CN114792209B - 一种工程施工风险评估的方法、设备及存储介质 - Google Patents
一种工程施工风险评估的方法、设备及存储介质 Download PDFInfo
- Publication number
- CN114792209B CN114792209B CN202210510173.2A CN202210510173A CN114792209B CN 114792209 B CN114792209 B CN 114792209B CN 202210510173 A CN202210510173 A CN 202210510173A CN 114792209 B CN114792209 B CN 114792209B
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- engineering
- assessment
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012502 risk assessment Methods 0.000 title claims abstract description 31
- 238000012549 training Methods 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013210 evaluation model Methods 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000004927 fusion Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种工程施工过程中的风险评估的方法,工程现场由特定工作人员负责上传工程数据,所述特定工作人员采集特定工程数据上传至风险实时评估服务器,所述风险实时评估服务器通过预设的过滤算法对上传数据进行过滤,再将过滤后的数据进行数据分类和归集,构建贝叶斯网络评估模型,使用训练集对贝叶斯网络评估模型进行训练,然后使用测试集对该模型进行测试并可以对贝叶斯网络进行调整,所述风险实时评估服务器对上传的工程数据进行风险评估,对可能出现的风险特征的概率进行统计,并基于统计概率进行评估得到第一评分,当所述第一评分的权重大于预设值时,所述风险实时评估服务器直接输出该次风险评估报告。
Description
技术领域
本发明涉及计算机安全及监测技术领域,尤其涉及一种工程施工风险评估的方法、设备及存储介质。
背景技术
信息融合是把多个渠道、多方位采集的不完整信息加以综合,消除多源信息间可能存在的冗余和矛盾的信息,并对其加以互补,降低其不确定性统环境相对完整的一致性描述的过程。信息融合可以提高智能系统的决策、规划、反应的快速性和正策风险,是一个涉及到信息科学、计算机科学和自动化科学的交叉学科,是目前信息社会所必须研究的一个重要方向。多源信息融合技术的产生提高了智能系统决策的准确性,降低了决策风险。通过信息融合进行初步排除施工风险极高的方案,保留可行性较高的施工方案,进而通过上述通过模型对可行性方案的参数进行逐一训练验证,这样做确保精确度高,同时提高效率,减少前期验证周期。
贝叶斯估计法贝叶斯估计为数据融合提供了一种手段,是融合静态环境中多传感器高层信息的常用方法。它使传感器信息依据概率原则进行组合,测量不确定性以条件概率表示,当传感器组的观测坐标一致时,可以直接对传感器的数据进行融合,但大多数情况下,传感器测量数据要以间接方式采用贝叶斯估计进行数据融合。为工程施工风险快速评估提供了技术支持。
现有技术中,通过无向图进行评估时,虽然可以快速生成评估结果,然而,由于工程的不同,风险特征的不同,导致相同的贝叶斯网络对前后工程的适应性不强,生成的结果不准确。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明公开一种工程施工过程中的风险评估的方法,如图1所示,所述方法包括如下步骤:
步骤1,工程现场由特定工作人员负责上传工程数据,所述特定工作人员采集特定工程数据上传至风险实时评估服务器,所述风险实时评估服务器通过预设的过滤算法对上传数据进行过滤,再将过滤后的数据进行数据分类和归集,将数据转换为步骤2中建立的模型需要的数据格式,其中过滤方式为将采集的数据集输入随机森林模型中进行训练,产生出对当前工程的安全具有重要影响的因素,过滤掉除此之外的其他数据;
步骤2,构建贝叶斯网络评估模型,设置训练集和测试集,其中,所述训练集和测试集为根据历史评估信息及评估结果构建而成的风险先验事件,首先使用训练集对贝叶斯网络评估模型进行训练,然后使用测试集对该模型进行测试并可以对贝叶斯网络进行调整;
其中,Ck为风险事件中第k个特征,mj为风险事件,P表示概率;
