清华大学学报(自然科学版)

作者：李明超, 吕沅庚, 任秋兵, 刘乐平, 齐智勇, 田丹

单位：1. 天津大学 水利工程智能建设与运维全国重点实验室，天津 300350,2. 中国长江电力股份有限公司，武汉 430000,3. 水资源高效利用与工程安全国家工程研究中心，南京 210098,4. 中国长江三峡集团有限公司，北京 100038

关键词：特高拱坝,施工隐患排查,文本分类,增强半监督对比学习,记忆库,主题模型

基金：国家自然科学基金面上项目(52179139),国家自然科学基金面上项目(52409170),中国长江三峡集团有限公司科研项目(202103551)

特高拱坝施工隐患的及时排查对减少工程事故、保障工程安全意义重大。隐患通常具有隐蔽性和多样性，在产生初期难以通过常规检查发现。工程现场碎片化的隐患记录文本对隐患挖掘排查和及时发现非常重要，可以帮助管理人员及时判断潜在工程风险。该文提出基于增强半监督对比学习的特高拱坝施工隐患智能排查方法。构建了一种基于增强半监督对比学习的隐患文本多分类模型，以识别碎片化隐患文本的隐患类别与等级，建立系统化隐患排查框架。引入对比学习模块改进Transformer架构，充分运用类间关系扩大异类样本的差别，在适应多属性隐患分类的同时显著提高分类效果。该方法融合了自监督学习和有监督学习，在关注类间信息的同时利用了标签内容。引入记忆库(memory bank)解耦训练批次实现了负样本的全面采集，增强了半监督对比学习的效果。最后结合隐患类别和隐患等级识别结果，可视化分析了安全隐患的分布情况，通过隐含Dirichlet分布主题模型提取隐含的隐患风险排查线索，构建不同等级的隐患排查信息表。结果表明，该方法在隐患类别和隐患等级识别任务中相较Transformer的F1值分别提升4.9%和3.3%，且显著优于常见模型，提升了特高拱坝施工隐患排查的系统性与科学性，为工程安全智能化管理提供了新的解决方案。

来源：2025年第10期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2025年第10期