首页|基于ISM和知识图谱的尾矿坝事故风险智能识别研究

基于ISM和知识图谱的尾矿坝事故风险智能识别研究

扫码查看
原文链接
  • 万方数据
  • 维普
为了深入理解尾矿坝事故的发生机理和演化规律,提升尾矿坝的安全管理水平,首先通过总结分析尾矿坝事故案例,筛选出导致尾矿坝溃坝的致灾因素;然后引入解释结构模型(ISM),理清因素间的关联模式和层次关系,从而得到尾矿坝事故的演化路径,在此基础上构建尾矿坝事故知识图谱;最后利用BERT-GCN-SVM模型对知识图谱进行编码和分类,其中利用BERT模型提取节点的文本特征,利用GCN模型捕获图结构信息,采用SVM模型对数据进行分类.构建了一个结构化的尾矿坝事故知识图谱.提出的BERT-GCN-SVM模型能够有效地识别尾矿坝风险,为事故预防提供了新的思路和方法,具有工程实用价值.

郭梨、高元、吴昊、杨震

展开 >

西安建筑科技大学资源工程学院,陕西西安 710055

西安市智慧工业感知计算与决策重点实验室,陕西西安 710055

尾矿坝事故 解释结构模型(ISM) 知识图谱 BERT 图卷积网络

2024

采矿技术
长沙矿山研究院有限责任公司

采矿技术

影响因子：0.503
ISSN：1671-2900
年,卷(期)：2024.24(5)