摘要 | 第1-5页 |
ABSTRACT | 第5-10页 |
第1章 绪论 | 第10-18页 |
·研究背景 | 第10-12页 |
·选题意义 | 第12-13页 |
·文献综述 | 第13-15页 |
·论文组织结构及研究方法 | 第15-16页 |
·论文组织结构 | 第15-16页 |
·研究方法 | 第16页 |
·论文创新点 | 第16-17页 |
·本章小结 | 第17-18页 |
第2章 建筑安全管理现状分析 | 第18-39页 |
·建筑安全管理制度 | 第18-29页 |
·国外发达国家的建筑安全管理制度 | 第18-24页 |
·我国建筑安全管理制度的现状及存在的主要问题 | 第24-29页 |
·建筑企业安全文化建设 | 第29-32页 |
·安全文化的概念 | 第29页 |
·建筑企业安全文化建设现状 | 第29-31页 |
·建筑企业安全文化建设的基本思路 | 第31-32页 |
·建筑安全评价 | 第32-38页 |
·国外建筑安全评价方法概述 | 第32-34页 |
·我国建筑安全评价方法及应用现状 | 第34-38页 |
·本章小结 | 第38-39页 |
第3章 建筑安全事故成因分析 | 第39-52页 |
·危险源辨识 | 第39-41页 |
·危险源的内涵 | 第39页 |
·危险源的类型 | 第39-40页 |
·危险源辨识 | 第40-41页 |
·建筑安全事故成因分析 | 第41-47页 |
·事故致因理论 | 第41-43页 |
·事故形成原因 | 第43-47页 |
·建筑安全事故成因分析模型ARCTM | 第47-50页 |
·ARCTM 模型介绍 | 第48-49页 |
·ARCTM 模型的应用步骤 | 第49-50页 |
·本章小结 | 第50-52页 |
第4章 建筑安全事故预警方法—支持向量机 | 第52-97页 |
·建筑安全事故预警方法概述 | 第52-63页 |
·基于模式分类的贝叶斯预警方法 | 第53-55页 |
·神经网络预警方法 | 第55-59页 |
·遗传-神经网络预警方法 | 第59-63页 |
·支持向量机方法 | 第63-79页 |
·机器学习和统计学习理论 | 第64-67页 |
·支持向量机 | 第67-72页 |
·支持向量机研究热点 | 第72-76页 |
·利用粗糙集理论提高SVM 算法的实时性 | 第76-79页 |
·支持向量机分类方法在建筑安全预警中的应用 | 第79-89页 |
·模式分类与建筑安全事故预警 | 第79-81页 |
·基于SVC 的建筑安全事故预警原理 | 第81-83页 |
·预警模型选择 | 第83-84页 |
·SVC 预警实例 | 第84-89页 |
·支持向量机回归方法在建筑安全预警中的应用 | 第89-96页 |
·概述 | 第89页 |
·OSVR 预警原理及应用 | 第89-96页 |
·本章小结 | 第96-97页 |
第5章 建筑安全管理体系 | 第97-126页 |
·国内外建筑安全管理体系 | 第97-106页 |
·国外发达国家建筑安全管理体系 | 第97-102页 |
·我国在建筑安全管理中取得的成就 | 第102-104页 |
·启示与感想 | 第104-106页 |
·建立基于OHSMS 的建筑安全管理体系 | 第106-121页 |
·OHSMS 介绍 | 第106-110页 |
·建立基于OHSMS 管理体系的步骤和内容 | 第110-121页 |
·ARCTM 模型和SVM 方法在建筑安全管理体系中的应用 | 第121页 |
·OHSMS 实施效果的评价 | 第121-125页 |
·河北建设集团安全管理体系内容简介 | 第122页 |
·取得的成效 | 第122-124页 |
·企业在建立体系中存在的不足 | 第124页 |
·企业实施职业建康安全管理体系的展望 | 第124-125页 |
·本章小结 | 第125-126页 |
第6章 建筑安全事故预警系统设计 | 第126-132页 |
·系统模型 | 第126页 |
·系统构成 | 第126-128页 |
·系统设计 | 第128-130页 |
·系统的总体结构设计 | 第128页 |
·系统的网络设计 | 第128-130页 |
·系统运行模式 | 第130-131页 |
·本章小结 | 第131-132页 |
第7章 结论与展望 | 第132-134页 |
参考文献 | 第134-141页 |
攻读博士期间的主要科研成果 | 第141-142页 |
附录一 建筑施工单位管理人员调查问卷统计结果 | 第142-150页 |
附录二 建筑施工单位技术工人调查问卷统计结果 | 第150-156页 |
附录三 河北建设集团建筑安全生产管理体系 | 第156-161页 |
致谢 | 第161页 |