买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国路桥工程有限责任公司

摘要：本发明公开了一种公路施工重大风险源辨识方法，包括以下步骤：利用公路施工工程抢修日志构建用于风险源辨识的辨识样本，并采用CNN神经网络模型基于辨识样本进行卷积训练得到风险源辨识模型；对每个风险源类别的辨识样本进行特征提取得到风险源关联特征，利用聚类算法基于风险源关联特征对各个风险源类别进行关联分析得到每个风险源类别的关联风险源类别。本发明构建风险源辨识模型，实现对施工风险源的自动化识别，利用聚类算法基于风险源关联特征对各个风险源类别进行关联分析得到每个风险源类别的关联风险源类别，以实现利用关联分析提高风险源辨识效率，无需对所有风险源进行一一判断，保障辨识实时性差。

主权项：1.一种公路施工重大风险源辨识方法，其特征在于，包括以下步骤：步骤S1、利用公路施工工程抢修日志构建用于风险源辨识的辨识样本，并采用CNN神经网络模型基于辨识样本进行卷积训练得到风险源辨识模型；步骤S2、对每个风险源类别的辨识样本进行特征提取得到风险源关联特征，利用聚类算法基于风险源关联特征对各个风险源类别进行关联分析得到每个风险源类别的关联风险源类别；步骤S3、实时监测目标公路的施工数据，并将施工数据进行主成分分析得到实时主辨识数据，将实时主辨识数据输入至风险源辨识模型得到目标公路的实时主风险源类别，再将实时主风险源类别和实时主风险源类别的关联风险源类别作为目标公路的实时风险源类别，以实现利用关联分析提高风险源辨识效率；所述利用公路施工工程抢修日志构建用于风险源辨识的辨识样本，包括：在公路施工工程抢修日志中提取出抢修时序处的风险源类别，以及抢修时序处的用于风险源辨识的施工数据，并将风险源类别和施工数据依据抢修时序整理为辨识样本；所述辨识样本的表达式为：{Yi,Xi|i∈[1,N]}，式中，Yi表征为第i个风险源类别，Xi表征为辨识第i个风险源类别的施工数据，N为风险源类别总数，i为计量常数；所述采用CNN神经网络模型基于辨识样本进行卷积训练得到风险源辨识模型，包括：将辨识样本中所述施工数据作为CNN神经网络的输入项，将辨识样本中所述风险源类别作为CNN神经网络的输出项，采用CNN神经网络模型基于所述输入项和所述输出项进行卷积训练得到所述风险源辨识模型；所述风险源辨识模型的模型表达式为：Y＝CNNX；式中，Y为风险源类别的模型标识符，X为施工数据的模型标识符，CNN为CNN神经网络模型的模型标识符；所述对每个风险源类别的辨识样本进行特征提取得到风险源关联特征，包括：依次将每个风险源类别的辨识样本中施工数据获取时序由抢修时序前置预设时长得到预设时序，在预设时序至抢修时序间获取每个风险源类别的施工数据序列；在所述施工数据序列中依次对每项施工数据分量进行数据变化率特征、数据变化趋势特征的提取得到所述风险源关联特征，所述数据变化率特征和数据变化趋势特征通过将施工数据分量以时序绘制为二维曲线进行分析得到；所述利用聚类算法基于风险源关联特征对各个风险源类别进行关联分析得到每个风险源类别的关联风险源类别，包括：依次以每个风险源类别作为聚类中心，并利用聚类算法基于所述风险源关联特征对各个风险源类别进行聚类得到每个风险源类别的类别集合；在每个风险源类别的类别集合中依次计算每个非聚类中心的风险源类别与聚类中心的集合内距离，并将所述类别集合内的集合内距离小于预设距离的非聚类中心的风险源类别作为类别集合内风险源类别的关联风险源类别，以得到包含各个风险源类别和风险源类别的关联风险源类别的关联查询表。

全文数据：

权利要求：

百度查询： 中国路桥工程有限责任公司 一种公路施工重大风险源辨识方法