Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

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

Signaler une correction

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.

UDTR — Bibliothèque juridique mondiale des droits de la Nature