【技术实现步骤摘要】
本专利技术涉及建筑工程建造质量评价，具体为基于大数据的建筑工程建造质量评价方法。
技术介绍
1、大数据是指规模庞大、多样化、高速产生和传输的数据集合，通常包括结构化数据（如数据库记录）和非结构化数据（如文本、图像、音频等）。
2、建筑工程建造质量评价一直是建筑行业的重要问题，涉及到建筑结构和封装质量的评估。传统的工程建造质量评价方法通常侧重于检测已存在的缺陷和问题，通常是在问题已经出现并且被发现后进行修复。但往往忽视了环境因素对这些缺陷和问题的内部恶劣影响。这使得问题的恶化常常在修复前被忽视，导致维修和修复工作的复杂性和成本增加。
3、传统方法通常只关注缺陷本身，而没有充分考虑环境因素对缺陷的影响。例如，渗水环境可能加速缺陷或裂缝的恶化、长霉斑和脱落等，但这种影响通常被忽视。
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于大数据的建筑工程建造质量评价方法，传统方法通常只关注单一因素或缺陷，而本方法综合考虑了建筑结构、封装质量和环境因素的影响，更全面地评估建筑工程的质量状况。通过受潮指数scz的计算和综合恶化指数ehzs的评估，及早发现潜在的问题和质量风险，避免问题恶化导致的复杂性和成本增加。该方法不仅评估外观缺陷数据，还识别潜在的水分渗透问题，并将两者相关联，有助于更全面地理解建筑质量问题的根本原因。通过设置第一强度阈值threshold1和第二强度阈值threshold2，可以根据具体情况调整维护和修复的程度，提高了策略的灵活性和针对性。通过地
2、为实现以上目的，本专利技术通过以下技术方案予以实现：基于大数据的建筑工程建造质量评价方法，包括以下步骤：
3、基于大数据的建筑工程建造质量评价方法，其特征在于，包括以下步骤：
4、将建筑依照功能和结构特点分割成若干个分区域，在每个分区域内，基于大数据收集建筑工程数据，并对建筑工程数据进行预处理和特征提取，建立工程数据集；
5、对每个分区域内的环境情况进行分析，将通风量tf、分区域湿度值sd、温度值k进行无量纲化处理，并进行关联，获取区域内受潮指数scz；
6、对每个分区域内进行视觉检查，获取建筑结构的外观数据，建立外观数据集，并提取裂缝特征、缺陷特征和变形特征。
7、优选的，定义建筑楼层结构，确定需要将建筑分割成的各个分区域，并为各个分区域分配唯一的标识符进行标记；依据工程数据集内的建筑平面图、剖面图和立面图，依据全景建模技术，包括autocad、revit、sketchup，创建三维模型，在三维模型中表示出各个分区域的边界和标识码；
8、工程数据集包括工程结构参数、建筑面积参数、施工质量报告，包括混凝土强度测试数据、焊接质量检查数据、材料检验数据、建筑中发生的事故数据、建筑能源消耗数据；
9、并建立分区域清单，建立清单，列出每个分区域的特点、用途、结构类型和已检测的施工质量报告信息。
10、优选的，获取分区域内的裂缝指数lf、缺陷指数qx和变形指数bx，并将裂缝指数lf、缺陷指数qx和变形指数bx进行相关联获得区域演变缺陷系数ybz，计算公式如下：
11、其中，a1、a2、a3为权重系数，且，，，；
12、对分区域内的室内活动进行分析，获得室内活动装修信息，建立第三数据集，基于第三数据集获取电缆穿越点的数量sl，管道数量gd、穿越点防水涂料厚度hd，计算出当前区域内水分渗透系数st；
13、综合当前区域的水分渗透系数st和区域演变缺陷系数ybz，进一步分析获得当前区域综合恶化指数ehzs，预先设置第一强度阈值threshold1小于第二强度阈值threshold2，并与当前区域综合恶化指数ehzs进行对比，分别获得第一评价结果和第二评价结果，根据不同的评价结果作出相应的措施。
14、优选的，所述区域内受潮指数scz的分析过程如下：
15、收集每个分区域内的环境数据，包括历史时间轴的环境数据和实时环境数据，包括通风量tf、湿度值sd和温度值k，对通风量tf、湿度值sd和温度值k进行无量纲化处理，采用归一化进行处理：
16、式中，sjt表示为实时通风量，zxtf表示为监测时间轴内最小通风量，监测时间轴包括每天、每周或每月的实际通风量，zdtf表示为监测时间轴内最大通风量；sjsd表示为实时监测湿度值，pjsd表示为时间轴内每日的平均湿度值，sbzc表示湿度标准差值，由每日的最大湿度值减去最小湿度值获得；sjk表示为实时监测温度值，pjk表示为时间轴内每日的平均湿度值，kbzc表示为温度标准差值，由每日的最大温度值减去最小温度值获得；a、b、c表示为修正常数；
17、并将通风量tf、湿度值sd和温度值k进行相关联，通过以下公式计算获得区域内受潮指数scz：
18、其中，b1、b2、b3为权重系数，且，，，且，。
19、优选的，在每个分区域内进行视觉检查，采用相机、激光扫描仪或者无人机遥感，获取捕捉建筑结构的外观数据，建立外观数据集；
20、建立识别模型，对外观数据集进行预处理和数据增强的步骤后，通过识别模型进行学习和训练，根据裂缝、缺陷和变形识别的任务需求，在识别模型输出层设计适当的分类头，以识别裂缝、缺陷和变形特征，且输出层的节点数量与特征类型的数量相对应；
21、将外观数据中的每个图像与相对应的标签相关联，以及特征的位置和属性信息；通过训练后的识别模型对外观数据集进行特征提取，包括：
22、裂缝特征：裂缝长度lcd、裂缝宽度lkd、裂缝深度lxd、裂缝位置、裂缝形状xzh；
23、缺陷特征：缺陷类型qlx、缺陷面积qxm、缺陷位置和缺陷程度qxcd；
24、变形特征：变形程度bxc、变形方向bxfx和变形位置；
25、并依据裂缝特征、缺陷特征和变形特征计算获得裂缝指数lf、缺陷指数qx和变形指数bx。
26、优选的，所述裂缝指数lf、缺陷指数qx和变形指数bx通过以下公式计算获得：
27、 式中，表示为缺陷类型qlx的权重值，缺陷类型水印、水斑、霉菌、霉斑、涂料脱落、剥落和褪色；表示为变形方向的权重值，变形方向包括垂直上升、垂直下降、左右移动和左右倾斜数据；qyzm表示为分区域的总面积。
28、优选的，对分区域内的室内活动进行分析，获得室内活动装修信息，建立第三数据集，基于第三数据集获取电缆穿越点的数量sl，管道数量gd、穿越点防水涂料厚度hd，通过以下公式生成当前区域内水分渗透系数st：
29、 式中，at表示为总防水面积，公式中的st=1/at等于单位面积上的防水面积的倒数，含义为描述单位面积上的性质或性能，使得数值便于比较，具体的，st的值越小，表示单位面积上的防水效果越好，水分本文档来自技高网...
【技术保护点】
1.基于大数据的建筑工程建造质量评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的建筑工程建造质量评价方法，其特征在于，定义建筑楼层结构，确定需要将建筑分割成的各个分区域，并为各个分区域分配唯一的标识符进行标记；依据工程数据集内的建筑平面图、剖面图和立面图，依据全景建模技术，包括AutoCAD、Revit、SketchUp，创建三维模型，在三维模型中表示出各个分区域的边界和标识码；
3.根据权利要求1所述的基于大数据的建筑工程建造质量评价方法，其特征在于，获取分区域内的裂缝指数Lf、缺陷指数Qx和变形指数bx，并将裂缝指数Lf、缺陷指数Qx和变形指数bx进行相关联获得区域演变缺陷系数Ybz，计算公式如下：
4.根据权利要求1所述的基于大数据的建筑工程建造质量评价方法，其特征在于，所述区域内受潮指数Scz的分析过程如下：
5.根据权利要求1所述的基于大数据的建筑工程建造质量评价方法，其特征在于，在每个分区域内进行视觉检查，采用相机、激光扫描仪或者无人机遥感，获取捕捉建筑结构的外观数据，建立外观数据集；
<...【技术特征摘要】
1.基于大数据的建筑工程建造质量评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的建筑工程建造质量评价方法，其特征在于，定义建筑楼层结构，确定需要将建筑分割成的各个分区域，并为各个分区域分配唯一的标识符进行标记；依据工程数据集内的建筑平面图、剖面图和立面图，依据全景建模技术，包括autocad、revit、sketchup，创建三维模型，在三维模型中表示出各个分区域的边界和标识码；
3.根据权利要求1所述的基于大数据的建筑工程建造质量评价方法，其特征在于，获取分区域内的裂缝指数lf、缺陷指数qx和变形指数bx，并将裂缝指数lf、缺陷指数qx和变形指数bx进行相关联获得区域演变缺陷系数ybz，计算公式如下：
4.根据权利要求1所述的基于大数据的建筑工程建造质量评价方法，其特征在于，所述区域内受潮指数scz的分析过程如下：
5.根据权利要求1所述的基于大数据的建筑工程建造质量评价方法，其特征在于，在每个分区域内进行视觉检查，采用相机、激光扫描仪或者无人机遥感，获取捕捉建筑结...
【专利技术属性】
技术研发人员：邓建刚，
申请(专利权)人：浙江新世纪工程检测有限公司，
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。