CN113627739A - 工程建设项目安全风险评价指标体系的构建方法 - Google Patents
工程建设项目安全风险评价指标体系的构建方法 Download PDFInfo
- Publication number
- CN113627739A CN113627739A CN202110817447.8A CN202110817447A CN113627739A CN 113627739 A CN113627739 A CN 113627739A CN 202110817447 A CN202110817447 A CN 202110817447A CN 113627739 A CN113627739 A CN 113627739A
- Authority
- CN
- China
- Prior art keywords
- engineering construction
- accident
- construction project
- risk evaluation
- safety risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 119
- 238000011156 evaluation Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 claims abstract description 84
- 230000008569 process Effects 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 15
- 238000012502 risk assessment Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000010219 correlation analysis Methods 0.000 claims description 9
- 230000008520 organization Effects 0.000 claims description 7
- 238000013077 scoring method Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种工程建设项目安全风险评价指标体系的构建方法。本发明通过对工程建设项目事故数据进行全面采集,构建了工程建设项目安全事故案例库,并从中提取了事故致因因素。在此基础上,本发明进一步利用统计学方法对事故致因因素进行筛选,获取其中的关键指标作为风险评价指标,并采用基于最小偏差原则的网络层次分析法和灰色关联法对风险评价指标进行组合赋权,不仅解决了评价人员的主观判断的问题,而且还解决了评价指标不确定性和模糊性的问题,从而构建出具有代表性的工程建设项目安全风险评价指标体系,对工程建设项目的安全风险评价具有重要意义。
Description
技术领域
本发明涉及建设项目安全风险评价技术领域,尤其涉及一种工程建设项目安全风险评价指标体系的构建方法。
背景技术
现阶段国内工程项目的建设处于全面推进阶段,且工程项目的建设具有投资大、周期久、交叉项目多、技术复杂等特点,在建设过程中还存在很多不确定、模糊性的因素,很多安全风险因素不易察觉,从而导致工程建设项目事故发生,造成人员伤亡、经济损失等问题,带来很多社会负面影响。因此,有必要对工程建设项目的安全风险进行评价。
在对工程建设项目的安全风险进行评价时,关键问题就是要确定合适的安全风险评价指标。安全风险评价指标不仅是实时安全监测的基础,也是构建工程建设项目安全风险评价指标体系的基础。在工程建设项目安全风险评价体系中,如果提取的评价指标不是一套具备完整性和系统性的体系,不管提取的指标数据如何反映安全风险态势,还是运用的算法多么智能,预测的结果多么精确,最终都会偏离评价的目标。在现有的工程建设项目安全风险管控中,由于指标体系的不完整性、不系统性,得到的评价结果不会在实际中起到提升管控效果的作用,反而会造成负面的管控效果。因此,要结合工程建设项目的特点,在选择指标时必须要综合考量,要不断提炼最核心的指标,构建一套具有代表性的工程建设项目安全风险评价指标体系。
