CN114862169A - 一种基于bim的隧道工程安全风险监测系统及方法 - Google Patents
一种基于bim的隧道工程安全风险监测系统及方法 Download PDFInfo
- Publication number
- CN114862169A CN114862169A CN202210456004.5A CN202210456004A CN114862169A CN 114862169 A CN114862169 A CN 114862169A CN 202210456004 A CN202210456004 A CN 202210456004A CN 114862169 A CN114862169 A CN 114862169A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- risk
- model
- data
- ifc
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 442
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000010276 construction Methods 0.000 claims abstract description 47
- 230000000007 visual effect Effects 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 239000011435 rock Substances 0.000 claims abstract description 27
- 238000012502 risk assessment Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000013145 classification model Methods 0.000 claims description 14
- 238000012706 support-vector machine Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000005641 tunneling Effects 0.000 claims 4
- 238000013210 evaluation model Methods 0.000 abstract description 2
- 230000003993 interaction Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 18
- 230000007547 defect Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004148 unit process Methods 0.000 description 2
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Architecture (AREA)
- Health & Medical Sciences (AREA)
- Civil Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明属于建筑信息模型信息技术领域,尤其涉及一种基于BIM的隧道工程安全风险监测系统及方法。该系统现场监测模块布置在隧道施工现场的监测区域内,用于监测当前监测区域中监测点的支护体系力学性能数据及围岩稳定状态数据;并将该数据传输至数据服务器;通过风险评估模型,确定所在监测区域中监测点的风险评估结果并传输至数据库;创建三维BIM监测模型并转化成IFC监测模型,并对IFC监测模型进行IFC监测信息扩展,获得扩展后的IFC监测模型并采用可视化预警平台进行加载;本发明IFC监测模型作为BIM监测模型数据的交互标准,并写入监测模型的IFC属性集,提高监测信息的使用效率,将模型携带信息量扩展至满足可视化监测的要求,实现隧道工程实时动态安全预警。
Description
技术领域
本发明属于建筑信息模型信息技术领域,尤其涉及一种基于BIM的隧道工程安全风险监测系统及方法。
背景技术
随着我国经济发展迅速,综合国力显著提高,基础建设领域也迎来了飞跃式的发展。据统计,2020年末我国公路隧道21316处、2199.93万延米,增加2249处、303.27万延米,固定资产投资25883亿元,比上年增长10.4%,我国已然成为世界上隧道工程规模最大、运营数量最多、施工结构形式最复杂的国家。但是隧道工程自身的建设特点也造成了安全事故频发,施工过程中的信息传递效率低下、相关人员施工经验不够丰富,风险管理方法和技术手段不全面等缺陷将直接导致报警不及时、危机处理不够妥善等问题将造成重大工程事故,而且引发安全事故的条件往往具有较强的随机性和不确定性。据统计,2006-2020年共发生109个隧道施工事故,死亡人数共计342人。因此,隧道工程的高速发展也使得隧道监测的应用日趋巨量化与复杂化,这对隧道监测信息的收集、分析、处理提出了新的挑战。
目前大部分隧道工程采用传统人工监测方法,尽管该方法在技术上己经成熟,但是存在很大的主观不确定性,同时对监测人员的素质要求很高,还存在精准度低、效率低及监测人员的安全问题等缺陷,这并不适合目前隧道施工的技术特性。随着新技术的发展,相关技术人员对信息化监测做了一系列的探索,己经出现了三维激光扫描技术、自动传感器技术以及智能应力计技术等。然而新型的监测技术还存在着人力成本高、可视化程度低、数据处理流程原生化等问题。并且目前隧道的信息化监测技术,也存在以下问题:(1)三维模型与监测预警并未有效结合,三维模型与监测数据相对独立;(2)监测数据处理较为滞后,隧道工程安全风险预测方法不完善;(3)隧道施工缺陷处置管理过程中信息传递滞后,无法实现质量隐患的追踪、处理、闭合;(4)监测数据预警技术尚不成熟。所以如何借助高速发展的数字化设备实现远程可视化监测,以提高隧道工程的管理效率及安全水平,是当前函待解决的问题。
目前BIM技术在我国稳步发展,其在我国诸多领域的应用越来越广泛。BIM具有项目全生命周期的物理可视化、信息集成化等特征,将BIM技术独有的三维可视化优势带入隧道监测领域方向,这将大大提高监测系统的信息化程度,而且将BIM技术与风险评估模型相结合,可以极大提高施工现场风险管理水平,减少人员财产等经济损失,为隧道工程的数字化管理提供了技术支撑。
目前,国内外对基于BIM的隧道工程安全监测可视化及风险预测方法不够深入,多数数据库只能存储和读写监测信息,同时IFC标准方面对于监测信息的扩展仍有待完善,并且无法科学合理对隧道工程进行动态化风险评估,BIM技术的应用停留在本地应用。
发明内容
本发明提供一种基于BIM的隧道工程安全风险监测系统及方法。
本发明采用如下技术方案:
本发明所述的基于BIM的隧道工程安全风险监测系统,包括现场监测模块、数据服务器、风险评估模块、数据库、BIM监测模型创建模块、IFC监测模型扩展模块、可视化预警平台、移动端质量核检模块;
所述现场监测模块布置在隧道施工现场的监测区域内,用于监测当前监测区域中监测点的支护体系力学性能数据及围岩稳定状态数据;并将该数据传输至数据服务器;
所述数据服务器获取的支护体系力学性能数据及围岩稳定状态数据实时发送至风险评估模块;所述风险评估模块用于对支护体系力学性能数据及围岩稳定状态数据进行计算分析,确定所在监测区域中监测点的风险评估结果并传输至数据库;所述BIM监测模型创建模块用于根据监测点CAD图纸设计参数创建三维BIM监测模型,通过IFC监测模型扩展模块将三维BIM监测模型转化为IFC监测模型,并对IFC监测模型进行IFC监测信息扩展,获得扩展后的IFC监测模型;
所述可视化预警平台用于加载IFC监测模型使其可视化,生成风险评估结果、发布质量核查任务传输至移动端质量核检模块,移动端质量核检模块用于监理人员接收和处理质量核查任务。
本发明所述的基于BIM的隧道工程安全风险监测系统,所述现场监测模块所监测的支护体系力学性能数据能包括:锚杆轴力、钢架内力、支护内应力、衬砌混凝土应力、衬砌混凝土应变、初期支护与二次衬砌间接触压力、混凝土外荷载;
所述围岩稳定状态数据包括:围岩体内位移、拱顶下沉、地质与支护观测、地表沉降、周围建筑物沉降、隧道洞水压力、孔隙水压力、围岩压力和隧道隆起。
本发明所述的基于BIM的隧道工程安全风险监测系统的监测方法,步骤如下:
步骤1,通过现场监测模块采集监测区域中监测点的支护体系力学性能数据及围岩稳定状态数据;
步骤2,监测数据进行计算分析:利用数据服务器将采集监测区域中监测点的支护体系力学性能数据及围岩稳定状态数据发送至风险评估模块,通过风险评估模块确定监测点所在监测区域的风险评估结果,并将风险评估结果和监测数据实时传输至数据库;所述风险评估结果包括安全风险等级、风险概率;
步骤3,根据监测点CAD图纸设计参数创建三维BIM监测模型,并对监测模型进行构件编码;将BIM监测模型转化为IFC监测模型,并对IFC监测模型进行IFC监测信息扩展,获得扩展后的IFC监测模型;
步骤4,根据可视化预警平台加载扩展后的IFC监测模型,将数据库中的监测数据和监测区域的风险评估结果与扩展后的IFC监测模型关联;根据风险等级发布预警和质量核查任务;
步骤5,监理人员接收和处理质量核查任务。
本发明所述的基于BIM的隧道工程安全风险监测系统的监测方法,所述步骤2中,对监测数据进行计算分析,确定监测点所在监测区域的风险评估结果包括:
步骤2.1,统计隧道工程施工过程中的安全事故,将安全事故按照隧道事故类型进行分类汇总,即历史监测数据;
对隧道施工过程的工序进行结构分解,依据上述分类后的隧道事故类型构建隧道工程安全风险因素清单;
依据上述隧道工程安全风险因素清单,利用贝叶斯网络拓扑结构构建风险因素网络拓扑结构;
使用模糊理论计算风险因素网络拓扑结构各节点的参数,利用贝叶斯网络拓扑结构对隧道工程安全风险因素进行定量分析,获得风险因素权重值;
步骤2.2,根据风险因素网络拓扑结构,建立监测数据与风险因素的对应关系,使用G-S风险分类模型计算监测数据对应的风险分类结果和风险概率,从而确定风险等级;
步骤2.2.1,从上述历史监测数据中随机抽取数据样本,将样本数据归一化处理,公式如下:
其中,xmax为样本中最大值,xmin为样本中最小值,xi为某个样本数据,x′为归一化处理后的数据;
步骤2.2.2,使用径向基核函数作为支持向量机SVM的核函数对历史监测数据进行分类,并利用遗传GA算法计算径向基核函数的最优参数gamma和C,参数gamma为支持向量的样本的影响半径的倒数,参数C为惩罚松弛变量;构建G-S风险分类模型;
步骤2.2.3,使用Sigmoid函数获取后验概率计算的分类结果和分类概率,后验概率公式如下:
其中,f(x)为G-S风险分类模型决策函数的输出;A和B为待拟合Sigmoid参数;P(y=1∣f(x))为输出值f(x)的条件下样本属于1类的程度大小;
参数A和B使用下式计算:
步骤2.2.4,将上述除去样本数据的历史监测数据中随机抽取预测监测数据;将预测监测数据代入G-S风险分类模型,对模型评估结果进行验证;
步骤2.2.5,将所监测的支护体系力学性能数据及围岩稳定状态数据代入G-S风险分类模型计算风险分类结果和风险概率,从而确定监测区域的风险等级;
风险概率为0-0.25,风险等级为一级,风险忽略;
风险概率为0.25-0.5,风险等级为二级,风险能接受;
风险概率为0.5-0.8,风险等级为三级,风险需要处理;
风险概率为0.8-1,风险等级为四级,风险无法接收,需要立即处理。
本发明所述的基于BIM的隧道工程安全风险监测系统的监测方法,步骤2中数据库包括监测点信息数据表、监测数据数据表、风险信息数据表,
所述监测点信息数据表用于存储监测点编码、监测类型、监测区域和监测点预警值;
所述监测数据数据表用于存储监测点编码、监测数据和监测时间;
所述风险信息数据表用于存储监测区域编码、风险概率、风险等级和风险等级对应的颜色。
本发明所述的基于BIM的隧道工程安全风险监测系统的监测方法,所述步骤3根据监测点CAD图纸设计参数创建三维BIM监测模型,所述BIM监测模型根据隧道施工过程中的施工缝划分获得,将两道施工缝之间的监测模型归为一个监测区域,并赋予监测区域唯一数字代码;
将BIM监测模型导出为IFC格式的BIM模型,即IFC监测模型;IFC监测模型使用全局唯一标识符GUID进行唯一标识;
使用ArchiCAD软件对IFC监测模型进行IFC监测信息扩展;
扩展的IFC监测信息包括监测点编码、安装时间、采集时间、监测数据类型、预警值上限、预警值下限、监测区域编码、传输协议的名称、传输协议的版本号特征属性;
所述步骤4中可视化预警平台加载信息扩展后的IFC监测模型;通过信息扩展的后IFC监测模型的GUID标识和监测点编码的对应关系,将数据库中的监测点信息数据表、监测数据数据表、风险信息数据表中的数据读取至扩展后的IFC监测模型中;
可视化预警平台展显示监测数据曲线、监测点信息、监测数据超限提醒、IFC监测模型实时颜色、风险等级信息;
当风险等级为一级时,BIM监测模型为初始颜色显示;
当风险等级为二级时,BIM监测模型为黄色显示;
当风险等级为三级时,BIM监测模型为橙色显示;
当风险等级为四级时,BIM监测模型为红色显示;
当风险等级为三级和四级,或者监测数据大于设置的预警阈值时,发布预警,预警信息包括监测区域、风险等级、问题描述和质量核查任务信息提醒;
当风险等级为三级和四级,或者监测数据大于设置的预警阈值时,发布质量核查指令,安排监理人员到施工现场进行检查。
有益效果
本发明提供了基于BIM的隧道工程安全风险监测系统及方法,IFC监测模型作为BIM监测模型数据的交互标准,并写入监测模型的IFC属性集,提高监测信息的使用效率,将模型携带信息量扩展至满足可视化监测的要求,丰富可视化平台信息展示内容;
本发明提供了基于BIM的隧道工程安全风险监测系统及方法,将BIM技术与风险评估相结合,进行风险评价,科学预测风险水平,通过动态化的风险评估与可视化预警有效预防了安全事故的发生,能够帮助管理人员作出更加科学合理的决策,从而加强对风险的主动控制,有效规避风险,降低风险发生的概率;
本发明提供了基于BIM的隧道工程安全风险监测系统及方法,将可视化预警平台与移动端施工质量核检过程相结合,提高了协同作业效率,降低了信息丢失的风险,方便了历史信息查询。
附图说明
图1为一种基于BIM的隧道工程安全风险监测系统及方法的结构图。
图2为隧道二次衬砌应力监测BIM模型及构件编码图。
图3为隧道安全风险贝叶斯网络结构拓扑图。
图4为可视化预警平台围岩位移监测数据曲线图。
图5为在可视化预警平台风险等级为三级时监测区域显示图。
图6为移动端任务发布界面图。
图7为移动端施工现场照片和处治方案上传界面图。
图8为质量缺陷处治照片和方案在可视化预警平台展示图。
具体实施方式
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其它方面的优点将会变得更加清楚,但不应将此理解为本发明的保护范围仅限于以下的实施例,凡基于本发明内容所实现的技术方案均落入本发明的保护范围。
如图1所示:基于BIM的隧道工程安全风险监测系统,包括现场监测模块、数据服务器、风险评估模块、数据库、BIM监测模型创建模块、IFC监测模型扩展模块、可视化预警平台和移动端质量核检模块;
所述现场监测模块,用于采集隧道工程现场施工过程中监测点的支护体系力学性能和围岩稳定状态两大类监测数据;
监测点的支护体系力学性能和围岩稳定状态两大类监测数据,支护体系力学性能包括:锚杆轴力、钢架内力、支护内应力、衬砌混凝土应力、衬砌混凝土应变、初期支护与二次衬砌间接触压力、混凝土外荷载;
围岩稳定状态包括:围岩体内位移、拱顶下沉、地质与支护观测、地表沉降、周围建筑物沉降、隧道洞水压力、孔隙水压力、围岩压力、隧道隆起。
所述数据服务器,数据服务器定期向现场监测系统发送监测命令,获取监测数据。在短、中长隧道项目中,现场监测模块通过GPRS(General packet radio service,通用分组无线服务)网络将采集到的监测数据发送至数据服务器,在长、特长隧道项目中,现场监测模块使用GPRS网络和无线传输中继模块将采集到监测数据传输至数据服务器;数据服务器则将监测数据实时传送至风险评估模块。本实施例中,所述无线传输中继模块使用RS-485工业级中继器-鹏合电子源头生产厂家。
所述风险评估模块,用于对监测数据进行计算分析,确定监测点所在监测区域的风险评估结果,并将风险评估结果和监测数据实时传输至数据库;所述风险评估结果包括安全风险等级和风险概率;现场监测模块包括各种传感器和监测器在内的监测设备,例如AR-SS-SZY02静力水准仪,HC-5100型固定式测斜仪,HC-2200多点位移计,9430电子式收敛计,9500振弦式渗压计,9980标准温度计,HC-2400型裂缝计,9000/9050振弦式支撑应变计,9011振弦式钢筋应力计,9900型振弦式锚索计等。
数据库,用于储存监测数据和监测区域的风险评估结果;
BIM监测模型创建模块,用于根据监测点CAD图纸设计参数创建三维BIM监测模型,所述监测模型的属性信息包括监测点、监测类型、监测区域、监测设备安装时间、监测设备型号和监测模型编码信息;对监测模型进行构件编码,获得监测点编码,编码格式为:施工标段-监测区域-监测对象-监测类型-序号;
例如:1-DKD15-ECCQ-JZC-064,一标-大跨段15-二次衬砌-应力-064;
IFC监测模型扩展模块,用于将BIM监测模型转化为IFC监测模型,并对IFC监测模型进行IFC监测信息扩展,获得扩展后的IFC监测模型,以便监测数据和监测区域的风险评估结果储存在IFC模型中;
可视化预警平台,用于加载扩展后的IFC监测模型,将数据库中的监测数据和监测区域的风险评估结果与扩展后的IFC监测模型关联,实现监测数据和监测区域的风险评估结果可视化查询、风险及时预警以及发布质量核查任务;
可视化预警平台是使用虚幻引擎(Unreal Engine 4)进行搭建的,利用虚幻引擎Unreal Engine 4加载IFC监测模型,并对模型进行重新的编译和功能的应用,最终完成基于BIM技术的可视化预警平台的开发。
移动端质量核检模块,用于监理人员接收和处理质量核查任务,所述处理质量核查任务包括监理人员到施工现场使用移动端对质量缺陷区域进行拍照上传,并发起整治任务,施工单位接收整治任务后,对缺陷区域进行处理,监理人员对处治后隧道现场进行拍照,上传处治后照片和处治方案,处治后照片和处治方案抄送监理领导和业务审核;审核通过的处治后照片和处置方案能够在可视化预警平台展示,以便于查看历史记录。
基于BIM的隧道工程安全风险监测方法,使用上述基于BIM的隧道工程安全风险监测系统,步骤为:
步骤1,采集监测数据;
步骤2,监测数据进行计算分析,确定监测点所在监测区域的风险评估结果,并将风险评估结果和监测数据实时传输至数据库;所述风险评估结果包括安全风险等级和风险概率;
步骤2.1,利用贝叶斯网络拓扑结构对隧道工程安全风险因素进行定量分析,获得风险因素网络拓扑结构,具体步骤如下:
首先,统计隧道工程施工过程中的安全事故,将安全事故按照隧道事故类型进行分类汇总;所述安全事故通过包括调查问卷、查阅资料、事故案例和新闻快报在内的方式获得;
下表为部分示例;
其次,对隧道施工过程的工序进行结构分解,结合隧道事故类型构建隧道事故风险因素清单,如下表所示;然后依据隧道安全风险因素间的因果关系构建贝叶斯网络拓扑结构,如图3所示;最后,使用模糊理论计算风险因素网络拓扑结构各节点的参数,例如:超挖参数为:0.056,锚杆失效参数为:0.863,混凝土强度不足参数:0.162,渗水参数:0.098等,实现对隧道施工安全风险因素的定量分析。
隧道施工风险因素清单
然后,依据隧道工程安全风险因素清单,利用贝叶斯网络拓扑结构构建风险因素网络拓扑结构;
最后,使用模糊理论计算风险因素网络拓扑结构各节点的参数,实现对隧道工程安全风险因素的定量分析。
本步骤通过总结归纳施工过程风险因素,利用贝叶斯网络拓扑结构构建风险因素拓扑结构,再使用模糊理论计算节点参数,可以得出风险因素的权重值,在此基础上,进而辨识关键致险因素,在隧道施工过程中优先对关键风险因素进行监测,可以有效降低风险发生的可能性;此外,风险因素权重越大,其对风险的影响越大,以此得出每个监测指标的风险贡献率,作为参数带入风险评估模型进行定量风险分析。
步骤2.2,根据风险因素网络拓扑结构,建立监测数据与风险因素的对应关系,使用遗传算法GA(Genetic Algorithm)和支持向量机SVM(Support Vector Machine)结合形成的G-S风险模型计算监测数据对应的风险分类结果和风险概率,从而确定风险等级;其步骤如下:
步骤2.2.1,建立监测项目的监测数据指标与风险因素的对应关系,下表为部分示例。
步骤2.2.2,从历史监测数据中随机抽取数据样本,将样本数据归一化处理,公式如下:
其中,xmax为样本中最大值,xmin为样本中最小值,xi为某个样本数据,x′为归一化处理后的数据;
步骤2.2.3,使用径向基核函数作为支持向量机的核函数对历史监测数据进行分类,并利用GA算法计算径向基核函数的最优参数gamma和C,参数gamma为支持向量的样本的影响半径的倒数,参数C为惩罚松弛变量;核心代码如下:
load monitoring_SVM;#monitoring SVM监测数据支持向量机
训练数据①model=svmtrain(train_label,train_data,‘options’);#train_label训练集标签,train_data训练集属性矩阵,options参数选项包括:
s-svm类型;
t-核函数类型;
d-degree核函数中的degree设置(针对多项式核函数);
g-gama:核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数);
r-coef0:核函数中的coef0设置(针对多项式/sigmoid核函数);
c-cost:设置C-SVC,epsilon-SVR和nu-SVC的参数(损失函数);
n-nu:设置nu-SVC,one-class SVM和nu-SVR的参数;
p-epsilon:设置epsilon-SVR中损失函数epsilon的值;
m-cachesize:设置cache内存大小,以MB为单位;
e-eps:设置允许的终止判据;
h-shrinking:是否使用启发式,0或1;
wi-weight:设置第几类的参数C为weight*C(C-SVC中的C);
预测数据②[predict_label,accuracy,dec_value]=svmpredict(test_label,test_data,model);#predict_label预测集标签,accuracy代表分类准确率,dec_value是决策值,test_label代表测试集标签,test_data表示测试集属性矩阵,model=svmtrain(train_label,train_data,‘options’);
③[bestacc,bestc,bestg]=ga SVMcg For Class[train_monitoring_labels,train_monitoring,ga_parameter]
其中,bestacc代表最佳分类准确率,bestc代表最佳的参数c,bestg代表最佳的参数g,ga SVMcg For Class表示遗传算法参数寻优,train_monitoring代表训练样本集;train_monitoring_labels代表训练样本集的标签;ga_parameter用来存储GA计算优化过程中得到的参数。
使用Matlab软件进行编程。
步骤2.2.4,使用Sigmoid函数获取后验概率计算的分类结果和分类概率,后验概率公式如下:
其中,f(x)为G-S风险分类模型决策函数的输出;A和B为待拟合Sigmoid参数;P(y=1∣f(x))为输出值f(x)的条件下样本属于1类的程度大小;
参数A和B使用下式计算:
步骤2.2.5,将上述除去样本数据的历史监测数据中随机抽取预测监测数据;将预测监测数据代入G-S风险分类模型,对模型评估结果进行验证;
步骤2.2.6,将所监测的支护体系力学性能数据及围岩稳定状态数据代入G-S风险分类模型计算风险分类结果和风险概率,从而确定监测区域的风险等级;
从而确定监测区域的风险等级。安全风险等级划分见下表。
风险概率为0-0.25,风险等级为一级,风险忽略;
风险概率为0.25-0.5,风险等级为二级,风险能接受;
风险概率为0.5-0.8,风险等级为三级,风险需要处理;
风险概率为0.8-1,风险等级为四级,风险无法接收,需要立即处理。
数据库使用SQL Server作为后端数据储存管理系统,储存监测数据和监测区域的风险等级和概率,并对数据库中的表结构进行设计,以保障监测信息读取和储存的流畅性和数据库的完备性。数据表结构设计如下表所示:
传统的支持向量机算法针对线性可分的分类计算效果较好,对于非线性可分问题,操作较为繁琐。而本步骤的G-S风险分类模型中引入了后验概率思想,不仅实现了多分类问题,同时也结合贝叶斯决策规则获得了分类结果的概率。通过分类结果以及分类概率综合评判事故的紧急程度,能够有助于管理人员提高决策的科学性,对实际工程而言也更有应用价值。
数据库中包括监测点信息数据表、监测数据数据表和风险信息数据表;
所述监测点信息数据表,用于存储监测点编码、监测类型、监测区域和监测点预警值;
所述监测数据数据表,用于存储监测点编码、监测数据和监测时间;
所述风险信息数据表,用于存储监测区域编码、风险概率、风险等级和风险等级对应的颜色。
步骤3,根据监测点CAD图纸设计参数创建三维BIM监测模型;
如图2所示:使用Bentley公司下的MicroStation软件根据监测点CAD图纸设计参数创建三维BIM模型,并对监测模型进行构件编码;BIM监测模型根据隧道施工过程中的施工缝划分获得,将两道施工缝之间的监测模型归为一个监测区域,并赋予监测区域唯一数字代码;对监测模型进行构件编码,编码格式为:施工标段-监测区域-监测对象-监测类型-序号,
例如:1-DKD15-ECCQ-JZC-064,DKD15表示监测区域。
将BIM监测模型导出为IFC格式的BIM模型,即IFC监测模型,IFC监测模型使用全局唯一标识符GUID进行唯一标识;原始BIM监测模型,是根据隧道施工过程中的施工缝划分后的监测模型,把两道施工缝之间的监测模型归为一个监测区域,并赋予监测区域唯一数字代码。如图2所示,所属监测区域为:DKD15,大跨段15。
使用ArchiCAD软件对IFC监测模型进行IFC监测信息扩展,以便于数据的储存。扩展的IFC监测信息包括监测点编码、安装时间、采集时间、监测数据类型、预警值上限、预警值下限、监测区域编码、传输协议的名称和传输协议的版本号在内的特征属性。对于原始BIM监测模型使用MicroStation软件导出功能,将其导出为IFC格式的BIM模型,即IFC监测模型,IFC监测模型使用唯一标识符GUID(Globally Unique Identifier,全局唯一标识符)进行唯一标识;使用ArchiCAD软件对IFC监测模型进行IFC监测信息扩展,以便监测数据和信息储存在IFC模型中。将BIM模型转化为IFC模型还可以使用其他BIM软件,如Revit、3dsMax、Rhino、CATIA等。
所述的IFC监测模型监测信息扩展,是指在IFC的原生框架中,补充每个监测模型的特征属性,以便于数据的储存,IFC扩展监测信息格式如下表所示。
步骤4,可视化预警平台加载扩展后的IFC监测模型;通过IFC监测模型的GUID标识和监测点编码的对应关系,将数据库中的监测点信息数据表、监测数据数据表和风险信息数据表中的数据读取至扩展后的IFC监测模型中;在可视化预警平台上加载扩展后的IFC监测模型,调用SQL Server数据库中的监测点数据信息和风险等级及概率,通过IFC监测模型的GUID标识和监测点编码的对应关系将数据信息附加至IFC监测模型中,GUID标识是IFC监测模型中特定的唯一标识符。
如图4所示:在可视化预警平台可以点击查看监测数据曲线、监测点相关信息、监测数据超限提醒、三维模型实时颜色和风险等级信息、施工缺陷处治后的照片和方案。在可视化预警平台中点击监测点,出现该监测点监测曲线图,围岩位移监测数据曲线。
可视化预警平台从SQL Server数据库实时调取经过风险评估模块计算后得到的监测风险等级和颜色类型,
当风险等级为一级时,BIM监测模型为初始颜色显示;
当风险等级为二级时,BIM监测模型为黄色显示;
当风险等级为三级时,BIM监测模型为橙色显示;
当风险等级为四级时,BIM监测模型为红色显示;
当风险等级为三级和四级,或者监测数据大于设置的预警阈值时,发布预警,预警信息包括监测区域、风险等级、问题描述和质量核查任务信息提醒;
可视化预警平台从SQL Server数据库中实时调取监测数据,通过监测模型构件编码和GUID标识的对应关系,将监测数据与BIM模型关联;并且调取SQL Server数据库中各类监测指标的设计阈值,与监测数据进行对比,当风险等级为三级和四级或者监测数据大于设定的设计预警阈值时,在可视化预警平台进行警告提醒和发布质量核查任务。
当风险等级为三级和四级,或者监测数据大于设置的预警阈值时,发布质量核查指令,安排监理人员到施工现场进行检查。
步骤5,监理人员接收到可视化预警平台发布的核查指令后,监理人员到施工现场使用移动端对质量缺陷区域进行拍照,并发起整治任务。施工单位接收整治任务后,对缺陷区域进行处理,监理人员对处治后隧道现场进行拍照,并上传处治方法,监理人员将照片与方案抄送至监理领导、业主进行审核,审核通过的照片和方案在可视化预警平台进行展示。监理人员使用移动端执行任务的数据字典如下表所示。监理人员移动端发布任务如图6所示,施工现场信息上传如图7所示。
监理人员在移动端上传处理后照片和方案时,勾选施工缺陷所在的监测区域编码和监测点编码,利用编码与可视化平台监测模型建立的关系,质量缺陷处治照片和方案可在可视化预警平台展示,如图8所示。
根据隧道工程项目的特点,本发明基于BIM的隧道工程安全监测可视化及风险预测方法,可以实现监测数据与BIM模型的可视化联动,并对隧道工程施工安全风险的自动计算、动态更新与可视化显示,提高了风险预警效果,降低了经济损失。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种基于BIM的隧道工程安全风险监测系统,其特征在于:包括现场监测模块、数据服务器、风险评估模块、数据库、BIM监测模型创建模块、IFC监测模型扩展模块、可视化预警平台、移动端质量核检模块;
所述现场监测模块布置在隧道施工现场的监测区域内,用于监测当前监测区域中监测点的支护体系力学性能数据及围岩稳定状态数据;并将该数据传输至数据服务器;
所述数据服务器获取的支护体系力学性能数据及围岩稳定状态数据实时发送至风险评估模块;所述风险评估模块用于对支护体系力学性能数据及围岩稳定状态数据进行计算分析,确定所在监测区域中监测点的风险评估结果并传输至数据库;
所述BIM监测模型创建模块用于根据监测点CAD图纸设计参数;创建三维BIM监测模型,通过IFC监测模型扩展模块将三维BIM监测模型转化为IFC监测模型,并对IFC监测模型进行IFC监测信息扩展,获得扩展后的IFC监测模型;
所述可视化预警平台用于加载IFC监测模型使其可视化,生成风险评估结果、发布质量核查任务传输至移动端质量核检模块,移动端质量核检模块用于监理人员接收和处理质量核查任务。
2.根据权利要求1所述的基于BIM的隧道工程安全风险监测系统,其特征在于:所述现场监测模块所监测的支护体系力学性能数据能包括:锚杆轴力、钢架内力、支护内应力、衬砌混凝土应力、衬砌混凝土应变、初期支护与二次衬砌间接触压力、混凝土外荷载;
所述围岩稳定状态数据包括:围岩体内位移、拱顶下沉、地质与支护观测、地表沉降、周围建筑物沉降、隧道洞水压力、孔隙水压力、围岩压力和隧道隆起。
3.根据权利要求1至2任意一项所述的基于BIM的隧道工程安全风险监测系统的监测方法,其特征在于:步骤如下:
步骤1,通过现场监测模块采集监测区域中监测点的支护体系力学性能数据及围岩稳定状态数据;
步骤2,监测数据进行计算分析:利用数据服务器将采集监测区域中监测点的支护体系力学性能数据及围岩稳定状态数据发送至风险评估模块,通过风险评估模块确定监测点所在监测区域的风险评估结果,并将风险评估结果和监测数据实时传输至数据库;所述风险评估结果包括安全风险等级、风险概率;
步骤3,根据监测点CAD图纸设计参数创建三维BIM监测模型,并对监测模型进行构件编码;将BIM监测模型转化为IFC监测模型,并对IFC监测模型进行IFC监测信息扩展,获得扩展后的IFC监测模型;
步骤4,根据可视化预警平台加载扩展后的IFC监测模型,将数据库中的监测数据和监测区域的风险评估结果与扩展后的IFC监测模型关联;根据风险等级发布预警和质量核查任务;
步骤5,监理人员接收和处理质量核查任务。
4.根据权利要求3所述的基于BIM的隧道工程安全风险监测系统的监测方法,其特征在于:所述步骤2中,对监测数据进行计算分析,确定监测点所在监测区域的风险评估结果包括:
步骤2.1,统计隧道工程施工过程中的安全事故,将安全事故按照隧道事故类型进行分类汇总,即历史监测数据;
对隧道施工过程的工序进行结构分解,依据上述分类后的隧道事故类型构建隧道工程安全风险因素清单;
依据上述隧道工程安全风险因素清单,利用贝叶斯网络拓扑结构构建风险因素网络拓扑结构;
使用模糊理论计算风险因素网络拓扑结构各节点的参数,利用贝叶斯网络拓扑结构对隧道工程安全风险因素进行定量分析,获得风险因素权重值;
步骤2.2,根据风险因素网络拓扑结构,建立监测数据与风险因素的对应关系,使用G-S风险分类模型计算监测数据对应的风险分类结果和风险概率,从而确定风险等级。
步骤2.2.1,从上述历史监测数据中随机抽取数据样本,将样本数据归一化处理,公式如下:
其中,xmax为样本中最大值,xmin为样本中最小值,xi为某个样本数据,x′为归一化处理后的数据;
步骤2.2.2,使用径向基核函数作为支持向量机SVM的核函数对历史监测数据进行分类,并利用遗传GA算法计算径向基核函数的最优参数gamma和C,参数gamma为支持向量的样本的影响半径的倒数,参数C为惩罚松弛变量;构建G-S风险分类模型;
步骤2.2.3,使用Sigmoid函数获取后验概率计算的分类结果和分类概率,后验概率公式如下:
其中,f(x)为G-S风险分类模型决策函数的输出;A和B为待拟合Sigmoid参数;P(y=1∣f(x))为输出值f(x)的条件下样本属于1类的程度大小;
参数A和B使用下式计算:
步骤2.2.4,将上述除去样本数据的历史监测数据中随机抽取预测监测数据;将预测监测数据代入G-S风险分类模型,对模型评估结果进行验证;
步骤2.2.5,将所监测的支护体系力学性能数据及围岩稳定状态数据代入G-S风险分类模型计算风险分类结果和风险概率,从而确定监测区域的风险等级;
风险概率为0-0.25,风险等级为一级,风险忽略;
风险概率为0.25-0.5,风险等级为二级,风险能接受;
风险概率为0.5-0.8,风险等级为三级,风险需要处理;
风险概率为0.8-1,风险等级为四级,风险无法接收,需要立即处理。
5.根据权利要求3所述的基于BIM的隧道工程安全风险监测系统的监测方法,其特征在于:步骤2中数据库包括监测点信息数据表、监测数据数据表、风险信息数据表,
所述监测点信息数据表用于存储监测点编码、监测类型、监测区域和监测点预警值;
所述监测数据数据表用于存储监测点编码、监测数据和监测时间;
所述风险信息数据表用于存储监测区域编码、风险概率、风险等级和风险等级对应的颜色。
6.根据权利要求3或5所述的基于BIM的隧道工程安全风险监测系统的监测方法,其特征在于:所述步骤3根据监测点CAD图纸设计参数创建三维BIM监测模型,所述BIM监测模型根据隧道施工过程中的施工缝划分获得,将两道施工缝之间的监测模型归为一个监测区域,并赋予监测区域唯一数字代码;
将BIM监测模型导出为IFC格式的BIM模型,即IFC监测模型;IFC监测模型使用全局唯一标识符GUID进行唯一标识;
使用ArchiCAD软件对IFC监测模型进行IFC监测信息扩展;
扩展的IFC监测信息包括监测点编码、安装时间、采集时间、监测数据类型、预警值上限、预警值下限、监测区域编码、传输协议的名称、传输协议的版本号特征属性;
所述步骤4中可视化预警平台加载信息扩展后的IFC监测模型;通过信息扩展的后IFC监测模型的GUID标识和监测点编码的对应关系,将数据库中的监测点信息数据表、监测数据数据表、风险信息数据表中的数据读取至扩展后的IFC监测模型中;
可视化预警平台展显示监测数据曲线、监测点信息、监测数据超限提醒、IFC监测模型实时颜色、风险等级信息;
当风险等级为一级时,BIM监测模型为初始颜色显示;
当风险等级为二级时,BIM监测模型为黄色显示;
当风险等级为三级时,BIM监测模型为橙色显示;
当风险等级为四级时,BIM监测模型为红色显示;
当风险等级为三级和四级,或者监测数据大于设置的预警阈值时,发布预警,预警信息包括监测区域、风险等级、问题描述和质量核查任务信息提醒;
当风险等级为三级和四级,或者监测数据大于设置的预警阈值时,发布质量核查指令,安排监理人员到施工现场进行检查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210456004.5A CN114862169A (zh) | 2022-04-24 | 2022-04-24 | 一种基于bim的隧道工程安全风险监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210456004.5A CN114862169A (zh) | 2022-04-24 | 2022-04-24 | 一种基于bim的隧道工程安全风险监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114862169A true CN114862169A (zh) | 2022-08-05 |
Family
ID=82632751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210456004.5A Pending CN114862169A (zh) | 2022-04-24 | 2022-04-24 | 一种基于bim的隧道工程安全风险监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862169A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681292A (zh) * | 2023-08-04 | 2023-09-01 | 交通运输部水运科学研究所 | 基于深度学习的石化港区安全风险分析及责任划分方法 |
CN117189258A (zh) * | 2023-09-27 | 2023-12-08 | 成都天测皓智科技有限公司 | 一种隧道态势监测的方法及相关设备 |
CN117556521A (zh) * | 2024-01-09 | 2024-02-13 | 深圳大学 | 基于数字孪生的高海拔隧道衬砌开裂风险监测方法及系统 |
CN117738743A (zh) * | 2024-02-19 | 2024-03-22 | 中国矿业大学(北京) | 长大山岭隧道适应性围岩支护结构监测方法 |
CN117852896A (zh) * | 2024-03-07 | 2024-04-09 | 南京德阳工程监理咨询有限公司 | 一种施工监理风险控制预警系统及方法 |
-
2022
- 2022-04-24 CN CN202210456004.5A patent/CN114862169A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681292A (zh) * | 2023-08-04 | 2023-09-01 | 交通运输部水运科学研究所 | 基于深度学习的石化港区安全风险分析及责任划分方法 |
CN116681292B (zh) * | 2023-08-04 | 2024-04-09 | 交通运输部水运科学研究所 | 基于深度学习的石化港区安全风险分析及责任划分方法 |
CN117189258A (zh) * | 2023-09-27 | 2023-12-08 | 成都天测皓智科技有限公司 | 一种隧道态势监测的方法及相关设备 |
CN117556521A (zh) * | 2024-01-09 | 2024-02-13 | 深圳大学 | 基于数字孪生的高海拔隧道衬砌开裂风险监测方法及系统 |
CN117556521B (zh) * | 2024-01-09 | 2024-04-30 | 深圳大学 | 基于数字孪生的高海拔隧道衬砌开裂风险监测方法及系统 |
CN117738743A (zh) * | 2024-02-19 | 2024-03-22 | 中国矿业大学(北京) | 长大山岭隧道适应性围岩支护结构监测方法 |
CN117738743B (zh) * | 2024-02-19 | 2024-05-24 | 中国矿业大学(北京) | 长大山岭隧道适应性围岩支护结构监测方法 |
CN117852896A (zh) * | 2024-03-07 | 2024-04-09 | 南京德阳工程监理咨询有限公司 | 一种施工监理风险控制预警系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114862169A (zh) | 一种基于bim的隧道工程安全风险监测系统及方法 | |
CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
CN110516820B (zh) | 一种基于bim的钢结构桥梁信息化运维系统及处理方法 | |
CN114118224B (zh) | 一种基于神经网络的全系统遥测参数异常检测系统 | |
CN109886329A (zh) | 围岩破碎等级检测方法、检测系统和掘进设备 | |
CN110263461A (zh) | 一种基于bim的桥梁安全监测预警系统 | |
CN109947806B (zh) | 一种基于案例推理的超高层施工安全事故应急辅助决策方法 | |
CN109857782A (zh) | 一种测井数据采集处理系统 | |
CN113191605A (zh) | 房屋风险评估方法及装置 | |
Lu et al. | Using cased based reasoning for automated safety risk management in construction industry | |
Jiang et al. | Improvement of random forest by multiple imputation applied to tower crane accident prediction with missing data | |
CN111429471A (zh) | 一种地质灾害信息管理系统及方法 | |
CN116975990B (zh) | 一种油气化工码头三维模型的管理方法及系统 | |
CN112598142B (zh) | 一种风电机组检修工作质量审查辅助方法与系统 | |
Li et al. | Comprehensive evaluation model of coal mine safety under the combination of game theory and TOPSIS | |
CN111062827B (zh) | 一种基于人工智能模式的工程监理方法 | |
CN115660305A (zh) | 一种交通基础设施建管养一体化数据管理平台 | |
CN113807668A (zh) | 一种基于gis的煤矿双重预防信息管控系统 | |
CN111882219A (zh) | 一种煤机设备资产管理大数据平台 | |
Li et al. | Research on bridge detection and safety evaluation system based on BIM | |
CN110689241A (zh) | 一种基于大数据的电网实物资产评价系统 | |
CN117227551B (zh) | 新能源设备安全监控方法、装置、设备及可读存储介质 | |
CN117196350B (zh) | 一种矿山地质环境特征监测与恢复治理方法及系统 | |
CN111798131B (zh) | 一种二氧化碳驱油注采体系安全风险监测方法 | |
CN116050258A (zh) | 一种煤矿瓦斯安全预警方法和系统 |
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 |