步骤4,所述风险实时评估服务器对上传的工程数据进行风险评估,对可能出现的风险特征的概率进行统计,并基于统计概率进行评估得到第一评分p1,由后验事件对所述贝叶斯网络评估模型生成评分进行验证,得到该评分对应的风险转化率,并基于该风险转化率调整第一评分占总评分Q的权重a,即下一次的风险评估权重由上一次或者多次的权重决定,当所述第一评分的权重大于预设值时,所述风险实时评估服务器直接输出该次风险评估报告;
步骤5,当所述权重小于预设值时,所述风险实时评估服务器同时将上传工程数据发送至专业知识库进行评估得到第二评分p2,其中,所述第二评分的权重b=1-第一评分权重a,总评分:Q=p1*a+p2*b,所述风险实时评估服务器输出本次风险评估报告。
更进一步地,所述步骤1进一步包括:上传的工程数据进行预处理,将采集的数据进行标准化和归一化处理。
更进一步地,所述步骤2进一步包括:构建贝叶斯网络评估模型为通过采用Matlab软件中的工具组件Fulbn,先通过调用工具组件Fulbn设置各个节点的参数和拓扑关系以进行网络建设,然后在通过组件graph对生成的网络结构进行显示。
更进一步地,所述工程施工为建筑工程的施工,包括建筑工程决策的制定和项目工程的实施。
更进一步地,风险特征包括塔吊风险、施工平台风险、施工升降机风险、混凝土泵送风险、主体结构风险、临时支撑风险、深基坑风险、防护和消防风险中的一种或多种。
更进一步地,输出的风险评估报告包括建筑风险种类,所述建筑风险种类包括材料风险、结构风险、管理风险与组织风险。
更进一步地,所述步骤1中的工程现场由特定工作人员负责上传工程数据进一步包括:所述特定工作人员为建筑监理人员,上传的工程数据包括通过传感单元采集的检测数据、工程施工的材料数据、施工人员的组织组成数据。
更进一步地,所述传感单元采集施工环境的数据,包括施工泥土成分,水分占比。
本发明进一步公开了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法的步骤。
本发明进一步公开了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述的方法的步骤。
本发明与现有技术相比,本发明的有益效果是:本发明构建贝叶斯网络进行评估施工过程中的风险可能,而同时,不仅仅是通过训练集和测试集进行贝叶斯网络的优化,同时采用后验的方式对该评估方式进行权重设置,准确的判断设置较高的权重,不准确的判断设置低权重,同时,对于低权重的引入知识库进行人工判断修正的方式,同时生成多个评估结果以保证对于施工过程的全面考虑,知识库可以为专家、专业评测工具等。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在图中,在不同的视图中,相同的附图标记指定对应的部分。
图1是本发明的一种工程施工风险评估的方法的流程图。
图2是本发明的具体实施例的硬件结构图。
具体实施方式
下面将结合附图及实施例对本发明的技术方案进行更详细的说明。
现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身并没有特定的意义。因此,"模块"与"部件"可以混合地使用。
移动终端可以以各种形式来实施。例如,本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。下面,假设终端是移动终端。然而,本领域技术人员将理解的是,除了特别用于移动目的的元件之外,根据本发明的实施方式的构造也能够应用于固定类型的终端。
参阅图2所示,是本发明计算机设备一实施例的硬件架构示意图。本实施例中,所述计算机设备2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。例如,可以是智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。如图所示,所述计算机设备2至少包括,但不限于,可通过系统总线相互通信连接存储器21、处理器22以及网络接口23。其中:
所述存储器21至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器21可以是所述计算机设备2的内部存储单元,例如该计算机设备2的硬盘或内存。在另一些实施例中,所述存储器21也可以是所述计算机设备2的外部存储设备,例如该计算机设备2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器21还可以既包括所述计算机设备2的内部存储单元也包括其外部存储设备。本实施例中,所述存储器21通常用于存储安装于所述计算机设备2的操作系统和各类应用软件,例如用于实现所述工程施工过程中的风险评估的方法的计算机程序等。此外,所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述计算机设备2的总体操作,例如执行与所述计算机设备2进行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据,例如运行用于实现所述工程施工过程中的风险评估的方法的计算机程序等。
