文摘
各种类型的事故在水利水电工程建设项目频繁发生,导致大量的人员伤亡和经济损失。识别和消除近距离脱靶是预防事故的重要手段。挖掘靠近弹数据可以提供有价值的信息关于如何减轻和控制危害。然而,大多数的数据生成的水利水电工程项目建设的半结构化的文本数据没有统一标准表达式,所以数据关联分析是耗费时间和劳动密集型。因此,一个人工智能(AI)自动分类方法基于采用卷积神经网络(CNN)获得结构化数据在靠近弹位置和靠近弹从安全记录类型。先验的算法是用于进一步我的“位置”和“类型”之间的关系通过扫描结构化数据。使用一个网络图关联结果可视化。桑基图是用来显示的信息流动靠近弹特定对象使用“位置⟶类型”强关联规则。该方法结合了文本分类、关联规则、桑基图和提供了一个新颖的方法来挖掘半结构化文本。此外,该方法被证明是有用的和有效的探索次死里逃生的分布规律水电工程建设有效减少事故发生的可能性,提高水利水电工程建筑工地的安全水平。
1。介绍
建设是一个高风险的行业,直到最近,建筑工地继续对工人的生命和健康构成严重的威胁(1]。特别是,水电工程建设导致各种类型的伤亡由于频繁cross-work建筑设备,动态施工的工作环境,和高风险网站操作(2]。例如,仅在2020年3月,有两个四川水电事故:脚手架坍塌和高下降引起的烧毁的安全带导致3人死亡,4受伤,据中国国家能源局(3]。
近距离脱靶在生产中被定义为一个危险的状态,可能会导致事故,如人的不安全行为、不安全状态,环境中的不安全因素和管理缺陷(4]。特别是,附近有一个广泛的想念在水利水电工程的建设,导致严重事故的可能性急剧增加。事故是一个既成事实,无法回复。相比之下,近距离脱靶还有补救的余地(5]。因此,为了改善安全状况,确定是安全管理的一个关键部分的潜在法律近距离脱靶,采取安全措施,消除近距离脱靶水利水电工程建设项目。
与越来越多的关注安全问题在水电行业,快速安全检查的频率增加了,积累了无数次死里逃生的文本数据。然而,都是半结构化和非结构化的文本数据;因此,挖掘文本数据是耗时和劳动密集型的传统方法。随着人工智能(AI)技术的发展,自动挖掘和分析近距离脱靶必然会取代依靠体力劳动来结构文本数据和找到靠近弹法(6]。因此,它具有十分重要的意义,研究次死里逃生的文本数据的数据挖掘,特别是靠近弹的矿产分布规律依赖于人工智能技术。
领域的建设,文本挖掘应用研究主要采用文本分类方法分类房屋建筑事故,地铁建设近距离和施工合同文件。浅的机器学习算法,如支持向量机(SVM),朴素贝叶斯(NB)和再(资讯)算法,用于住房建设事故进行分类(7)和施工合同文件(8]。这种算法需要手动结合词法、句法和语义特征。这些受限于个人的领域知识,导致表现不佳的特性表示。
相比之下,深学习算法(如卷积神经网络(cnn) [9),双向编码器表示从变形金刚(BERT)语言理解10),和卷积双向长期短期记忆(C-BiLSTM) [11)可以自动识别功能和使用现有的标记数据训练分类模型的建筑施工事故和次死里逃生的地铁建设。上述研究证明,深度学习有更好的效果的分类建设比浅短的文本机器学习。
先前的文本信息表达和大数据挖掘技术奠定了非常重要的基础文本信息的智能分析。各种各样的文本智能分析技术已广泛应用于房屋建筑、地铁等等。然而,很少有研究的智能分析大数据领域的安全知识在水电工程建设中解决。虽然文本大数据分析的核心算法没有太多变化,由于独特的安全知识在水利水电工程建设的特点,数据分析框架,重点隐患需要新配方。主要原因是水电工程建设涉及的范围很广,工程类型、不同工程类型之间存在着巨大的差异,导致的必要性再探索近距离脱靶的分布在这样的工程。此外,这些研究只分类文本我没有讨论如何进一步更详细的施工知识分类中包含的文本。安全经理不能直观地和迅速获得次死里逃生的知识由于靠近弹分布的可视化效果差。
在这上下文的背景下,我们开发一个死里逃生的CNN,基于分类器关联分类结果,想象他们网络图(12)和桑基图,以便安全管理人员可以很容易地找到大量近距离脱靶的要点(13]。首先,CNN-based分类器结构的文本数据,开发,集成了一个深度学习方法生成结构化分类结果靠近弹在安全记录信息。分类器可以捕获语义特征在靠近弹文本自动分类靠近弹位置和差点被描述成预定义的“位置”和“类型”类别,可以生成结构化数据的统计分析。一种先验的算法用于量化关联规则的频率和诚信”位置⟶类型。“网络图可视化的量化关联规则”位置⟶类型。“最后,在整合所有文本对应于每个类别的强关联规则,中国在这些文本进行分词。桑基图绘制与词频大小的信息流。
基于深度学习的分类器和一个CNN结合先验的算法和桑基图可以自动文本分类和关联的“位置”和“类型”分类的结果。因此,安全管理人员可以实现相应的靠近弹措施为特定次死里逃生的地点,提前消除近距离脱靶,水电工程建设,提高安全水平。
2。相关工作
2.1。水电工程建设事故预防
水电工程建设的特点是一个复杂的施工环境,包括一个广泛的cross-work,劳动强度高。此外,它有一个低水平的安全管理,更普遍的是,缺乏安全监督人员培训(14]。水电工程建设事故频繁发生。有许多关于事故预防研究水电工程建设。郑et al。15]应用人类因素分析和分类系统(HFACS)研究人为因素的评价在高危操作,最后获得错误的行为风险的评估价值(FBR)水电工程建设。周et al。2)综合决策的方法试验和评价实验室(DEMATEL)和网络分析法(ANP),考虑因素之间的相互作用和自反馈。推导出因果图提供建议高危工作的安全管理系统在几个大型水电项目。郑et al。16)采用HFACS框架,收集了869事故调查报告,第一个三种事故类型取决于频率统计信息,并确定事故路径通过分析不同人为因素之间的相关性。所有上面的研究集中在预防事故,但近距离脱靶的研究可以推动链接事故预防和事故的概率减少消除近距离脱靶。
2.2。文本分类和机器学习
自然语言处理(NLP)是一种技术,使用计算机来处理和分析人类语言,包括文本分类、信息提取、信息检索(17]。NLP的文本分类是一项常见的任务,关注培训数学模型来获得一定的泛化能力通过输入一组文本相关的分类标签,以便模型可以更好地预测同一领域的其他文本的类别18]。文本分类已广泛应用于各领域作为一个高效的信息处理技术(19]。
机器学习是一个流行的方法实现文本分类(20.]。例如,Bertke et al。21)确定了三个“索赔原因”类别的工人的医疗赔偿使用NB的分类器。Ubeynarayana et al。(Ubeynarayana。和Miang。,20.17)used a support vector machine (SVM) classifier to classify the Occupational Safety and Health Accident (OSHA) dataset. Similarly, Mahfouz [8)利用合同文件的支持向量机分类非结构化信息。玛雅et al。22)使用了随机森林(RF)抱怨文本分类方法,并取得了良好的结果。所有上述研究使用浅机器学习,只能得到简单的功能通过训练数据的特征参数的线性组合。然而,简单的功能差的复杂多变的次死里逃生的文本分类水电工程建设。
深度学习(DL)可以学习复杂功能和从输入数据中提取高维特性。DL方法已经被确认为一种适当的方法来自动提取特征没有手动创建的文本分类特征(23]。浅机器学习相比,DL可以有效地提取词序特点和学习从文本中包含的语义信息24]。
cnn在NLP应用和在语义处理取得了良好的效果25],句子建模[26),搜索查询检索(27]。研究人员越来越感兴趣的cnn在文本分类中的应用。Arora et al。28)提出了一种基于卷积人物等级深嵌入文本归一化算法(Conv-char-EMB神经网络模型)对情绪分析(SA)的非结构化数据。他等。29日]证明了CNN架构与多个池操作可以提取的最重要特性由卷积,卷积过滤器激活和池操作和有效的医疗关系进行分类。
做(30.CNN)提出了一个模型,可以同时使用一个词向量调整为一个特定的任务和一个静态pretrained词向量对字面意思的文本分类任务。Yoon et al。31日)使用一个CNN对句子进行分类预处理通过嵌入并建议,只有一层的卷积可以有效分类的句子。上述研究文本大发展奠定了重要的基础数据挖掘,但近距离脱靶的法律文本中包含大数据在水电工程建设需要进一步探索。由于大区别各种子项目水电工程的特点,近距离脱靶的类型在不同的位置也很不同,存在大问题隐患的分析数据。文本情报分析方法常用于其他项目有困难解决这一挑战。
2.3。关联规则和桑基图
关联规则包含规则之间发生的事情。必须让人们了解研究对象的详细信息。Agrawal [32)提出了一种关联规则挖掘算法的潜在关联交易在事务数据库中。先验的算法是最著名的关联规则算法。它可以删除项目集树防止候选项集的指数增长,减少的数据量,提高操作效率(33]。
关联规则挖掘在施工安全领域得到了广泛的应用。程等。34)使用关联规则分析1347年台湾建筑工程事故识别潜在危险。郭et al。35)的关联规则发现工人的不安全行为、员工类型和构建阶段在建筑业使用先验的算法。邱和王36)提出了“引起⟶紧急措施”基于建筑事故情况下的关联规则算法找到所有可能的事故原因链。茗源等。37]先验的算法用于煤矿近距离脱靶的数据集建设和获得之间的关系风险来源的内部和外部环境的一个建筑工地。
使用先验的数据挖掘算法,这些研究人员获得有价值的关联规则,由主观经验很难找到。该算法包括计数的数量条款。对于非结构化文本,东西有相同的意义,但不同的表达式计算时被认为是不同的。因此,项目具有相同含义的需要对应的预设分类获得结构化文本。最后,每一类别中项目的数量是算作操作数据的先验的算法。然而,关联规则算法只适用于挖掘结构化数据,有必要开展结构化数据任务我的非结构化文本,和文本分类扮演这样的角色。近距离脱靶以来水电工程人工记录,他们是随机和非标准,属于非结构化文本。我近距离脱靶非结构化文本的关联规则,有必要获得结构化文本分类近距离脱靶容易计算的。
桑基图是一个数据流图显示多个属性之间的信息流动(38]。桑基图是一种时尚的工具在能源系统分析(39),它可以清楚地显示能量流的过程。也有一些桑基图在土木工程中的应用。例如,Abdelalim et al。40桑基图)用来进行数据可视化和分析能量流的多层的建筑规模。Goswein et al。41)使用桑基图来表示建筑物及其驱动因素之间的关系。Ioannidou et al。42)的经济流可视化建设项目通过桑基图。这些研究利用桑基图可以表示信息流的特点。近距离脱靶的分布规律也有信息流的特点,因此,桑基图可以用来表示特定靠近弹的流对象之间靠近弹位置和次死里逃生的类型。
3所示。数据准备
数据准备部分分为4个步骤:(1)收集靠近弹鹤滩水电站项目的数据,存储在数据库中,(2)清理不服从数据和获取分词,(3)标记的训练数据,和(4)分配的标签数据集训练模型。这个过程如图1。
3.1。数据来源
32370年鹤滩水电站的安全记录从2015年到2020年被作为数据来源。24325年收集的半结构化的记录上传网站建设运营商通过WeChat-based靠近弹检查软件。8045年的论文非结构化记录收集来自建筑工地的安全管理人员和手动输入到数据库中。一些例子的原始数据如表所示1。
每个记录包括它的检查日期,差点被描述和次死里逃生的位置。在靠近弹记录,“描述”和“位置”属于半结构化数据,以冗长的句子和表达不一致。半结构化的记录的字段是相互关联的,但非结构化文本数据存储在字段。“描述”包含的信息类型的近距离脱靶,和“位置”包含靠近弹的地方的信息。然而,相关的非结构化文本信息并不能关联规则算法。自动发现靠近弹之间的关联规则类型和次死里逃生的位置,这两个字段需要转化为结构化的文本。CNN DL算法将这两个字段转换为结构化数据,11次死里逃生的类型和35次死里逃生的位置。
3.2。数据预处理
模型的训练效果可以提高通过预处理数据来减少噪声数据。数据预处理的步骤如下:(我)空项、数字和标点符号,如“3 #,”“/”,“”,“6”在一个句子被认为是噪音,和在Python中使用正则表达式(REs)去除噪声。特别是,“3 #”描述了水电工程的位置信息在一个更具体的方式。在不同#隐患位置,对隐患类型的影响可以忽略,所以3 #不考虑。(2)Jieba [45)(中文分词软件基于Python)是用来进行分词更好地表达中国句子的特点。(3)字符删除词汇不丰富的意义。
3.3。标签定义
自监督学习模型,提出了有必要标签分类数据准确。根据近20事故类型小姐可能会导致(44),结合近距离脱靶的描述在这项研究中,近距离脱靶分为11种对水电工程建设。由于不同的施工组织计划在每一次死里逃生的位置,我们定义了一个共30次死里逃生的位置标签。文本数据集是由有经验的安全管理人员现场手动标记,然后回顾了水电工程建设领域的专家,确保标签的准确性。部分标签表中列出2。
3.4。数据集划分
获取分类模型,需要标注数据集分为训练集,测试集和验证集。其中,训练集优化模型,验证集的选择优化模型的参数,和测试集评估建立模型的性能。这两个数据集的“位置”和“描述”安排在比例如下:训练集:测试组:验证设置= 10:1:1。数字的训练集,验证集和测试集的“位置”分类器是14995年,1515年和1500年,分别。数字的训练集,验证集和测试集的“类型”分类器是16018年,1545年和1580年,分别。
4所示。次死里逃生的文本挖掘方法
数据挖掘模型分为三部分:(1)CNN分类:“类型”分类器和“位置”分类器训练获得的标签数据集。(2)关联分析:训练分类器分类的“类型”和“位置”新近距离脱靶生成结构化数据的“类型”和“位置”进行统计分析。创建一个关联规则网络图来可视化挖掘结果。(3)桑基图:桑基图补充细则次死里逃生的关联规则。具体步骤如图所示2。
4.1。CNN-Based分类器
CNN是一个监督学习方法在DL。卷积的重量共享层在CNN网络中可以减少可训练的参数和网络模型的复杂性。基于CNN的一个文本分类方法可以学习复杂的功能和相关特性从一个给定的文本而不需要选择有效的特征通过繁琐的手动文本分析。这可以极大地节省劳动力和时间9]。word2vec方法的提案,字嵌入可以大规模进行培训。这对CNN的奠定了基础广泛应用在文本分类45]。
靠近弹文本中每个单词的上下文信息是至关重要的CNN模型来捕获靠近弹特性。通过引入word2vec输入层,靠近弹文本转换成一个字嵌入式与一个特定的数字表达式包含单词在靠近弹文本之间的关系。这是CNN模型的输入层。卷积层,靠近弹文本的特征映射是在并行使用不同大小的卷积核。映射一个固定长度的靠近弹特性是通过执行马克斯池操作在汇聚层。最后差点被分类的任务是由完整的连接层。这相当于分类特征提取的卷积层和池。模型结构如图3。
以下4.4.1。词表示
充分利用单词的特点,19143年“描述”和18010年“位置”的实例数据集分为多个单词与Jieba换行隔开。不同的单词在“描述”和“位置”数据集构成了“描述”字向量空间和“位置”这个词向量空间,分别。单词的数量在这两个词向量空间 和 。
水电工程建设近距离脱靶的文本数据集的特点,一个大空间,短句子,和高频率的专业词汇46]。更好地表达了次死里逃生的文本中,我们使用嵌入pretrain靠近弹的单词。在嵌入空间中,不同的单词,很可能形成语义相似单词具有不同属性的语义组在距离很近。连续袋字word2vec (CBOW)是一种常见的模型47]。该模型适用于用更少的低频词词在文本中嵌入训练数据集和更短的句子48]。
CBOW模型的主要思想是利用上下文词语 预测中心词 ,其中C是窗口的值(设置为5),是词在词向量空间, 是一个炎热的编码(对应的索引词的位置是1,和其他人是0)。该模型计算分为两个过程:正向传播和反向传播。
(1)向前传播。
图4显示了向前传播的计算过程,“氧气(氧气)/乙炔(乙炔)/瓶(瓶)/无(不)/安全(安全)/距离(距离)”的数据集作为插图,和“瓶”是预测中心词。向前传播分为两个步骤。第一步:计算隐层 ,这是一个 - - - - - -维向量。是每个单词的维向量。值设置为100。计算公式描述如下: 在哪里是一个 - - - - - -维矩阵连接输入向量和隐藏层,和是这个词向量空间的大小。在图中,该值设置为6。步骤2:计算输出向量的大小 。 “瓶”(这个词向量图像)是一个预测的分布式表示中心词。为了方便的计算误差反向传播期间,softmax函数是用来正常化 。计算公式描述如下: 在哪里权重矩阵的大小吗 隐藏层和输出层连接。
(2)反向传播。反向传播的错误是根据计算中心词,这个词的一个炎热的编码向量。的值和不断使用梯度下降法调整。在培训期间,每个词是作为一个中心词;也就是说,和被修改次了。培训后,在一个炎热的编码向量计算每个单词在第1步和第2步和联合训练和完成所有单词的词向量在整个数据集。
4.1.2。褶积层
在NLP域,因为卷积核函数的宽度通常等于维度这个词的嵌入,卷积内核幻灯片在只有一个维度。我们在图说明卷积的过程4。在这个例子中,窗口的值(每卷积当地词序长度)设置为4。这个过程分为三个步骤。步骤1: 矩阵对应于“氧气(氧气)”/“乙炔(乙炔)”/“瓶(瓶)”/“无”(no)和卷积的内核替换成公式1获取特征映射 。
步骤2:由于滑动的一步 ,窗口滑下一个槽。我们通过更换执行相同的计算与对应于“乙炔(乙炔)”/“瓶(瓶)”/“无(no)“/”安全(安全)。“第三步:根据第一和第二步骤,执行迭代操作获取特征映射矩阵 : 。计算公式描述如下: 在哪里是卷积核矩阵代表共享的重量,然后呢是连接矩阵嵌入这个词的词的“描述”或“位置” 词。是一个偏移量项。是一个非线性函数,在这项研究中,将修正的线性单元(ReLU)。图5显示了卷积过程。
4.1.3。池层和完整的连接层
代表丰富的特性,卷积内核设置为不同的窗口,和相同的卷积内核运行并行操作(49]。因此,一个句子将生成特征向量与不同的维度。池的优点是输出一个固定大小的矩阵,降低输出的尺寸,并与最大值保留重要的特性 。 矢量的最大值的吗卷积运算,是卷积核的数量。
辍学的技术采用完全连接层防止隐层神经元自适应和减少过度拟合50]。完全连接层的重量参数相结合 计算 。在这项研究中,是(“描述”标签的数量)(“位置”标签的数量)。后的向量通过将softmax层,概率分布 不同的标签被归一化计算。图6显示了池完全连接层的过程。
4.1.4。参数设置
根据CNN hyperparameter设置在现有文本分类研究,通过多重比较测试,确定本研究的hyperparameters如表所示3。
4.1.5。评价指标
在这项研究中,准确性,回忆,精密,分数是用来评估DL分类模型的性能。公式(4)- (7)定义这些指标。其中,回忆可以被理解为找到关键实例数据集的能力,和精确代表的比例数据点发现的模型与现实相关。的分数是一个综合评价模型的结合查全率和查准率(51]。 在哪里积极的预测样本的数量正确,是积极的预测样本的数量不正确,然后呢是负样本预测的数量不正确。
4.2。矿业协会
本研究利用先验的关联规则算法来分析“类型”和“位置”之间的关系由CNN-based分类器分类。是一组“类型”和“位置。“如果有一个关联规则”location1⟶类型1”,即“location1”包含“管道”项目和“类型1”包含“电击”项,然后有一个高概率的电击事故发生在管道。“位置1”,“1型”(以下简称和 )都是靠近弹数据项集。
关联规则” ,“它的支持是用来测量的频率” ,”和计算公式描述如下: 在哪里 同时之间的交易的数量吗和 ,和是交易的总数。
信心措施的信誉程度” ”: 在哪里交易发生的数量吗 。
规则的支持和信心都大于给定的阈值被称为强关联规则(52]。
在这项研究中,关联规则的前后项分别“位置”和“类型”,每一次死里逃生的记录是一个安全检查记录。的前后项关联规则是有限的。也就是说,只有一个项目。因此,该算法可以提高减少扫描的时间成本降低扫描的数量。
该算法可分为两个步骤如下:(我)步骤1:当发现频繁1项集(项目中包含的频繁项目集的数量是1),与传统的先验的算法不同,只有“位置”项设置扫描而不是条目设置的“类型”和“位置”的同时,从而减少扫描时间。相应的支持度计算,每一项和一个项目集支持以下阈值被切断获得频繁1项集。频繁1项集与“类型”项设置为获得候选频繁2-item集,和下面的候选频繁2-item设置支持度筛选获得了频繁2-item集及其项目统计。(2)步骤2:根据所有频繁项集挖掘在步骤1中,每个频繁项集过滤的信心,其价值大于小信心;然后,频繁项目集是一个强大的关联规则。
本研究探讨了什么类型的近距离脱靶可能发生在一个特定的位置。”显示它们之间的关系更直观,使用网络图来可视化,如图7。网络中的线的厚度代表相互关联的程度,和圆的大小表示发生的频率。厚度是由重量决定的计算从关联规则的支持和信心。重量是计算两个步骤:(1)规范“支持”和“信心”,(2)计算的和规范化的“支持”和“信心”然后正常化的结果。可以通过公式计算正常化(10)。这解决了问题引起的不准确的评估不同数量级的评价指标。次死里逃生的位置和靠近弹类型的统计量在水电工程是均匀分布的。如果设置支持度和信心度更高,一些规则,并有很强的实用的相关性将丢失。此外,本研究中的数据非常大,可以获得更有价值的关联规则通过设置这两个值较小的值。我们设定的支持度和信心度低于0.001和0.01,分别。 在哪里和分别之前和之后的值归一化,然后呢和的最大和最小值样本,分别。
4.3。桑基图
先验的算法可以确定的强关联规则“位置⟶类型”,但不能确定特定的靠近弹对象的分布规律。相对应的文本类别在强关联规则是由中文分词处理获得更详细的靠近弹分布。例如,对于“坝肩槽⟶从高度,”(1)收集所有的描述这个关联规则如表所示4,(2)Jieba分词包用于段描述在中国,和(3)话说大词频和意义作为特定靠近弹对象选择连接“位置”和“类型。“桑基图绘制描述多个强关联规则的信息流,词频是用作流大小。
5。结果与讨论
5.1。CNN-Based分类
训练的“位置”和“类型”分类器泛化能力强,根据数据集分配部分3所示。4输入到CNN DL构造文本分类模型。此外,评估模型的准确性,召回,精密,F1的分数。
8990年的“描述”数据和相应的“位置”数据没有标签中生成起重机滩水电站采取分类“类型”和“位置”,分别使用“类型”分类器和“位置”分类器。8990年获得了结构化数据挖掘关联规则“位置⟶类型”。
的平均精度,平均精度,平均召回率和平均F1分数的“位置”分类器分别为90.19%,81.90%,84.43%,和81.93%,分别。每个类别的评估结果的“位置”分类器数据所示7和8。每个类别的评估结果“类型”的分类如表所示5和图9。
在图7某些类别不太有效,比如28号11号“窗帘”和“溺水。“溺水词的相似度高,样本容量非常小,从而导致更高的精度,而且降低召回。“窗帘”的样本量很小,导致所有评价指标为0。1号、4号和6号有较高的召回,但精度较低。这是因为这些类别的文本标记是类似于其他类别的文本标记,和更多的其他标签被归类为这些。
在表5机械损伤,““崩溃”,和“溺水”有更高的精度,而且降低召回。原因是这些类别有很强的文本特征;因此,分类精度好,但小样本的大小会导致较低的召回。
虽然精度、召回和F1分数表明,CNN执行优于其它算法,他们无法提供任何信息关于每个类别的“类型”和“位置”分类错误。因此,混淆矩阵集中介绍了分类错误的类别。在数据8和9、矩形的对角线位置代表正确的分类,而其他矩形表示不正确的分类。每一行代表实际的类别,列表示预测的类别。
如图8,因为“没有的描述。28日”(“隧道入口”)和“不。13”(“内部隧道”)非常相似,这是最简单的分类。上面是不是“类型”,如图9“溺水。”的可能性“溺水”并被错误地归类为“文明施工”(11行9列)是0.53。描述的“文明施工”,有大量的“地表积水。“此外,最引人注目的特性,“溺水”描述了也是“地表积水,“所以CNN分类器容易混淆“溺水”与“文明建设。“此外,“崩溃”有一个0.22的可能性并被错误地归类为“被对象”(行,列10)。崩溃之后,有一个高概率对象的偶然。因此,混淆“崩溃”和“被对象”可以解释为共生的趋势。少量的类别,很容易混淆,手动检查用于二级分类,保证分类精度。
5.2。对比测试
现有研究表明,浅机器学习的短文本分类效果比DL (53]。因此,我们并不认为肤浅的机器学习算法,比较四种典型的DL分类算法:递归神经网络(RNN) [54],伯特[10)、快速文本(55),和长时间的短期记忆(LSTM) [56]。
次死里逃生的简短文本在水电工程建设的特点,句子长度有限,结构紧凑,和独立的表达式,它使cnn来处理这样的任务(57]。五个DL分类算法分类相同的数据集比较测试,同样的训练字嵌入层用作输入层。
类别分类的数量在这个研究太高,充分显示每个类别的评价指标,每个评价指标的平均值与CNN算法和分类器是用于比较其他DL的方法。从表可以观察到6CNN,所有指标算法优于其他DL分类算法。因此,采用CNN算法分类近距离脱靶的简短文本水电工程建设。
5.3。关联规则
获得更客观的关联规则,带安全标签的数据添加到协会为更全面的数据分析数据集。由于大量的数据和大量的标签分类,支持和信心的阈值设定在低水平的0.02和0.20,分别。总共有31强关联规则挖掘。一些结果如表所示7。
使用网络图来显示更多的联系信息,我们将支持度和信心度降低为0.001和0.01,分别是关联规则的一种共有235输出。如图10,大范围的“文明施工”和“被对象”表明,这些类型的事故更容易发生在水电工程项目的建设。根据线的厚度,“在隧道”容易“崩溃”,“车辆损伤,”“火”和其他事故类型,而“地下洞室”容易“从身高、”“被对象,”“火”和其他类型的事故。
知道哪些地方容易发生事故,安全经理可以搜索对应的原始靠近弹描述数据和执行更深入和详细的分析基于特定的关联规则。例如,一条隧道是容易崩溃由于拱开裂,没有锚,非标准的支持,等等。更有价值靠近弹预防对象可以学到通过结合原始靠近弹数据关联规则网络。
与网络图相比,桑基图显示更详细和具体的内容和视觉呈现的频率分布和信息流动的具体靠近弹对象,附近靠近弹位置和类型。我们展览的桑基图在图11使用6双强关联规则。一些有价值的隐患规则可以从图分析。例如,电击近距离脱靶可能会出现在“坝肩槽”,由于“尾水渠隧道内的配电箱。”指的是原始文本与“在配电箱内部,“我们可以明白“碎片的配电箱”是电击近距离脱靶的原因,它更有可能出现在“尾水洞”和“坝肩槽。”
此外,“交通阶梯”的“坝肩槽”很有可能造成“从高度的近距离脱靶。梯子”指的是“交通”的原始文本,我们可以发现主要原因”从高度”是“没有交通梯子,”“交通梯扶手缺失,”和“交通梯子没有防护栏杆。“安全管理人员可以快速找到近距离脱靶的细节和实施措施,防止出现这些近距离脱靶桑基图结合原始文本数据。
6。结论
水利水电工程的施工安全管理主要是基于安全分析的文本数据,但记录的数据往往是不一致的和混乱的数据,所以它是特别困难的,直接获取知识,可以指导安全早期预警。近年来,NLP技术结合人工智能提供了快速和自动分析的可能性在各行各业的文本数据。
的数据挖掘有价值的信息隐藏在水电工程建设近距离脱靶,本研究开发了一种新的模型结合文本分类和关联挖掘。文本分类的目的是聚集在同一类别和近距离脱靶后续数据统计奠定基础。协会算法可用于计算结构分类的结果和发现关联规则,并有很强的现实意义。
克服缺点,协会算法不能分析靠近弹描述字段,其中包含最靠近弹的信息,分词的方法结合桑基图被用来丰富的靠近弹信息添加到关联规则。直观靠近弹分布可视化有助于安全经理快速找到近距离脱靶的原因,采取措施,控制它们减少事故发生的可能性,提高水利水电工程建筑工地的安全水平。模型可以挖掘大量文本和获得更详细的规则,也适用于其他领域的文本挖掘。
我们的研究可以更好地检查次死里逃生的关联,但仍存在一些局限性。首先,使靠近弹标签的工作由不同的人完成,这可能会导致不同类型分类相同的靠近弹由于各自的主观意见。第二,它仍然需要手动检查靠近弹与表现不佳的分类器分类结果,确保数据的准确性与关联规则挖掘。第三,CNN-based模型提出只是用来评估靠近弹文本数据集从起重机获得滩水电站项目。未来研究需要使用无监督学习来提高靠近弹数据分类的准确性。此外,靠近弹的一致性数据集分类模型对不同水电工程项目可以进一步讨论。
数据可用性
生成的数据和分析在此研究可从相应的作者的请求。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作得到了国家自然科学基金(批准号52079073)和开放的基础在水电工程湖北省重点实验室的建设和管理(批准号2020 ksd10)。这项工作是由中国三峡大学研究基金会优秀论文(批准号2021 sspy088)。