地铁工程绿色施工评价方法
前言：本站为你精心整理了地铁工程绿色施工评价方法范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。
【摘要】本文根据地铁工程的施工特点，在阐明绿色施工内涵的基础上构建了绿色施工评价指标体系。通过不同评价方法的比较，具体分析了BP神经网络在建立评价体系方面的优越性，为建立一个合乎地铁工程特点的绿色施工体系和框架提供有益参考。
【关键词】绿色施工地铁工程评价方法BP神经网络
1前言
地铁作为“城市的生命线”具有运能大、准点、速度快、舒适、安全等优点，是国际上公认的解决城市交通问题的首选。近年来，中国正通过大力兴建地铁，实现“绿色交通”。由于施工阶段对环境的影响最直接、最严重，地铁要成为可持续发展的环保交通，地铁工程的绿色建造则是“绿色地铁”的具体要求。
2绿色施工概念及地铁工程施工特点
2.1绿色施工的概念
依据《绿色施工导则》中给定的绿色施工的定义可以将其本质含义归结为：绿色施工是以绿色施工技术和绿色施工管理相结合为实践途径，以可持续发展理论为指导思想，以减量化、再利用、再循环为原则，最终实现最大限度的节约资源、保护环境并贯穿于从施工策划阶段开始直到竣工验收的施工全过程。
2.2地铁施工的特点
地铁工程施工内容繁多、工序复杂。由于建设规模、建设环境以及施工技术的不同，地铁工程的施工主要有以下几个特点：（1）线路长、工点多。一般地铁线路的长度都在数公里到几十公里，且地铁工程包括车站、出入口、车站风道、风井、区间隧道等工程，每一个车站或区间即一个施工工点。（2）工程施工工期紧。由于交通以及其他各种原因，导致地铁工程的施工工期相当紧张，甚至不能达到工期的合理要求，无论对施工组织，还是对施工技术均提出了严峻的挑战。（3）施工周边环境复杂。地铁工程多属于地下工程，且一般要穿越城区，使其往往面临着施工场地狭小、地下管线密集、道路交通繁忙、重点建筑保护等问题，地铁施工的环境保护要求高，施工技术难度大。
3地铁工程绿色评价指标体系的建立
评价指标体系的构建应遵循简明性、代表性、可量可比性、整体性、科学性的原则。基于英国BREEAM[1]、美国LEED[2]等绿色建筑评价理论，结合我国颁布的《绿色施工导则》以及《建筑工程绿色施工评价标准》，初步以某一地铁工程从管理与绿色施工实施中建立相对科学的绿色施工指标体系。管理属性即指管理的规范性，包括绿色施工的组织管理、环境投资建设、项目优化、员工培训、以及绿色施工科研开发和绿色建材的使用。操作属性即指实施的有效性则包括空气污染控制、噪声污染控制、水体污染控制、固体废弃物的处理、施工设备维护、能源消耗节约、以及施工对周围环境负荷值降低。
4地铁绿色施工评价方法的探究
由于地铁绿色施工评价是一个涉及多目标、多属性、多层次的复杂问题，因而简单的定性或定量方法并不能实现对绿色施工的有效评价。为了探索出一套合乎地铁工程特点的绿色施工评价模型，本文在对目前绿色施工综合评价方法研究的基础上找出如下几种进行比较分析。
（1）灰色关联度分析法作为一种多因素分析方法，是根据因素之间发展趋势的相似或相异程度，作为衡量因素间关联程度的一种方法[3]。此方法的优点在于利用“灰色系统理论”避免了以往回归分析的弊端，在很大程度上减少由于信息不对称带来的损失，适用于发展态势的量化比较分析；其主要缺点在于需要现行确定各项指标的最优值，然而在地铁工程绿色施工评价指标体系中大部分指标本身具有一定的模糊性，部分指标最优值难以确定。
（2）模糊物元评价法，其要点是将事物用“事物、特征、量值”这三要素组成有序三元组的物元来研究事物变化规律[4]。此方法用于绿色施工评价的优点在于能较好的解决模糊不相容的多因子综合评价问题，但其主要的缺点在于需要由“等级标准、评价指标、实测值”组成一个模糊物元，而目前关于地铁施工的绿色施工及其评价理论的研究尚少，不同专家的评价思想和标准往往存在一定的差异，所以此评价方法的结果可能有失客观。
（3）BP人工神经网络评价法作为一种聚类预测分析方法，是一种利用能学习和存贮大量的输入和输出模式的映射关系的特点，通过大量样本按误差逆传播算法训练的多层前馈网络。经过学习训练的网络能有效吸收专家的专业知识和经验，并进行模拟评价。然而其不足之处在于如果增加了学习样本，训练好的网络就需要从头开始训练，对于以前的权值和阈值往往没有记忆。但是可以将预测、分类或聚类做的比较好的权值保存。综上所述，在绿色施工评价中以上几种评价方法都有各自的优点、缺点，因此根据评价对象的特点选择恰当的评价方法对评价结果非常重要。本文结合地铁绿色施工的概念及特点，选择BP神经网络法主要原因如下：①绿色施工评价作为一个各种因素相互联系、相互影响、复杂多变的综合性问题，建立多个指标层的网络神经能够客观的得出指标间的非线性关系。由于地铁施工的特点，每一个车站作为一个施工工点，可将具有代表性的工点作为训练样本，足够数量的样本训练是BP神经网络的自我学习的关键环节。通过周而复始的信息正向传播和误差反向传播过程，全面反映出各个指标间隐含的关系。②由于绿色施工评价的理论研究还没有相对成熟，针对地铁工程而言，其评价的复杂性更高，不同的专家对各式各样的地铁车站，在不同角度上其评价思想和标准有所差异。如何对原始数据进行科学处理，从不同专家的思想中提取其精华部分，BP神经网络较强的容错能力使这一问题迎刃而解。
5结语
本文研究了在评价体系建立方面常用的几种评价方法，通过不同评价方法的研究，分析不同评价方法的优缺点，结合地铁工程特点，找出适合地铁工程绿色施工评价模型。利用BP神经网络的自学功能，借以辅助MATLAB软件工具箱中所具有的神经网络函数功能，选取足够数量具有代表性的工点作为地铁工程绿色施工评价样本，进行学习训练，建立模拟专家评价的BP神经网络，为解决此类综合评价问题提供了新途径。因此在绿色施工评价体系的研究中，结合评价对象的特点，利用共性与个性相结合的思想，并找出最佳的方案与思路，从而建立切实可行有效的评价体系。
参考文献：
[1]UKBREEAMBREEAM98foroffices-anervironmentalassessmentmethodforoffecebuilding,BuildingResearchEstab-lishment(BRE),Garston,Walford,2000.
[2]USGreenBuildingCouncilLeadershipinEnergyandEnvi-ronmentalDesignRatingSystemVersion2.0(LEED2.0)June2001.
[3]李惠玲,李军,钟欣.基于灰色聚类法的绿色施工评价[J].沈阳建筑大学工程管理学报,2012,26(02):19-22.
[4]熊艳.高等级公路绿色施工评价研究[D].长沙：长沙理工大学,2013.
作者：田甜 单位：武汉工程大学