所述网络接口23可包括无线网络接口或有线网络接口,该网络接口23通常用于在所述计算机设备2与其他计算机设备之间建立通信连接。例如,所述网络接口23用于通过网络将所述计算机设备2与外部终端相连,在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication,GSM)、宽带码分多址(WidebandCode Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是,图2仅示出了具有组件21-23的计算机设备2,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
在本实施例中,存储于存储器21中的用于实现所述工程施工过程中的风险评估的方法的计算机程序可以被一个或多个处理器(本实施例为处理器22)所执行,以完成以下步骤的操作:
步骤1,工程现场由特定工作人员负责上传工程数据,所述特定工作人员采集特定工程数据上传至风险实时评估服务器,所述风险实时评估服务器通过预设的过滤算法对上传数据进行过滤,再将过滤后的数据进行数据分类和归集,将数据转换为步骤2中建立的模型需要的数据格式,其中过滤方式为将采集的数据集输入随机森林模型中进行训练,产生出对当前工程的安全具有重要影响的因素,过滤掉除此之外的其他数据;
步骤2,构建贝叶斯网络评估模型,设置训练集和测试集,其中,所述训练集和测试集为根据历史评估信息及评估结果构建而成的风险先验事件,首先使用训练集对贝叶斯网络评估模型进行训练,然后使用测试集对该模型进行测试并可以对贝叶斯网络进行调整;
其中,Ck为风险事件中第k个特征,mj为风险事件,P表示概率;
步骤4,所述风险实时评估服务器对上传的工程数据进行风险评估,对可能出现的风险特征的概率进行统计,并基于统计概率进行评估得到第一评分p1,由后验事件对所述贝叶斯网络评估模型生成评分进行验证,得到该评分对应的风险转化率,并基于该风险转化率调整第一评分占总评分Q的权重a,即下一次的风险评估权重由上一次或者多次的权重决定,当所述第一评分的权重大于预设值时,所述风险实时评估服务器直接输出该次风险评估报告;
步骤5,当所述权重小于预设值时,所述风险实时评估服务器同时将上传工程数据发送至专业知识库进行评估得到第二评分p2,其中,所述第二评分的权重b=1-第一评分权重a,总评分:Q=p1*a+p2*b,所述风险实时评估服务器输出本次风险评估报告。
更进一步地,所述步骤1进一步包括:上传的工程数据进行预处理,将采集的数据进行标准化和归一化处理。
更进一步地,所述步骤2进一步包括:构建贝叶斯网络评估模型为通过采用Matlab软件中的工具组件Fulbn,先通过调用工具组件Fulbn设置各个节点的参数和拓扑关系以进行网络建设,然后在通过组件graph对生成的网络结构进行显示。
更进一步地,所述工程施工为建筑工程的施工,包括建筑工程决策的制定和项目工程的实施。
更进一步地,风险特征包括塔吊风险、施工平台风险、施工升降机风险、混凝土泵送风险、主体结构风险、临时支撑风险、深基坑风险、防护和消防风险中的一种或多种。
更进一步地,输出的风险评估报告包括建筑风险种类,所述建筑风险种类包括材料风险、结构风险、管理风险与组织风险。
更进一步地,所述步骤1中的工程现场由特定工作人员负责上传工程数据进一步包括:所述特定工作人员为建筑监理人员,上传的工程数据包括通过传感单元采集的检测数据、工程施工的材料数据、施工人员的组织组成数据。
更进一步地,所述传感单元采集施工环境的数据,包括施工泥土成分,水分占比。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。因此,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种工程施工过程中的风险评估的方法,其特征在于,所述方法包括如下步骤:
步骤1,工程现场由特定工作人员负责上传工程数据,所述特定工作人员采集特定工程数据上传至风险实时评估服务器,所述风险实时评估服务器通过预设的过滤算法对上传数据进行过滤,再将过滤后的数据进行数据分类和归集,将数据转换为步骤2中建立的模型需要的数据格式,其中过滤方式为将采集的数据集输入随机森林模型中进行训练,产生出对当前工程的安全具有重要影响的因素,过滤掉除此之外的其他数据;
步骤2,构建贝叶斯网络评估模型,设置训练集和测试集,其中,所述训练集和测试集为根据历史评估信息及评估结果构建而成的风险先验事件,首先使用训练集对贝叶斯网络评估模型进行训练,然后使用测试集对该模型进行测试并可以对贝叶斯网络进行调整;
其中,Ck为风险事件中第k个特征,mj为风险事件,P表示概率;
步骤4,所述风险实时评估服务器对上传的工程数据进行风险评估,对可能出现的风险特征的概率进行统计,并基于统计概率进行评估得到第一评分p1,由后验事件对所述贝叶斯网络评估模型生成评分进行验证,得到该评分对应的风险转化率,并基于该风险转化率调整第一评分占总评分Q的权重a,即下一次的风险评估权重由上一次或者多次的权重决定,当所述第一评分的权重大于预设值时,所述风险实时评估服务器直接输出该次风险评估报告;
步骤5,当所述权重小于预设值时,所述风险实时评估服务器同时将上传工程数据发送至专业知识库进行评估得到第二评分p2,其中,所述第二评分的权重b=1-第一评分权重a,总评分:Q=p1*a+p2*b,所述风险实时评估服务器输出本次风险评估报告,所述风险报告包括总评分及评分对应的明细。
2.如权利要求1所述的一种工程施工过程中的风险评估的方法,其特征在于,所述步骤1进一步包括:上传的工程数据进行预处理,将采集的数据进行标准化和归一化处理。
3.如权利要求1所述的一种工程施工过程中的风险评估的方法,其特征在于,所述步骤2进一步包括:构建贝叶斯网络评估模型为通过采用Matlab软件中的工具组件Fulbn,先通过调用工具组件Fulbn设置各个节点的参数和拓扑关系以进行网络建设,然后在通过组件graph对生成的网络结构进行显示。
4.如权利要求3所述的一种工程施工过程中的风险评估的方法,其特征在于,所述工程施工为建筑工程的施工,包括建筑工程决策的制定和项目工程的实施。
5.如权利要求4所述的一种工程施工过程中的风险评估的方法,其特征在于,风险特征包括塔吊风险、施工平台风险、施工升降机风险、混凝土泵送风险、主体结构风险、临时支撑风险、深基坑风险、防护和消防风险中的一种或多种。
6.如权利要求5所述的一种工程施工过程中的风险评估的方法,其特征在于,输出的风险评估报告包括建筑风险种类,所述建筑风险种类包括材料风险、结构风险、管理风险与组织风险。
7.如权利要求6所述的一种工程施工过程中的风险评估的方法,其特征在于,所述步骤1中的工程现场由特定工作人员负责上传工程数据进一步包括:所述特定工作人员为建筑监理人员,上传的工程数据包括通过传感单元采集的检测数据、工程施工的材料数据、施工人员的组织组成数据。
8.如权利要求7所述的一种工程施工过程中的风险评估的方法,其特征在于,所述传感单元采集施工环境的数据,包括施工泥土成分,水分占比。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项方法的步骤。
10.一种计算机存储介质,所述计算机存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210510173.2A CN114792209B (zh) | 2022-05-11 | 2022-05-11 | 一种工程施工风险评估的方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210510173.2A CN114792209B (zh) | 2022-05-11 | 2022-05-11 | 一种工程施工风险评估的方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114792209A CN114792209A (zh) | 2022-07-26 |
CN114792209B true CN114792209B (zh) | 2022-11-22 |
Family
ID=82463333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210510173.2A Active CN114792209B (zh) | 2022-05-11 | 2022-05-11 | 一种工程施工风险评估的方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114792209B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521710A (zh) * | 2011-12-22 | 2012-06-27 | 上海建科工程咨询有限公司 | 一种建筑施工质量安全在线风险评估系统 |
JP2013061694A (ja) * | 2011-09-12 | 2013-04-04 | Hitachi Ltd | プロジェクトリスク管理システム |
CN103699698A (zh) * | 2014-01-16 | 2014-04-02 | 北京泰乐德信息技术有限公司 | 一种基于改进贝叶斯的轨道交通故障识别方法及系统 |
CN110008499A (zh) * | 2019-01-21 | 2019-07-12 | 华南理工大学 | 一种基于Bayesian kriging模型的机构优化设计方法 |
CN111080156A (zh) * | 2019-12-24 | 2020-04-28 | 西南交通大学 | 一种大型桥梁工程施工阶段动态风险评估方法 |
CN112069726A (zh) * | 2020-08-19 | 2020-12-11 | 中国航天标准化研究所 | 一种基于贝叶斯网络的风险分析评估方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10581896B2 (en) * | 2016-12-30 | 2020-03-03 | Chronicle Llc | Remedial actions based on user risk assessments |
-
2022
- 2022-05-11 CN CN202210510173.2A patent/CN114792209B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013061694A (ja) * | 2011-09-12 | 2013-04-04 | Hitachi Ltd | プロジェクトリスク管理システム |
CN102521710A (zh) * | 2011-12-22 | 2012-06-27 | 上海建科工程咨询有限公司 | 一种建筑施工质量安全在线风险评估系统 |
CN103699698A (zh) * | 2014-01-16 | 2014-04-02 | 北京泰乐德信息技术有限公司 | 一种基于改进贝叶斯的轨道交通故障识别方法及系统 |
CN110008499A (zh) * | 2019-01-21 | 2019-07-12 | 华南理工大学 | 一种基于Bayesian kriging模型的机构优化设计方法 |
CN111080156A (zh) * | 2019-12-24 | 2020-04-28 | 西南交通大学 | 一种大型桥梁工程施工阶段动态风险评估方法 |
CN112069726A (zh) * | 2020-08-19 | 2020-12-11 | 中国航天标准化研究所 | 一种基于贝叶斯网络的风险分析评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114792209A (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN108495329B (zh) | 一种基站可靠性的评价方法和装置 | |
CN113777236B (zh) | 基于排放源的空气质量监控方法和装置 | |
CN112632179A (zh) | 模型构建方法、装置、存储介质及设备 | |
CN115529315B (zh) | 一种云边协同系统 | |
JP2019067074A (ja) | 風環境学習装置、風環境評価システム、風環境学習方法及び風環境評価方法 | |
CN114372311B (zh) | 基于bim的设计检测方法、装置、电子设备及存储介质 | |
CN111241660B (zh) | 一种基于云计算技术的土木工程实验检测系统及方法 | |
CN115878958A (zh) | 一种变压器油温预测方法、装置、设备及存储介质 | |
CN116847222B (zh) | 应用于石油测井下的设备远程监控方法及系统 | |
CN114792209B (zh) | 一种工程施工风险评估的方法、设备及存储介质 | |
CN117077854B (zh) | 基于传感器网络的楼宇能耗监控方法及系统 | |
CN112819365A (zh) | 碳汇检测方法、装置及存储介质和电子设备 | |
CN113313304A (zh) | 一种基于大数据决策树的电网事故异常分析方法及系统 | |
CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
CN111340975A (zh) | 异常数据特征提取方法、装置、设备及存储介质 | |
CN115760486A (zh) | 临建规模评估方法、装置、设备和可读存储介质 | |
CN113408816B (zh) | 一种基于深度神经网络的电网灾情评估方法 | |
CN115618928A (zh) | 一种边坡位移预测方法、装置和电子设备 | |
CN103853933A (zh) | 面向Android数字取证的用户行为分析方法及系统 | |
Martać et al. | Enhancing large dam safety using IoT technologies: A case of a smart dam | |
CN111967419A (zh) | 一种坝岸险情预测方法、装置、计算机设备及存储介质 | |
Ding et al. | Bridge inspection and management system based on smart phone | |
CN110363445A (zh) | 一种确定专利质量等级信息的方法和设备 | |
Salazar et al. | A methodology for dam safety evaluation and anomaly detection based on boosted regression trees |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |