赵秋华

(北京希达工程管理咨询有限公司，北京 100840)

0 引言

国内外诸多学者针对城市地下工程施工安全进行了大量研究，主要涉及风险识别、风险评价以及风险应对措施等方面。在风险评价研究中，大多运用层次分析法、模糊综合评价法以及事故树分析法等，此类方法过于依靠评价人员的主观经验判断，并不能准确地反映工程项目真实的施工安全风险情况。因此，本文拟在建立契合地下工程施工安全实际风险评价指标体系的基础上，构建基于支持向量机(support vector machine, SVM)的风险预测模型，以准确预测城市地下工程施工安全风险水平，为其安全管理提供科学理论支持。

1 模型理论基础

支持向量机(SVM)是监督学习算法的一种，主要用于解决模式识别中的数据分类问题，其本质即利用空间映射找到距离分类样本点间隔最大的分类超平面。完成训练的SVM模型的复杂度是由支持向量的个数决定的，而不是维度。因此，SVM模型在训练和预测过程中保持良好的一致性，并且不容易出现过度拟合的情况。SVM算法对于非线性、高维度的小样本问题有较强的泛化能力，适用于城市地下工程施工安全风险水平预测研究。SVM算法详细计算原理以及参数的选取可参考文献[9]，一般可利用Matlab中libsvm工具包进行求解。

表1 地下工程施工安全评价指标体系以及指标参数确定准则

2 地下工程施工安全影响因素

为了科学准确地选取地下工程施工安全影响因素，本文通过CNKI检索主题“地下工程”“地下空间”以及“施工安全”，得到近5年相关中文文献470篇，利用Citespace主题和关键词聚类对其进行统计分析，并筛选出地下工程施工安全影响因素作为参考。……