Байєсова нейронна мережа для зменьшення аварійності експлуатації будівельного баштового крана
DOI:
https://doi.org/10.32347/2412-9933.2024.57.96-101Ключові слова:
байєсова нейронна мережа, теорема Байєса, закон розподілу ймовірностей, фактор ризику, баштовий кранАнотація
У статті розглянуто методи запобігання та зниження ризику аварії під час експлуатації баштового крана. Увага приділяється методу, в якому байєсовий підхід інтегрується зі штучною нейронною мережею для визначення закону розподілу випадкової величини. Методикою роботи є обґрунтування доцільності використання байєсової нейронної мережі для зменшення рівня ризику аварії під час експлуатації будівельного баштового крана. Завдання, які вирішуються
в статті: огляд та аналіз методів, які використовуються в сучасних умовах для оцінювання рівня ризику аварії під час експлуатації баштового крана; визначення причин, чому ці методи потребують удосконалення; пропозиція й обґрунтування доцільності використаннябайєсової нейронної мережі. Для реалізації поставлених завдань використовувалися такі методи: теорема Байєса, теорія ймовірності та математичної статистики, теорія нейронних штучних мереж. У результаті проведено аналізу сучасних методів, які запропоновані для визначення рівня ризику аварії під час експлуатації баштового крана, визначено, що багато методів спирається тільки на судження експертів – такі методи мають недоліки через неможливість перевірки таких знань; інші методи дають можливість визначити ймовірності оцінки появи аварійної події, але не можуть бути використані для визначення регулюючих дій щодо уникнення появи аварійної ситуації. Отже, щоб уникнути зазначених проблем у роботі запропоновано застосування байєсової нейронної мережі для визначення закону розподілу настання аварійної події, оскільки знання про закон розподілу дадуть можливість визначити бар’єрні значення факторів ризику, за яких аварійний стан не наступатиме. У роботі обґрунтовано доцільність запропонованого методу.
Посилання
Evaluation of the current information systems of the State Labor Service of Ukraine and other bodies related to labor inspection, with special attention to the activities of the State Labor Service aimed at overcoming undeclared work.URL: https://www.ilo.org/wcmsp5/groups/public/---ed_dialogue/---lab_admin/documents/projectdocumentation/wcms_718377.pdf.
Jiang, T. (2020, July). Safety risk analysis and control of tower crane. In IOP ConferenceSeries: Earthand Environmental Science (Vol. 546, No. 4, p. 042070). IOP Publishing.
Ancione, G., Paltrinieri, N., & Milazzo, M. F. (2020). Integrating real-time monitoring data in risk assessment for crane related offshore operations. Journal of Marine Science and Engineering, 8 (7), 532.
Kim, J. Y., & Kim, G. H. (2020). Importance ranking of accident factors of construction tower crane by AHP technique. Journal of Building Construction and Planning Research, 8 (4), 237–244.
Shapira, A., & Simcha, M. (2009). AHP-based weighting of factors affecting safety on construction sites with tower cranes. Journal of construction engineering and management, 135 (4), 307–318.
Xiao, L., Tang, L. C., & Wen, Y. (2023). An innovative construction site safety assessment solution based on the integration of Bayesian network and analytic hierarchy process. Buildings, 13 (12), 2918.
ZUO, Y., Zhao, F., Yang, K., & Yang, R. (2021). Fatigue Life Assessment of Tower Crane Based on Neural Network to Obtain Stress Spectrum.
Jospin, L. V., Laga, H., Boussaid, F., Buntine, W., & Bennamoun, M. (2022). Hands-on Bayesian neural networks – A tutorial fo rdeep-learning users. IEEE Computational Intelligence Magazine, 17 (2), 29–48.
Charnock, T., Perreault-Levasseur, L., & Lanusse, F. (2022). Bayesian neural networks. In Artificial Intelligence for High Energy Physics (pp. 663–713).
Pomponi, J., Scardapane, S., & Uncini, A. (2021). Bayesian neural networks with maximum mean discrepancy regularization. Neurocomputing, 453, 428–437.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Олександр Олександрович Терентьєв, Богдан Анатолійович Соловей
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
