CN117933730B - 一种基于随机森林的综合桥梁安全评估方法 - Google Patents
一种基于随机森林的综合桥梁安全评估方法 Download PDFInfo
- Publication number
- CN117933730B CN117933730B CN202410324425.1A CN202410324425A CN117933730B CN 117933730 B CN117933730 B CN 117933730B CN 202410324425 A CN202410324425 A CN 202410324425A CN 117933730 B CN117933730 B CN 117933730B
- Authority
- CN
- China
- Prior art keywords
- geological
- bridge
- technical state
- data
- preprocessed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007637 random forest analysis Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 78
- 230000003993 interaction Effects 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000012502 risk assessment Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 239000003673 groundwater Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于随机森林的综合桥梁安全评估方法，包括步骤：S1、收集桥梁技术状态数据和地质环境数据，并分别进行数据预处理；S2、根据预处理后的地质环境数据和历史地质事件，进行地质风险评估，得到地质风险评估结果；S3、根据预处理后的桥梁技术状态数据，进行结构技术状态评估，得到结构技术状态评估结果；S4、根据地质风险评估结果和结构技术状态评估结果，训练随机森林模型，得到训练好的随机森林模型；S5、根据预处理后的地质环境数据和预处理后的桥梁技术状态数据，构建并训练相互作用模型；S6、使用训练好的随机森林模型和训练好的相互作用模型对待评估桥梁进行综合桥梁安全评估，提高了桥梁安全性的评估准确性和可靠性。
Description
技术领域
本专利涉及桥梁安全评估领域，特别是涉及一种基于随机森林的综合桥梁安全评估方法。
背景技术
桥梁在现代交通基础设施中扮演着关键的角色，因此其安全性至关重要。桥梁的安全性不仅与其结构技术状态有关，还与地质环境因素密切相关。传统的桥梁安全评估方法通常分别考虑结构技术状态和地质风险因素，但未考虑两者之间的关联，缺乏综合性和全面性。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于随机森林的综合桥梁安全评估方法解决了传统的桥梁安全评估方法分别考虑结构技术状态和地质风险因素，而未考虑两者之间的关联，缺乏综合性和全面性的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种基于随机森林的综合桥梁安全评估方法，包括以下步骤：
S1、收集桥梁技术状态数据和地质环境数据，并分别进行数据预处理；
S2、根据预处理后的地质环境数据和历史地质事件，进行地质风险评估，得到地质风险评估结果；
S3、根据预处理后的桥梁技术状态数据，进行结构技术状态评估，得到结构技术状态评估结果；
S4、根据地质风险评估结果和结构技术状态评估结果，训练随机森林模型，得到训练好的随机森林模型；
S5、根据预处理后的地质环境数据和预处理后的桥梁技术状态数据，构建并训练相互作用模型；
S6、使用训练好的随机森林模型和训练好的相互作用模型对待评估桥梁进行综合桥梁安全评估。
进一步地：所述步骤S1中，所述桥梁技术状态数据包括上部结构部件数据、下部结构部件数据和桥面系部件数据，具体包括各结构部件的材料质量、裂缝情况、腐蚀程度和变形情况；
所述地质环境数据包括地质构造、地质地貌和地下水情况。
进一步地：所述步骤S2包括以下分步骤：
S21、根据预处理后的地质环境数据和历史地质事件，确定不同地质灾害因素的可能性；
S22、根据地质灾害因素的可能性，使用概率模型计算每个地质灾害因素的风险指数GRI，得到地质风险评估结果，风险指数GRI的公式为：
其中，P代表地质灾害因素的可能性，S代表地质灾害因素的严重性。
进一步地：所述步骤S3包括以下分步骤：
S31、根据预处理后的桥梁技术状态数据和评定标准，确定各结构部件的技术状态评估指标；
S32、为每个技术状态评估指标分配对应的权重，得到技术状态评估公式；
S33、根据技术状态评估公式计算各结构部件的技术状态评估指标的值；
S34、根据各结构部件的技术状态评估指标的值，使用加权求和计算综合技术状态评估值；
S35、将各结构部件的技术状态评估指标的值和综合技术状态评估值共同作为结构技术状态评估结果。