公开号为CN112488565A的专利提供了一种基于物元可拓的海外工程项目风险评价方法,该专利通过对风险因素的分析,建立了海外工程风险评价指标体系,再采用层次分析法和熵值法相结合的方法来确定各个指标的权重,并在此基础上建立物元可拓的风险评价模型,从而通过该模型进行风险评价。然而,该方法在风险评价指标体系的建立过程存在较大的主观性,其采用的层次分析法和熵值法相结合的方法在确定各指标权重时仍存在相对较大的偏差,进而影响了后续模型的构建及其风险评价的准确性。为了减小偏差,研究者已经开始研究基于最小偏差的组合赋权模型的构建,然而,现有的这类模型在计算主观权重时大多采用层次分析法,且后续的客观权重计算过程与主观权重计算过程完全独立,忽略了各指标之间的相互影响,进而影响了最终得到的权重指标的准确性。
有鉴于此,有必要设计一种改进的工程建设项目安全风险评价指标体系的构建方法,以解决上述问题。
发明内容
针对上述现有技术的缺陷,本发明的目的在于提供一种工程建设项目安全风险评价指标体系的构建方法。通过对工程建设项目事故数据进行全面采集,构建工程建设项目安全事故案例库,并从中提取了事故致因因素;再进一步利用统计学方法对事故致因因素进行筛选,获取其中的关键指标作为风险评价指标,并采用基于最小偏差原则的网络层次分析法和灰色关联法对风险评价指标进行组合赋权,从而构建出具有代表性的工程建设项目安全风险评价指标体系,对工程建设项目的安全风险评价具有重要意义。
为实现上述目的,本发明提供了一种工程建设项目安全风险评价指标体系的构建方法,包括如下步骤:
S1、采集工程建设项目事故数据,构建工程建设项目安全事故案例库;
S2、对步骤S1构建的所述事故案例库中的事故案例进行分析,提取事故致因因素;
S3、对步骤S2提取的所述事故致因因素进行筛选,得到风险评价指标;
S4、采用基于最小偏差原则的网络层次分析法和灰色关联法的组合赋权算法为步骤S3得到的所述风险评价指标进行赋权,完成工程建设项目安全风险评价指标体系的构建。
作为本发明的进一步改进,在步骤S4中,采用所述基于最小偏差原则的网络层次分析法和灰色关联法的组合赋权算法进行赋权时,包括如下步骤:
S41、采用网络层次分析法计算主观权重;
S42、根据步骤S41得到的主观权重计算结果确定母指标,再按照灰色关联分析法计算客观权重;
S43、构建基于最小偏差原则的组合权重模型,对步骤S41得到的所述主观权重和步骤S42得到的所述客观权重进行组合计算,得到组合权重。
作为本发明的进一步改进,在步骤S41中,所述采用网络层次分析法计算主观权重包括构造超矩阵、构造加权超矩阵以及主观权重计算。
作为本发明的进一步改进,在步骤S42中,所述灰色关联分析法计算客观权重包括关联系数计算、关联度计算以及客观权重计算。
作为本发明的进一步改进,在步骤S43中,所述构建基于最小偏差原则的组合权重模型包括构建组合优化模型以及构建指标权重对应的拉格朗日函数。
作为本发明的进一步改进,在步骤S3中,对所述事故致因因素的筛选采用专家打分法进行,包括对意见集中程度和意见协调程度的统计与计算;所述意见集中程度由均数和满分频率进行衡量,所述意见协调程度由变异系数和协调系数进行衡量。
作为本发明的进一步改进,在步骤S3中,所述风险评价指标根据所述均数、满分频率和变异系数的计算值筛选得到。
作为本发明的进一步改进,在步骤S2中,所述事故致因因素包括人因层、组织管理层、机械设备材料层和作业环境层四个层面。
作为本发明的进一步改进,在步骤S1中,所述工程建设项目安全事故案例库的构建包括采用框架表示法建立安全事故案例框架以及采用面向对象表示法将安全事故案例组织模型存储于案例库中。
作为本发明的进一步改进,在步骤S1中,所述工程建设项目事故数据采用网络爬虫技术进行采集。
本发明的有益效果是:
(1)本发明通过对工程建设项目事故数据进行全面采集,构建了工程建设项目安全事故案例库,并从中提取了事故致因因素。在此基础上,本发明进一步利用统计学方法对事故致因因素进行筛选,获取其中的关键指标作为风险评价指标,并采用基于最小偏差原则的网络层次分析法和灰色关联法对风险评价指标进行组合赋权,不仅解决了评价人员的主观判断的问题,而且还解决了评价指标不确定性和模糊性的问题,从而构建出具有代表性的工程建设项目安全风险评价指标体系,对工程建设项目的安全风险评价具有重要意义。
(2)本发明提供的工程建设项目安全风险评价指标体系的构建方法在对事故致因因素的筛选过程中,采用专家打分法对各指标进行量化后,进一步对各专家的意见集中程度和意见协调程度进行了统计与计算,有效提高了筛选过程的客观性和可信度,从而更加准确有效的剔除了一些非关键性指标,使筛选后的风险评价指标具有显著性,为后续步骤中构建具有代表性的工程建设项目安全风险评价指标体系奠定了基础。
(3)本发明提供的工程建设项目安全风险评价指标体系的构建方法在筛选出准确可靠的风险评价指标的基础上,通过采用基于最小偏差原则的网络层次分析法和灰色关联法对风险评价指标进行组合赋权,不仅能够有效将主观权重方法与客观权重方法相结合,在避免评价人员判断过于主观的同时解决客观计算过于理性的问题,同时有效降低权重计算的偏差,以解决评价指标的不确定性和模糊性的问题。并且,本发明采用的网络层次分析法相对于常规的层次分析法能够充分考虑各指标之间的关联性,更符合工程建设项目中各事故致因因素相互之间存在相互影响的特性,从而更加真实地反映出工程建设项目之间的复杂关系;在此基础上,本发明根据网络层次分析法得到的主观权重确定了灰色关联分析过程的母指标,并依据该母指标进行灰色关联分析,以提高客观权重的准确度,从而实现主观权重与客观权重的有效结合,获取更加准确客观的指标权重,进而构建出具有代表性、科学性的工程建设项目安全风险评价指标体系,以满足实际应用的需求。
附图说明
图1为本发明提供的工程建设项目安全风险评价指标体系的构建方法的结构示意图。
图2为本发明的一个实施例在步骤S2中得到的事故致因因素示意图;
图3为本发明的一个实施例在步骤S3中筛选得到的风险评价指标示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
另外,还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
本发明基于系统性、代表性、可操作性、显著性、层次性、动态性的构建原则,提供了一种工程建设项目安全风险评价指标体系的构建方法,其结构示意图如图1所示,包括如下步骤:
S1、采集工程建设项目事故数据,构建工程建设项目安全事故案例库;
S2、对步骤S1构建的所述事故案例库中的事故案例进行分析,提取事故致因因素;
S3、对步骤S2提取的所述事故致因因素进行筛选,得到风险评价指标;
S4、采用基于最小偏差原则的网络层次分析法和灰色关联法的组合赋权算法为步骤S3得到的所述风险评价指标进行赋权,完成工程建设项目安全风险评价指标体系的构建。
在本发明的一个实施例中,以地铁建设项目为例对其安全风险评价指标体系进行了构建。需要说明的是,在本发明的其他实施例中,可以按照同样的方式对其他各类工程建设项目的安全风险评价指标体系进行构建,均属于本发明的保护范围。
具体地,上述实施例以地铁建设项目为例构建安全风险评价指标体系时,包括如下步骤:
S1、采用网络爬虫技术对地铁建设项目的事故数据进行采集,并构建相应的安全事故案例库。
首先,运用Scrapy框架,采用网络爬虫技术在网络中获取地铁建设项目事故案例,设置语言版本为Python3.7.1。在这一过程中,利用Scrapy框架,能够获取发生地铁事故新闻的城市和时间,其具体步骤为:搜集全国开通地铁的城市,时间从2003到2018年,每次查询某一个城市在一年之内的地铁事故,提取排名50以内的结果,再返回对应地铁事故的城市、年份、新闻链接。
然后,利用Scrapy的w3lib库对上述过程采集到的信息进行预处理,清除标签、广告、HTML、JS语言代码和注释,并利用Selector模块提取新闻标题,从而获得有效的较为纯净的事故数据文本。
在采集到事故数据后,采用框架表示法建立安全事故案例框架,并采用面向对象表示法将安全事故案例组织模型存储于案例库中。具体地,将安全事故案例的案例类型作为分类的第一要素,再将案例框架中的事故名称、事故发生时间、事故原因、事故应对措施等内容作为分类的第二要素,形成安全事故案例库组织模型。然后采用SQL关系数据库作为安全事故案例库的存储后台,通过面向对象技术封装,构建案例库→专题案例子库→案例集→案例的层次关系,将组织结构映射到SQL关系数据库,完成安全事故案例库的构建及相应数据的存储。
S2、对步骤S1构建的安全事故案例库中的事故案例进行分析,提取事故致因因素。
为实现指标体系构建的系统性、代表性、可操作性和层次性,本实施例基于扎根理论,对获取的事故案例的致因因素及国内外相关文献中关于类似事故的致因因素进行分析、浓缩、提炼和归纳,从事故发生的本质原因、直接原因、间接原因进行逐个分析,共遴选出73项事故致因因素,并从人因层、组织管理层、机械设备材料层和作业环境层四个层面对事故致因因素进行分析,具体的事故致因因素及其对应的层面如图2所示。
S3、对步骤S2提取的事故致因因素进行筛选,得到风险评价指标。
为实现指标体系构建的显著性和动态性,需要进一步对获取的事故致因因素进行遴选和修正。由于本实施例中提取的事故致因因素均属于定性指标,难以采集具体数值,因而采用专家打分法对各指标进行量化,相应的评价指标量化表如表1所示。
表1评价指标量化表
重要性 | 很重要 | 重要 | 一般 | 不重要 | 很不重要 |
分值 | 8-10 | 6-8 | 4-6 | 2-4 | 1-2 |
专家打分法的具体步骤如下:
(1)确定评价人员:为了确保安全风险评价指标遴选的科学性,本实施例选取了业界专家学者共18名,包括项目经理4名、技术负责人4名、安全负责人4名、教授4名、政府部门人员2名。
(2)将步骤S2得到的事故致因因素及表1中的评价指标量化表提供给上述评价人员,并说明遴选规则。
(3)统计评价人员对上述事故致因因素的评价结果。其中,当某些评价人员在对指标进行评定时出现较大分歧时需要进行再一次的讨论。
在上述专家打分的基础上,为了提高筛选过程的客观性和可信度,本实施例进一步对各专家的意见集中程度和意见协调程度进行了统计与计算。其中,意见集中程度由均数(Mj)和满分频率(Kj)进行衡量,意见协调程度由变异系数(Vj)和协调系数(ω)进行衡量。
其中,协调系数(ω)作为用于衡量评价人员评价过程可信度的参数,其计算过程如下:
然后,按照下式计算第j个指标等级和安全风险评价指标等级和的差(dj);
最后,计算ω时通常进行分类讨论:
(1)当评价人员的评定无相同等级时,ω即Kendall和谐系数,其计算公式如下:
(2)当评价人员评定的等级有相同等级时,必须对ω进行校正,其计算公式如下:
在以上各式中,Sj表示第j个指标的等级;m表示待评价的指标的数量,n表示评价人员的数量;Ti表示评价指标体系中的同等级指标, L表示第i个评价人员评价中对指标评价的相同评价组;ti表示评价组中具有一样的等级数。
通过以上方式计算得到ω还需要进一步统计检验:
当3≤n≤20,3≤m≤7时,可直接查表,检验ω显著性。而本实施例中作为评价指标的事故致因因素共有73个,并不能直接查表检验,必须将ω值转化为χ2值,按公式χ2=n(m-1)*ω进行计算。
经计算,本实施例得到的χ2=581.090,大于查表得到的表明本实施例中18位评价人员对73个指标的评分具有一致性,不需要再进行进一步的讨论,根据各评价人员的评价结果计算相应的均数(Mj)、满分频率(Kj)和变异系数(Vj)即可对事故致因因素进行有效筛选。
其中,均数(Mj)、满分频率(Kj)和变异系数(Vj)的计算公式如下所示:
Kj=n/N
Vj=δj/Mj
在上式中,Cij表示第i个地铁建设业界专家学者对第j个指标的评分;n表示第j个地铁建设项目安全风险评价指标获得满分的人数,本实施例中设定评价分值≥9则视为满分;N表示评价人员的总数;δj表示第j个指标的标准差。
本实施例中均数(Mj)、满分频率(Kj)和变异系数(Vj)的计算结果如表2所示。
表2均数(Mj)、满分频率(Kj)和变异系数(Vj)的计算结果
根据上述方式计算得到的结果中,Mj越大表明第j个地铁建设项目安全风险评价指标越重要;Kj越大表明第j个地铁建设项目安全风险评价指标越重要;Vj越大说明地铁建设业界专家学者的意见一致性强,指标可以选取。基于此,本实施例以均数Mj≥8.0、满分频率Kj≥0.15、变异系数Vj≤0.16作为筛选条件进行筛选,最终得到40个关键指标作为风险评价指标,具体如图3所示。
S4、采用基于最小偏差原则的网络层次分析法和灰色关联法的组合赋权算法为步骤S3得到的所述风险评价指标进行赋权,完成工程建设项目安全风险评价指标体系的构建。
其中,采用所述基于最小偏差原则的网络层次分析法和灰色关联法的组合赋权算法进行赋权时,具体包括如下步骤:
S41、采用网络层次分析法(ANP)计算主观权重:
1)建立ANP模型
根据步骤S3得到的各风险评价指标之间的内生关系构建ANP网络模型。
2)构造超矩阵
根据上述风险评价指标的元素集中各元素之间的相互影响构建超矩阵,如下式所示:
其中,Wij表示风险评价指标j受风险评价指标i影响的向量矩阵,超矩阵W中的每个列向量均是以一个风险评价指标为准则进行比较判断后得到的判断矩阵的特征向量。
3)构造加权超矩阵
4)计算极限超矩阵
求得安全风险评价指标层中的加权超矩阵后,利用下式对加权超矩阵进行计算,得出极限超矩阵W∞,从而获得地铁建设项目安全风险评价指标层的指标重要性程度排序。
在本实施例中,各风险评价指标之间的比较与判断采用专家打分法进行。根据专家打分法得到的比较结果及上述计算方式,即可得到表3中所示的各指标的主观权重值。
S42、根据步骤S41得到的主观权重计算结果确定母指标,再按照灰色关联分析法计算客观权重:
再分别对参考序列和比较序列进行无量纲化处理,并将无量纲化处理后的参考序列记为xj={xj(1),…,xj(n)},将无量纲化处理后的比较数列记为xi={xi(1),…,xi(n)}。
然后按照下式对风险评价指标的关联系数ξi(k)进行计算:
其中,ρ表示地铁建设项目安全风险评价指标的分辨系数,在本实施例中,取ρ=0.5。
根据计算得到的关联系数ξi(k),再按照如下公式对第i项风险评价指标的关联度ri和客观权重ωi进行计算:
其中,ri和ωi分别表示第i项风险评价指标的关联度及其客观权重。
在本实施例中,上述计算过程基于MATLABR2010b进行,计算得到的各风险评价指标的客观权重如表3所示。
S43、构建基于最小偏差原则的组合权重模型,对步骤S41得到的所述主观权重和步骤S42得到的所述客观权重进行组合计算,得到组合权重:
通过上述步骤S41和S42,不仅能够充分考虑各风险评价指标之间的关联性,还能够根据主观权重选择母指标,进行客观权重的计算,从而将主观和客观计算方法进行有效的结合,在避免评价人员判断过于主观的同时解决客观计算过于理性的问题。在此基础上,为了降低权重计算的偏差,进一步提高组合权重的准确性,本实施例按照如下方式构建了基于最小偏差的组合权重模型,表示为:ωif=(1-μ)ωia+μωig。
其中,ωif表示风险评价指标的第i项指标的组合权重;ωia表示风险评价指标的第i项指标的主观权重;ωig表示风险评价指标的第i项指标的客观权重;μ表示风险评价指标的客观权重占组合权重的比重。
具体地,为了解决主客观算法权重的偏差,本实施例按照如下方式构建了组合优化模型:
其中,ak、aj分别表示风险评价指标权重算法的第k种、第j种算法对应的权重系数;uki、uji分别表示风险评价指标权重算法的第k种、第j种算法对应的权重值。
在上述组合优化模型的基础上进一步构造风险评价指标权重对应的拉格朗日函数,如下式所示:
其中,λ表示拉格朗日函数引入的参数。
对上述拉格朗日函数中的(a1,…,aq,λ)分别求导,结果如下:
按照克莱姆法则,上式构成的方程组的解存在且唯一,即可求得各赋权方法对应的权重系数为a=(a1,…,aq)。
在本实施例中,共采用了网络层次分析法和灰色关联分析法两种方法,即q=2。根据本实施例计算得到的主观权重和客观权重的计算结果,按照上述方式即可计算得到最终的权重系数a=(a1,a2)=(0.4175,0.5825),即本实施例基于最小偏差原则得到的组合权重ωif=0.4175ωia+0.5825ωig。
在上述计算过程中,本实施例计算得到的各风险评价指标的主观权重、客观权重及组合权重结果如表3所示。
表3各风险评价指标的主观权重、客观权重及组合权重结果
通过上述方式,本实施例采用的网络层次分析法相对于常规的层次分析法能够充分考虑各指标之间的关联性,更符合工程建设项目中各事故致因因素相互之间存在相互影响的特性,从而更加真实地反映出工程建设项目之间的复杂关系。在此基础上,本实施例还能够根据网络层次分析法得到的主观权重确定灰色关联分析过程的母指标,并依据该母指标进行灰色关联分析,以提高客观权重的准确度,从而实现主观权重与客观权重的有效结合,获取更加准确客观的指标权重,进而构建出具有代表性、科学性的工程建设项目安全风险评价指标体系,以满足实际应用的需求。
综上所述,本发明提供了一种工程建设项目安全风险评价指标体系的构建方法。本发明通过对工程建设项目事故数据进行全面采集,构建了工程建设项目安全事故案例库,并从中提取了事故致因因素。在此基础上,本发明进一步利用统计学方法对事故致因因素进行筛选,获取其中的关键指标作为风险评价指标,并采用基于最小偏差原则的网络层次分析法和灰色关联法对风险评价指标进行组合赋权,不仅解决了评价人员的主观判断的问题,而且还解决了评价指标不确定性和模糊性的问题,从而构建出具有代表性的工程建设项目安全风险评价指标体系,对工程建设项目的安全风险评价具有重要意义。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种工程建设项目安全风险评价指标体系的构建方法,其特征在于,包括如下步骤:
S1、采集工程建设项目事故数据,构建工程建设项目安全事故案例库;
S2、对步骤S1构建的所述事故案例库中的事故案例进行分析,提取事故致因因素;
S3、对步骤S2提取的所述事故致因因素进行筛选,得到风险评价指标;
S4、采用基于最小偏差原则的网络层次分析法和灰色关联法的组合赋权算法为步骤S3得到的所述风险评价指标进行赋权,完成工程建设项目安全风险评价指标体系的构建。
2.根据权利要求1所述的工程建设项目安全风险评价指标体系的构建方法,其特征在于:在步骤S4中,采用所述基于最小偏差原则的网络层次分析法和灰色关联法的组合赋权算法进行赋权时,包括如下步骤:
S41、采用网络层次分析法计算主观权重;
S42、根据步骤S41得到的主观权重计算结果确定母指标,再按照灰色关联分析法计算客观权重;
S43、构建基于最小偏差原则的组合权重模型,对步骤S41得到的所述主观权重和步骤S42得到的所述客观权重进行组合计算,得到组合权重。
3.根据权利要求2所述的工程建设项目安全风险评价指标体系的构建方法,其特征在于:在步骤S41中,所述采用网络层次分析法计算主观权重包括构造超矩阵、构造加权超矩阵以及主观权重计算。
4.根据权利要求2所述的工程建设项目安全风险评价指标体系的构建方法,其特征在于:在步骤S42中,所述灰色关联分析法计算客观权重包括关联系数计算、关联度计算以及客观权重计算。
5.根据权利要求2所述的工程建设项目安全风险评价指标体系的构建方法,其特征在于:在步骤S43中,所述构建基于最小偏差原则的组合权重模型包括构建组合优化模型以及构建指标权重对应的拉格朗日函数。
6.根据权利要求1所述的工程建设项目安全风险评价指标体系的构建方法,其特征在于:在步骤S3中,对所述事故致因因素的筛选采用专家打分法进行,包括对意见集中程度和意见协调程度的统计与计算;所述意见集中程度由均数和满分频率进行衡量,所述意见协调程度由变异系数和协调系数进行衡量。
7.根据权利要求6所述的工程建设项目安全风险评价指标体系的构建方法,其特征在于:在步骤S3中,所述风险评价指标根据所述均数、满分频率和变异系数的计算值筛选得到。
8.根据权利要求1所述的工程建设项目安全风险评价指标体系的构建方法,其特征在于:在步骤S2中,所述事故致因因素包括人因层、组织管理层、机械设备材料层和作业环境层四个层面。
9.根据权利要求1~8中任一权利要求所述的工程建设项目安全风险评价指标体系的构建方法,其特征在于:在步骤S1中,所述工程建设项目安全事故案例库的构建包括采用框架表示法建立安全事故案例框架以及采用面向对象表示法将安全事故案例组织模型存储于案例库中。
10.根据权利要求1~9中任一权利要求所述的工程建设项目安全风险评价指标体系的构建方法,其特征在于:在步骤S1中,所述工程建设项目事故数据采用网络爬虫技术进行采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110817447.8A CN113627739B (zh) | 2021-07-16 | 2021-07-16 | 工程建设项目安全风险评价指标体系的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110817447.8A CN113627739B (zh) | 2021-07-16 | 2021-07-16 | 工程建设项目安全风险评价指标体系的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113627739A true CN113627739A (zh) | 2021-11-09 |
CN113627739B CN113627739B (zh) | 2024-03-12 |
Family
ID=78380299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110817447.8A Active CN113627739B (zh) | 2021-07-16 | 2021-07-16 | 工程建设项目安全风险评价指标体系的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627739B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399184A (zh) * | 2022-01-04 | 2022-04-26 | 南开大学 | 一种化工企业环境风险评价方法及系统 |
CN116681283A (zh) * | 2023-06-05 | 2023-09-01 | 中国标准化研究院 | 一种针对电力作业多源风险要素的分析方法 |
CN116757470A (zh) * | 2023-06-05 | 2023-09-15 | 中国标准化研究院 | 一种电力作业风险的预警系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228499A (zh) * | 2016-07-06 | 2016-12-14 | 东南大学 | 一种基于人‑车‑路‑货多风险源的货运安全评价模型 |
CN106327099A (zh) * | 2016-08-31 | 2017-01-11 | 华北电力大学(保定) | 一种通信网络综合性能评定参数权重的确定及调整方法 |
CN107818421A (zh) * | 2017-11-10 | 2018-03-20 | 国网天津市电力公司 | 基于qfd的变电站工程安全风险辨识评估方法 |
CN109345069A (zh) * | 2018-08-28 | 2019-02-15 | 武汉华喻燃能工程技术有限公司 | 一种基于相离度和集成赋权的火电脱硝技术评价方法 |
CN112330187A (zh) * | 2020-11-18 | 2021-02-05 | 深圳大学 | 一种地下设施水灾风险评估方法、系统、终端及存储介质 |
-
2021
- 2021-07-16 CN CN202110817447.8A patent/CN113627739B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228499A (zh) * | 2016-07-06 | 2016-12-14 | 东南大学 | 一种基于人‑车‑路‑货多风险源的货运安全评价模型 |
CN106327099A (zh) * | 2016-08-31 | 2017-01-11 | 华北电力大学(保定) | 一种通信网络综合性能评定参数权重的确定及调整方法 |
CN107818421A (zh) * | 2017-11-10 | 2018-03-20 | 国网天津市电力公司 | 基于qfd的变电站工程安全风险辨识评估方法 |
CN109345069A (zh) * | 2018-08-28 | 2019-02-15 | 武汉华喻燃能工程技术有限公司 | 一种基于相离度和集成赋权的火电脱硝技术评价方法 |
CN112330187A (zh) * | 2020-11-18 | 2021-02-05 | 深圳大学 | 一种地下设施水灾风险评估方法、系统、终端及存储介质 |
Non-Patent Citations (7)
Title |
---|
余保华;何刚;李恕洲;: "基于网络模型的矿工安全行为能力综合评价", 煤矿安全, no. 07 * |
周翔;蒋根谋;: "基于组合赋权和改进灰色关联分析法的项目风险分析", 建筑管理现代化, no. 06 * |
周翔;蒋根谋;: "基于组合赋权和改进灰色关联分析法的项目风险分析", 建筑管理现代化, no. 06, 25 December 2008 (2008-12-25) * |
祝恩国;董俐君;葛磊蛟;钟小强;: "用户用电设备评估的区间熵权法", 电测与仪表, no. 24 * |
钟军;刘明俊;罗晨;谢楚华;: "基于组合权重模糊物元模型的船桥碰撞风险评价", 安全与环境学报, no. 02 * |
陈亚树;兰国辉;刘丽丽;: "基于ANP模型的煤矿安全生产能力灰色关联综合评价", 安徽理工大学学报(社会科学版), no. 01 * |
颜丽敏;: "基于可拓理论和熵权的钻井作业风险评价模型研究与应用", 安全、健康和环境, no. 10 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399184A (zh) * | 2022-01-04 | 2022-04-26 | 南开大学 | 一种化工企业环境风险评价方法及系统 |
