CN116109296A - 一种建筑质量隐患的定位修理方法及系统 - Google Patents
一种建筑质量隐患的定位修理方法及系统 Download PDFInfo
- Publication number
- CN116109296A CN116109296A CN202310365690.XA CN202310365690A CN116109296A CN 116109296 A CN116109296 A CN 116109296A CN 202310365690 A CN202310365690 A CN 202310365690A CN 116109296 A CN116109296 A CN 116109296A
- Authority
- CN
- China
- Prior art keywords
- information
- quality
- building
- sets
- worker
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000008439 repair process Effects 0.000 title claims description 16
- 238000007689 inspection Methods 0.000 claims abstract description 140
- 238000004458 analytical method Methods 0.000 claims abstract description 122
- 238000010276 construction Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims description 25
- 239000000463 material Substances 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 13
- 238000009435 building construction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 239000004566 building material Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000004931 aggregating effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000002345 surface coating layer Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域，提供了一种建筑质量隐患的定位修理方法及系统，该方法包括：获取多类特征信息，获得供应商信息集合；获取多类人员特征信息，获得工人信息集合和质检人员信息集合；采集质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，处理获得构建数据集，构建获得分析模型；数据处理获得供应商特征值、工人特征值和质检人员特征值，输入分析模型，获得多个隐患概率值，对隐患进行检测定位修理，解决了建筑质量隐患检查的准确性和时效性较低，无法根据建筑物的构建情况进行针对性地质量隐患检查的技术问题。
Description
技术领域
本发明涉及数据处理相关技术领域，具体涉及一种建筑质量隐患的定位修理方法及系统。
背景技术
建筑工程项目一旦出现质量事故，轻者影响施工顺利进行、拖延工期、增加工程费用，重者留下隐患成为危险的建筑，影响使用功能或不能使用，更严重的还会引起建筑物的失稳等质量问题。
建筑质量隐患一般在构建过程中产生，例如由于材料、人工等因素产生。目前对于建筑质量隐患的检查一般通过常用的物理手段及经验进行，常会出现无法及时准确检出建筑质量隐患的情况，无法根据建筑物的构建情况制定针对性的质量隐患检查方案。
综上所述，现有技术中存在建筑质量隐患检查的准确性和时效性较低，无法根据建筑物的构建情况进行针对性地质量隐患检查的技术问题。
发明内容
本申请通过提供了一种建筑质量隐患的定位修理方法及系统，旨在解决现有技术中存在建筑质量隐患检查的准确性和时效性较低，无法根据建筑物的构建情况进行针对性地质量隐患检查的技术问题。
鉴于上述问题，本申请实施例提供了一种建筑质量隐患的定位修理方法及系统。
本申请公开的第一个方面，提供了一种建筑质量隐患的定位修理方法，其中，所述方法包括：获取目标建筑的材料供应商的多类特征信息，获得供应商信息集合；获取目标建筑施工的工人和质检人员的多类人员特征信息，获得工人信息集合和质检人员信息集合；采集在过去时间内所述目标建筑的同族建筑的质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，进行数据处理，获得构建数据集，其中，所述构建数据集包括多种质量隐患出现概率的多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；采用所述构建数据集，构建获得所述目标建筑和同族建筑的建筑质量隐患分析模型；对所述供应商信息集合、工人信息集合和质检人员信息集合进行数据处理，获得供应商特征值、工人特征值和质检人员特征值，输入所述建筑质量隐患分析模型，获得所述多种质量隐患的多个隐患概率值；根据所述多个隐患概率值，对所述目标建筑内的所述多种质量隐患进行检测定位修理。
