摘要
本发明涉及建筑施工技术领域,特别涉及地下室外墙裂缝渗漏风险智能预测方法、存储介质和设备,所述方法包括收集与地下室外墙裂缝渗漏相关的影响因素数据;提取裂缝图像特征数据;运用强关联规则对影响因素数据和裂缝图像特征数据进行分析,识别出裂缝渗漏的潜在关联因素;构建深度学习模型,使用影响因素数据与裂缝图像特征数据对深度学习模型进行训练;将需要评估的地下室外墙监测数据输入训练后的深度学习模型输出预测结果。通过强关联规则和深度学习模型的结合,为早期识别地下室外墙裂缝渗漏问题提供依据,增加了预测结果的准确性和全面性,能够对地下室裂缝渗漏风险及时有效地预防和处理,提升建筑物的安全性。
技术关键词
地下室外墙裂缝
智能预测方法
图像特征数据
深度学习模型
风险
计算机程序存储介质
关联规则挖掘技术
混凝土塌落度
线膨胀系数
箍筋间距
深度神经网络
裂缝特征
正则化参数
建筑施工技术
施工缝
系统为您推荐了相关专利信息
人工智能驱动
健康风险预测
演化特征
医疗数据采集模块
医疗知识图谱
糖尿病风险预测
朴素贝叶斯算法
一元线性回归模型
朴素贝叶斯方法
餐后血糖
虚拟对象
混合现实设备
施工设备
风险评估方法
场景
地质预测方法
斜向钻孔
多尺度
钻进参数
不良地质体