基于机器学习的建筑施工人员安全能力预测模型＊

扫码查看

原文链接

万方数据
维普

中文摘要：为探究建筑施工人员安全能力的作用机制和关键影响因素,以社会资本和行为动机理论为依据,建立基于组织网络和个体行为的多指标数据集;借鉴成熟量表构建安全能力指标体系,通过问卷调查向中国境内若干建筑工程项目的457名施工人员获取数据;采用基于熵权法与变异系数法的多指标综合评价法进行指标权重计算和筛选;采用梯度提升决策树(GBDT)等5种机器学习方法分别建立回归预测模型,利用网格搜索法进行超参数优化,以提升模型的预测能力.结果表明:集成学习方法优于传统机器学习方法,GBDT算法在所有方法中拟合性能最佳;权重优化后的数据集可在一定程度上提升模型的预测精度;施工人员的安全参与行为和组织中社会资本的结构与认知维度对其安全能力影响较大;此外,个体特征中的工作年限和教育水平也与安全能力存在一定相关性.

外文标题：Prediction model of safety competency of construction workers based on machine learning

外文关键词：

machine learningconstruction workerssafety competencyprediction modelgradient boosting decision tree(GBDT)

作者：

赵伟、李书全

展开 >

作者单位：

天津财经大学管理科学与工程学院,天津300222

关键词：

机器学习建筑施工人员安全能力预测模型梯度提升决策树(GBDT)

基金：

国家自然科学基金

项目编号：

71571130

出版年：

2023

DOI：

10.16265/j.cnki.issn1003-3033.2023.07.1630

中国安全科学学报

中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心

影响因子：1.548

ISSN：1003-3033

年,卷(期)：2023.33(7)

参考文献量6