本申请公开的另一个方面，提供了一种建筑质量隐患的定位修理系统，其中，所述系统包括：供应信息获取模块，用于获取目标建筑的材料供应商的多类特征信息，获得供应商信息集合；人员特征获取模块，用于获取目标建筑施工的工人和质检人员的多类人员特征信息，获得工人信息集合和质检人员信息集合；数据处理模块，用于采集在过去时间内所述目标建筑的同族建筑的质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，进行数据处理，获得构建数据集，其中，所述构建数据集包括多种质量隐患出现概率的多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；模型构建模块，用于采用所述构建数据集，构建获得所述目标建筑和同族建筑的建筑质量隐患分析模型；概率值获取模块，用于对所述供应商信息集合、工人信息集合和质检人员信息集合进行数据处理，获得供应商特征值、工人特征值和质检人员特征值，输入所述建筑质量隐患分析模型，获得所述多种质量隐患的多个隐患概率值；检测定位修理模块，用于根据所述多个隐患概率值，对所述目标建筑内的所述多种质量隐患进行检测定位修理。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获取多类特征信息，获得供应商信息集合；获取多类人员特征信息，获得工人信息集合和质检人员信息集合；采集质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，处理获得构建数据集，构建获得建筑质量隐患分析模型；数据处理获得供应商特征值、工人特征值和质检人员特征值，输入建筑质量隐患分析模型，获得多个隐患概率值，对多种质量隐患进行检测定位修理，解决了现有技术中存在建筑质量隐患检查的准确性和时效性较低，无法根据建筑物的构建情况进行针对性地质量隐患检查的技术问题，实现了在建筑物修理过程，根据建筑材料供应商、工人、质量人员的特征分析不同类别质量隐患存在的可能性，提高检测定位修理精度，及时排查建筑质量隐患，针对性地进行不同类别建筑隐患的检测，提升检出的概率和效率，为降低建筑质量事故发生提供参考的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种建筑质量隐患的定位修理方法可能的流程示意图；
图2为本申请实施例提供了一种建筑质量隐患的定位修理方法中特征分析可能的流程示意图；
图3为本申请实施例提供了一种建筑质量隐患的定位修理方法中构建供应商特征分析单元可能的流程示意图；
图4为本申请实施例提供了一种建筑质量隐患的定位修理系统可能的结构示意图。
附图标记说明：供应信息获取模块100，人员特征获取模块200，数据处理模块300，模型构建模块400，概率值获取模块500，检测定位修理模块600。
具体实施方式
本申请实施例提供了一种建筑质量隐患的定位修理方法及系统，解决了现有技术中存在建筑质量隐患检查的准确性和时效性较低，无法根据建筑物的构建情况进行针对性地质量隐患检查的技术问题，实现了在建筑物修理过程，根据建筑材料供应商、工人、质量人员的特征分析不同类别质量隐患存在的可能性，提高检测定位修理精度，及时排查建筑质量隐患，针对性地进行不同类别建筑隐患的检测，提升检出的概率和效率，为降低建筑质量事故发生提供参考的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种建筑质量隐患的定位修理方法，其中，所述方法包括：
S10：获取目标建筑的材料供应商的多类特征信息，获得供应商信息集合；
步骤S10包括步骤：
S11：获取所述目标建筑的材料供应商的规模信息、营业年限信息；
S12：基于所述规模信息、营业年限信息，生成所述供应商信息集合。
具体而言，获取目标建筑的材料供应商的多类特征信息，获得供应商信息集合，包括：所述目标建筑为可能存在质量隐患的定位修理需求的对象，所述材料供应商可以是钢材供应商、地砖供应商、混凝土供应商、照明设备供应商，在所述目标建筑发出质量隐患的定位修理需求后，获取目标建筑的材料供应商的多类特征信息，所述多类特征信息包括但不限于规模信息（规模信息：市场占有率、注册资本）、营业年限信息（以供应商成立时间为起点）；
基于所述规模信息、营业年限信息，依照不同的材料供应商，将地砖供应商的规模信息、营业年限信息设置为第一供应商信息元素；将混凝土供应商的规模信息、营业年限信息设置为第二供应商信息元素；……；将照明设备供应商的规模信息、营业年限信息设置为第N供应商信息元素，对第一供应商信息元素、第二供应商信息元素、……、第N供应商信息元素合并，生成所述供应商信息集合，为后续进行数据分析提供基础。
S20：获取目标建筑施工的工人和质检人员的多类人员特征信息，获得工人信息集合和质检人员信息集合；
步骤S20包括步骤：
S21：获取所述目标建筑施工的多个工人的平均年龄信息、平均作业年限信息和平均技能水平信息，获得所述工人信息集合；
S22：获取所述目标建筑的质检人员的平均年龄信息、平均作业年限信息和平均技能水平信息，获得所述质检人员信息集合。
具体而言，获取目标建筑施工的工人和质检人员的多类人员特征信息，获得工人信息集合和质检人员信息集合，包括：目标建筑施工的工人和质检人员均包括多类人员年龄信息、多类人员作业年限信息和多类人员技能水平信息，依照不同的工人，将第一位工人的年龄信息、作业年限信息和技能水平信息设置为第一工人信息元素；将第二位工人的年龄信息、作业年限信息和技能水平信息设置为第二工人信息元素；……；将第M位工人的年龄信息、作业年限信息和技能水平信息设置为第M工人信息元素，对第一工人信息元素、第二工人信息元素、……、第M工人信息元素求均值，获得所述工人信息集合；
