基于多源信息融合和WOA-CNN-LSTM的外脚手架隐患分类预警研究

面对施工现场外脚手架隐患信息的多样性，传统的基于传感器监测的单一信号预警研究存在容错力不佳、含有信息有限等问题。针对施工现场外脚手架“图像+监测”数据，提出一种基于数据层和特征层信息融合的脚手架隐患分类预警方法。首先，利用Revit三维建模软件建立外脚手架实体模型，对不同初始隐患下的外脚手架进行有限元分析，划分隐患预警等级；其次，利用无迹卡尔曼滤波算法(Unscented Kalman Filter, UKF)及卷积长短时记忆网络(Convolutional Neural Network-Long Short Term Memory Network, CNN-LSTM)实现脚手架同类信息数据层融合及异类信息特征层融合；最后，通过实时收集西安市某在建项目落地式双排扣件式钢管脚手架隐患信息，对其进行分类预警，并使用鲸鱼优化算法(Whale Optimization Algorithm, WOA)对CNN-LSTM网络进行参数优化，发现隐藏节点个数为30、学习率为0.007 2、正则化系数为1×10^-4时分类效果最佳，优化后预警精度达到了91.452 6%。通过可视化W...