CN116681283A (zh) * | 2023-06-05 | 2023-09-01 | 中国标准化研究院 | 一种针对电力作业多源风险要素的分析方法 |
CN116757470A (zh) * | 2023-06-05 | 2023-09-15 | 中国标准化研究院 | 一种电力作业风险的预警系统 |
CN116757470B (zh) * | 2023-06-05 | 2024-03-22 | 中国标准化研究院 | 一种电力作业风险的预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113627739B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113627739A (zh) | 工程建设项目安全风险评价指标体系的构建方法 | |
CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
CN112287018B (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及系统 | |
CN111080356A (zh) | 一种利用机器学习回归模型计算住宅价格影响因素的方法 | |
CN116777223B (zh) | 一种城市地下管网安全综合风险评估方法及系统 | |
CN113657732B (zh) | 一种基于层次分析法的灾度指数计算方法和设备 | |
CN112950067A (zh) | 基于模糊综合评价的电力用户用电能效评估方法 | |
CN114444910A (zh) | 一种面向电力物联网的边缘网络系统健康度评估方法 | |
CN113869732A (zh) | 基于因子分析法的科技项目产业化评价方法 | |
CN113837578B (zh) | 一种电力监理企业网格化监督管理评价方法 | |
CN114021808A (zh) | 一种基于突发事件影响等级识别的电力资源配置方法 | |
CN112506982A (zh) | 一种线路和配变的最大负载预测的方法 | |
CN116050928A (zh) | 一种水上综合服务区服务规范应用效果评价方法 | |
CN115953046A (zh) | 一种10kV配网不停电作业人员综合能力评价的方法 | |
CN114511250A (zh) | 一种基于机器学习的企业外迁风险预警方法及系统 | |
CN112488360A (zh) | 基于人工智能的配变异常分析预警方法 | |
CN112801544A (zh) | 一种公路数字化管理绩效评价方法及系统 | |
CN113627735B (zh) | 工程建设项目安全风险的预警方法及系统 | |
CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
CN113537734B (zh) | 基于最大相关最小冗余的能源数据应用目录提取方法 | |
Yongyan et al. | Application research of a technology evaluation method based on entropy weight and cloud theory | |
CN118095629A (zh) | 一种企业数据可用性量化评价方法 | |
Wang et al. | Intelligent Calculation of Automobile Brand Power Score based on Analytic Hierarchy Process and Entropy Weight Method | |
CN116882626A (zh) | 结构健康监测方法、装置、设备及存储介质 | |
Li | Statistical Method of Social Audit Risk Based on Machine Learning in the Context of Big Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |