基于大数据的建筑工程建造质量评价方法及系统与流程

本发明涉及智能建筑，具体涉及一种基于大数据的建筑工程建造质量评价方法及系统。

背景技术：

1、随着科技的飞速发展和信息化水平的提高，大数据技术在各行各业得到了广泛应用；建筑工程领域作为经济的重要支柱，其建造质量的评价对于保障人民群众生命财产安全、促进建筑业持续健康发展具有重要意义；然而，传统的建筑工程建造质量评价方法多依赖于人工检测和经验判断，存在主观性强、效率低下、数据不全面等问题，难以满足建筑工程管理的需求；因此，研究一种基于大数据的建筑工程建造质量评价方法及系统对提高建造质量具有重要意义。

技术实现思路

1、本发明的目的是为了解决上述问题，设计了一种基于大数据的建筑工程建造质量评价方法及系统。

2、本发明第一方面提供一种基于大数据的建筑工程建造质量评价方法，所述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、获取建筑工程建造过程中产生的初始施工数据，对所述初始施工数据依次进行数据清洗和数据集成处理，得到第一施工数据；

4、对所述第一施工数据进行标准化处理，得到第二施工数据，对所述第二施工数据进行特征选择与提取，得到待评价的数据样本；

5、通过学习历史施工数据进行建模和训练，构建质量评价模型，将待评价的数据样本输入所述质量评价模型中进行建筑工程建造质量评价，输出质量评价结果；

6、将所述质量评价结果进行可视化展示，基于所述质量评价结果确定建筑工程对应的质量等级，将所述质量等级发送至建筑工程对应的管理人员的终端。

7、可选的，在本发明第一方面的第一种实现方式中，所述获取建筑工程建造过程中产生的初始施工数据，对所述初始施工数据依次进行数据清洗和数据集成处理，得到第一施工数据，包括：

8、获取初始施工数据，对所述初始施工数据进行数据清洗，其中所述数据清洗处理至少包括删除重复数据、填补缺失值、纠正错误数据；

9、将数据清洗后的初始施工数据划分为集成训练集和集成测试集，并将所述集成训练集划分为k份；

10、对各个初级学习器采用k折交叉验证法进行交叉验证，每次进行交叉验证时均用1份作为模型验证集，剩下的k-1份作为模型训练集；

11、每次进行交叉验证结束后，利用经过训练后的学习器对所述集成测试集和所述模型验证集进行预测；

12、将单个初级学习器得到的模型验证集输出的预测值整合得到第一矩阵，将所述集成测试集输出的预测值整合得到第二矩阵；

13、获取初级学习器训练完成后得到的所有第一矩阵和所有第二矩阵，将所有第一矩阵集合作为次级分类器的训练集，将所有第二矩阵集合作为次级分类器的测试集；

14、次级分类器训练完成后，得到多个初级模型，将多个所述初级模型的结果组成，输出数据集成结果，按不同数据源整合得到第一施工数据，其中所述不同数据源至少包括传感器、感知设备和监视摄像头。

15、可选的，在本发明第一方面的第二种实现方式中，对所述第二施工数据进行特征选择与提取，得到待评价的数据样本，包括：

16、获取第二施工数据，采用vsm方法得到所述第二施工数据对应的数据矩阵和权值特征向量；

17、利用rvm模型对高维权值特征向量进行自动特征选择和降维，得到低维特征向量；

18、对所述低维特征向量进行分析，确定k-均值算法的初始聚类中心，并对特征向量进行聚类，得到多个特征数据簇；

19、对每个特征数据簇内的特征进行排序，提取出用于质量评价的数据，整合每个特征数据簇提取出的数据得到待评价的数据样本。

20、可选的，在本发明第一方面的第三种实现方式中，对所述低维特征向量进行分析，确定k-均值算法的初始聚类中心，并对特征向量进行聚类，得到多个特征数据簇，包括：

21、计算得到每个低维特征向量的信息熵和空间密度，设置聚类个数k，开始聚类，并获取聚类后第k个子类的信息熵，并计算信息增益，其中k=1,2,…k；

22、令k=k+1，重复聚类，选取所有信息增益的最大值对应的k作为最优聚类个数，选取空间密度最大的特征作为初始聚类中心，将非聚类中心特征按照欧式距离划分至与距离最近的聚类中；

23、计算新的聚类中心，重新进行划分，若相邻两次划分得到的结果一致，聚类结束，得到多个特征数据簇。

24、可选的，在本发明第一方面的第四种实现方式中，所述通过学习历史施工数据进行建模和训练，构建质量评价模型，包括：

25、获取历史施工数据，对所述历史施工数据进行数据预处理，得到预处理后的历史施工数据，并划分为训练集和测试集，采用训练集进行lssvm模型建模；

26、初始化种群和参数，计算适应度，更新发现者、追随者和预警者位置，确定麻雀种群最优位置；

27、当满足迭代条件，停止迭代，获取最优参数，基于所述测试集利用最优参数重构lssvm模型，对预测结果进行验证和分析，得到质量评价模型。

28、可选的，在本发明第一方面的第五种实现方式中，所述初始化种群和参数，计算适应度，更新发现者、追随者和预警者位置，确定麻雀种群最优位置，包括：

29、利用logistic-tent混沌映射模型对种群进行初始化，计算初始适应度值，并标记为当前最优适应度值；

30、通过logistic-tent混沌映射模型对发现者、追随者和预警者位置进行更新，确定麻雀种群更新后的新的适应度值；

31、将当前最优适应度值与更新后的新的适应度值相比较，若更新后的新的适应度值优于当前最优适应度值，则用更新后的新的适应度值代替当前最优适应度值，否则不变。

32、可选的，在本发明第一方面的第六种实现方式中，所述将待评价的数据样本输入所述质量评价模型中进行建筑工程建造质量评价，输出质量评价结果，包括：

33、获取建筑工程质量评价对应的不同维度权重，评估各维度权重的复杂度，将维度权重分离出高维权重和低维权重，其中质量评价维度对应建筑工程不同性能指标；

34、将所述高维权重、低维权重和待评价的数据样本输入质量评价模型，输出每个维度的预测结果，设置每个维度对应的质量阈值，基于每个维度的质量阈值叠加各维度的预测结果，得到质量评价结果。

35、本发明第二方面提供了一种基于大数据的建筑工程建造质量评价系统，所述基于大数据的建筑工程建造质量评价系统包括数据集成模块、特征选择模块、质量评价模块和可视化模块，其中，

36、数据集成模块，用于获取建筑工程建造过程中产生的初始施工数据，对所述初始施工数据依次进行数据清洗和数据集成处理，得到第一施工数据；

37、特征选择模块，用于对所述第一施工数据进行标准化处理，得到第二施工数据，对所述第二施工数据进行特征选择与提取，得到待评价的数据样本；

38、质量评价模块，用于通过学习历史施工数据进行建模和训练，构建质量评价模型，将待评价的数据样本输入所述质量评价模型中进行建筑工程建造质量评价，输出质量评价结果；

39、可视化模块，用于将所述质量评价结果进行可视化展示，基于所述质量评价结果确定建筑工程对应的质量等级，将所述质量等级发送至建筑工程对应的管理人员的终端。

40、可选的，在本发明第二方面的第一种实现方式中，所述特征选择模块包括获取子模块、降维子模块、分析子模块和排序子模块，其中，

41、获取子模块，用于获取第二施工数据，采用vsm方法得到所述第二施工数据对应的数据矩阵和权值特征向量；

42、降维子模块，用于利用rvm模型对高维权值特征向量进行自动特征选择和降维，得到低维特征向量；

43、分析子模块，用于对所述低维特征向量进行分析，确定k-均值算法的初始聚类中心，并对特征向量进行聚类，得到多个特征数据簇；

44、排序子模块，用于对每个特征数据簇内的特征进行排序，提取出用于质量评价的数据，整合每个特征数据簇提取出的数据得到待评价的数据样本。

45、可选的，在本发明第二方面的第二种实现方式中，所述质量评价模块包括建模子模块、初始化子模块和重构子模块，其中，

46、建模子模块，用于获取历史施工数据，对所述历史施工数据进行数据预处理，得到预处理后的历史施工数据，并划分为训练集和测试集，采用训练集进行lssvm模型建模；

47、初始化子模块，用于初始化种群和参数，计算适应度，更新发现者、追随者和预警者位置，确定麻雀种群最优位置；

48、重构子模块，用于当满足迭代条件，停止迭代，获取最优参数，基于所述测试集利用最优参数重构lssvm模型，对预测结果进行验证和分析，得到质量评价模型。

49、本发明提供的技术方案中，获取建筑工程建造过程中产生的初始施工数据，对所述初始施工数据依次进行数据清洗和数据集成处理，得到第一施工数据；对所述第一施工数据进行标准化处理，得到第二施工数据，对所述第二施工数据进行特征选择与提取，得到待评价的数据样本；通过学习历史施工数据进行建模和训练，构建质量评价模型，将待评价的数据样本输入所述质量评价模型中进行建筑工程建造质量评价，输出质量评价结果；将所述质量评价结果进行可视化展示，基于所述质量评价结果确定建筑工程对应的质量等级，将所述质量等级发送至建筑工程对应的管理人员的终端；本发明通过建造过程中产生的数据实现对建筑工程建造质量评价，提高评价效率，实现对建筑工程建造质量的监控和预警，及时发现和解决潜在质量问题，提高建筑工程的安全性和可靠性，指导建筑工程的改进和优化，提高建造质量。