，能够最大限度地减少规则
数量，同时相比于精确规则，能提供给决策者更多
有益的信息以帮助做出更科学的决策。基于模糊
粗糙集提取的模糊评价规则可以用来完成地铁施
工安全风险评价知识库的构建，实现专家经验知识
的重复利用。保证施工前的安全风险识别与评价
工作质量的稳定性并能大大提高工作效率。
后续研究可以集中于处理多位专家经验知识
的方面。基于模糊粗糙集的安全风险评价规则的
数据挖掘，本文只完成了单一专家的数据挖掘过
程。对于同一问题，多个专家可能有不同看法，这
就会造成规则精度<1，或者上下近似集不相等。处
理规则精度<1和上下近似集不等的情况是下一步
的改进重点。
参考文献：
[1]Xinhua．Subway construction site accident reposed inNE China．
English．poeple．cn．Available at http：／／english．peopledaily．
com．cn／90882／8284667．html．accessed 14／6／2014．
[2]Xinhua．2 dead in S China construction accident．Chinadaily．
com．en，Available al http：／／www．chinadaily．com．cn／china／
2013一OI／03／conce
nI一16077795
him．accessed 3／1／2013．
[3] WANG X M．Fifty millions RMB will be compensated to
Hangzhou Metro for the accident by six insurance agents．http：／／
news．21
Cfl．corn／domestic／defang／2008／11／19／5491008一1．
shtml(Nov．19，2008)
[4]T&amp;amp;TI：Sao Paulo metro shah collapse，Tunnels&amp;amp;Tunnelling
International．WWW．tunnelsonline．info，accessed 2／15／2007．
[5] FDNY Rescues Worker in 2nd Avenue Subway Construction
Accident．Available at http：／／www．nbcnewyork．eom／news／
local／Upper—East—Side·Construction-Accident—Injuries．-2720500-
01．html，accessed 21／8／2014．
[6] SONG Yi，LIANGBO Quan：Ten months 13 death by safety
accident in Shenzhen subway construction site． Yangcheng
Evening Post．Available at http：／／news．ycwb．corn／2009—10／
28／content_2309047_2．htm，accessed 10／18／2009．
[7] 余宏亮．基于施工图纸的地铁车站施工安全风险识别研究
[D]．武汉：华中科技大学，2011．
[8]PAWLAK z．Rough sets[J]．International journal of computer
and information sciences，1982(1 1)：341-356．
[9] 袁宁，杨立兵．基于粗糙集一人工神经网络的建筑施工安全
评价及应用[J]．安全与环境工程，2012，19(1)：60—64．
[10] 陈帆，谢洪涛．基于粗糙集和RBF神经网络的地铁施工安全
风险评估[J]．安全与环境学报，2013，13(4)：232-235．
[11] 邢东杰，陈国忠．基于粗糙集和BP神经网络的盾构故障检
测[J]．建筑机械化，2013(3)：71-73．
[12] 管丽，颜七笙．基于粗糙集和支持向量机的深基坑工程风险
评价[J]．江西科学，2012，30(4)：538-543．
[13] 黄磊，罗书学，陆钰彬，等．基于粗糙集的边坡稳定性影响因
素分析[J]．路基工程，2013(4)：16-19．
[14] 姜贤．基于粗糙集和神经网络的公路边坡失稳灾害预测
[J]．公路与汽运，2014(1)：107-110．
[15] 苏永华，刘科伟，张进华．基于粗糙集重心理论的公路隧道塌
方风险分析[J]．湖南大学学报(自然科学版)，2013，40(1)：
21．26．
[16] 中国土木工程学会．城市轨道交通地下工程建设风险管理规
范：GB50652--2011[S]．北京：中国建筑工业出版社，2011
[17]ZADEH L．Fuzzy sets[J]．Information and control，1965，80
r61 11R—j气’
馘

网友评论 more

建筑安全论文最新内容

05-08