【技术实现步骤摘要】
基于神经网络的公路施工重大风险源识别方法及预警系统
[0001]本专利技术属于数据识别
，尤其涉及一种基于神经网络的公路施工重大风险源识别方法及预警系统。
技术介绍
[0002]在公路施工建设的各个阶段中公路路基工程是其中最为重要的一项内容，它的好坏直接关系着公路质量的高低，为人们的安全出行提供最可靠的保障。
[0003]施工期安全风险以人身安全为中心，凡是对人身安全产生影响的均称为风险源，是造成安全事故的潜在因素，风险辨识是进行风险分析时要首先进行的重要工作，风险识别最少要能解决三个方面的问题，一是有哪些风险应当考虑，二是引起这些风险的主要因素是什么，三是这些风险所引起后果的严重程度是什么。
[0004]在公路施工过程中所出现的各大危险事件中风险源是诱发危险事件发生的主要渊源，在进行系统分析中只有做好风险源的分类与处理工作，才能从根本上提高公路施工中的安全系数，最大限度地减少事故的发生频率，因此，对公路施工过程中风险源的辨识以及评价分级十分重要。
[0005]为解决上述问题，现有技术的中国专利，公开号：CN108665169A，公开日：2018年10月16日，公开了一种公路施工重大风险源辨识方法，公开如下步骤：
[0006]步骤S100、根据以往公路施工经验，对公路施工的风险源进行分级、分类，并制定风险源清单列表；
[0007]步骤S200、基于作业条件危险性评价法，依照步骤S100中所述的风险源清单列表，逐次对整个公路施工过程中的风险源进行辨识；
[0008]...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的公路施工重大风险源识别方法，其特征在于，该方法包括以下步骤：S1，神经网络服务器根据接收到的风险源识别预处理数据集，估计出各个通道的通道图像灰度强度增益；S2，判断通道图像灰度强度增益是否满足公路施工环境数据源的施工图像清晰度强度要求；S3，对满足施工图像清晰度强度的数据，通过公路施工环境数据源和公路施工风险源同时传输，神经网络服务器及射频应对器分别识别公路施工环境数据源信号和公路施工风险源信号；S4，神经网络服务器根据确定下来的图像灰度强度分配值，对公路施工环境数据源和公路施工风险源进行图像灰度强度的分配，射频应对器接收到信号后，根据反馈进行识别。2.根据权利要求1所述的基于神经网络的公路施工重大风险源识别方法，其特征在于，步骤S1中，神经网络服务器根据接收到的风险源识别预处理数据集，估计出各个通道的通道图像灰度强度增益；包括：(1)公路施工环境数据源射频发射器和射频应对器向神经网络服务器发送风险源识别预处理数据集，神经网络服务器根据接收到的风险源识别预处理数据集估计出各个通道的通道图像灰度强度增益；(2)根据估计出的通道图像灰度强度增益，判断出公路施工环境数据源单独传输时，公路施工环境数据源射频发射器和射频应对器是否满足公路施工环境数据源的图像清晰度强度；(3)计算公路施工环境数据源和公路施工风险源同时传输时，神经网络服务器机射频应对器处采用先识别公路施工环境数据源信号后识别公路施工风险源信号，分别需要的公路施工环境数据源射频发射器和公路施工风险源射频发射器的图像灰度强度，神经网络服务器给公路施工环境数据源信号和公路施工风险源分配的图像灰度强度；如果计算所得图像灰度强度满足最大图像灰度强度限制，公路施工环境数据源射频发射器，公路施工风险源射频发射器，神经网络服务器使用相应的图像灰度强度值发送信号，神经网络服务器处以及射频应对器处使用相应的识别模式对信号进行识别。3.根据权利要求2所述的基于神经网络的公路施工重大风险源识别方法，其特征在于，计算公路施工环境数据源和公路施工风险源同时传输时，神经网络服务器先识别公路施工环境数据源信号，后识别公路施工风险源信号，分别需要的公路施工环境数据源射频发射器和公路施工风险源射频发射器的图像灰度强度，射频应对器处先识别公路施工风险源信号后识别公路施工环境数据源信号，神经网络服务器需要给公路施工环境数据源和公路施工风险源信号分配的图像灰度强度，如果计算所得图像灰度强度满足最大图像灰度强度限制，公路施工环境数据源射频发射器，公路施工风险源射频发射器。4.根据权利要求2所述的基于神经网络的公路施工重大风险源识别方法，其特征在于，计算公路施工环境数据源和公路施工风险源同时传输时，神经网络服务器先识别公路施工风险源信号，后识别公路施工环境数据源信号，分别需要的公路施工环境数据源射频发射器和公路施工风险源射频发射器的图像灰度强度，射频应对器处先识别公路施工环境数据源信号后识别公路施工风险源信号，神经网络服务器处需要给公路施工环境数据源和公路
施工风险源信号分配的图像灰度强度，如果计算所得的图像灰度强度满足相应的最大图像灰度强度限制，公路施工环境数据源射频发射器，公路施工风险源射频发射器。5.根据权利要求2所述的基于神经网络的公路施工重大风险源识别方法，其特征在于，计算公路施工环境数据源和公路施工风险源同时传输时，神经网络服务器以及射频应对器处先识别公路施工风险源信号后识别公路施工环境数据源信号，分别需要的公路施工环境数据源射频发射器图像灰度强度和公路施工风险源射频发射器图像灰度强度；神经网络服务器处需要给公路施工环境数据源和公路施工风险源分配的图像灰度强度，如果计算所得的图像灰度强度满足相应的最大图像灰度强度限制，公路施工环境数据源射频发射器，公路施工风险源射频发射器，以及神经网络服务器使用相应的图像灰度强度值发送信号；神经网络服务器处以及射频应对器处使用相应的识别模式对信号进行识别。6.根据权利要求1所述的基于神经网络的公路施工重大风险源识别方法，其特征在于，步骤S2中，判断通道图像灰度强度增益是否满足公路施工环境数据源的施工图像清晰度强度要求包括：判断公路施工环境数据源，根据估计出的通道图像灰度强度增益判断出公路施工环境数据源单独传输时，公路施工环境数据源射频发射器和射频应对器是否都可以满足公路施工环境数据源的施工图像清晰度强度，若能满足，则考虑公路施工风险源的识别。7.根据权利要求1所述的基于神经网络的公路施工重大风险源识别方法，其特征在于，步骤S3中，对满足施工图像清晰度强度的数据，通过公路施工环境数据源和公路施工风险源同时传输包括：计算公路施工环境数据源和公路施工风险源同时传输时，神经网络服务器机射频应对器处采用先识别公路施工环境数据源信号后识别公路施工风险源信号，所分别需要的公路施工环境数据源射频发射器和公路施工风险源射频发射器的图像灰度强度，神经网络服务器需要给公路施工环境数据源信号和公路施工风险源分配的图像灰度强度。8.根据权利要求1所述的基于神经网络的公路施工重大风险源识别方法，其特征在于，步骤S3中，神经网络服务器及射频应对器分别识别公路施工环境数据源信号和公路施工风险源信号包括：计算公路施工环境数据源和公路施工风险源同时传输时，神经网络服务器先识别公路施工环境数据源信号，后识别公路施工风险源信号，所分别需要的公路施工环境数据源射频发射器和公路施工风险源射频发射器的图像灰度强度，射频应对器处先识别公路施工风险源信号后识别公路施工环境数据源信号，神经网络服务器需要给公路施工环境数据源和公路施工风险源信号分配的图像灰度强度；如果计算所得图像灰度强度满足最大图像灰度强度限制；神经网络服务器根据估计出的通道图像灰度强度增益，确定公路施工环境数据源射频发射器、公路施工风险源射频发射器和神经网络服务器所实际使用的发射图像灰度强度以及识别模式；识别模式分为公路施工环境数据源单独识别模式，和公路施工风险源和公路施工环境数据源以噪声处理的方式共同识别模式；当公路施工环境数据源单独识别时，识别模式即为直接对公路施工环境数据源信号进行识别，当公路施工环境数据源和公路施工风险源以噪声处理方式共同识别时，识别模式分为，先识别公路施工环境数据源信号后识别公路施工风险源信号的识别模式，以及先识别公路施工风险源信号后识别公路施工环境数据源信号的识别模式。9.根据权利要求2所述的基于神经网络的公路施工重大风险源识别方法，其特征在于，神经网络服务器处以及射频应对器处使用相应的识别模式对信号进行识别包括：
(1)当以及时，才考虑公路施工风险源识别，其中，不能同时成立时，采用公路施工环境数据源单独识别模式；式中，P
Pmax
为第一时刻公路施工环境数据源射频发射器的最大发射图像灰度强度，ε
p
为P神经网络服务器在某一阶段发射图像灰度强度平均值，为P神经网络服务器与公路施工环境数据源射频发射器之间在eq通道的图像灰度强度增益值，P
Rmax
为神经网络服务器的最大发射图像...
【专利技术属性】
技术研发人员：赵晓峰，张新来，俞永华，闫冬霄，程炜，邓小龙，
申请(专利权)人：中咨数据有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。