基于多模型融合的建筑工程基坑坍塌事故致因分析与智能防控研究

为解决建筑工程基坑坍塌(EFPC)事故频发导致的重大伤亡问题，安徽建筑大学团队创新性融合LDA主题模型、TF-IDF文本挖掘、故障树(FTA)、贝叶斯网络(BN)及本体推理技术，构建了"文本分析-概率建模-知识推理"三位一体的智能防控框架。研究首次实现EFPC事故致因的结构化解析与动态风险预测，为建筑安全领域提供了可解释的决策支持系统。

　　

在城市化进程加速的背景下，建筑工程安全事故已成为制约行业发展的痛点。其中土方基坑坍塌事故(EFPC)因其突发性强、破坏力大等特点，占到中国住建部2020年通报事故总量的6.1%。传统研究方法如案例统计、专家评估等存在主观性强、量化不足等缺陷，难以应对复杂施工环境下的风险预警需求。

安徽建筑大学安全工程团队在《Expert Systems with Applications》发表的研究中，开创性地提出多模型融合解决方案。该研究首先运用LDA主题模型对历史事故报告分类，通过R语言平台实施TF-IDF加权文本挖掘，提取出28个关键致因要素。随后构建EFPC伤亡故障树，采用割集分析法确定结构重要度排序，发现"支护设计缺陷"和"监测预警失效"是前两位基本事件。通过图-数双重映射将故障树转化为贝叶斯网络后，灵敏度分析显示"降雨渗透"节点的后验概率变化率达217%。最终基于Protégé平台构建的建筑安全本体知识库，融合Pellet推理机和SWRL规则实现自动化因果推理。

关键技术包括：1) 基于LDA-TF-IDF的文本特征提取；2) 故障树与贝叶斯网络的DAG(有向无环图)转换算法；3) OWL本体建模与规则推理技术；4) 中国2015-2020年住建部事故通报数据库的深度挖掘。

【集成多模型框架】
提出"数据驱动-概率推断-知识表示"的三阶段研究范式，突破单一方法局限。文本挖掘阶段从837份事故报告中识别出"地质勘察不足"等高频风险词条，为后续建模提供数据支撑。

【事故致因理论模型】
融合海因里希多米诺理论与社会-技术系统框架，建立五级事故链模型。实证分析表明，EFPC事故中组织管理因素占比达42%，显著高于设备因素(28%)和环境因素(30%)。

【故障树构建】
以"EFPC导致伤亡"为顶事件，构建包含6个逻辑门的故障树。最小割集计算显示，当"边坡超载"与"排水失效"同时发生时，顶事件发生概率提升至0.73。

【贝叶斯网络映射】
通过节点对应和CPT(条件概率表)移植实现模型转换。反向传播验证表明，"监管缺位"对顶事件的影响度达0.68，显著高于其他中间节点。

【本体知识库构建】
采用七步法建立的OWL本体包含ConstructionHazard等56个核心类，定义hasCausalFactor等79个对象属性。推理测试中，系统能自动推导出"连续降雨→土体软化→支护失效"的因果链。

研究结论表明，该方法体系使EFPC事故预测准确率提升39.2%，较传统方法具有显著优势。讨论部分指出三方面创新：首次实现建筑安全领域文本数据到概率模型的端到端转换；开发支持动态推理的BN-FTA混合模型；构建首个中文建筑安全本体库。但存在样本地域局限、未考虑施工动态变化等不足。

这项研究为智能建造安全管控提供了新范式，其方法论框架可扩展至隧道工程、高空作业等领域。资助信息显示，该工作获中国建设教育协会教学研究项目(2023003)等多项支持，相关成果已应用于安徽省重点实验室的智能监测系统开发。