来源：期刊VIP网 时间：
作者：宋晓刚;赵东东;严晓东;
单位：宁波大学土木工程与地理环境学院;
摘要：为降低装配式建筑在施工过程中的安全风险,提高施工安全管理水平,研究提出了一种基于数据图像化的深度学习安全评价方法。首先,从文献研究、事故案例两个方面对装配式建筑施工安全评价指标进行全面识别,并利用调查问卷法对其进行筛选,构建装配式建筑施工安全评价指标体系。其次,利用格拉姆角场(Gramian Angular Fields,GAF)将一维的安全评价数据转换成二维图像数据,增强离散序列特征的表征能力,进而构建卷积神经网络(Convolutional Neural Networks,CNN)对二维图像进行识别分类,实现对装配式建筑施工的安全等级的判别。最后,构建几种常见的机器学习评价方法并进行了对比。结果显示,评价方法准确率最高,显著优于传统的机器学习方法,可有效实现装配式建筑施工的安全评价。
关键词：安全工程;;装配式建筑;;施工安全评价;;格拉姆角场;;卷积神经网络
基金资助：宁波大学—誉和磐璟科研创新合作平台项目(XQ2022000018)
