摘要：該文旨在通過卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)模型對基礎(chǔ)設(shè)施建設(shè)期典型安全隱患進(jìn)行數(shù)據(jù)學(xué)習(xí)與挖掘,為現(xiàn)場智能安全管控提供方法和依據(jù)。依托于Wesafety平臺實(shí)時(shí)統(tǒng)計(jì)出的某大型水電站現(xiàn)場安全隱患數(shù)據(jù),分析了現(xiàn)場典型安全隱患特征,提出了基于CNN的安全隱患學(xué)習(xí)與挖掘模型,并定義了模型結(jié)構(gòu)的卷積層、池化層、全連接層以及訓(xùn)練和測試流程,開發(fā)了相應(yīng)的程序。結(jié)果表明:該方法提高了基礎(chǔ)設(shè)施建設(shè)現(xiàn)場扁平-閉環(huán)安全管理的效率,為智能安全管理提供了嶄新的思路,達(dá)到了機(jī)器自動識別典型隱患的目的,研究結(jié)果對建設(shè)工程安全隱患自動分類分析具有參考意義。