发明内容
有鉴于此,本发明提出了一种基于区块链的工程数据处理系统及方法,以解决至少一个上述技术问题。
本发明提供一种基于区块链的工程数据处理方法,包括以下步骤:
步骤S1:构建质量验收智能合约;
步骤S2:根据质量验收智能合约构建建筑工程质量联盟链;
步骤S3:获取建筑工程数据,并根据建筑工程数据进行质量评估,从而获得建筑工程评估数据;
步骤S4:根据建筑工程质量数据通过质量验收智能合约进行质量验收,从而生成建筑工程质量区块,并将建筑工程质量区块添加至建筑工程质量联盟链,以供建筑工程质量验收的存储溯源。
本实施例将建筑工程质量数据存储在去中心化的区块链上,可避免数据篡改和丢失,确保数据的安全性和可靠性,质量验收智能合约实现了自动化的质量验收流程,减少了人为干预和错误,提高了验收的准确性和效率,建筑工程质量联盟链将所有参与方连接起来,促进了信息共享和协作,提高了整个建筑工程质量管理的透明度和效率,建筑工程质量区块链可以提供可追溯性,当发现建筑工程质量问题时,可以快速定位责任方并采取相应措施,以维护建筑工程质量的可持续性。
在本说明书的一个实施例中,步骤S1具体为:
步骤S11:获取工程角色基本信息;
步骤S12:根据工程角色基本信息进行工程角色构建,从而生成工程角色信息,其中工程角色信息包括业主角色信息、施工方角色信息、监工方角色信息以及第三方机构信息;
步骤S13:根据工程角色信息进行工程角色职能作业。
本实施例将工程角色信息被纳入到智能合约中,确保了智能合约的适用性和可扩展性,同时减少了因角色不清而导致的冲突和争议,工程角色职能作业通过智能合约自动化实现,避免了人为操作的失误和漏洞,提高了质量验收的准确性和效率,通过工程角色信息和职能作业的记录和追踪,维护了工程角色职责的认定和执行,促进了建筑工程质量管理的透明度和公正性,工程角色信息的共享和协同作业,有助于消除信息孤岛,提高了建筑工程质量管理的整体效率和水平。
在本说明书的一个实施例中,步骤S13具体为:
步骤S131:确定工程角色信息为业主角色信息时,获取项目需求信息以及项目资金信息;
步骤S132:根据项目需求信息以及项目资金信息,构建项目基础信息;
步骤S133:接收工程验收请求信息时,进行工程验收作业,以生成工程验收标记并根据工程验收标记对项目基础信息进行工程验收标记作业;
步骤S134:确定工程角色信息为施工方角色信息时,当接收项目需求信息时,生成项目施工获取控件,并通过项目施工获取控件获取项目施工信息,以发送至服务器,其中项目施工信息包括项目工程进度信息、项目工程计划信息以及项目资金使用信息,项目工程进度信息包括工程验收请求申请信息;
步骤S135:确定工程角色信息为监工方角色信息时,当接收项目施工信息时,则根据项目施工信息进行项目过程监督作业,从而生成项目质检信息,以发送服务器,其中项目质检信息包括工程验收请求通过信息以及工程验收请求拒绝信息;
步骤S136:确定工程角色信息为第三方机构信息时,当接收工程验收请求通过信息时,则根据项目质检信息进行独立项目质检作业,从而生成工程验收请求信息,以发送至服务器。
本实施例针对不同的工程角色信息,建立了相应的工程角色职能作业流程,实现了精细化管理和个性化服务,工程角色信息的获取和处理过程被记录在智能合约中,确保了操作的透明度和可追溯性,有利于发现问题并及时解决,对项目施工信息的获取、发送、监督以及质检都通过智能合约实现自动化和规范化,避免了人为因素的干扰和误操作,提高了建筑工程质量的稳定性和持续性,基于区块链技术,所有工程角色信息和职能作业结果都被存储在去中心化的区块链上,杜绝了数据篡改和丢失的可能,同时提供了可靠的数据来源和溯源,有助于实现建筑工程质量的全面监管和管理。
在本说明书的一个实施例中,步骤S2具体为:
步骤S21:根据质量验收智能合约进行复杂度评估,生成合约复杂度信息;
步骤S22:判断合约复杂度信息是否大于或等于预设的合约复杂度阈值信息;
步骤S23:确定合约复杂度信息大于或等于预设的合约复杂度阈值信息时,则根据质量验收智能合约通过第一区块链平台进行联盟链构建,从而生成第一建筑工程质量联盟链;
步骤S24:确定合约复杂度信息小于预设的合约复杂度阈值信息时,则根据质量验收智能合约通过第二区块链平台进行联盟链构建,从而生成第二建筑工程质量联盟链。
本实施例通过对质量验收智能合约的复杂度评估,可以根据预设的合约复杂度阈值信息,判断是否需要使用较为复杂的第一建筑工程质量联盟链,从而有效地控制区块链资源的开销和成本,根据质量验收智能合约对建筑工程质量区块链进行管理和维护,有助于提高质量验收的准确性和效率,同时也可以规范建筑工程质量管理和监管的流程和标准。
