来源：期刊VIP网 时间：
作者：李珏;潘悦;吴畅;
单位：长沙理工大学交通运输工程学院;长沙理工大学交通基础设施智慧建造与运维管理湖南省高等学校重点实验室;
摘要：鉴于施工触电事故具有突发性强、致死率高的特点，为了有效辅助事故原因的调查，首先，对318份施工触电事故进行预处理，运用词频-逆文档频率(Term Frequency-Inverse Document Frequency, TF-IDF)关键词处理算法和可视化技术提取关键信息。其次，通过狄利克雷主题模型(Latent Dirichlet Allocation, LDA)提取原因主题词条，并根据关键信息构建相应的原因主题标签。随后，运用Word2Vec模型将“事故经过”和“主题标签”转化为词向量矩阵，并输入卷积神经网络(Convolutional Neural Networks, CNN)模型中，利用CNN模型数据预测的特征，实现事故原因的预判。最后，对比分析CNN模型与其他两种经典模型的预判效果。试验结果表明，该方法能够在事故调查完成前，较准确地预判事故可能原因。该模型构建的事故原因库，可以为事故预防提供一定参考，模型可以作为辅助事故实际调查的有效手段。
关键词：安全工程;施工触电事故;事故原因;狄利克雷主题模型(LDA);Word2Vec模型;卷积神经网络(CNN)
基金资助：湖南省自然科学基金项目(2021JJ30744); 湖南省教育厅项目(20K011)
