CN115330140A - 一种基于数据挖掘的建筑风险预测方法及其预测系统 - Google Patents

一种基于数据挖掘的建筑风险预测方法及其预测系统 Download PDF

Info

Publication number
CN115330140A
CN115330140A CN202210877094.5A CN202210877094A CN115330140A CN 115330140 A CN115330140 A CN 115330140A CN 202210877094 A CN202210877094 A CN 202210877094A CN 115330140 A CN115330140 A CN 115330140A
Authority
CN
China
Prior art keywords
building
construction
data
target
relevant
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.)
Withdrawn
Application number
CN202210877094.5A
Other languages
English (en)
Inventor
郭龙龙
张毅
张江
张小明
董萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202210877094.5A priority Critical patent/CN115330140A/zh
Publication of CN115330140A publication Critical patent/CN115330140A/zh
Withdrawn legal-status Critical Current

Links

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供的一种基于数据挖掘的建筑风险预测方法及其预测系统，涉及建筑技术领域。在本发明中，获取目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到多个相关建筑物对应的多条相关建筑施工数据，其中，多个相关建筑物与目标建筑物之间在建筑施工维度具有相关性；计算目标建筑施工数据和多条相关建筑施工数据之间的相似性，得到对应的数据相似性信息；基于数据相似性信息和相关建筑物的建筑质量信息，确定目标建筑物的建筑风险系数，其中，建筑风险系数用于表征目标建筑物存在建筑质量的风险程度。基于上述方法，可以改善现有技术中对于建筑风险的监控效果不佳的问题。

Description

一种基于数据挖掘的建筑风险预测方法及其预测系统
技术领域
本发明涉及建筑技术领域，具体而言，涉及一种基于数据挖掘的建筑风险预测方法及其预测系统。
背景技术
在建筑技术领域中，对建筑风险进行预测是一种重要的手段，能够在较大程度上避免建筑资源的浪费和建筑安全问题的发现，例如，及时预测出建筑风险，可以及时地进行相应的应对处理等。但是，在现有技术中，一般是基于对施工行为进行监控，以确定是否存在违规行为，从而反映出对应的建筑风险系数，如此，只能对较为明显的违规行为进行识别，使得反映出的建筑风险的可靠度不高，即存在监控效果不佳的问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于数据挖掘的建筑风险预测方法及其预测系统，以改善现有技术中建筑风险的监控效果不佳的问题。
为实现上述目的，本发明实施例采用如下技术方案：
一种基于数据挖掘的建筑风险预测方法，应用于建筑风险监控服务器，所述基于数据挖掘的建筑风险预测方法包括：
获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据，其中，所述多个相关建筑物与所述目标建筑物之间在建筑施工维度具有相关性；
计算所述目标建筑施工数据和所述多条相关建筑施工数据之间的相似性，得到所述目标建筑施工数据对应的数据相似性信息；
基于所述数据相似性信息和每一条所述相关建筑施工数据对应的相关建筑物的建筑质量信息，确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数用于表征所述目标建筑物存在建筑质量的风险程度。
在一些优选的实施例中，在上述基于数据挖掘的建筑风险预测方法中，所述获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据的步骤，包括：
获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并确定所述目标建筑物的多个相关建筑物；
获取所述多个相关建筑物中的每一个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据。
在一些优选的实施例中，在上述基于数据挖掘的建筑风险预测方法中，所述获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并确定所述目标建筑物的多个相关建筑物的步骤，包括：
在确定需要对目标建筑物的建筑风险进行预测时，生成所述目标建筑物对应的第一施工数据获取请求信息和第二施工数据获取请求信息；
将所述第一施工数据获取请求信息发送给通信连接的目标数据库，其中，所述目标数据库用于存在所述目标建筑物的施工规划文本数据，并在接收到所述第一施工数据获取请求信息之后，将所述目标建筑物的施工规划文本数据发送给所述建筑风险监控服务器；
将所述第二施工数据获取请求信息发送给通信连接的建筑施工监控终端设备，其中，所述建筑施工监控终端设备用于对所述目标建筑物的施工过程进行监控，并在接收到所述第二施工数据获取请求信息之后，将当前对所述目标建筑物进行监控得到的施工监控视频发送给所述建筑风险监控服务器，其中，所述施工监控视频包括多帧施工监控视频帧；
获取所述目标数据库基于所述第一施工数据获取请求信息发送的施工规划文本数据，并获取所述建筑施工监控终端设备基于所述第二施工数据获取请求信息发送的施工监控视频，其中，所述施工规划文本数据和所述施工监控视频作为所述目标建筑物对应的目标建筑施工数据；
确定所述目标建筑物的多个相关建筑物。
在一些优选的实施例中，在上述基于数据挖掘的建筑风险预测方法中，所述确定所述目标建筑物的多个相关建筑物的步骤，包括：
获取所述目标建筑物的施工规划文本数据对应的施工规划标签信息，并获取所述目标数据库中存储的每一个其它建筑物的施工规划文本数据对应的施工规划标签信息，其中，所述施工规划标签信息基于在存储对应的施工规划文本数据响应对应的存储管理用户进行的操作生成；
针对所述目标数据库中存储的每一个其它建筑物的施工规划文本数据，计算该施工规划文本数据对应的施工规划标签信息和所述目标建筑物的施工规划文本数据对应的施工规划标签信息之间的标签相似度，并确定该标签相似度与预先配置的标签相似度阈值之间的相对大小关系；
针对所述目标数据库中存储的每一个其它建筑物的施工规划文本数据，若该施工规划文本数据对应的标签相似度大于或等于所述标签相似度阈值，则将该施工规划文本数据对应的其它建筑物确定为相关建筑物。
在一些优选的实施例中，在上述基于数据挖掘的建筑风险预测方法中，所述计算所述目标建筑施工数据和所述多条相关建筑施工数据之间的相似性，得到所述目标建筑施工数据对应的数据相似性信息的步骤，包括：
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工规划文本数据与所述目标建筑施工数据包括的施工规划文本数据之间的文本相似度；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频与所述目标建筑施工数据包括的施工监控视频之间的视频相似度；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，对该相关建筑施工数据对应的文本相似度和对应的视频相似度进行融合，得到该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息。
在一些优选的实施例中，在上述基于数据挖掘的建筑风险预测方法中，所述针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频与所述目标建筑施工数据包括的施工监控视频之间的视频相似度的步骤，包括：
针对所述目标建筑施工数据包括的施工监控视频中的每相邻两帧施工监控视频帧，计算该两帧施工监控视频帧之间的视频帧相似度；
基于所述施工监控视频中的每相邻两帧施工监控视频帧之间的视频帧相似度是否小于或等于预先配置的视频帧相似度阈值，对所述施工监控视频进行分割，得到所述施工监控视频对应的多个施工监控视频片段，并将所述多个施工监控视频片段中的最后一个施工监控视频片段确定为所述施工监控视频对应的目标施工监控视频片段；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据包括的相关施工监控视频中的每一帧相关施工监控视频帧，分别计算该相关施工监控视频帧与所述目标施工监控视频片段中的每一帧施工监控视频帧之间的视频帧相似度，并计算该相关施工监控视频帧与所述目标施工监控视频片段中的每一帧施工监控视频帧之间的视频帧相似度的平均值，得到该相关施工监控视频帧对应的视频帧相似度均值；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据包括的相关施工监控视频，基于预先配置的视频帧阈值数量对该相关施工监控视频进行滑窗处理，得到该相关施工监控视频对应的多个视频帧滑窗序列，并分别计算每一个视频帧滑窗序列包括的相关施工监控视频帧对应的视频帧相似度均值的平均值，得到每一个视频帧滑窗序列对应的代表相似度，以及，将具有最大值的代表相似度对应的视频帧滑窗序列确定为该相关施工监控视频对应的目标视频帧滑窗序列，再基于所述目标视频帧滑窗序列中的相关施工监控视频帧对该相关施工监控视频进行分段处理，得到该相关施工监控视频对应的相关施工监控视频片段，其中，所述相关施工监控视频片段基于所述目标视频帧滑窗序列中的相关施工监控视频帧和所述相关施工监控视频中时序位于该相关施工监控视频帧的时序之前的每一帧相关施工监控视频帧构成；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频对应的相关施工监控视频片段与所述目标建筑施工数据包括的施工监控视频之间的视频相似度，得到该关施工监控视频与所述施工监控视频之间的视频相似度。
在一些优选的实施例中，在上述基于数据挖掘的建筑风险预测方法中，所述基于所述数据相似性信息和每一条所述相关建筑施工数据对应的相关建筑物的建筑质量信息，确定所述目标建筑物的建筑风险系数的步骤，包括：
获取所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的相关建筑物的建筑质量信息，并针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据对应的相关建筑物的建筑质量信息与该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息之间的乘积，得到该相关建筑施工数据对应的加权建筑质量信息；
计算所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的对应的加权建筑质量信息的和值，得到对应的建筑质量加权和值信息；
基于所述建筑质量加权和值信息确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数和所述建筑质量加权和值信息之间负相关。
本发明实施例还提供一种基于数据挖掘的建筑风险预测系统，应用于建筑风险监控服务器，所述基于数据挖掘的建筑风险预测系统包括：
施工数据获取模块，用于获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据，其中，所述多个相关建筑物与所述目标建筑物之间在建筑施工维度具有相关性；
数据相似性计算模块，用于计算所述目标建筑施工数据和所述多条相关建筑施工数据之间的相似性，得到所述目标建筑施工数据对应的数据相似性信息；
风险系数确定模块，用于基于所述数据相似性信息和每一条所述相关建筑施工数据对应的相关建筑物的建筑质量信息，确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数用于表征所述目标建筑物存在建筑质量的风险程度。
在一些优选的实施例中，在上述基于数据挖掘的建筑风险预测系统中，所述数据相似性计算模块具体用于：
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工规划文本数据与所述目标建筑施工数据包括的施工规划文本数据之间的文本相似度；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频与所述目标建筑施工数据包括的施工监控视频之间的视频相似度；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，对该相关建筑施工数据对应的文本相似度和对应的视频相似度进行融合，得到该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息。
在一些优选的实施例中，在上述基于数据挖掘的建筑风险预测系统中，所述风险系数确定模块具体用于：
获取所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的相关建筑物的建筑质量信息，并针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据对应的相关建筑物的建筑质量信息与该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息之间的乘积，得到该相关建筑施工数据对应的加权建筑质量信息；
计算所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的对应的加权建筑质量信息的和值，得到对应的建筑质量加权和值信息；
基于所述建筑质量加权和值信息确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数和所述建筑质量加权和值信息之间负相关。
本发明实施例提供的一种基于数据挖掘的建筑风险预测方法及其预测系统，可以先获取目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到多个相关建筑物对应的多条相关建筑施工数据，然后，可以计算目标建筑施工数据和多条相关建筑施工数据之间的相似性，得到对应的数据相似性信息，使得可以基于数据相似性信息和相关建筑物的建筑质量信息，确定目标建筑物的建筑风险系数，如此，通过基于与相关建筑施工数据之间的相似性和相关建筑物的建筑质量信息，预测出目标建筑物的建筑风险系数，可以在一定程度上改善常规技术中由于只能对较为明显的违规施工行为进行识别而导致确定的建筑风险系数的可靠度不高的问题，从而改善现有技术中对于建筑风险的监控效果不佳的问题。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的建筑风险监控服务器的结构框图。
图2为本发明实施例提供的基于数据挖掘的建筑风险预测方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于数据挖掘的建筑风险预测系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种建筑风险监控服务器。其中，所述建筑风险监控服务器可以包括存储器和处理器。
详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例(如后文所述)提供的基于数据挖掘的建筑风险预测方法。
举例来说，在一些可能实现的实施方式中，所述存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
举例来说，在一些可能实现的实施方式中，所述处理器可以是一种通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、片上系统(System on Chip，SoC)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
并且，图1所示的结构仅为示意，所述建筑风险监控服务器还可包括比图1中所示更多或者更少的组件，或具有与图1所示不同的配置，例如，可以包括用于与其它设备进行信息交互的通信适配器(诸如，网络适配器)。可以将通信适配器耦合至总线，并且可以将其配置为使能与计算或者通信网络和/或其它计算系统的通信。在各种说明性实施方式中，可以使用通信适配器来实现任何类型的组网配置，诸如，有线、无线、预配置、对等点对点、LAN、WAN等。
结合图2，本发明实施例还提供一种基于数据挖掘的建筑风险预测方法，可应用于上述建筑风险监控服务器。其中，所述基于数据挖掘的建筑风险预测方法有关的流程所定义的方法步骤，可以由所述建筑风险监控服务器实现。下面将对图2所示的具体流程，进行详细阐述。
步骤S110，获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据。
在本发明实施例中，所述建筑风险监控服务器可以获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据。其中，所述多个相关建筑物与所述目标建筑物之间在建筑施工维度具有相关性。
步骤S120，计算所述目标建筑施工数据和所述多条相关建筑施工数据之间的相似性，得到所述目标建筑施工数据对应的数据相似性信息。
在本发明实施例中，所述建筑风险监控服务器可以计算所述目标建筑施工数据和所述多条相关建筑施工数据之间的相似性，得到所述目标建筑施工数据对应的数据相似性信息。
步骤S130，基于所述数据相似性信息和每一条所述相关建筑施工数据对应的相关建筑物的建筑质量信息，确定所述目标建筑物的建筑风险系数。
在本发明实施例中，所述建筑风险监控服务器可以基于所述数据相似性信息和每一条所述相关建筑施工数据对应的相关建筑物的建筑质量信息，确定所述目标建筑物的建筑风险系数。其中，所述建筑风险系数用于表征所述目标建筑物存在建筑质量的风险程度。
基于上述建筑风险预测方法包括的步骤S110、步骤S120和步骤S130，可以先获取目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到多个相关建筑物对应的多条相关建筑施工数据，然后，可以计算目标建筑施工数据和多条相关建筑施工数据之间的相似性，得到对应的数据相似性信息，使得可以基于数据相似性信息和相关建筑物的建筑质量信息，确定目标建筑物的建筑风险系数，如此，通过基于与相关建筑施工数据之间的相似性和相关建筑物的建筑质量信息，预测出目标建筑物的建筑风险系数，可以在一定程度上改善常规技术中由于只能对较为明显的违规施工行为进行识别而导致确定的建筑风险系数的可靠度不高的问题，从而改善现有技术中对于建筑风险的监控效果不佳的问题。
举例来说，在一些可能实现的实施方式中，步骤S110可以包括以下步骤，以获取所述目标建筑施工数据和所述相关建筑施工数据：
首先，获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并确定所述目标建筑物的多个相关建筑物；
其次，获取所述多个相关建筑物中的每一个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据。
举例来说，在一些可能实现的实施方式中，所述获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并确定所述目标建筑物的多个相关建筑物的步骤，可以包括以下步骤：
首先，在确定需要对目标建筑物的建筑风险进行预测时(如接收到对所述目标建筑物进行风险预测的质量等)，生成所述目标建筑物对应的第一施工数据获取请求信息和第二施工数据获取请求信息；
其次，将所述第一施工数据获取请求信息发送给通信连接的目标数据库，其中，所述目标数据库用于存在所述目标建筑物的施工规划文本数据，并在接收到所述第一施工数据获取请求信息之后，将所述目标建筑物的施工规划文本数据发送给所述建筑风险监控服务器；
然后，将所述第二施工数据获取请求信息发送给通信连接的建筑施工监控终端设备，其中，所述建筑施工监控终端设备用于对所述目标建筑物的施工过程进行监控，并在接收到所述第二施工数据获取请求信息之后，将当前对所述目标建筑物进行监控得到的施工监控视频发送给所述建筑风险监控服务器，其中，所述施工监控视频包括多帧施工监控视频帧；
之后，获取所述目标数据库基于所述第一施工数据获取请求信息发送的施工规划文本数据，并获取所述建筑施工监控终端设备基于所述第二施工数据获取请求信息发送的施工监控视频，其中，所述施工规划文本数据和所述施工监控视频作为所述目标建筑物对应的目标建筑施工数据；
最后，确定所述目标建筑物的多个相关建筑物。
举例来说，在一些可能实现的实施方式中，所述确定所述目标建筑物的多个相关建筑物的步骤，可以包括以下步骤：
首先，获取所述目标建筑物的施工规划文本数据对应的施工规划标签信息，并获取所述目标数据库中存储的每一个其它建筑物的施工规划文本数据对应的施工规划标签信息，其中，所述施工规划标签信息基于在存储对应的施工规划文本数据响应对应的存储管理用户进行的操作生成；
其次，针对所述目标数据库中存储的每一个其它建筑物的施工规划文本数据，计算该施工规划文本数据对应的施工规划标签信息和所述目标建筑物的施工规划文本数据对应的施工规划标签信息之间的标签相似度(所述标签相似度可以是对应的文本之间的相似度)，并确定该标签相似度与预先配置的标签相似度阈值之间的相对大小关系；
然后，针对所述目标数据库中存储的每一个其它建筑物的施工规划文本数据，若该施工规划文本数据对应的标签相似度大于或等于所述标签相似度阈值，则将该施工规划文本数据对应的其它建筑物确定为相关建筑物。
举例来说，在一些可能实现的实施方式中，步骤S120可以包括以下步骤，以计算得到所述数据相似性信息：
首先，针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工规划文本数据与所述目标建筑施工数据包括的施工规划文本数据之间的文本相似度；
其次，针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频与所述目标建筑施工数据包括的施工监控视频之间的视频相似度；
然后，针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，对该相关建筑施工数据对应的文本相似度和对应的视频相似度进行融合(如进行加权求和计算等)，得到该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息。
举例来说，在一些可能实现的实施方式中，所述针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工规划文本数据与所述目标建筑施工数据包括的施工规划文本数据之间的文本相似度的步骤，可以包括以下步骤：
首先，针对所述相关施工规划文本数据包括的多个相关施工规划文本数据片段中的每一个相关施工规划文本数据片段，在所述相关施工规划文本数据对应的施工规划标签信息中，确定出该相关施工规划文本数据片段对应的共现文本关键词(即同时在所述相关施工规划文本数据片段和所述施工规划标签信息中出现的关键词)，并基于该共现文本关键词得到该相关施工规划文本数据片段对应的共现文本关键词集合；
其次，针对所述施工规划文本数据包括的多个施工规划文本数据片段中的每一个施工规划文本数据片段，在所述施工规划文本数据对应的施工规划标签信息中，确定出该施工规划文本数据片段对应的共现文本关键词(即同时在所述施工规划文本数据片段和所述施工规划标签信息中出现的关键词)，并基于该共现文本关键词得到该施工规划文本数据片段对应的共现文本关键词集合；
然后，针对所述多个相关施工规划文本数据片段中的每两个相关施工规划文本数据片段，计算该两个相关施工规划文本数据片段对应的共现文本关键词集合之间的第一集合重合度，并针对所述多个相关施工规划文本数据片段中的每一个相关施工规划文本数据片段，计算该相关施工规划文本数据片段与每一个其它相关施工规划文本数据片段之间的第一集合重合度的平均值，得到该相关施工规划文本数据片段对应的重合度均值，以及，基于所述多个相关施工规划文本数据片段中的每一个相关施工规划文本数据片段对应的重合度均值确定每一个相关施工规划文本数据片段对应的加权系数，其中，所述加权系数和所述重合度均值之间具有负相关关系；
之后，针对所述相关施工规划文本数据中的每一个相关施工规划文本数据片段，计算该相关施工规划文本数据片段与所述施工规划文本数据中具有对应关系的施工规划文本数据片段对应的共现文本关键词集合之间的第二集合重合度，其中，所述相关施工规划文本数据片段与所述施工规划文本数据中具有对应关系的施工规划文本数据片段之间具有相关的文本先后位置关系(如都是第一个数据片段或都是第二数据片段等)；
最后，基于所述相关施工规划文本数据中的每一个相关施工规划文本数据片段对应的加权系数，对每一个相关施工规划文本数据片段对应的第二集合重合度进行加权求和计算，得到所述相关施工规划文本数据和所述施工规划文本数据之间的文本相似度。
举例来说，在一些可能实现的实施方式中，所述针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频与所述目标建筑施工数据包括的施工监控视频之间的视频相似度的步骤，可以包括以下步骤：
首先，针对所述目标建筑施工数据包括的施工监控视频中的每相邻两帧施工监控视频帧，计算该两帧施工监控视频帧之间的视频帧相似度；
其次，基于所述施工监控视频中的每相邻两帧施工监控视频帧之间的视频帧相似度是否小于或等于预先配置的视频帧相似度阈值，对所述施工监控视频进行分割，得到所述施工监控视频对应的多个施工监控视频片段，并将所述多个施工监控视频片段中的最后一个施工监控视频片段确定为所述施工监控视频对应的目标施工监控视频片段；
然后，针对所述多条相关建筑施工数据中的每一条相关建筑施工数据包括的相关施工监控视频中的每一帧相关施工监控视频帧，分别计算该相关施工监控视频帧与所述目标施工监控视频片段中的每一帧施工监控视频帧之间的视频帧相似度，并计算该相关施工监控视频帧与所述目标施工监控视频片段中的每一帧施工监控视频帧之间的视频帧相似度的平均值，得到该相关施工监控视频帧对应的视频帧相似度均值；
之后，针对所述多条相关建筑施工数据中的每一条相关建筑施工数据包括的相关施工监控视频，基于预先配置的视频帧阈值数量对该相关施工监控视频进行滑窗处理，得到该相关施工监控视频对应的多个视频帧滑窗序列，并分别计算每一个视频帧滑窗序列包括的相关施工监控视频帧对应的视频帧相似度均值的平均值，得到每一个视频帧滑窗序列对应的代表相似度，以及，将具有最大值的代表相似度对应的视频帧滑窗序列确定为该相关施工监控视频对应的目标视频帧滑窗序列，再基于所述目标视频帧滑窗序列中的相关施工监控视频帧(如所述目标视频帧滑窗序列中的最后一一帧相关施工监控视频帧或基于其它选择方式选择出的一帧)对该相关施工监控视频进行分段处理，得到该相关施工监控视频对应的相关施工监控视频片段，其中，所述相关施工监控视频片段基于所述目标视频帧滑窗序列中的相关施工监控视频帧和所述相关施工监控视频中时序位于该相关施工监控视频帧的时序之前的每一帧相关施工监控视频帧构成；
最后，针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频对应的相关施工监控视频片段与所述目标建筑施工数据包括的施工监控视频之间的视频相似度(如针对所述相关施工监控视频片段中每一帧相关施工监控视频帧，计算该相关施工监控视频帧与所述施工监控视频中的每一帧施工监控视频帧之间的视频帧相似度，并将其中的最大值作为该相关施工监控视频帧的代表相似度，然后，计算所述相关施工监控视频片段中每一帧相关施工监控视频帧的代表相似度的平均值，从而得到对应的视频相似度)，得到该关施工监控视频与所述施工监控视频之间的视频相似度。
举例来说，在一些可能实现的实施方式中，步骤S130可以包括以下步骤，以确定所述建筑风险系数：
首先，获取所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的相关建筑物的建筑质量信息，并针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据对应的相关建筑物的建筑质量信息与该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息之间的乘积，得到该相关建筑施工数据对应的加权建筑质量信息(即将所述数据相似性信息作为对应的加权值)；
其次，计算所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的对应的加权建筑质量信息的和值(即计算每一个相关建筑物的建筑质量信息的加权和值)，得到对应的建筑质量加权和值信息；
然后，基于所述建筑质量加权和值信息确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数和所述建筑质量加权和值信息之间负相关(即所述建筑质量加权和值信息越大，对应的建筑风险系数越小)。
结合图3，本发明实施例还提供一种基于数据挖掘的建筑风险预测系统，可应用于上述建筑风险监控服务器。其中，所述基于数据挖掘的建筑风险预测系统可以包括以下的各模块：
施工数据获取模块，用于获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据，其中，所述多个相关建筑物与所述目标建筑物之间在建筑施工维度具有相关性；
数据相似性计算模块，用于计算所述目标建筑施工数据和所述多条相关建筑施工数据之间的相似性，得到所述目标建筑施工数据对应的数据相似性信息；
风险系数确定模块，用于基于所述数据相似性信息和每一条所述相关建筑施工数据对应的相关建筑物的建筑质量信息，确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数用于表征所述目标建筑物存在建筑质量的风险程度。
举例来说，在一些可能实现的实施方式中，所述数据相似性计算模块具体用于：针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工规划文本数据与所述目标建筑施工数据包括的施工规划文本数据之间的文本相似度；针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频与所述目标建筑施工数据包括的施工监控视频之间的视频相似度；针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，对该相关建筑施工数据对应的文本相似度和视频相似度进行融合，得到该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息。
举例来说，在一些可能实现的实施方式中，所述风险系数确定模块具体用于：获取所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的相关建筑物的建筑质量信息，并针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据对应的相关建筑物的建筑质量信息与该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息之间的乘积，得到该相关建筑施工数据对应的加权建筑质量信息；计算所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的对应的加权建筑质量信息的和值，得到对应的建筑质量加权和值信息；基于所述建筑质量加权和值信息确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数和所述建筑质量加权和值信息之间负相关。
综上所述，本发明提供的一种基于数据挖掘的建筑风险预测方法及其预测系统，可以先获取目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到多个相关建筑物对应的多条相关建筑施工数据，然后，可以计算目标建筑施工数据和多条相关建筑施工数据之间的相似性，得到对应的数据相似性信息，使得可以基于数据相似性信息和相关建筑物的建筑质量信息，确定目标建筑物的建筑风险系数。通过基于与相关建筑施工数据之间的相似性和相关建筑物的建筑质量信息，预测出目标建筑物的建筑风险系数，可以在一定程度上改善常规技术中由于只能对较为明显的违规施工行为进行识别而导致确定的建筑风险系数的可靠度不高的问题，从而改善现有技术中对于建筑风险的监控效果不佳的问题。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于数据挖掘的建筑风险预测方法，其特征在于，应用于建筑风险监控服务器，所述基于数据挖掘的建筑风险预测方法包括：
获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据，其中，所述多个相关建筑物与所述目标建筑物之间在建筑施工维度具有相关性；
计算所述目标建筑施工数据和所述多条相关建筑施工数据之间的相似性，得到所述目标建筑施工数据对应的数据相似性信息；
基于所述数据相似性信息和每一条所述相关建筑施工数据对应的相关建筑物的建筑质量信息，确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数用于表征所述目标建筑物存在建筑质量的风险程度。
2.如权利要求1所述的基于数据挖掘的建筑风险预测方法，其特征在于，所述获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据的步骤，包括：
获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并确定所述目标建筑物的多个相关建筑物；
获取所述多个相关建筑物中的每一个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据。
3.如权利要求2所述的基于数据挖掘的建筑风险预测方法，其特征在于，所述获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并确定所述目标建筑物的多个相关建筑物的步骤，包括：
在确定需要对目标建筑物的建筑风险进行预测时，生成所述目标建筑物对应的第一施工数据获取请求信息和第二施工数据获取请求信息；
将所述第一施工数据获取请求信息发送给通信连接的目标数据库，其中，所述目标数据库用于存在所述目标建筑物的施工规划文本数据，并在接收到所述第一施工数据获取请求信息之后，将所述目标建筑物的施工规划文本数据发送给所述建筑风险监控服务器；
将所述第二施工数据获取请求信息发送给通信连接的建筑施工监控终端设备，其中，所述建筑施工监控终端设备用于对所述目标建筑物的施工过程进行监控，并在接收到所述第二施工数据获取请求信息之后，将当前对所述目标建筑物进行监控得到的施工监控视频发送给所述建筑风险监控服务器，其中，所述施工监控视频包括多帧施工监控视频帧；
获取所述目标数据库基于所述第一施工数据获取请求信息发送的施工规划文本数据，并获取所述建筑施工监控终端设备基于所述第二施工数据获取请求信息发送的施工监控视频，其中，所述施工规划文本数据和所述施工监控视频作为所述目标建筑物对应的目标建筑施工数据；
确定所述目标建筑物的多个相关建筑物。
4.如权利要求3所述的基于数据挖掘的建筑风险预测方法，其特征在于，所述确定所述目标建筑物的多个相关建筑物的步骤，包括：
获取所述目标建筑物的施工规划文本数据对应的施工规划标签信息，并获取所述目标数据库中存储的每一个其它建筑物的施工规划文本数据对应的施工规划标签信息，其中，所述施工规划标签信息基于在存储对应的施工规划文本数据响应对应的存储管理用户进行的操作生成；
针对所述目标数据库中存储的每一个其它建筑物的施工规划文本数据，计算该施工规划文本数据对应的施工规划标签信息和所述目标建筑物的施工规划文本数据对应的施工规划标签信息之间的标签相似度，并确定该标签相似度与预先配置的标签相似度阈值之间的相对大小关系；
针对所述目标数据库中存储的每一个其它建筑物的施工规划文本数据，若该施工规划文本数据对应的标签相似度大于或等于所述标签相似度阈值，则将该施工规划文本数据对应的其它建筑物确定为相关建筑物。
5.如权利要求1所述的基于数据挖掘的建筑风险预测方法，其特征在于，所述计算所述目标建筑施工数据和所述多条相关建筑施工数据之间的相似性，得到所述目标建筑施工数据对应的数据相似性信息的步骤，包括：
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工规划文本数据与所述目标建筑施工数据包括的施工规划文本数据之间的文本相似度；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频与所述目标建筑施工数据包括的施工监控视频之间的视频相似度；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，对该相关建筑施工数据对应的文本相似度和对应的视频相似度进行融合，得到该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息。
6.如权利要求5所述的基于数据挖掘的建筑风险预测方法，其特征在于，所述针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频与所述目标建筑施工数据包括的施工监控视频之间的视频相似度的步骤，包括：
针对所述目标建筑施工数据包括的施工监控视频中的每相邻两帧施工监控视频帧，计算该两帧施工监控视频帧之间的视频帧相似度；
基于所述施工监控视频中的每相邻两帧施工监控视频帧之间的视频帧相似度是否小于或等于预先配置的视频帧相似度阈值，对所述施工监控视频进行分割，得到所述施工监控视频对应的多个施工监控视频片段，并将所述多个施工监控视频片段中的最后一个施工监控视频片段确定为所述施工监控视频对应的目标施工监控视频片段；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据包括的相关施工监控视频中的每一帧相关施工监控视频帧，分别计算该相关施工监控视频帧与所述目标施工监控视频片段中的每一帧施工监控视频帧之间的视频帧相似度，并计算该相关施工监控视频帧与所述目标施工监控视频片段中的每一帧施工监控视频帧之间的视频帧相似度的平均值，得到该相关施工监控视频帧对应的视频帧相似度均值；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据包括的相关施工监控视频，基于预先配置的视频帧阈值数量对该相关施工监控视频进行滑窗处理，得到该相关施工监控视频对应的多个视频帧滑窗序列，并分别计算每一个视频帧滑窗序列包括的相关施工监控视频帧对应的视频帧相似度均值的平均值，得到每一个视频帧滑窗序列对应的代表相似度，以及，将具有最大值的代表相似度对应的视频帧滑窗序列确定为该相关施工监控视频对应的目标视频帧滑窗序列，再基于所述目标视频帧滑窗序列中的相关施工监控视频帧对该相关施工监控视频进行分段处理，得到该相关施工监控视频对应的相关施工监控视频片段，其中，所述相关施工监控视频片段基于所述目标视频帧滑窗序列中的相关施工监控视频帧和所述相关施工监控视频中时序位于该相关施工监控视频帧的时序之前的每一帧相关施工监控视频帧构成；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频对应的相关施工监控视频片段与所述目标建筑施工数据包括的施工监控视频之间的视频相似度，得到该关施工监控视频与所述施工监控视频之间的视频相似度。
7.如权利要求1-6任意一项所述的基于数据挖掘的建筑风险预测方法，其特征在于，所述基于所述数据相似性信息和每一条所述相关建筑施工数据对应的相关建筑物的建筑质量信息，确定所述目标建筑物的建筑风险系数的步骤，包括：
获取所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的相关建筑物的建筑质量信息，并针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据对应的相关建筑物的建筑质量信息与该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息之间的乘积，得到该相关建筑施工数据对应的加权建筑质量信息；
计算所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的对应的加权建筑质量信息的和值，得到对应的建筑质量加权和值信息；
基于所述建筑质量加权和值信息确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数和所述建筑质量加权和值信息之间负相关。
8.一种基于数据挖掘的建筑风险预测系统，其特征在于，应用于建筑风险监控服务器，所述基于数据挖掘的建筑风险预测系统包括：
施工数据获取模块，用于获取目标建筑物的建筑施工数据，得到所述目标建筑物对应的目标建筑施工数据，并获取多个相关建筑物的建筑施工数据，得到所述多个相关建筑物对应的多条相关建筑施工数据，其中，所述多个相关建筑物与所述目标建筑物之间在建筑施工维度具有相关性；
数据相似性计算模块，用于计算所述目标建筑施工数据和所述多条相关建筑施工数据之间的相似性，得到所述目标建筑施工数据对应的数据相似性信息；
风险系数确定模块，用于基于所述数据相似性信息和每一条所述相关建筑施工数据对应的相关建筑物的建筑质量信息，确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数用于表征所述目标建筑物存在建筑质量的风险程度。
9.如权利要求8所述的基于数据挖掘的建筑风险预测系统，其特征在于，所述数据相似性计算模块具体用于：
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工规划文本数据与所述目标建筑施工数据包括的施工规划文本数据之间的文本相似度；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据包括的相关施工监控视频与所述目标建筑施工数据包括的施工监控视频之间的视频相似度；
针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，对该相关建筑施工数据对应的文本相似度和对应的视频相似度进行融合，得到该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息。
10.如权利要求8所述的基于数据挖掘的建筑风险预测系统，其特征在于，所述风险系数确定模块具体用于：
获取所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的相关建筑物的建筑质量信息，并针对所述多条相关建筑施工数据中的每一条相关建筑施工数据，计算该相关建筑施工数据对应的相关建筑物的建筑质量信息与该相关建筑施工数据和所述目标建筑施工数据对应的数据相似性信息之间的乘积，得到该相关建筑施工数据对应的加权建筑质量信息；
计算所述多条相关建筑施工数据中的每一条相关建筑施工数据对应的对应的加权建筑质量信息的和值，得到对应的建筑质量加权和值信息；
基于所述建筑质量加权和值信息确定所述目标建筑物的建筑风险系数，其中，所述建筑风险系数和所述建筑质量加权和值信息之间负相关。
CN202210877094.5A 2022-07-25 2022-07-25 一种基于数据挖掘的建筑风险预测方法及其预测系统 Withdrawn CN115330140A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210877094.5A CN115330140A (zh) 2022-07-25 2022-07-25 一种基于数据挖掘的建筑风险预测方法及其预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210877094.5A CN115330140A (zh) 2022-07-25 2022-07-25 一种基于数据挖掘的建筑风险预测方法及其预测系统

Publications (1)

Publication Number Publication Date
CN115330140A true CN115330140A (zh) 2022-11-11

Family

ID=83920070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210877094.5A Withdrawn CN115330140A (zh) 2022-07-25 2022-07-25 一种基于数据挖掘的建筑风险预测方法及其预测系统

Country Status (1)

Country Link
CN (1) CN115330140A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117538430A (zh) * 2024-01-04 2024-02-09 西安建筑科技大学 一种基于数据识别的建筑结构加固方法及监测系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117538430A (zh) * 2024-01-04 2024-02-09 西安建筑科技大学 一种基于数据识别的建筑结构加固方法及监测系统
CN117538430B (zh) * 2024-01-04 2024-03-26 西安建筑科技大学 一种基于数据识别的建筑结构加固方法及监测系统

Similar Documents

Publication Publication Date Title
CN109587008B (zh) 检测异常流量数据的方法、装置及存储介质
CN114140713A (zh) 一种图像识别系统、图像识别方法
CN114140712A (zh) 一种自动图像识别分发系统及方法
CN114978037A (zh) 太阳能电池性能数据监控方法及系统
CN114697618A (zh) 一种基于移动终端的楼宇控制方法及系统
CN110807050B (zh) 性能分析方法、装置、计算机设备及存储介质
CN115330140A (zh) 一种基于数据挖掘的建筑风险预测方法及其预测系统
CN114139016A (zh) 一种智慧小区的数据处理方法及系统
CN116821777B (zh) 一种新型基础测绘数据整合方法及系统
CN113868471A (zh) 一种基于监控设备关系的数据匹配方法及系统
CN115457467A (zh) 一种基于数据挖掘的建筑质量隐患定位方法及系统
CN115620243B (zh) 基于人工智能的污染源监测方法、系统及云平台
CN115100541B (zh) 一种卫星遥感数据的处理方法、系统及云平台
CN115099838A (zh) 应用于线上广告投放的兴趣定位方法及系统
CN114095734A (zh) 一种基于数据处理的用户数据压缩方法及系统
CN115471767A (zh) 一种基于数据挖掘的建筑质量预测方法及系统
CN115617608B (zh) 一种erp协同处理方法及其系统
CN115620210B (zh) 基于图像处理的电子线料的性能确定方法及系统
CN115082709B (zh) 遥感大数据处理方法、系统及云平台
CN115375412B (zh) 基于图像识别的商品智能推荐处理方法及系统
CN117315423A (zh) 一种基于智慧楼宇的用户预警方法及系统
CN112367324B (zh) Cdn的攻击检测方法、装置、存储介质及电子设备
CN115271669A (zh) 一种用于erp服务器的维护方法及系统
CN114156495B (zh) 基于大数据的叠层电池装配处理方法及系统
CN114866735A (zh) 一种工地环境监控方法及其监控系统

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20221111