声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：林鹏, 魏鹏程, 樊启祥, 陈闻起
单位：1. 清华大学 水利水电工程系, 北京 100084;<br>2. 中国华能集团有限公司, 北京 100031;<br>3. 清华大学 计算机科学与技术系, 北京 100084
关键词：智能安全管理,安全隐患,数据学习与挖掘,卷积神经网络
该文旨在通过卷积神经网络（convolutional neural networks，CNN）模型对基础设施建设期典型安全隐患进行数据学习与挖掘，为现场智能安全管控提供方法和依据。依托于Wesafety平台实时统计出的某大型水电站现场安全隐患数据，分析了现场典型安全隐患特征，提出了基于CNN的安全隐患学习与挖掘模型，并定义了模型结构的卷积层、池化层、全连接层以及训练和测试流程，开发了相应的程序。结果表明：该方法提高了基础设施建设现场扁平-闭环安全管理的效率，为智能安全管理提供了崭新的思路，达到了机器自动识别典型隐患的目的，研究结果对建设工程安全隐患自动分类分析具有参考意义。
来源：2019年第8期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。