Predicting construction safety accidents using VMD-BiGRU architecture with improved snake optimization algorithm
Identification
- Clé publique
- radar:r-8956bf4ece0ea90de824d4a1a8f9e3fa
- Auteurs
- Jun Wang · Ziyi Qu · Rui Zhang · Martin Skitmore
- Année déclarée
- 2026
- Langue déclarée
- en
- Type source
- article
- Première détection
- 2026-11-14T02:29:24.309556+00:00
- Dernière observation des métadonnées
- 2026-11-14T02:29:24.309556+00:00
- Dernière vérification HTTP
- Non effectuée
Institutions déclarées par la source
Qingdao University of Technology · Bond University
Pays d’affiliation déclarés
AU · CN
Résumé documentaire — langue originale
Purpose The construction industry has persistently high occupational accident rates due to diverse project types and complex operations. Conventional time series models struggle with the accident data's nonlinear and multi scale features, limiting predictive accuracy. This study develops a robust forecasting framework to support proactive construction safety management. Design/methodology/approach We propose a hybrid VMD-ISO-BiGRU framework. This model uses Variational Mode Decomposition (VMD) for multiscale feature extraction, Improved Snake Optimization (ISO) for adaptive hyperparameter tuning, and Bidirectional Gated Recurrent Units (BiGRU) to capture bidirectional temporal dependencies. Using weekly OSHA data from January 2015 to October 2024, VMD decomposes non stationary sequences into intrinsic mode functions (IMFs); ISO optimizes BiGRU parameters; and the model is trained and validated for short and long term predictions. Findings The framework substantially outperforms baselines, reducing short term Root Mean Square Error (RMSE) by 94% (0.5478 vs. 8.8289) for BiGRU and long term RMSE by 90% (1.1726 vs 11.2458) for BiGRU. It effectively captures multiscale patterns, nonlinearities, and bidirectional temporal dependencies in accident data. Practical implications The framework enables early identification of high risk periods, supporting proactive interventions, resource allocation, and policy development to reduce accidents and improve industry sustainability. Originality/value By integrating signal decomposition, optimization, and deep learning, the VMD ISO BiGRU model offers a novel, interpretable, and high precision tool for forecasting construction safety accidents.
Identifiants
- OPENALEX
- https://openalex.org/W7155183062
- DOI
- 10.1108/ecam-10-2025-1596
Repères documentaires
- Famille documentaire
- article
- Types déclarés par les sources
- article
- Éditeurs
- Emerald Publishing Limited
Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.
Sources
OpenAlex · Document 1
Citer cette référence
Jun Wang; Ziyi Qu; Rui Zhang; Martin Skitmore. Predicting construction safety accidents using VMD-BiGRU architecture with improved snake optimization algorithm. 2026. https://doi.org/10.1108/ecam-10-2025-1596
JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·
APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.
- APA
- Jun Wang; Ziyi Qu; Rui Zhang; Martin Skitmore. (2026). Predicting construction safety accidents using VMD-BiGRU architecture with improved snake optimization algorithm. https://doi.org/10.1108/ecam-10-2025-1596
- Chicago
- Jun Wang; Ziyi Qu; Rui Zhang; Martin Skitmore. Predicting construction safety accidents using VMD-BiGRU architecture with improved snake optimization algorithm. 2026. https://doi.org/10.1108/ecam-10-2025-1596
- ISO 690
- Jun Wang; Ziyi Qu; Rui Zhang; Martin Skitmore. Predicting construction safety accidents using VMD-BiGRU architecture with improved snake optimization algorithm. 2026. https://doi.org/10.1108/ecam-10-2025-1596
Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31
UDTR — Bibliothèque juridique mondiale des droits de la Nature. Predicting construction safety accidents using VMD-BiGRU architecture with improved snake optimization algorithm. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-8956bf4ece0ea90de824d4a1a8f9e3fa/ · Dernière vérification HTTP : non effectuée
Données de cette version figée
Dossiers et relations documentaires
Rôles des sources
Source bibliographique / publication d’origine · https://doi.org/10.1108/ecam-10-2025-1596
Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.
Statut documentaire
Pertinence à examiner
Bibliothèque
Cette identité n’est pas encore intégrée à la Bibliothèque juridique.