在本说明书的一个实施例中,步骤S3具体为:
步骤S31:获取建筑工程数据,并根据建筑工程数据进行特征提取,从而获取建筑工程特征数据;
步骤S32:根据建筑工程特征数据通过建筑工程质量识别模型进行识别,从而获得建筑建筑工程质量数据;
步骤S33:根据建筑工程数据通过建筑工程数据异常值计算公式进行计算,从而获得建筑工程异常值;
步骤S34:判断建筑工程异常值是否大于或等于预设的建筑工程异常阈值;
步骤S35:确定建筑工程异常值大于或等于预设的建筑工程异常值时,将建筑工程异常值对建筑工程数据进行标注,从而获得异常标注建筑工程数据,并根据异常标注建筑工程数据以及建筑工程质量数据进行合并,从而获得建筑工程评估数据;
步骤S36:确定建筑工程异常值小于预设的建筑工程异常值时,将建筑工程质量数据确定为建筑工程评估数据。
本实施例基于建筑工程特征数据和建筑工程质量识别模型,可以对建筑工程质量进行自动化识别和评估,避免了人为主观判断的误差和偏差,提高了建筑工程质量评估的准确性和客观性,基于建筑工程数据异常值计算公式,可以发现建筑工程中存在的异常情况,并及时进行处理和纠正,从而保证建筑工程质量的稳定性和可持续性,基于预设的建筑工程异常阈值,可以根据异常程度进行不同的处理和管理,有利于提高建筑工程质量管理的效率和针对性,根据异常标注建筑工程数据和建筑工程质量数据的合并,可以得到更全面和准确的建筑工程评估数据,有助于制定更科学和合理的建筑工程质量管理措施和方案。
在本说明书的一个实施例中,建筑工程特征数据包括几何归一化特征数据以及工程进度归一化特征数据,其中步骤S31具体为:
步骤S311:获取建筑工程数据;
步骤S312:根据建筑工程数据进行数据预处理,从而获得预处理数据;
步骤S313:根据预处理数据进行几何特征提取,从而获得几何特征数据;
步骤S314:根据预处理数据进行工程进度特征提取,从而获得工程进度特征数据;
步骤S315:将几何特征数据以及工程进度特征数据进行降维处理,从而生成几何降维特征数据以及工程进度降维特征数据;
步骤S316:将几何降维特征数据以及工程进度降维特征数据进行归一化处理,从而获得几何归一化特征数据以及工程进度归一化特征数据。
本实施例建筑工程特征数据的提取和处理过程经过了多层次的处理,从而获取到具有代表性且不会产生维数灾难的几何归一化特征数据以及工程进度归一化特征数据,采用了数据预处理技术对原始数据进行清洗、去噪、缩放等处理,可提高几何特征提取和工程进度特征提取的精确度和稳定性,采用降维处理技术可以有效地减少特征数据的维数,避免了高维数据计算复杂度和存储空间占用过大的问题,同时也有助于消除数据之间的冗余和噪音,采用归一化处理技术可以将几何降维特征数据以及工程进度降维特征数据转换为具有统一量纲的数据,从而避免了因不同量纲带来的误差和偏差,使得特征数据更加直观和易于处理。
在本说明书的一个实施例中,其中建筑工程数据异常值计算公式具体为:
Er为建筑工程异常值,qi为第i个建筑工程数据的权重项,ai为第i个建筑工程数据,pi为第i个历史建筑工程数据的权重项,bi为第i个历史建筑工程数据,为建筑工程数据的平均值,σ为建筑工程数据的分布程度,θ为误差调整项,r为第一常数项,∈为降维指数,n为建筑工程数据的数量信息,μ为建筑工程异常值。
本实施例提供一种建筑工程数据异常值计算公式,该公式充分考虑了第i个建筑工程数据的权重项qi、第i个建筑工程数据ai、第i个历史建筑工程数据的权重项pi、第i个历史建筑工程数据bi、建筑工程数据的平均值建筑工程数据的分布程度σ、误差调整项θ、降维指数∈、建筑工程数据的数量信息n以及相互质检的作用关系,以形成函数关系利用了多项参数和历史数据对当前建筑工程数据的影响程度进行评估,在考虑了数据的权重、分布特性和历史趋势等因素的基础上,能够更为准确地判断建筑工程数据是否存在异常情况,并对异常值进行量化和评估,有助于及时发现和解决建筑工程质量问题,使用了对数形式的求和,使得在处理大规模数据时更加高效,同时也方便对处理结果进行后续的统计分析,权重项qi和pi可以用来表示数据在整体数据中的重要性;平均值/>和分布程度σ可以用来刻画数据的总体水平和波动情况;误差调整项θ和降维指数∈则可以用来控制公式的误差和特征数据的维度,通过建筑工程异常值μ量化表示建筑工程质量中出现的异常情况,便于建筑工程质量管理和改进。
在本说明书的一个实施例中,其中建筑工程质量识别模型的构建步骤具体为:
步骤S321:获取标准建筑工程特征数据,其中标准建筑工程特征数据包括标准几何特征数据以及标准工程进度特征数据;
步骤S322:根据标准几何特征数据以及标准工程进度特征数据进行特征数据清洗,从而获得标准清洗特征数据;
步骤S323:根据标准清洗特征数据通过预设的训练测试比例进行随机划分,从而生成标准训练特征值以及标准测试特征值;
步骤S324:根据标准训练特征值通过神经网络模型进行模型训练,从而构建初等建筑工程质量识别模型;
步骤S325:根据标准测试特征值对初等建筑工程质量识别模型进行迭代评估,直至符合预设的评估指数,从而生成建筑工程质量识别模型。
本实施例根据标准几何特征数据和标准工程进度特征数据对建筑工程特征数据进行清洗和预处理,可以消除数据噪声和冗余信息,提高建筑工程质量识别模型的精确性和稳定性,采用了随机划分训练与测试数据集的方法,可以在训练过程中充分利用数据资源,并且通过测试数据集对模型进行评估,以便更好地提高模型的泛化能力和推广性,使用神经网络模型进行建筑工程质量识别模型的训练,可实现对大量特征数据进行快速而准确的模型训练,从而提高模型的识别精度和效率,通过对初等建筑工程质量识别模型的迭代评估,可以逐步调整模型参数和体系结构,从而使得建筑工程质量识别模型更加符合实际应用需要,具有更好的准确性和可靠性。
在本说明书的一个实施例中,步骤S4具体为:
根据建筑工程质量数据通过质量验收智能合约进行质量验收,从而生成建筑工程质量区块;
根据建筑工程质量区块通过地址位数加密计算公式进行计算,从而生成地址位数加密数据,并根据地址位数加密数据对建筑工程质量区块进行标记并发送至建筑工程质量联盟链,以供建筑工程质量验收的存储溯源;
其中位数加密计算公式具体为:
Si为地址位数加密数据,aj为建筑工程质量区块中第j个数据,b为加权系数,t为根据预设的长度地址位数生成缩放指数,o为第二常数项,q为根据建筑工程质量区块随机生成的平移指数,m为调整系数,u为地址位数加密数据的修正系数。
本实施例采用智能合约进行建筑工程质量验收,可以实现自动化、规范化的验收流程,提高验收效率和准确性,借助区块链技术进行数据存储和溯源,可以实现数据不可篡改和去中心化存储等特点,保证建筑工程质量数据的安全性和可靠性,使用地址位数加密计算公式对建筑工程质量区块进行加密和标记,可以有效地防止数据被篡改或伪造,增强建筑工程质量数据的安全性和真实性,建立建筑工程质量联盟链,可以为建筑工程参与方提供信息共享、协作管理等平台,促进建筑工程质量管理的交流和提高。
本实施例提供一种位数加密计算公式,该公式充分考虑了建筑工程质量区块中第j个数据aj、加权系数b、根据预设的长度地址位数生成缩放指数t、根据建筑工程质量区块随机生成的平移指数q、调整系数m以及相互之间的作用关系
本发明提供一种基于区块链的工程数据处理系统,所述装置包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的一种基于区块链的工程数据处理方法。
本发明提高了建筑工程质量的管理效率和准确性。通过构建质量验收智能合约、建筑工程质量联盟链等技术手段,实现了对建筑工程质量数据的自动化处理和管理,避免了人为操作的误差和延误,并提高了建筑工程质量识别和监控的准确性,增强了建筑工程质量数据的安全性和可靠性,采用区块链技术进行数据存储和溯源,可以防止数据被篡改或伪造,保证了建筑工程质量数据的真实性和安全性,促进了建筑工程质量信息的共享和流通,建立建筑工程质量联盟链,可以为建筑工程参与方提供信息共享、协作管理等平台,促进了建筑工程质量信息的交流和提高,通过智能合约、区块链和加密计算的技术手段,构建了一种安全、可信赖的建筑工程质量验收和存储溯源体系,从而为包括建筑工程管理者、业主、监管部门在内的各类参与方提供了更加高效和可靠的服务。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的技术人员在没有做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。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
请参阅图1至图7,本发明提供一种基于区块链的工程数据处理方法,包括以下步骤:
步骤S1:构建质量验收智能合约;
具体地,例如定义一个建筑工程质量验收目标,根据建筑工程质量验收目标对建筑工程的参与方的智能进行编写相关的约束条件,并将约束条件进行集成耦合形成质量验收智能合约。
步骤S2:根据质量验收智能合约构建建筑工程质量联盟链;
具体地,例如将智能合约部署到区块链平台上,使得联盟链的参与方可以对其进行访问、交互和操作。此时,每个参与方都有独特的身份验证和访问权限。
步骤S3:获取建筑工程数据,并根据建筑工程数据进行质量评估,从而获得建筑工程评估数据;
具体地,例如参与方可以通过提交建筑工程质量数据来参与联盟链的运作。每次发布的建筑工程质量数据都需要经过智能合约的检验和验证,从而获得建筑工程评估数据。
步骤S4:根据建筑工程质量数据通过质量验收智能合约进行质量验收,从而生成建筑工程质量区块,并将建筑工程质量区块添加至建筑工程质量联盟链,以供建筑工程质量验收的存储溯源。
具体地,例如通过智能合约将建筑工程质量数据上传至区块链平台,并由多个验收方进行验证和确认。一旦验收方确认质量符合标准,智能合约便会自动创建一个新的建筑工程质量区块,包含建筑工程的相关信息以及验收方的认证信息。该区块随后被添加到建筑工程质量联盟链中,在整个联盟成员间共享和存储。
本实施例将建筑工程质量数据存储在去中心化的区块链上,可避免数据篡改和丢失,确保数据的安全性和可靠性,质量验收智能合约实现了自动化的质量验收流程,减少了人为干预和错误,提高了验收的准确性和效率,建筑工程质量联盟链将所有参与方连接起来,促进了信息共享和协作,提高了整个建筑工程质量管理的透明度和效率,建筑工程质量区块链可以提供可追溯性,当发现建筑工程质量问题时,可以快速定位责任方并采取相应措施,以维护建筑工程质量的可持续性。
在本说明书的一个实施例中,步骤S1具体为:
步骤S11:获取工程角色基本信息;
步骤S12:根据工程角色基本信息进行工程角色构建,从而生成工程角色信息,其中工程角色信息包括业主角色信息、施工方角色信息、监工方角色信息以及第三方机构信息;
步骤S13:根据工程角色信息进行工程角色职能作业。
具体地,例如需要获取各个工程角色的基本信息,包括姓名、身份证号码、资质认证、从业经验等方面,以确保各个工程角色的身份和资质认证真实有效;
在智能合约中根据这些基本信息构建各个工程角色的信息档案,并生成相应的工程角色信息,包括业主角色信息、施工方角色信息、监工方角色信息以及第三方机构信息;
根据工程角色信息进行工程角色职能作业。例如,业主可以通过系统提交验收申请并提供相关质量数据,施工方可以对提供的数据进行确认和验证,监理方可以对工程质量进行监督检查,第三方机构可以进行质量认证和评估。
本实施例将工程角色信息被纳入到智能合约中,确保了智能合约的适用性和可扩展性,同时减少了因角色不清而导致的冲突和争议,工程角色职能作业通过智能合约自动化实现,避免了人为操作的失误和漏洞,提高了质量验收的准确性和效率,通过工程角色信息和职能作业的记录和追踪,维护了工程角色职责的认定和执行,促进了建筑工程质量管理的透明度和公正性,工程角色信息的共享和协同作业,有助于消除信息孤岛,提高了建筑工程质量管理的整体效率和水平。
在本说明书的一个实施例中,步骤S13具体为:
步骤S131:确定工程角色信息为业主角色信息时,获取项目需求信息以及项目资金信息;
步骤S132:根据项目需求信息以及项目资金信息,构建项目基础信息;
步骤S133:接收工程验收请求信息时,进行工程验收作业,以生成工程验收标记并根据工程验收标记对项目基础信息进行工程验收标记作业;
具体地,例如当确定工程角色信息为业主角色信息时,系统会获取项目需求信息以及项目资金信息,并根据这些信息构建项目基础信息。
当系统接收到工程验收请求信息时,业主角色需要进行工程验收作业,并生成工程验收标记。系统会根据工程验收标记对项目基础信息进行工程验收标记作业,以确保项目的质量符合标准。
步骤S134:确定工程角色信息为施工方角色信息时,当接收项目需求信息时,生成项目施工获取控件,并通过项目施工获取控件获取项目施工信息,以发送至服务器,其中项目施工信息包括项目工程进度信息、项目工程计划信息以及项目资金使用信息,项目工程进度信息包括工程验收请求申请信息;
具体地,例如当确定工程角色信息为施工方角色信息时,系统会生成项目施工获取控件,并通过该控件获取项目施工信息,包括项目工程进度信息、项目工程计划信息以及项目资金使用信息。其中,项目工程进度信息还包括工程验收请求申请信息。施工方角色可以根据这些信息进行施工作业,并将相关数据提交至系统中,以便其他工程角色进行下一步处理。
步骤S135:确定工程角色信息为监工方角色信息时,当接收项目施工信息时,则根据项目施工信息进行项目过程监督作业,从而生成项目质检信息,以发送服务器,其中项目质检信息包括工程验收请求通过信息以及工程验收请求拒绝信息;
具体地,例如当确定工程角色信息为监工方角色信息时,系统会根据项目施工信息进行项目过程监督作业,并生成项目质检信息,包括工程验收请求通过信息以及工程验收请求拒绝信息。监理方角色需要对工程质量进行监督检查,并根据检查结果生成相应的质检信息。这些信息将被发送至服务器,以供其他工程角色参考。
