【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第2期 359-363页,共5页

【作 者】： 赵元庆 [1] ; 侯得恒 [2]

【摘 要】 研究建筑施工项目安全风险准确评估问题，由于系统存在非线性因素，构建模型较困难。传统评估方法需要样本数目大，而建筑施工项目安全风险是一种典型的小样本数据，导致传统方法的评估精度低。为提高建筑施工项目安全风险评估精度，利用支持向量机专门针对小样本数据建模的优点，提出一种粒子群算法优化支持向量机的建筑施工项目安全预警系统（PSO—SVM）。首先采用建筑施工项目安全风险评估正确率作为建模目标，评价指标确定评估模型结构，然后采用粒子群算法优化支持向量机建立评估模型，以克服传统评估方法存的缺陷，以解决建筑施工项目安全风险评估精度的难题。仿真结果表明，相对于神经网络，PSO—SVM提高了风险评估精度，在建筑施工项目管理具有一定的实际应用价值。