进一步地：所述步骤S4包括以下分步骤：
S41、将地质风险评估结果和结构技术状态评估结果作为数据集，并将数据集分解为训练集和若干随机子集；
S42、根据随机子集建立决策树；
S43、通过每个决策树对数据集进行特征选择和分类，完成随机森林模型的构建；
S44、使用训练集对构建的随机森林模型进行训练，并使用交叉验证技术调整随机森林模型的超参数，得到训练好的随机森林模型。
进一步地：所述步骤S5包括以下分步骤：
S51、使用特征工程提取并构建预处理后的地质环境数据和预处理后的桥梁技术状态数据的特征变量；
S52、根据特征变量表示地质风险因素和技术状态因素之间的相互作用，得到相互作用模型；
S53、使用预处理后的地质环境数据和预处理后的桥梁技术状态数据的特征变量对相互作用模型进行训练，得到训练好的相互作用模型。
进一步地：所述步骤S6中，进行综合桥梁安全评估的方法包括以下步骤：
S61、对待评估桥梁进行地质风险评估和结构技术状态评估，并将评估结果进行数据融合，得到融合后的数据；
S62、将融合后的数据输入训练好的随机森林模型，评估桥梁安全风险；
S63、将融合后的数据输入训练好的相互作用模型，评估不同地质灾害因素与桥梁各结构部件的技术状态之间的相互作用；
S64、根据桥梁安全风险和不同地质灾害因素与桥梁各结构部件的技术状态之间的相互作用，得到桥梁综合风险指数；
S65、根据桥梁综合风险指数，确定桥梁安全风险等级，完成综合桥梁安全评估。
本发明的有益效果为：
1.结合了地质环境因素和桥梁技术状态数据，考虑两者之间的关联性，更全面地评估桥梁的安全性；
2.通过随机森林模型，随机森林能够处理大量数据和复杂的特征，能够捕捉数据中的非线性关系和交互效应。通过训练多个决策树并组合它们的结果，随机森林降低了过拟合的风险，提高了模型的泛化能力，桥梁安全性评估结果更加可信；
3.结合了地质风险因素和技术状态评估，可以帮助及时识别潜在的安全风险。当地质事件或桥梁部件的技术状态发生变化时，综合评估模型可以迅速更新评估结果，提供有关是否需要采取维护或修复措施的信息。
附图说明
图1为基于随机森林的综合桥梁安全评估方法流程图。
图2为地质风险评估结果示意图。
图3为结构技术状态评估结果示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，在本发明的一个实施例中，提供一种基于随机森林的综合桥梁安全评估方法，包括以下步骤：
S1、收集桥梁技术状态数据和地质环境数据，并分别进行数据预处理；
S2、根据预处理后的地质环境数据和历史地质事件，进行地质风险评估，得到地质风险评估结果；
S3、根据预处理后的桥梁技术状态数据，进行结构技术状态评估，得到结构技术状态评估结果；
S4、根据地质风险评估结果和结构技术状态评估结果，训练随机森林模型，得到训练好的随机森林模型；
S5、根据预处理后的地质环境数据和预处理后的桥梁技术状态数据，构建并训练相互作用模型；
S6、使用训练好的随机森林模型和训练好的相互作用模型对待评估桥梁进行综合桥梁安全评估。
在本发明的一个实施例中，所述步骤S1中，所述桥梁技术状态数据包括上部结构部件数据、下部结构部件数据和桥面系部件数据，具体包括各结构部件的材料质量、裂缝情况、腐蚀程度和变形情况；
所述地质环境数据包括地质构造、地质地貌和地下水情况；
数据预处理包括数据清洗和数据标准化，用于确保数据的质量和一致性。
在本发明的一个实施例中，所述步骤S2包括以下分步骤：
S21、根据预处理后的地质环境数据和历史地质事件，确定不同地质灾害因素的可能性；
不同地质灾害因素的可能性反映了每种地质灾害因素发生的概率；
S22、根据地质灾害因素的可能性，使用概率模型计算每个地质灾害因素的风险指数GRI，得到地质风险评估结果，风险指数GRI的公式为：
其中，P代表地质灾害因素的可能性，S代表地质灾害因素的严重性；
本实施例中，采用《DB51/T 3088—2023 营运山区公路地质灾害及边坡工程风险评价规程》中定义的严重性评价指标，这些指标包括一级评价指标和二级评价指标，一级评价指标是表征灾害典型特征的总体指标，而二级评价指标则是一级评价指标的子项指标，通过对这些指标的评分，可以综合评估地质灾害的严重性。
在本实施例中，采用步骤S2获取的地质风险评估结果如图2所示。
在本发明的一个实施例中，所述步骤S3包括以下分步骤：
S31、根据预处理后的桥梁技术状态数据和评定标准，确定各结构部件的技术状态评估指标；
在本实施例中，评定标准采用《JTG/TH21-2011 公路桥梁技术状况评定标准》，使用结构健康监测数据和可视检查结果来量化技术状态评估；
S32、为每个技术状态评估指标分配对应的权重，得到技术状态评估公式；
技术状态评估公式的表达式涉及对桥梁各部件的技术状况评分进行加权求和；
S33、根据技术状态评估公式计算各结构部件的技术状态评估指标的值；
S34、根据各结构部件的技术状态评估指标的值，使用加权求和计算综合技术状态评估值；
S35、将各结构部件的技术状态评估指标的值和综合技术状态评估值共同作为结构技术状态评估结果。
在本实施例中，采用步骤S3获取的结构技术状态评估结果如图3所示。
在本发明的一个实施例中，所述步骤S4包括以下分步骤：
S41、将地质风险评估结果和结构技术状态评估结果作为数据集，并将数据集分解为训练集和若干随机子集；
S42、根据随机子集建立决策树；
S43、通过每个决策树对数据集进行特征选择和分类，完成随机森林模型的构建；
特征选择时，根据数据集中的特征，选择最具区分性的特征；
S44、使用训练集对构建的随机森林模型进行训练，并使用交叉验证技术调整随机森林模型的超参数，得到训练好的随机森林模型。
在本发明的一个实施例中，所述步骤S5包括以下分步骤：
S51、使用特征工程提取并构建预处理后的地质环境数据和预处理后的桥梁技术状态数据的特征变量；
S52、根据特征变量表示地质风险因素和技术状态因素之间的相互作用，得到相互作用模型；
S53、使用预处理后的地质环境数据和预处理后的桥梁技术状态数据的特征变量对相互作用模型进行训练，得到训练好的相互作用模型。
在本发明的一个实施例中，所述步骤S6中，进行综合桥梁安全评估的方法包括以下步骤：
S61、对待评估桥梁进行地质风险评估和结构技术状态评估，并将评估结果进行数据融合，得到融合后的数据；
S62、将融合后的数据输入训练好的随机森林模型，评估桥梁安全风险；
S63、将融合后的数据输入训练好的相互作用模型，评估不同地质灾害因素与桥梁各结构部件的技术状态之间的相互作用；
S64、根据桥梁安全风险和不同地质灾害因素与桥梁各结构部件的技术状态之间的相互作用，得到桥梁综合风险指数；
计算桥梁综合风险指数时，将地质风险因素和技术状态因素的得分相加，并加权以考虑它们的相对重要性；
S65、根据桥梁综合风险指数，确定桥梁安全风险等级，完成综合桥梁安全评估。
在本实施例中，通过设置阈值，将安全风险划分为不同等级，如低风险、中风险、高风险；
并根据安全风险等级，制定应对措施，包括维护、修复、加固以及提供决策支持工具，帮助桥梁管理者制定优先级和预算分配；
低风险：定期监测和例行维护；
中风险：增加监测频率，定期检查和维护，可能需要进行小规模的修复工作；
高风险：紧急维修和加固，可能需要限制桥梁的使用，确保安全。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (2)
1.一种基于随机森林的综合桥梁安全评估方法，其特征在于，包括以下步骤：
S1、收集桥梁技术状态数据和地质环境数据，并分别进行数据预处理；
S2、根据预处理后的地质环境数据和历史地质事件，进行地质风险评估，得到地质风险评估结果；
所述步骤S2包括以下分步骤：
S21、根据预处理后的地质环境数据和历史地质事件，确定不同地质灾害因素的可能性；
S22、根据地质灾害因素的可能性，使用概率模型计算每个地质灾害因素的风险指数GRI，得到地质风险评估结果，风险指数GRI的公式为：
其中，P代表地质灾害因素的可能性，S代表地质灾害因素的严重性；
S3、根据预处理后的桥梁技术状态数据，进行结构技术状态评估，得到结构技术状态评估结果；
所述步骤S3包括以下分步骤：
S31、根据预处理后的桥梁技术状态数据和评定标准，确定各结构部件的技术状态评估指标；
S32、为每个技术状态评估指标分配对应的权重，得到技术状态评估公式；
S33、根据技术状态评估公式计算各结构部件的技术状态评估指标的值；
S34、根据各结构部件的技术状态评估指标的值，使用加权求和计算综合技术状态评估值；
S35、将各结构部件的技术状态评估指标的值和综合技术状态评估值共同作为结构技术状态评估结果；
S4、根据地质风险评估结果和结构技术状态评估结果，训练随机森林模型，得到训练好的随机森林模型；
所述步骤S4包括以下分步骤：
S41、将地质风险评估结果和结构技术状态评估结果作为数据集，并将数据集分解为训练集和若干随机子集；
S42、根据随机子集建立决策树；
S43、通过每个决策树对数据集进行特征选择和分类，完成随机森林模型的构建；
S44、使用训练集对构建的随机森林模型进行训练，并使用交叉验证技术调整随机森林模型的超参数，得到训练好的随机森林模型；
S5、根据预处理后的地质环境数据和预处理后的桥梁技术状态数据，构建并训练相互作用模型；
所述步骤S5包括以下分步骤：
S51、使用特征工程提取并构建预处理后的地质环境数据和预处理后的桥梁技术状态数据的特征变量；
S52、根据特征变量表示地质风险因素和技术状态因素之间的相互作用，得到相互作用模型；
S53、使用预处理后的地质环境数据和预处理后的桥梁技术状态数据的特征变量对相互作用模型进行训练，得到训练好的相互作用模型；
S6、使用训练好的随机森林模型和训练好的相互作用模型对待评估桥梁进行综合桥梁安全评估；
所述步骤S6中，进行综合桥梁安全评估的方法包括以下步骤：
S61、对待评估桥梁进行地质风险评估和结构技术状态评估，并将评估结果进行数据融合，得到融合后的数据；
S62、将融合后的数据输入训练好的随机森林模型，评估桥梁安全风险；
S63、将融合后的数据输入训练好的相互作用模型，评估不同地质灾害因素与桥梁各结构部件的技术状态之间的相互作用；
S64、根据桥梁安全风险和不同地质灾害因素与桥梁各结构部件的技术状态之间的相互作用，得到桥梁综合风险指数；
S65、根据桥梁综合风险指数，确定桥梁安全风险等级，完成综合桥梁安全评估。
2.根据权利要求1所述的基于随机森林的综合桥梁安全评估方法，其特征在于，所述步骤S1中，所述桥梁技术状态数据包括上部结构部件数据、下部结构部件数据和桥面系部件数据，具体包括各结构部件的材料质量、裂缝情况、腐蚀程度和变形情况；
所述地质环境数据包括地质构造、地质地貌和地下水情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410324425.1A CN117933730B (zh) | 2024-03-21 | 2024-03-21 | 一种基于随机森林的综合桥梁安全评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410324425.1A CN117933730B (zh) | 2024-03-21 | 2024-03-21 | 一种基于随机森林的综合桥梁安全评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117933730A CN117933730A (zh) | 2024-04-26 |
| CN117933730B true CN117933730B (zh) | 2024-06-07 |
Family
ID=90764948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410324425.1A Active CN117933730B (zh) | 2024-03-21 | 2024-03-21 | 一种基于随机森林的综合桥梁安全评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117933730B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120072771A (ko) * | 2010-12-24 | 2012-07-04 | 한국건설기술연구원 | 교량의 위험도와 가치를 고려한 교량 관리정보 분석 시스템 |
| CN114563150A (zh) * | 2021-12-23 | 2022-05-31 | 贵州大学 | 桥梁健康在线检测模块生成方法、检测方法、工具箱及装置 |
| CN116167617A (zh) * | 2022-12-29 | 2023-05-26 | 福州大学 | 融合随机森林与注意力的地质灾害风险评估方法及*** |
| CN116698323A (zh) * | 2023-08-07 | 2023-09-05 | 四川华腾公路试验检测有限责任公司 | 一种基于pca和扩展卡尔曼滤波的桥梁健康监测方法及*** |
| WO2024016415A1 (zh) * | 2022-07-22 | 2024-01-25 | 山东大学 | 一种桥梁多源多尺度智能分级预警方法及*** |
| CN117688480A (zh) * | 2024-02-04 | 2024-03-12 | 四川华腾公路试验检测有限责任公司 | 一种基于损伤频率全景图与随机森林的桥梁损伤识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230259798A1 (en) * | 2022-02-16 | 2023-08-17 | Klimanovus Llc | Systems and methods for automatic environmental planning and decision support using artificial intelligence and data fusion techniques on distributed sensor network data |
-
2024
- 2024-03-21 CN CN202410324425.1A patent/CN117933730B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120072771A (ko) * | 2010-12-24 | 2012-07-04 | 한국건설기술연구원 | 교량의 위험도와 가치를 고려한 교량 관리정보 분석 시스템 |
| CN114563150A (zh) * | 2021-12-23 | 2022-05-31 | 贵州大学 | 桥梁健康在线检测模块生成方法、检测方法、工具箱及装置 |
| WO2024016415A1 (zh) * | 2022-07-22 | 2024-01-25 | 山东大学 | 一种桥梁多源多尺度智能分级预警方法及*** |
| CN116167617A (zh) * | 2022-12-29 | 2023-05-26 | 福州大学 | 融合随机森林与注意力的地质灾害风险评估方法及*** |
| CN116698323A (zh) * | 2023-08-07 | 2023-09-05 | 四川华腾公路试验检测有限责任公司 | 一种基于pca和扩展卡尔曼滤波的桥梁健康监测方法及*** |
| CN117688480A (zh) * | 2024-02-04 | 2024-03-12 | 四川华腾公路试验检测有限责任公司 | 一种基于损伤频率全景图与随机森林的桥梁损伤识别方法 |
Non-Patent Citations (4)
| Title |
|---|
| 卷积神经网络的隧道桥梁安全风险评估研究;周冬;;电子测量技术;20200823(第16期);全文 * |
| 基于Vague集-可拓模型的断层富水区桥梁运营安全评估;郝伟;中国安全生产科学技术;20231031;第19卷(第10期);全文 * |
| 基于数据驱动的区域中小跨径桥梁服役状态网级评估方法研究;徐喆;硕士论文库;20230216(第3期);全文 * |
| 基于随机森林算法的洪水灾害风险评估研究;陈军飞;董然;;水利经济;20190530(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117933730A (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105354210A (zh) | 移动游戏支付账户行为数据处理方法和装置 | |
| CN112529327A (zh) | 一种用于构建商业地区建筑火灾风险预测等级模型的方法 | |
| CN110011976B (zh) | 一种网络攻击破坏能力量化评估方法及*** | |
| Yadi et al. | Big-data-driven model construction and empirical analysis of SMEs credit assessment in China | |
| CN117933730B (zh) | 一种基于随机森林的综合桥梁安全评估方法 | |
| CN108536980B (zh) | 一种考虑可靠性因素的气体探测器离散选址优化方法 | |
| Gong et al. | Prediction and evaluation of coal mine coal bump based on improved deep neural network | |
| CN112001600B (zh) | 一种基于svm和ds理论的渗漏水风险监测方法 | |
| CN116186936B (zh) | 连铸工艺参数的确定方法、***、设备及介质 | |
| CN116992522A (zh) | 深基坑围护结构变形预测方法、装置、设备及存储介质 | |
| Lim et al. | Bridge damage prediction using deep neural network | |
| CN110807569A (zh) | 极端工况下不同利益群体的尾矿库风险评价和管理方法 | |
| Liu et al. | Measuring and characterizing community recovery to earthquake: The case of 2008 Wenchuan Earthquake, China | |
| CN115936293A (zh) | 一种基于pca的地铁施工安全事故风险评价方法 | |
| CN113722230B (zh) | 针对模糊测试工具漏洞挖掘能力的集成化评估方法及装置 | |
| Zhang | Post-earthquake performance assessment and decision-making for tall buildings: integrating statistical modeling, machine learning, stochastic simulation and optimization | |
| JP2005350972A (ja) | 防災事業計画支援システムとその方法 | |
| CN111815145A (zh) | 工程难度动态评价方法、装置、存储介质及计算机设备 | |
| Suryanita et al. | Intelligent bridge seismic monitoring system based on neuro genetic hybrid | |
| Guo et al. | The effectiveness evaluation for security system based on risk entropy model and Bayesian network theory | |
| CN117236700B (zh) | 一种洪涝灾害风险防控方法及*** | |
| CN116070919B (zh) | 一种用于隧道施工的专项风险等级评估方法 | |
| KR20240066781A (ko) | 인공지능 기반의 개인 신용 대출 연체 예측 장치 및 그 방법 | |
| CN117217581A (zh) | 一种基于知识图谱的结构服役性态评估方法 | |
| CN117635304A (zh) | 一种中小微企业信用评级***构建方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |