【技术实现步骤摘要】
本申请涉及施工监控，尤其涉及一种施工状况的监测预警方法、装置、设备及存储介质。
技术介绍
1、近年来，建筑行业一直处于迅速发展的阶段，大量的建筑项目在不断涌现，但与之相应的，施工工程的安全性和效率也面临着更加严峻的挑战。为了应对这些挑战，研究人员和工程师们一直在寻找更先进的监测和预警方法，以提高施工状况的可控性和可预测性。传统的监测方法主要依赖于手工检查和有限的传感器数据，存在着监测精度不高、反应慢、容易忽略等问题。因此，迫切需要一种更先进的方法来监测施工状况，及时发现潜在的隐患和异常，以确保施工过程的顺利进行。
2、然而，当前的研究背景中存在着一些问题。传统的施工监测方法仍然依赖于有限的数据源，传感器的数量和类型有限，不能全面覆盖施工区域，导致监测的信息不够全面。其次，对于多维施工数据的处理和分析方法仍然需要进一步改进，以提高数据的可用性和准确性。此外，如何快速有效地发现施工中的潜在问题和异常，以及如何进行及时的预警和干预，也是当前研究的重要挑战之一。
技术实现思路
1、本申请提供了一种施工状况的监测预警方法、装置、设备及存储介质，本申请提高了施工状况的监测预警准确率。
2、第一方面，本申请提供了一种施工状况的监测预警方法，所述施工状况的监测预警方法包括：
3、对目标施工区域进行多维施工状况数据采集，得到初始施工状况数据集，并对所述初始施工状况数据集进行数据标准化与特征提取，得到目标施工状况数据集；
4、对所述目标施工状况数据集进行
5、对所述目标施工隐患特征网络进行网络中心性分析，确定网络中心点，并根据所述网络中心点生成对应的目标中心施工隐患特征以及多个初始边缘施工隐患特征；
6、基于多项式混沌展开对所述多个初始边缘施工隐患特征进行特征筛选，得到多个目标边缘施工隐患特征；
7、对所述目标中心施工隐患特征以及所述多个目标边缘施工隐患特征进行特征权重计算和特征编码转换，得到施工隐患特征输入向量；
8、将所述施工隐患特征输入向量输入预置的ga-bp神经网络进行施工状况异常分析，得到施工状况异常分析结果，并根据所述施工状况异常分析结果生成所述目标施工区域对应的施工状况监测预警信息。
9、第二方面，本申请提供了一种施工状况的监测预警装置，所述施工状况的监测预警装置包括：
10、采集模块，用于对目标施工区域进行多维施工状况数据采集，得到初始施工状况数据集，并对所述初始施工状况数据集进行数据标准化与特征提取，得到目标施工状况数据集；
11、构建模块，用于对所述目标施工状况数据集进行特征层次聚类和特征网络构建，得到初始施工隐患特征网络，并对所述初始施工隐患特征网络进行网络动态优化，得到目标施工隐患特征网络；
12、分析模块，用于对所述目标施工隐患特征网络进行网络中心性分析，确定网络中心点，并根据所述网络中心点生成对应的目标中心施工隐患特征以及多个初始边缘施工隐患特征；
13、筛选模块，用于基于多项式混沌展开对所述多个初始边缘施工隐患特征进行特征筛选，得到多个目标边缘施工隐患特征；
14、计算模块，用于对所述目标中心施工隐患特征以及所述多个目标边缘施工隐患特征进行特征权重计算和特征编码转换，得到施工隐患特征输入向量；
15、生成模块，用于将所述施工隐患特征输入向量输入预置的ga-bp神经网络进行施工状况异常分析，得到施工状况异常分析结果，并根据所述施工状况异常分析结果生成所述目标施工区域对应的施工状况监测预警信息。
16、本申请第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述的施工状况的监测预警方法。
17、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的施工状况的监测预警方法。
18、本申请提供的技术方案中，通过使用多个传感器采集施工现场的多维数据，包括温度、湿度、噪音、振动、设备状态和工人活动数据，实现全面的监测。对采集到的数据进行标准化和特征提取，有助于减少数据的复杂性，使其更易于分析和处理。采用分裂层次聚类算法对数据进行聚类，能够识别出不同的隐患特征群，提高了异常检测的精度。利用ga-bp神经网络进行施工状况异常分析，神经网络可以学习和识别复杂的施工情况，从而更准确地发现异常情况。通过多项式混沌展开等技术，对施工隐患特征进行权重计算和筛选，提高了异常检测的可靠性和准确性。能够实时监测施工状况，并在发现异常情况时生成预警信息，使管理人员能够迅速采取行动，减少事故风险。通过分析施工隐患特征网络的中心性，可以识别出最关键的隐患特征，有助于优先处理最重要的问题。使用了遗传优化算法和多层前馈神经网络，能够实现自动化的数据分析和异常检测，进而提高了施工状况的监测预警准确率。
本文档来自技高网...【技术保护点】
1.一种施工状况的监测预警方法，其特征在于，所述施工状况的监测预警方法包括：
2.根据权利要求1所述的施工状况的监测预警方法，其特征在于，所述对目标施工区域进行多维施工状况数据采集，得到初始施工状况数据集，并对所述初始施工状况数据集进行数据标准化与特征提取，得到目标施工状况数据集，包括：
3.根据权利要求1所述的施工状况的监测预警方法，其特征在于，所述对所述目标施工状况数据集进行特征层次聚类和特征网络构建，得到初始施工隐患特征网络，并对所述初始施工隐患特征网络进行网络动态优化，得到目标施工隐患特征网络，包括：
4.根据权利要求1所述的施工状况的监测预警方法，其特征在于，所述对所述目标施工隐患特征网络进行网络中心性分析，确定网络中心点，并根据所述网络中心点生成对应的目标中心施工隐患特征以及多个初始边缘施工隐患特征，包括：
5.根据权利要求1所述的施工状况的监测预警方法，其特征在于，所述基于多项式混沌展开对所述多个初始边缘施工隐患特征进行特征筛选，得到多个目标边缘施工隐患特征，包括：
6.根据权利要求1所述的施工状况的监测预
7.根据权利要求1所述的施工状况的监测预警方法，其特征在于，所述将所述施工隐患特征输入向量输入预置的GA-BP神经网络进行施工状况异常分析，得到施工状况异常分析结果，并根据所述施工状况异常分析结果生成所述目标施工区域对应的施工状况监测预警信息，包括：
8.一种施工状况的监测预警装置，其特征在于，所述施工状况的监测预警装置包括：
9.一种计算机设备，其特征在于，所述计算机设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的施工状况的监测预警方法。
...【技术特征摘要】
1.一种施工状况的监测预警方法，其特征在于，所述施工状况的监测预警方法包括：
2.根据权利要求1所述的施工状况的监测预警方法，其特征在于，所述对目标施工区域进行多维施工状况数据采集，得到初始施工状况数据集，并对所述初始施工状况数据集进行数据标准化与特征提取，得到目标施工状况数据集，包括：
3.根据权利要求1所述的施工状况的监测预警方法，其特征在于，所述对所述目标施工状况数据集进行特征层次聚类和特征网络构建，得到初始施工隐患特征网络，并对所述初始施工隐患特征网络进行网络动态优化，得到目标施工隐患特征网络，包括：
4.根据权利要求1所述的施工状况的监测预警方法，其特征在于，所述对所述目标施工隐患特征网络进行网络中心性分析，确定网络中心点，并根据所述网络中心点生成对应的目标中心施工隐患特征以及多个初始边缘施工隐患特征，包括：
5.根据权利要求1所述的施工状况的监测预警方法，其特征在于，所述基于多项式混沌展开对所述多个初始边缘施工隐患特征...
【专利技术属性】
技术研发人员：周亮，文爱玲，
申请(专利权)人：深圳市九象数字科技有限公司，
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。