为了保证运维阶段桥梁结构安全,提升桥梁运维工作的效率,开展公路混凝土梁式桥运维阶段建筑信息模型(building information modeling,BIM)技术应用研究。在对公路桥梁现行编码体系进行扩展的基础上,提出1种参数化快速建模方法,以快速完...为了保证运维阶段桥梁结构安全,提升桥梁运维工作的效率,开展公路混凝土梁式桥运维阶段建筑信息模型(building information modeling,BIM)技术应用研究。在对公路桥梁现行编码体系进行扩展的基础上,提出1种参数化快速建模方法,以快速完成桥梁构件族的创建与整体模型的集成。借助Autodesk Revit软件应用程序编程接口(application programming interface,API),采用C#语言,开发公路混凝土梁式桥智慧运维状态评估系统,以实际工程应用进行验证分析。研究结果表明:全面统一的桥梁信息编码体系,能够提高桥梁信息统计与检索效率;提出的快速建模方法能够显著减少建模工作量,建模时间较传统建模方法可减少60%,并保证模型的准确性与规范性;运维状态评估系统能够实现养护数据的充分利用与桥梁评定工作的自动化,通过对桥梁运维信息的有效组织,实现服役性能的长期追踪,从而确保运营期桥梁结构状态安全稳定。研究结果可为公路混凝土梁式桥运维管理提供技术支撑,提升桥梁运维的数字化水平。展开更多
目前,空管各类安全管理信息化平台积累了大量非结构化文本数据,但未得到充分利用,为了挖掘空管不正常事件中潜藏的风险,研究利用收集的四千余条空管站不正常事件数据和自构建的4836个空管领域专业术语词,提出了一个基于空管专业信息词...目前,空管各类安全管理信息化平台积累了大量非结构化文本数据,但未得到充分利用,为了挖掘空管不正常事件中潜藏的风险,研究利用收集的四千余条空管站不正常事件数据和自构建的4836个空管领域专业术语词,提出了一个基于空管专业信息词抽取的双向编码器表征法和双向长短时记忆网络的深度学习模型(Bidirectional Encoder Representations from Transformers-Bidirectional Long Short-Term Memory,BERT-BiLSTM)。该模型通过对不正常事件文本进行信息抽取,过滤其中无用信息,并将双向编码器表征法(Bidirectional Encoder Representations from Transformers,BERT)模型输出的特征向量序列作为双向长短时记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)的输入序列,以对空管不正常事件文本风险识别任务进行对比试验。试验结果显示,在风险识别试验中,基于空管专业信息词抽取的BERT-BiLSTM模型相比于通用领域的BERT模型,风险识别准确率提升了3百分点。可以看出该模型有效提升了空管安全信息处理能力,能够有效识别空管部门日常运行中出现的不正常事件所带来的风险,同时可以为空管安全领域信息挖掘相关任务提供基础参考。展开更多
文摘目前,空管各类安全管理信息化平台积累了大量非结构化文本数据,但未得到充分利用,为了挖掘空管不正常事件中潜藏的风险,研究利用收集的四千余条空管站不正常事件数据和自构建的4836个空管领域专业术语词,提出了一个基于空管专业信息词抽取的双向编码器表征法和双向长短时记忆网络的深度学习模型(Bidirectional Encoder Representations from Transformers-Bidirectional Long Short-Term Memory,BERT-BiLSTM)。该模型通过对不正常事件文本进行信息抽取,过滤其中无用信息,并将双向编码器表征法(Bidirectional Encoder Representations from Transformers,BERT)模型输出的特征向量序列作为双向长短时记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)的输入序列,以对空管不正常事件文本风险识别任务进行对比试验。试验结果显示,在风险识别试验中,基于空管专业信息词抽取的BERT-BiLSTM模型相比于通用领域的BERT模型,风险识别准确率提升了3百分点。可以看出该模型有效提升了空管安全信息处理能力,能够有效识别空管部门日常运行中出现的不正常事件所带来的风险,同时可以为空管安全领域信息挖掘相关任务提供基础参考。