步骤S136:确定工程角色信息为第三方机构信息时,当接收工程验收请求通过信息时,则根据项目质检信息进行独立项目质检作业,从而生成工程验收请求信息,以发送至服务器。
具体地,例如当确定工程角色信息为第三方机构信息时,系统会根据项目质检信息进行独立项目质检作业,并生成工程验收请求信息。第三方机构可以对工程质量进行独立认证和评估,并将认证结果提交至系统中,以便其他工程角色进行下一步处理。
本实施例针对不同的工程角色信息,建立了相应的工程角色职能作业流程,实现了精细化管理和个性化服务,工程角色信息的获取和处理过程被记录在智能合约中,确保了操作的透明度和可追溯性,有利于发现问题并及时解决,对项目施工信息的获取、发送、监督以及质检都通过智能合约实现自动化和规范化,避免了人为因素的干扰和误操作,提高了建筑工程质量的稳定性和持续性,基于区块链技术,所有工程角色信息和职能作业结果都被存储在去中心化的区块链上,杜绝了数据篡改和丢失的可能,同时提供了可靠的数据来源和溯源,有助于实现建筑工程质量的全面监管和管理。
在本说明书的一个实施例中,步骤S2具体为:
步骤S21:根据质量验收智能合约进行复杂度评估,生成合约复杂度信息;
具体地,例如确定质量验收智能合约的输入变量,包括各个工程角色的基本信息、项目需求信息、项目资金信息、项目施工信息、工程验收请求信息、项目质检信息;
根据输入变量确定质量验收智能合约的处理逻辑,包括各个工程角色职能作业的流程、数据传输和处理方式、合约执行顺序;
根据处理逻辑评估质量验收智能合约的复杂度评估结果,包括合约的控制结构、循环结构、条件结构、函数调用;
根据复杂度评估结果生成合约复杂度信息,包括各种复杂度指标、代码行数、函数数量、循环结构数量、条件结构数量。
步骤S22:判断合约复杂度信息是否大于或等于预设的合约复杂度阈值信息;
步骤S23:确定合约复杂度信息大于或等于预设的合约复杂度阈值信息时,则根据质量验收智能合约通过第一区块链平台进行联盟链构建,从而生成第一建筑工程质量联盟链;
具体地,例如第一区块链平台为以太坊。
具体地,例如在合约复杂度信息大于或等于预设的合约复杂度阈值信息时,根据质量验收智能合约通过第一区块链平台进行联盟链构建,从而生成第一建筑工程质量联盟链。这个区块链包括所有参与质量验收的工程角色提交的数据和信息,并且所有数据和信息都会被加密和存储在区块链中。
步骤S24:确定合约复杂度信息小于预设的合约复杂度阈值信息时,则根据质量验收智能合约通过第二区块链平台进行联盟链构建,从而生成第二建筑工程质量联盟链。
具体地,例如第二区块链平台为EOS平台。
具体地,例如在合约复杂度信息小于预设的合约复杂度阈值信息时,根据质量验收智能合约通过第二区块链平台进行联盟链构建,从而生成第二建筑工程质量联盟链。这个区块链包括所有参与质量验收的工程角色提交的数据和信息,并且所有数据和信息都会被加密和存储在区块链中。
本实施例通过对质量验收智能合约的复杂度评估,可以根据预设的合约复杂度阈值信息,判断是否需要使用较为复杂的第一建筑工程质量联盟链,从而有效地控制区块链资源的开销和成本,根据质量验收智能合约对建筑工程质量区块链进行管理和维护,有助于提高质量验收的准确性和效率,同时也可以规范建筑工程质量管理和监管的流程和标准。
在本说明书的一个实施例中,步骤S3具体为:
步骤S31:获取建筑工程数据,并根据建筑工程数据进行特征提取,从而获取建筑工程特征数据;
具体地,例如收集建筑工程数据,包括工程进度数据、工程质量数据、项目资金使用数据,通过传感器、监控系统以及各种数据采集设备来获取;
根据收集到的建筑工程数据,通过特征提取算法,如主成分分析(PCA)、线性判别分析(LDA)、独立成分分析(ICA)等,以提取关键的特征变量;
步骤S32:根据建筑工程特征数据通过建筑工程质量识别模型进行识别,从而获得建筑建筑工程质量数据;
具体地,例如根据提取出的特征数据进行建筑工程质量预测,使用各种机器学习算法,如决策树、支持向量机(SVM)、神经网络来预测建筑工程的质量状态,并输出相应的预测结果。
步骤S33:根据建筑工程数据通过建筑工程数据异常值计算公式进行计算,从而获得建筑工程异常值;
具体地,例如根据异常值计算公式计算出建筑工程异常值,异常值计算公式基于离群点识别算法来确定异常值的阈值。异常值计算公式包括mad(Median AbsoluteDeviation)方法、IQR(Interquartile Range)方法。
步骤S34:判断建筑工程异常值是否大于或等于预设的建筑工程异常阈值;
具体地,例如将异常值与预设的建筑工程异常阈值进行比较,判断异常值是否大于或等于预设的建筑工程异常阈值。
步骤S35:确定建筑工程异常值大于或等于预设的建筑工程异常值时,将建筑工程异常值对建筑工程数据进行标注,从而获得异常标注建筑工程数据,并根据异常标注建筑工程数据以及建筑工程质量数据进行合并,从而获得建筑工程评估数据;
具体地,例如如果异常值大于或等于预设的建筑工程异常阈值,则对建筑工程数据进行标注,标记为异常数据,并将异常数据保存在数据库中;
将建筑工程质量数据与异常标注建筑工程数据进行合并,以获得建筑工程评估数据采用数据合并算法,如自然连接(Natural Join)、内连接(Inner Join)来实现
步骤S36:确定建筑工程异常值小于预设的建筑工程异常值时,将建筑工程质量数据确定为建筑工程评估数据。
具体地,例如如果异常值小于预设的建筑工程异常阈值,则将建筑工程质量数据确定为建筑工程评估数据,并将评估数据保存在数据库中。
本实施例基于建筑工程特征数据和建筑工程质量识别模型,可以对建筑工程质量进行自动化识别和评估,避免了人为主观判断的误差和偏差,提高了建筑工程质量评估的准确性和客观性,基于建筑工程数据异常值计算公式,可以发现建筑工程中存在的异常情况,并及时进行处理和纠正,从而保证建筑工程质量的稳定性和可持续性,基于预设的建筑工程异常阈值,可以根据异常程度进行不同的处理和管理,有利于提高建筑工程质量管理的效率和针对性,根据异常标注建筑工程数据和建筑工程质量数据的合并,可以得到更全面和准确的建筑工程评估数据,有助于制定更科学和合理的建筑工程质量管理措施和方案。
在本说明书的一个实施例中,建筑工程特征数据包括几何归一化特征数据以及工程进度归一化特征数据,其中步骤S31具体为:
步骤S311:获取建筑工程数据;
具体地,例如利用物联网技术,将建筑工程中的各种设备、机器和传感器连接到互联网上,从而实现设备间的信息共享和协作。
步骤S312:根据建筑工程数据进行数据预处理,从而获得预处理数据;
具体地,例如对建筑工程数据进行去重、缺失值填充、异常值处理操作,得到清洗数据,对清洗数据进行数据集成,从而获得预处理数据。
步骤S313:根据预处理数据进行几何特征提取,从而获得几何特征数据;
具体地,例如采用几何特征提取技术,从预处理数据中提取出建筑物的几何特征,例如体积、表面积、高度、宽度、深度、曲率、切线、法线。
步骤S314:根据预处理数据进行工程进度特征提取,从而获得工程进度特征数据;
具体地,例如利用工程进度分析技术,对这些数据进行分析和处理,提取出工程进度相关的特征数据,例如工期、进度指标、关键路径、里程碑节点,如通过绘制网络图来表示整个工程项目计划,根据网络图中各个节点的前后关系和活动完成所需时间,计算出整个工程项目的时间进度、关键路径、里程碑节点特征数据。
步骤S315:将几何特征数据以及工程进度特征数据进行降维处理,从而生成几何降维特征数据以及工程进度降维特征数据;
具体地,例如采用主成分分析(PCA)或线性判别分析(LDA)降维技术,对几何特征数据进行降维处理,获得几何降维特征数据。
步骤S316:将几何降维特征数据以及工程进度降维特征数据进行归一化处理,从而获得几何归一化特征数据以及工程进度归一化特征数据。
具体地,例如采用最大-最小值标准化或z-score标准化的归一化技术,分别对几何降维特征数据以及工程进度降维特征数据进行归一化处理,从而获得几何归一化特征数据以及工程进度归一化特征数据。
本实施例建筑工程特征数据的提取和处理过程经过了多层次的处理,从而获取到具有代表性且不会产生维数灾难的几何归一化特征数据以及工程进度归一化特征数据,采用了数据预处理技术对原始数据进行清洗、去噪、缩放等处理,可提高几何特征提取和工程进度特征提取的精确度和稳定性,采用降维处理技术可以有效地减少特征数据的维数,避免了高维数据计算复杂度和存储空间占用过大的问题,同时也有助于消除数据之间的冗余和噪音,采用归一化处理技术可以将几何降维特征数据以及工程进度降维特征数据转换为具有统一量纲的数据,从而避免了因不同量纲带来的误差和偏差,使得特征数据更加直观和易于处理。
在本说明书的一个实施例中,其中建筑工程数据异常值计算公式具体为:
Er为建筑工程异常值,qi为第i个建筑工程数据的权重项,ai为第i个建筑工程数据,pi为第i个历史建筑工程数据的权重项,bi为第i个历史建筑工程数据,为建筑工程数据的平均值,σ为建筑工程数据的分布程度,θ为误差调整项,r为第一常数项,∈为降维指数,n为建筑工程数据的数量信息,μ为建筑工程异常值。
本实施例提供一种建筑工程数据异常值计算公式,该公式充分考虑了第i个建筑工程数据的权重项qi、第i个建筑工程数据ai、第i个历史建筑工程数据的权重项pi、第i个历史建筑工程数据bi、建筑工程数据的平均值建筑工程数据的分布程度σ、误差调整项θ、降维指数∈、建筑工程数据的数量信息n以及相互质检的作用关系,以形成函数关系/>利用了多项参数和历史数据对当前建筑工程数据的影响程度进行评估,在考虑了数据的权重、分布特性和历史趋势等因素的基础上,能够更为准确地判断建筑工程数据是否存在异常情况,并对异常值进行量化和评估,有助于及时发现和解决建筑工程质量问题,使用了对数形式的求和,使得在处理大规模数据时更加高效,同时也方便对处理结果进行后续的统计分析,权重项qi和pi可以用来表示数据在整体数据中的重要性;平均值/>和分布程度σ可以用来刻画数据的总体水平和波动情况;误差调整项θ和降维指数∈则可以用来控制公式的误差和特征数据的维度,通过建筑工程异常值μ量化表示建筑工程质量中出现的异常情况,便于建筑工程质量管理和改进。
在本说明书的一个实施例中,其中建筑工程质量识别模型的构建步骤具体为:
步骤S321:获取标准建筑工程特征数据,其中标准建筑工程特征数据包括标准几何特征数据以及标准工程进度特征数据;
具体地,例如收集多个建筑工程项目的数据,包括几何特征数据和工程进度特征数据。
步骤S322:根据标准几何特征数据以及标准工程进度特征数据进行特征数据清洗,从而获得标准清洗特征数据;
具体地,例如收集并清洗大量的标准几何特征数据以及标准工程进度特征数据,得到标准清洗特征数据。
步骤S323:根据标准清洗特征数据通过预设的训练测试比例进行随机划分,从而生成标准训练特征值以及标准测试特征值;
具体地,例如根据预设的训练测试比例的基础上在一定的数值区间,如10%以内通过随机数进行调整,将标准清洗特征数据随机划分为训练集和测试集,如划分比例为66.6%训练集和33.3%测试集。
步骤S324:根据标准训练特征值通过神经网络模型进行模型训练,从而构建初等建筑工程质量识别模型;
具体地,例如选择适当的神经网络模型结构,并利用标准训练特征值对模型进行训练,如卷积神经网络、卷积神经网络以及长短时记忆网络。
步骤S325:根据标准测试特征值对初等建筑工程质量识别模型进行迭代评估,直至符合预设的评估指数,从而生成建筑工程质量识别模型。
具体地,例如在初等建筑工程质量识别模型的训练和调整过程中,按照指定的评估指数对模型的精度和鲁棒性进行评估,并记录评估结果;基于评估结果,对模型进行调整和优化,包括调整模型结构、调整超参数;针对新的模型版本,重复步骤1和步骤2,直至模型达到预设的评估指数要求。
本实施例根据标准几何特征数据和标准工程进度特征数据对建筑工程特征数据进行清洗和预处理,可以消除数据噪声和冗余信息,提高建筑工程质量识别模型的精确性和稳定性,采用了随机划分训练与测试数据集的方法,可以在训练过程中充分利用数据资源,并且通过测试数据集对模型进行评估,以便更好地提高模型的泛化能力和推广性,使用神经网络模型进行建筑工程质量识别模型的训练,可实现对大量特征数据进行快速而准确的模型训练,从而提高模型的识别精度和效率,通过对初等建筑工程质量识别模型的迭代评估,可以逐步调整模型参数和体系结构,从而使得建筑工程质量识别模型更加符合实际应用需要,具有更好的准确性和可靠性。
在本说明书的一个实施例中,步骤S4具体为:
根据建筑工程质量数据通过质量验收智能合约进行质量验收,从而生成建筑工程质量区块;
具体地,例如由监理、业主等相关方参与建筑工程质量验收流程,将验收结果提交至质量验收智能合约中进行验证。合约根据预设的规则自动进行判断并生成验收结果。
根据建筑工程质量区块通过地址位数加密计算公式进行计算,从而生成地址位数加密数据,并根据地址位数加密数据对建筑工程质量区块进行标记并发送至建筑工程质量联盟链,以供建筑工程质量验收的存储溯源;
具体地,例如根据建筑工程质量区块的数据内容,通过地址位数加密计算公式计算生成加密数据,在建筑工程质量联盟链网络中建立相应的节点,并将加密数据发送至联盟链中,基于建筑工程质量联盟链,对加密数据进行标记和存储。每个加密数据都可以作为一个唯一的标识符,通过建筑工程质量联盟链提供的查询接口,对建筑工程质量数据进行查询和验证。
其中位数加密计算公式具体为:
Si为地址位数加密数据,aj为建筑工程质量区块中第j个数据,b为加权系数,t为根据预设的长度地址位数生成缩放指数,o为第二常数项,q为根据建筑工程质量区块随机生成的平移指数,m为调整系数,u为地址位数加密数据的修正系数。
本实施例采用智能合约进行建筑工程质量验收,可以实现自动化、规范化的验收流程,提高验收效率和准确性,借助区块链技术进行数据存储和溯源,可以实现数据不可篡改和去中心化存储等特点,保证建筑工程质量数据的安全性和可靠性,使用地址位数加密计算公式对建筑工程质量区块进行加密和标记,可以有效地防止数据被篡改或伪造,增强建筑工程质量数据的安全性和真实性,建立建筑工程质量联盟链,可以为建筑工程参与方提供信息共享、协作管理等平台,促进建筑工程质量管理的交流和提高。
本实施例提供一种位数加密计算公式,该公式充分考虑了建筑工程质量区块中第j个数据aj、加权系数b、根据预设的长度地址位数生成缩放指数t、根据建筑工程质量区块随机生成的平移指数q、调整系数m以及相互之间的作用关系
本发明提供一种基于区块链的工程数据处理系统,所述装置包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的一种基于区块链的工程数据处理方法。
本发明提高了建筑工程质量的管理效率和准确性。通过构建质量验收智能合约、建筑工程质量联盟链等技术手段,实现了对建筑工程质量数据的自动化处理和管理,避免了人为操作的误差和延误,并提高了建筑工程质量识别和监控的准确性,增强了建筑工程质量数据的安全性和可靠性,采用区块链技术进行数据存储和溯源,可以防止数据被篡改或伪造,保证了建筑工程质量数据的真实性和安全性,促进了建筑工程质量信息的共享和流通,建立建筑工程质量联盟链,可以为建筑工程参与方提供信息共享、协作管理等平台,促进了建筑工程质量信息的交流和提高,通过智能合约、区块链和加密计算的技术手段,构建了一种安全、可信赖的建筑工程质量验收和存储溯源体系,从而为包括建筑工程管理者、业主、监管部门在内的各类参与方提供了更加高效和可靠的服务。
在一实施例中,本发明提供一种基于区块链的工程数据处理系统,所述装置包括:
如图8所示,是本发明一实施例提供的基于区块链的工程数据处理系统的功能模块图。
本发明所述基于区块链的工程数据处理系统100可以安装于电子设备中。根据实现的功能,所述基于区块链的工程数据处理系统100可以包括合约构建模块101、联盟链构建模块102、质量评估模块103及质量验收模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述合约构建模块101,用于构建质量验收智能合约,以确保在不同的角色执行相应的职能;
所述联盟链构建模块102,用于选取合适的联盟链构建方式进行构建联盟链;
所述质量评估模块103,用于获取建筑工程数据,并根据建筑工程数据进行深度异常处理,以确保质量评估的合理性;
所述质量验收模块104,用于对建筑工程质量数据进行质量验收,并加入至建筑工程联盟链,以供建筑工程质量验收的存储溯源。
详细地,本发明实施例中所述基于区块链的工程数据处理系统100中所述的各模块在使用时采用与上述图1至图7中所述的基于环境自适应的音频传输降噪方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图9所示,是本发明一实施例提供的基于区块链的工程数据处理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如工程质量验收程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行工程质量验收程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如工程质量验收程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图中示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的工程质量验收程序是多个指令的组合,在所述处理器10中运行时,可以实现:
构建质量验收智能合约;
根据质量验收智能合约构建建筑工程质量联盟链;
获取建筑工程数据,并根据建筑工程数据进行质量评估,从而获得建筑工程评估数据;
根据建筑工程质量数据通过质量验收智能合约进行质量验收,从而生成建筑工程质量区块,并将建筑工程质量区块添加至建筑工程质量联盟链,以供建筑工程质量验收的存储溯源。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
构建质量验收智能合约;
根据质量验收智能合约构建建筑工程质量联盟链;
获取建筑工程数据,并根据建筑工程数据进行质量评估,从而获得建筑工程评估数据;
根据建筑工程质量数据通过质量验收智能合约进行质量验收,从而生成建筑工程质量区块,并将建筑工程质量区块添加至建筑工程质量联盟链,以供建筑工程质量验收的存储溯源。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。