依照不同的质检人员，将第一位质检人员的年龄信息、作业年限信息和技能水平信息设置为第一质检人员信息元素；将第二位质检人员的年龄信息、作业年限信息和技能水平信息设置为第二质检人员信息元素；……；将第P位质检人员的年龄信息、作业年限信息和技能水平信息设置为第P质检人员信息元素，对第一质检人员信息元素、第二质检人员信息元素、……、第P质检人员信息元素求均值，获得所述质检人员信息集合，为后续分析提供数据支撑。
S30：采集在过去时间内所述目标建筑的同族建筑的质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，进行数据处理，获得构建数据集，其中，所述构建数据集包括多种质量隐患出现概率的多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；
步骤S30包括步骤：
S31：获取在过去时间内所述目标建筑的多个同族建筑，以及所述多个同族建筑的供应商信息集合、工人信息集合、质检人员信息集合以及质量隐患检测数据；
S32：根据所述多个同族建筑的供应商信息集合、工人信息集合和质检人员信息集合，将所述多个同族建筑进行分类，获得多个同族建筑集，每个同族建筑集内的同族建筑包括相同的供应商信息集合、工人信息集合和质检人员信息集合；
S33：根据所述多个同族建筑集内同族建筑的质量隐患检测数据，获取所述多个同族建筑集的多个质量隐患集，每个质量隐患集内包括所述多种质量隐患出现的次数；
S34：根据所述多个质量隐患集，分别计算所述多种质量隐患出现的概率，获得所述多个概率数据集；
S35：将所述多个同族建筑集的供应商信息集合、工人信息集合、质检人员信息集合分别输入特征分析模型内的供应商特征分析单元、工人特征分析单元和质检人员特征分析单元内，获得所述多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；
S36：基于所述多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值，获得所述构建数据集。
具体而言，采集在过去时间内所述目标建筑的同族建筑的质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，进行数据处理，获得构建数据集，包括：获取在过去时间内（可以是上五个自然年内，超过五个自然年出现的建筑表层涂层脱落等问题属于自然损耗）所述目标建筑的多个同族建筑（目标建筑的多个同族建筑：与目标建筑相同的建筑，比如相同的房子，优选是组合装配式的建筑），以及所述多个同族建筑的供应商信息集合、工人信息集合、质检人员信息集合以及质量隐患检测数据（工程验收单位出具的工程验收单中的质量隐患栏的记录数据，所述工程验收单满足GB 50300-2013《建筑工程施工质量验收统一标准》等相关约束性规范）；
依照多家供应商，根据所述多个同族建筑的供应商信息集合、工人信息集合和质检人员信息集合，将同一家供应商聚集至同一个集合中，获取相同的供应商信息集合；依照不同的工人，根据所述多个同族建筑的供应商信息集合、工人信息集合和质检人员信息集合，将同一位工人聚集至同一个集合中，获取相同的工人信息集合；
依照不同的质检人员，根据所述多个同族建筑的供应商信息集合、工人信息集合和质检人员信息集合，将同一位质检人员聚集至同一个集合中，获取相同的质检人员信息集合；
通过相同的供应商信息集合、相同的工人信息集合和相同的质检人员信息集合，将所述多个同族建筑进行分类（从供应商、工人、质检人员三方面实现分类），获得多个同族建筑集，每个同族建筑集内的同族建筑通过相同的供应商信息集合、工人信息集合和质检人员信息集合构建；
根据所述多个同族建筑集内同族建筑的质量隐患检测数据，若相同的供应商信息集合中存在建材质量隐患，将相同的供应商信息集合中的建材质量隐患设置为建材质量隐患子集；
根据所述多个同族建筑集内同族建筑的质量隐患检测数据，获取每个同族建筑集内同族建筑出现建筑质量隐患的总次数，以及多种质量隐患出现的次数，示例性地，多种质量隐患包括墙体开裂、防水问题、发生变形、组合存在缝隙等问题。
根据所述多个质量隐患集，分别计算所述多种质量隐患出现的概率（例如防水问题隐患出现的概率=建材质量隐患出现的次数÷多种质量隐患类型出现的全部次数×100%），每个概率数据集里面，包括一个同族建筑集里多种质量隐患类型出现的全部次数，然后计算每种隐患出现次数的占比，得到每种质量隐患在该同族建筑集里出现的概率，与该同族建筑集的作业人员、供应商、质检人员相关，以此来构建模型分析不同供应商、人员、质检人员进行建筑时不同质量隐患的出现概率，获得所述多个概率数据集；
将所述多个同族建筑集的供应商信息集合、工人信息集合、质检人员信息集合作为输入信息，分别输入特征分析模型内的供应商特征分析单元、工人特征分析单元和质检人员特征分析单元内，通过特征分析模型输出获得所述多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；
基于所述多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值，获得所述构建数据集，所述构建数据集包括多种质量隐患出现概率的多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值，为进行建筑质量隐患自动化定位提供数据支持。
如图2所示，步骤S35包括步骤：
S351：获取多个历史供应商信息集合、多个历史工人信息集合、多个历史质检人员信息集合，并进行供应商特征值、工人特征值和质检人员特征值的评估计算，获得历史供应商特征值集合、历史工人特征值集合和历史质检人员特征值集合；
S352：采用所述多个历史供应商信息集合和历史供应商特征值集合，构建所述供应商特征分析单元其中，所述供应商特征分析单元包括第一坐标系、多个第一历史坐标点和对应的多个历史供应商特征值；
S353：采用所述多个历史工人信息集合和历史工人特征值集合，构建所述工人特征分析单元；
S354：采用所述多个历史质检人员信息集合和历史质检人员特征值集合，构建所述质检人员特征分析单元，获得所述特征分析模型；
S355：将所述多个同族建筑集的供应商信息集合输入所述供应商特征分析单元，获得多个第一目标坐标点和对应的所述多个样本供应商特征值；
S356：将所述多个同族建筑集的工人信息集合、质检人员信息集合分别输入所述工人特征分析单元和质检人员特征分析单元内，获得所述多个样本工人特征值和多个样本质检人员特征值。
具体而言，将所述多个同族建筑集的供应商信息集合、工人信息集合、质检人员信息集合分别输入特征分析模型内的供应商特征分析单元、工人特征分析单元和质检人员特征分析单元内，获得所述多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值，包括：基于建筑质量隐患的定位修理系统的数据存储单元，以所述供应商信息、工人信息与质检人员信息为检索内容，设置检索符，在所述建筑质量隐患的定位修理系统的数据存储单元中进行关联检索，获取多个历史供应商信息集合、多个历史工人信息集合、多个历史质检人员信息集合，具体位置历史时间内进行建筑施工的历史供应商信息集合、历史工人信息集合、历史质检人员信息集合，并进行供应商特征值、工人特征值和质检人员特征值的评估计算（例如工人的技能等级、年龄和从业年限进行加权运算，获得一个等级值，等级越高，代表能力越好，加权运算为现有技术，将工人的等级值定义为工人特征值），如此，获得历史供应商特征值集合、历史工人特征值集合和历史质检人员特征值集合；
基于所述多个历史供应商信息集合和历史供应商特征值集合，通过KNN（K-Nearest Neighbor）算法，在所述供应商特征分析单元中设置第一坐标系，在所述第一坐标系中录入多个第一历史坐标点（将所述多个历史供应商信息集合的各个元素以坐标的形式表达：第一坐标系的第一坐标轴内的坐标值可以是材料供应商的规模信息、第一坐标系的第二坐标轴的坐标值可以是营业年限信息、……、第一坐标系的第K坐标轴的可以是材料产量信息），K为正整数，将多个历史供应商信息集合内的历史供应商信息集合逐个输入该第一坐标系内，形成多个第一历史坐标点，采用历史供应商特征值集合内的多个历史供应商特征值，对多个第一历史坐标点进行一一对应的标记，得到所述供应商特征分析单元，其中，所述供应商特征分析单元包括第一坐标系、多个第一历史坐标点和对应的多个历史供应商特征值；
采用所述多个历史工人信息集合和历史工人特征值集合，构建所述工人特征分析单元（步骤不做重复性说明）；采用所述多个历史质检人员信息集合和历史质检人员特征值集合，构建所述质检人员特征分析单元（步骤不做重复性说明）；通过所述供应商特征分析单元、所述工人特征分析单元与所述质检人员特征分析单元，获得所述特征分析模型；
将当前的所述多个同族建筑集的供应商信息集合作为输入信息，输入所述供应商特征分析单元，在第一坐标系内形成获得多个第一目标坐标点，进一步获得多个第一目标坐标点最近邻近的K个第一历史坐标点，以及对应的K个历史供应商特征值，K为奇数，优选为5，得到多个历史供应商特征值集合，然后分别获得多个历史供应商特征值集合内出现频率最高的历史供应商特征值，作为所述多个样本供应商特征值；将所述多个同族建筑集的工人信息集合作为输入信息，输入所述工人特征分析单元内，获得所述多个样本工人特征值；将所述多个同族建筑集的质检人员信息集合作为输入信息，输入所述质检人员特征分析单元内，获得所述多个样本质检人员特征值，为进行特征分析提供模型支持，同时，为代入特征分析模型进行分析提供参考。
如图3所示，步骤S352包括步骤：
S352-1：基于供应商的规模信息和营业年限信息，构建所述第一坐标系；
S352-2：将所述多个历史供应商信息集合输入所述第一坐标系，获得多个第一历史坐标点；
S352-3：采用所述历史供应商特征值集合内的多个历史供应商特征值，对所述多个第一历史坐标点进行标记，获得所述供应商特征分析单元。
具体而言，采用所述多个历史供应商信息集合和历史供应商特征值集合，构建所述供应商特征分析单元，还包括：第一类别可以是材料供应商的规模信息，将材料供应商的规模信息作为第一类坐标；第二类别可以是营业年限信息，将材料供应商的营业年限信息作为第二类坐标，构建所述第一坐标系。
将所述多个历史供应商信息集合输入所述第一坐标系，对所述多个历史供应商信息集合的各个元素以坐标的形式表达，获得多个第一历史坐标点；直至多个历史供应商信息集合中的各个元素（多个历史供应商信息集合中的各个元素就是每个历史供应商信息集合）均得到表征后，采用所述历史供应商特征值集合内的多个历史供应商特征值，通过第一历史坐标点的标记内容，设置标记符，对所述多个第一历史坐标点进行标记，完成标记后，获得所述供应商特征分析单元，为快速识别供应商特征值提供支持。
S40：采用所述构建数据集，构建获得所述目标建筑和同族建筑的建筑质量隐患分析模型；
步骤S40包括步骤：
S41：对所述多个样本供应商特征值、多个样本工人特征值、多个样本质检人员特征值和多个概率数据集进行数据标注和划分，获得训练集、验证集和测试集；
S42：基于前馈神经网络，构建所述建筑质量隐患分析模型的网络结构；
S43：采用所述训练集、验证集和测试集对所述建筑质量隐患分析模型进行监督训练、验证和测试，获得准确率符合预设要求的所述建筑质量隐患分析模型。
具体而言，采用所述构建数据集，构建获得所述目标建筑和同族建筑的建筑质量隐患分析模型，包括：按照9:0.5:0.5的比例，对所述多个样本供应商特征值、多个样本工人特征值、多个样本质检人员特征值和多个概率数据集进行数据标注和划分，获得训练集、验证集和测试集，其中，所述训练集、验证集和测试集中均包括样本供应商特征值、样本工人特征值、样本质检人员特征值和概率数据集；以前馈神经网络作为所述建筑质量隐患分析模型的网络结构，采用所述训练集对所述建筑质量隐患分析模型进行监督训练；在监督训练完成后，采用所述验证集对所述建筑质量隐患分析模型进行验证，对建筑质量隐患分析模型进行初步评估（初步评估准确率=验证通过次数÷验证总次数×100%，若初步评估准确率大于符合预设要求中限制的准确率，即验证通过）；在验证通过后，采用所述测试集对所述建筑质量隐患分析模型进行测试，获得准确率符合预设要求的所述建筑质量隐患分析模型，为保证模型的稳定性提供支持。
S50：对所述供应商信息集合、工人信息集合和质检人员信息集合进行数据处理，获得供应商特征值、工人特征值和质检人员特征值，输入所述建筑质量隐患分析模型，获得所述多种质量隐患的多个隐患概率值；
S60：根据所述多个隐患概率值，对所述目标建筑内的所述多种质量隐患进行检测定位修理。
具体而言，将所述供应商信息集合、工人信息集合和质检人员信息集合打包发送至所述特征分析模型的输入端，然后至所述特征分析模型，通过所述特征分析模型内的供应商特征分析单元、工人特征分析单元和质检人员特征分析单元，基于前述内容中的方法，输出获得供应商特征值、工人特征值和质检人员特征值；将供应商特征值、工人特征值和质检人员特征值打包发送至所述建筑质量隐患分析模型的输入端，通过所述建筑质量隐患分析模型进行建筑质量隐患分析，输出获得所述多种质量隐患的多个隐患概率值；根据所述多个隐患概率值，按照所述多个隐患概率值按照数值从小至大的顺序，对所述目标建筑内的所述多种质量隐患进行检测定位修理，使得检测人员获知各质量隐患可能出现的概率，为实现具有侧重点的质量隐患检测定位修理提供支持，提升质量隐患的检出概率和效率。
综上所述，本申请实施例所提供的一种建筑质量隐患的定位修理方法及系统具有如下技术效果：
1.由于采用了获取多类特征信息，获得供应商信息集合；获取多类人员特征信息，获得工人信息集合和质检人员信息集合；采集质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，处理获得构建数据集，构建获得建筑质量隐患分析模型；数据处理获得供应商特征值、工人特征值和质检人员特征值，输入建筑质量隐患分析模型，获得多个隐患概率值，对多种质量隐患进行检测定位修理，本申请通过提供了一种建筑质量隐患的定位修理方法及系统，实现了在建筑物修理过程，根据供应商、工人、质检人员的特征与多种质检隐患发生概率质检的联系，分析不同类别质量隐患存在的可能性，提高检测定位修理精度，及时排查建筑质量隐患，为降低建筑质量事故发生提供参考的技术效果。
2.由于采用了基于供应商的规模信息和营业年限信息，构建第一坐标系，输入第一坐标系，获得多个第一历史坐标点；采用历史供应商特征值集合内的多个历史供应商特征值，对多个第一历史坐标点进行标记，获得供应商特征分析单元，为快速识别供应商特征值提供支持。
实施例二
基于与前述实施例中一种建筑质量隐患的定位修理方法相同的发明构思，如图4所示，本申请实施例提供了一种建筑质量隐患的定位修理系统，其中，所述系统包括：
供应信息获取模块100，用于获取目标建筑的材料供应商的多类特征信息，获得供应商信息集合；
人员特征获取模块200，用于获取目标建筑施工的工人和质检人员的多类人员特征信息，获得工人信息集合和质检人员信息集合；
数据处理模块300，用于采集在过去时间内所述目标建筑的同族建筑的质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，进行数据处理，获得构建数据集，其中，所述构建数据集包括多种质量隐患出现概率的多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；
模型构建模块400，用于采用所述构建数据集，构建获得所述目标建筑和同族建筑的建筑质量隐患分析模型；
概率值获取模块500，用于对所述供应商信息集合、工人信息集合和质检人员信息集合进行数据处理，获得供应商特征值、工人特征值和质检人员特征值，输入所述建筑质量隐患分析模型，获得所述多种质量隐患的多个隐患概率值；
检测定位修理模块600，用于根据所述多个隐患概率值，对所述目标建筑内的所述多种质量隐患进行检测定位修理。
进一步的，所述系统包括：
供应商信息获取模块，用于获取所述目标建筑的材料供应商的规模信息、营业年限信息；
供应商集合生成模块，用于基于所述规模信息、营业年限信息，生成所述供应商信息集合。
进一步的，所述系统包括：
工人信息获取模块，用于获取所述目标建筑施工的多个工人的平均年龄信息、平均作业年限信息和平均技能水平信息，获得所述工人信息集合；
质检人员信息获取模块，用于获取所述目标建筑的质检人员的平均年龄信息、平均作业年限信息和平均技能水平信息，获得所述质检人员信息集合。
进一步的，所述系统包括：
同族建筑信息获取模块，用于获取在过去时间内所述目标建筑的多个同族建筑，以及所述多个同族建筑的供应商信息集合、工人信息集合、质检人员信息集合以及质量隐患检测数据；
同族建筑分类模块，用于根据所述多个同族建筑的供应商信息集合、工人信息集合和质检人员信息集合，将所述多个同族建筑进行分类，获得多个同族建筑集，每个同族建筑集内的同族建筑包括相同的供应商信息集合、工人信息集合和质检人员信息集合；
质量隐患获取模块，用于根据所述多个同族建筑集内同族建筑的质量隐患检测数据，获取所述多个同族建筑集的多个质量隐患集，每个质量隐患集内包括所述多种质量隐患出现的次数；
概率数据计算模块，用于根据所述多个质量隐患集，分别计算所述多种质量隐患出现的概率，获得所述多个概率数据集；
特征分析模块，用于将所述多个同族建筑集的供应商信息集合、工人信息集合、质检人员信息集合分别输入特征分析模型内的供应商特征分析单元、工人特征分析单元和质检人员特征分析单元内，获得所述多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；
构建数据集获取模块，用于基于所述多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值，获得所述构建数据集。
进一步的，所述系统包括：
特征值获取模块，用于获取多个历史供应商信息集合、多个历史工人信息集合、多个历史质检人员信息集合，并进行供应商特征值、工人特征值和质检人员特征值的评估计算，获得历史供应商特征值集合、历史工人特征值集合和历史质检人员特征值集合；
第一特征分析单元构建模块，用于采用所述多个历史供应商信息集合和历史供应商特征值集合，构建所述供应商特征分析单元其中，所述供应商特征分析单元包括第一坐标系、多个第一历史坐标点和对应的多个历史供应商特征值；
第二特征分析单元构建模块，用于采用所述多个历史工人信息集合和历史工人特征值集合，构建所述工人特征分析单元；
第三特征分析单元构建模块，用于采用所述多个历史质检人员信息集合和历史质检人员特征值集合，构建所述质检人员特征分析单元，获得所述特征分析模型；
第一样本特征值获得模块，用于将所述多个同族建筑集的供应商信息集合输入所述供应商特征分析单元，获得多个第一目标坐标点和对应的所述多个样本供应商特征值；
第二、三样本特征值获得模块，用于将所述多个同族建筑集的工人信息集合、质检人员信息集合分别输入所述工人特征分析单元和质检人员特征分析单元内，获得所述多个样本工人特征值和多个样本质检人员特征值。
进一步的，所述系统包括：
第一坐标系构建模块，用于基于供应商的规模信息和营业年限信息，构建所述第一坐标系；
历史坐标点获得模块，用于将所述多个历史供应商信息集合输入所述第一坐标系，获得多个第一历史坐标点；
坐标点标记模块，用于采用所述历史供应商特征值集合内的多个历史供应商特征值，对所述多个第一历史坐标点进行标记，获得所述供应商特征分析单元。
进一步的，所述系统包括：
数据标注与划分模块，用于对所述多个样本供应商特征值、多个样本工人特征值、多个样本质检人员特征值和多个概率数据集进行数据标注和划分，获得训练集、验证集和测试集；
建筑质量隐患分析模型构建模块，用于基于前馈神经网络，构建所述建筑质量隐患分析模型的网络结构；
训练、验证和测试模块，用于采用所述训练集、验证集和测试集对所述建筑质量隐患分析模型进行监督训练、验证和测试，获得准确率符合预设要求的所述建筑质量隐患分析模型。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种建筑质量隐患的定位修理方法，其特征在于，所述方法包括：
获取目标建筑的材料供应商的多类特征信息，获得供应商信息集合；
获取目标建筑施工的工人和质检人员的多类人员特征信息，获得工人信息集合和质检人员信息集合；
采集在过去时间内所述目标建筑的同族建筑的质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，进行数据处理，获得构建数据集，其中，所述构建数据集包括多种质量隐患出现概率的多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；
采用所述构建数据集，构建获得所述目标建筑和同族建筑的建筑质量隐患分析模型；
对所述供应商信息集合、工人信息集合和质检人员信息集合进行数据处理，获得供应商特征值、工人特征值和质检人员特征值，输入所述建筑质量隐患分析模型，获得所述多种质量隐患的多个隐患概率值；
根据所述多个隐患概率值，对所述目标建筑内的所述多种质量隐患进行检测定位修理。
2.根据权利要求1所述的方法，其特征在于，获取目标建筑的材料供应商的多类特征信息，获得供应商信息集合，包括：
获取所述目标建筑的材料供应商的规模信息、营业年限信息；
基于所述规模信息、营业年限信息，生成所述供应商信息集合。
3.根据权利要求2所述的方法，其特征在于，获取目标建筑施工的工人和质检人员的多类人员特征信息，包括：
获取所述目标建筑施工的多个工人的平均年龄信息、平均作业年限信息和平均技能水平信息，获得所述工人信息集合；
获取所述目标建筑的质检人员的平均年龄信息、平均作业年限信息和平均技能水平信息，获得所述质检人员信息集合。
4.根据权利要求3所述的方法，其特征在于，采集在过去时间内所述目标建筑的同族建筑的质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，进行数据处理，获得构建数据集，包括：
获取在过去时间内所述目标建筑的多个同族建筑，以及所述多个同族建筑的供应商信息集合、工人信息集合、质检人员信息集合以及质量隐患检测数据；
根据所述多个同族建筑的供应商信息集合、工人信息集合和质检人员信息集合，将所述多个同族建筑进行分类，获得多个同族建筑集，每个同族建筑集内的同族建筑包括相同的供应商信息集合、工人信息集合和质检人员信息集合；
根据所述多个同族建筑集内同族建筑的质量隐患检测数据，获取所述多个同族建筑集的多个质量隐患集，每个质量隐患集内包括所述多种质量隐患出现的次数；
根据所述多个质量隐患集，分别计算所述多种质量隐患出现的概率，获得所述多个概率数据集；
将所述多个同族建筑集的供应商信息集合、工人信息集合、质检人员信息集合分别输入特征分析模型内的供应商特征分析单元、工人特征分析单元和质检人员特征分析单元内，获得所述多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；
基于所述多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值，获得所述构建数据集。
5.根据权利要求4所述的方法，其特征在于，将所述多个同族建筑集的供应商信息集合、工人信息集合、质检人员信息集合分别输入特征分析模型内的供应商特征分析单元、工人特征分析单元和质检人员特征分析单元内，包括：
获取多个历史供应商信息集合、多个历史工人信息集合、多个历史质检人员信息集合，并进行供应商特征值、工人特征值和质检人员特征值的评估计算，获得历史供应商特征值集合、历史工人特征值集合和历史质检人员特征值集合；
采用所述多个历史供应商信息集合和历史供应商特征值集合，构建所述供应商特征分析单元其中，所述供应商特征分析单元包括第一坐标系、多个第一历史坐标点和对应的多个历史供应商特征值；
采用所述多个历史工人信息集合和历史工人特征值集合，构建所述工人特征分析单元；
采用所述多个历史质检人员信息集合和历史质检人员特征值集合，构建所述质检人员特征分析单元，获得所述特征分析模型；
将所述多个同族建筑集的供应商信息集合输入所述供应商特征分析单元，获得多个第一目标坐标点和对应的所述多个样本供应商特征值；
将所述多个同族建筑集的工人信息集合、质检人员信息集合分别输入所述工人特征分析单元和质检人员特征分析单元内，获得所述多个样本工人特征值和多个样本质检人员特征值。
6.根据权利要求5所述的方法，其特征在于，采用所述多个历史供应商信息集合和历史供应商特征值集合，构建所述供应商特征分析单元，包括：
基于供应商的规模信息和营业年限信息，构建所述第一坐标系；
将所述多个历史供应商信息集合输入所述第一坐标系，获得多个第一历史坐标点；
采用所述历史供应商特征值集合内的多个历史供应商特征值，对所述多个第一历史坐标点进行标记，获得所述供应商特征分析单元。
7.根据权利要求1所述的方法，其特征在于，采用所述构建数据集，构建获得所述目标建筑和同族建筑的建筑质量隐患分析模型，包括：
对所述多个样本供应商特征值、多个样本工人特征值、多个样本质检人员特征值和多个概率数据集进行数据标注和划分，获得训练集、验证集和测试集；
基于前馈神经网络，构建所述建筑质量隐患分析模型的网络结构；
采用所述训练集、验证集和测试集对所述建筑质量隐患分析模型进行监督训练、验证和测试，获得准确率符合预设要求的所述建筑质量隐患分析模型。
8.一种建筑质量隐患的定位修理系统，其特征在于，用于实施权利要求1-7任一项所述的一种建筑质量隐患的定位修理方法，包括：
供应信息获取模块，用于获取目标建筑的材料供应商的多类特征信息，获得供应商信息集合；
人员特征获取模块，用于获取目标建筑施工的工人和质检人员的多类人员特征信息，获得工人信息集合和质检人员信息集合；
数据处理模块，用于采集在过去时间内所述目标建筑的同族建筑的质量隐患信息、供应商信息集合、工人信息集合和质检人员信息集合，进行数据处理，获得构建数据集，其中，所述构建数据集包括多种质量隐患出现概率的多个概率数据集、多个样本供应商特征值、多个样本工人特征值和多个样本质检人员特征值；
模型构建模块，用于采用所述构建数据集，构建获得所述目标建筑和同族建筑的建筑质量隐患分析模型；
概率值获取模块，用于对所述供应商信息集合、工人信息集合和质检人员信息集合进行数据处理，获得供应商特征值、工人特征值和质检人员特征值，输入所述建筑质量隐患分析模型，获得所述多种质量隐患的多个隐患概率值；
检测定位修理模块，用于根据所述多个隐患概率值，对所述目标建筑内的所述多种质量隐患进行检测定位修理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310365690.XA CN116109296B (zh) | 2023-04-07 | 2023-04-07 | 一种建筑质量隐患的定位修理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310365690.XA CN116109296B (zh) | 2023-04-07 | 2023-04-07 | 一种建筑质量隐患的定位修理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116109296A true CN116109296A (zh) | 2023-05-12 |
| CN116109296B CN116109296B (zh) | 2023-06-30 |
Family
ID=86261852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310365690.XA Active CN116109296B (zh) | 2023-04-07 | 2023-04-07 | 一种建筑质量隐患的定位修理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116109296B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107103434A (zh) * | 2017-05-25 | 2017-08-29 | 国网上海市电力公司 | 一种人因要素隐患分析诊断方法 |
| CN109711740A (zh) * | 2018-12-29 | 2019-05-03 | 南京青铜建服科技有限公司 | 用于施工安全的数据处理方法 |
| CN112163747A (zh) * | 2020-09-18 | 2021-01-01 | 华航环境发展有限公司 | 建筑工程项目质量管理系统 |
| CN115457467A (zh) * | 2022-09-08 | 2022-12-09 | 郭和玉 | 一种基于数据挖掘的建筑质量隐患定位方法及系统 |
| CN115796591A (zh) * | 2022-12-06 | 2023-03-14 | 武汉誉钱乐房地产有限公司 | 一种基于图像采集的智慧城市居住安全预警分析方法及系统 |
| CN115796608A (zh) * | 2023-02-06 | 2023-03-14 | 北京万赋互联网科技集团有限公司 | 一种基于便携式交互的建筑施工风控管理方法及系统 |
-
2023
- 2023-04-07 CN CN202310365690.XA patent/CN116109296B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107103434A (zh) * | 2017-05-25 | 2017-08-29 | 国网上海市电力公司 | 一种人因要素隐患分析诊断方法 |
| CN109711740A (zh) * | 2018-12-29 | 2019-05-03 | 南京青铜建服科技有限公司 | 用于施工安全的数据处理方法 |
| CN112163747A (zh) * | 2020-09-18 | 2021-01-01 | 华航环境发展有限公司 | 建筑工程项目质量管理系统 |
| CN115457467A (zh) * | 2022-09-08 | 2022-12-09 | 郭和玉 | 一种基于数据挖掘的建筑质量隐患定位方法及系统 |
| CN115796591A (zh) * | 2022-12-06 | 2023-03-14 | 武汉誉钱乐房地产有限公司 | 一种基于图像采集的智慧城市居住安全预警分析方法及系统 |
| CN115796608A (zh) * | 2023-02-06 | 2023-03-14 | 北京万赋互联网科技集团有限公司 | 一种基于便携式交互的建筑施工风控管理方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 陈小文: "建筑工程施工风险影响因素分析与评价研究", CNKI优秀硕士学位论文全文库, pages 3 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116109296B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107122483B (zh) | 基础地理信息数据质检方法、装置及系统 | |
| CN109146088B (zh) | 用于评估用过的部件的系统和方法 | |
| CN111582718B (zh) | 基于网络层次分析法的电缆通道火灾风险评估方法及装置 | |
| CN109490072B (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
| CN111625988A (zh) | 基于深度学习的桥梁健康管理分析与预测系统及方法 | |
| CN104218570A (zh) | 一种电能计量装置整体计量误差的在线评估方法和系统 | |
| CN114519498A (zh) | 一种基于bim模型的质量验评方法和系统 | |
| CN114997682A (zh) | 一种基于大数据的施工现场安全监测系统及方法 | |
| CN105930865B (zh) | 城市建设用地分类提取及评估方法 | |
| CN109034483A (zh) | 一种基于质量功能配置的检测规划方法 | |
| CN111401784B (zh) | 一种消防安全等级评估方法 | |
| CN102081045B (zh) | 一种基于激光电视全息技术的结构损伤识别方法 | |
| CN115080379A (zh) | 一种多维度评估软件测试有效性的方法 | |
| CN115098829A (zh) | 一种基于多源计量数据的碳排放量在线分析方法 | |
| CN117057644A (zh) | 一种基于特性匹配的设备生产质量检测方法及系统 | |
| CN113742248A (zh) | 一种基于项目测量数据进行组织过程预测的方法及系统 | |
| CN116109296B (zh) | 一种建筑质量隐患的定位修理方法及系统 | |
| CN113657747A (zh) | 一种企业安全生产标准化级别智能评定系统 | |
| CN113283768A (zh) | 食品检测项目提取方法、装置、设备及存储介质 | |
| US7797136B2 (en) | Metrics to evaluate process objects | |
| CN104596563B (zh) | 一种光纤传感系统一致性试验方法 | |
| CN107292531B (zh) | 一种基于bp神经网络和聚类分析法的公交车“两率”检查方法 | |
| CN116307858A (zh) | 测绘成果质量检查与评分系统 | |
| CN115905023A (zh) | 集成测试平台、测试方法和测试终端、存储介质及设备 | |
| CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |