基于多层感知器的农村房屋危险等级分类.pdf

第3 2卷第2期2 0 2 3年6月江苏海洋大学学报(自然科学版)J o u r n a l o f J i a n g s u O c e a n U n i v e r s i t y(N a t u r a l S c i e n c e E d i t i o n)V o l.3 2 N o.2J u n.2 0 2 3 D O I:1 0.3 9 6 9/j.i s s n.2 0 9 6-8 2 4 8.2 0 2 3.0 2.0 1 3基于多层感知器的农村房屋危险等级分类*朱 峥1 a,3,宋明志1 a,唐 秦1 a,王佩佩1 a,李镇骐1 a,马海鹏1 b,管绍荣2,王修华2,郑泽平1 b,刘 钟2(1.江苏海洋大学 a.土木与港海工程学院;b.计算机工程学院,江苏 连云港 2 2 2 0 0 5;2.连云港市房屋安全鉴定管理中心,江苏 连云港 2 2 2 0 0 0;3.苏州市建设工程质量检测中心有限公司,江苏 苏州 2 1 5 0 0 0)摘 要:基于多层感知器技术提出了一种农村房屋危险等级分类方法。首先确定了房屋关键风险因素的初始列表,并通过专家讨论和实地调查进行验证,然后基于皮尔逊相关性分析对8 6 4个农村老旧房屋问卷样本进行了验证。通过S P S S 2 5.0软件进行多层感知器M u l t i l a y e r P e r c e p t r o n(ML P)模型的构建,从房屋居住安全性角度对农村老旧房屋进行危险等级分类,并采用样本数据操作特征(R O C)曲线评估房屋分类效应。该模型在数据完整时与数据缺失时的房屋危险性等级评判准确率分别为9 5.3%与9 4.5%。通过敏感性分析与因子重要性分析得出影响房屋危险等级排名前三的因素分别为墙体、梁柱、屋盖楼盖。该研究可为缺乏相关专业领域知识的村民以及相关基层管理人员提供一种自我诊断房屋的方法,具有一定的理论和实践意义。关键词:农村房屋;多层感知器;危险性等级;房屋鉴定;皮尔逊系数中图分类号:TU 1 8 文献标志码:A 文章编号:2 0 9 6-8 2 4 8(2 0 2 3)0 2-0 0 8 8-0 6C l a s s i f i c a t i o n o f R u r a l H o u s e R i s k L e v e l s B a s e d o n M u l t i l a y e r P e r c e p t r o nZ HU Z h e n g1 a,3,S ONG M i n g z h i1 a,T ANG Q i n1 a,WANG P e i p e i1 a,L I Z h e n q i1 a,MA H a i p e n g1 b,GUAN S h a o r o n g2,WANG X i u h u a2,Z HE NG Z e p i n g1 b,L I U Z h o n g2(1.a.S c h o o l o f C i v i l a n d O c e a n E n g i n e e r i n g;b.S c h o o l o f C o m p u t e r E n g i n e e r i n g,J i a n g s u O c e a n U n i v e r s i t y,L i a n y u n g a n g 2 2 2 0 0 5,C h i n a;2.L i a n y u n g a n g M a n a g e m e n t C e n t e r o f B u i l d i n g S a f e t y I d e n t i f i c a t i o n,L i a n y u n g a n g 2 2 2 0 0 0,C h i n a;3.S u z h o u C o n s t r u c t i o n Q u a l i t y I n s p e c t i o n C e n t e r C o.,L t d.,S u z h o u 2 1 5 0 0 0,C h i n a)A b s t r a c t:T h i s p a p e r p r o p o s e d a c l a s s i f i c a t i o n m e t h o d f o r r i s k l e v e l s o f r u r a l h o u s e s b a s e d o n a m u l t i p l a y e r p e r c e p t r o n.I t f i r s t l y i d e n t i f i e d t h e i n i t i a l l i s t o f r i s k f a c t o r s f o r r u r a l h o u s e s a f e t y,t h e o r e t i c a l l y v e r i f i e d t h e i n i t i a l l i s t b y e x p e r t o p i n i o n s a n d s i t e i n v e s t i g a t i o n,a n d t h e n s t a t i s t i c a l l y v e r i f i e d t h e l i s t b y P e a r s o n c o r r e l a t i o n a l c o e f f i c i e n t s b a s e d o n 8 6 4 c o l l e c t e d q u e s t i o n n a i r e s a m p l e s.T h e s o f t w a r e S P S S 2 5.0 w a s e m p l o y e d f o r t r a i n i n g t h e m u l t i p l a y e r p e r c e p t r o n,w h i c h p r o d u c e d t h e s a f e t y c l a s s i f i c a t i o n o f t h e o l d r u r a l h o u s e s a n d e v a l u a t e d t h e c l a s s i f i c a t i o n e f f e c t s b y R O C c u r v e s.T h e a c c u r a c y r a t e s o f t h e m o d e l w e r e 9 5.3%a n d 9 4.5%r e s p e c t i v e l y w i t h c o m p l e t e a n d i n c o m p l e t e i n p u t d a t a.T h e s e n s i t i v i t y a n a l y s i s a n d f a c t o r i m p o r t a n c e a n a l y s i s r e s u l t s r e v e a l e d t h a t t h e t o p t h r e e c o n t r i b u t o r y f a c t o r s f o l l o w e d w a l l s,b e a m s a n d c o l u m n s,a n d r o o f s a n d f l o o r s.T h e e s t a b l i s h e d m o d e l i n t h i s p a p e r e x h i b i t e d a c e r t a i n l e v e l o f t h e o r e t i c a l a n d p r a c t i c a l s i g n i f i-*收稿日期:2 0 2 2-1 0-0 8;修订日期:2 0 2 3-0 2-2 1作者简介:朱峥(1 9 9 5),男,江苏苏州人,硕士研究生,研究方向为房屋鉴定与管理,(E-m a i l)7 3 5 8 3 8 8 0 7q q.c o m。通信作者:王佩佩(1 9 9 0),女,江苏连云港人,讲师,博士,硕士生导师,研究方向为房屋风险控制与管理,(E-m a i l)w a n g.p e i p e i l i v e.c n。c a n c e f o r i t s c a p a b i l i t y i n a s s i s t i n g l o c a l d w e l l e r s a n d l o c a l m a n a g e m e n t s t a f f w i t h l i m i t e d c i v i l-e n-g i n e e r i n g b a c k g r o u n d s i n j u d g i n g t h e r i s k l e v e l s o f r u r a l h o u s e s a f e t y.K e y w o r d s:r u r a l h o u s e;m u l t i l a y e r p e r c e p t r o n;r i s k l e v e l;h o u s e e v a l u a t i o n;P e a r s o n c o e f f i c i e n t0 引言农村房屋安全是世界各国普遍关注的问题。瑞士自1 9 9 0年以来农村危房面积增加了两倍多,每年老化率1.5%,而新房建设项目进展缓慢1。在我国,随着2 0 2 0年脱贫攻坚战取得全面胜利,农村人口生活水平不断提高。但仍有少量农村居民住房安全得不到保障,这就直接影响到了脱贫攻坚战的质量。从2 0 0 8年起全国开始试点危房改造工作,到现在已经有十几年的时间。大量学者进行了诸多研究,我国西部地区农村房屋平均危房率达2 1.1 3%2。在农村危房中以承重墙开裂、墙体粉化风化和檩条严重腐蚀最为常见3。目前在危房改造过程中,传统检测方法一般需要专家对现场房屋进行实地踏勘,而我国农村面积之广,农房数量之多,仅仅依靠专家挨家挨户逐一上门进行入户检测耗时耗力4-5,且单一专家判断这种方法也容易受到外部和主观推断的影响。反观现代新型智能检测技术6-8,如红外线裂缝检测9、超声波检测,存在无人机设备昂贵、检测专业化程度较高等问题,图像识别检测对现场光线、场地环境要求较高1 0,也尚未在实际工程中广泛运用。为解决上述方法的不足,本研究通过因子识别与相关性分析来确定相关因子,并建立多层感知器(ML P)模型。该模型采用机器深度学习方法,目前已在生物、化工、医疗等领域运用,但尚未在房屋建筑管理方面使用。故本文想借此来提供一种农村老旧房屋管理的方法,即能够自动将农村房屋分类为不同的风险等级,从而替代专家决策,以减轻对专家判断的严重依赖。村镇街道管理人员可基于此模型对辖区内的老旧房屋作出初步鉴定,以便对农村危房及时排查,降低专业测评的使用门槛,从而加快乡村振兴与新农村建设的步伐。1 研究思路与方法通过阅读文献与J G J/T 3 6 32 0 1 4 农村住房危险性鉴定标准1 1对比确定农村房屋危险性相关因子,对标准中的相关因子进行扩充,然后通过专家意见与皮尔逊相关性分析在数据上进行验证,最后形成多层感知器(ML P)模型。模型构建完成后,将对模型进行两次准确性检验,分别是基于专家收集数据的检验以及模拟基层管理人员或村民自行使用时的模型准确率检验。1.1 研究过程本次研究调查样本选自江苏省连云港市海州区云台街道、花果山街道、宁海街道、锦屏镇、板浦镇共计5个镇、街道,涵盖了5 1个村,以8 6 4栋老旧农房作为研究对象。经过为期78个月的走访检测,实地了解每栋农村危房的建造年代、结构形式,实地测量房屋布局、面积,对所存在的危险点进行记录并拍照存证。研究过程中共成立了两个专家组进行数据收集。所有专家均在相关领域具有1 0年以上的学术或实践经验。A组由5名专家组成,负责在目标区域进行现场调查,并收集有关农村房屋危险性情况的数据。成员做到彼此不一定认识,彼此之间也没有相互交流,从而最大限度地保持了数据的独立性和公正性。5 1个村的8 6 4栋农村房屋为研究样本,其各自的因子作为S P S S软件的输入层,软件自动抽取7 0%作为模型训练,3 0%作为模型验证。B组也有5名专家,分别负责验证因子关系、模型准确率和敏感性分析。A和B两组中分别选出两位在相关领域拥有最长年限行业经验的专家担任了两队组长,以便研究的高效运作。1.2 数据分析方法1.2.1 皮尔逊相关性分析 皮尔逊相关系数用来衡量定距型变量间线性相关关系。其不仅可以计算出变量之间相关性的大小,还可以提供相关性的方向信息。具体如式(1)1 2所示:r=ni=1(xi-x-)(yi-y-)ni=1(xi-x-)2(yi-y-)2。(1)其中n为样本数,xi和yi分别为两变量的变化值。由式(1)可以得出,结果的取值范围为-1,1。当r=0时,x与y无线性相关;当r=1时,x与y完全线性相关,若r=1,x与y完全相关,若r=-1,x与y完全负相关;当0r1时,x与98 第2期朱 峥等:基于多层感知器的农村房屋危险等级分类y存在一定线性相关关系,若r0,x与y为正相关1 2。皮尔逊相关系数计算具有方便、速度快、可解释性强的特点。1.2.2 多层感知器 多层感知器(M u l t i-l a y e r P e r-c e p t r o n)是可以自主识别复杂特征且能够有效处理的一种模型,可避免人工自动提取特征繁琐,只要模型样本训练数据足够多,将因子输入至模型,经过输入层、隐含层,最后在输出层输出结果,如图1所示。此模型能迅速处理复杂问题,简化人工判别过程1 3。图1 多层感知器结构示意图F i g.1 S c h e m a t i c d i a g r a m o f m u l t i l a y e r p e r c e p t r o n s t r u c t u r e其具体表达式如式(2)1 4所示:y=f b+ni=1xiwi 。(2)其中:xi表示从多层感知器上一层传递的信号,共有n个;wi表示上一层神经元与这个神经元连接的权重;b为偏置值;f为激活函数;y为神经元的输出。激活函数f通常有多种,早期浅层神经网络通常采用s i g m o i d激活函数,本研究为了研究分类效果采用s o f t m a x作为激活函数。2 风险因子识别2.1 因子识别构建多层感知器ML P的前提是对现有造成农村房屋危险的风险因子进行识别。在基于J G J/T 3 6 32 0 1 4 农村住房危险性鉴定标准 的定性鉴定前提下,将房屋从上到下分为地基基础、上部结构、屋面系统。保留标准中原有的基础、墙体、梁柱、屋架檩条、楼盖屋盖等因子,又扩充了建造年代、粘结材料、场地环境、抗震构造、有无改扩建等因子,来进一步对造成房屋的危险因子进行判定。具体因子识别如表1所示。表1 农村房屋风险因子识别表T a b l e 1 R i s k f a c t o r i d e n t i f i c a t i o n o f r u r a l h o u s e s种类风险因子地下部分地基基础上部结构墙体粘结材料梁、柱屋面系统屋架檩条楼盖屋盖其他私自改扩建结构形式场地环境抗震措施建造年代2.2 风险评判等级房屋整体危险性风险评价参考J G J/T 3 6 32 0 1 4 农村住房危险性鉴定标准,将其分为地基基础、上部承重结构两个组成部分进行鉴定。根据组成部分存在的危险点和危险程度进行划分农村住房危险性等级1 1。A级:结构满足正常使用要求,未发现危险点,房屋结构安全。B级:结构基本满足正常使用要求,个别结构构件处于危险状态,但不影响主体结构安全,基本满足正常使用要求。C级:部分承重结构不能满足正常使用要求,局部出现险情,构成局部危房。D级:承重结构已不能满足正常使用要求,房屋整体出现险情,构成整幢危房。对于标准中未规定因子,相关评判如下。建造年代:1 9 8 0年以前;1 9 8 02 0 0 0年;2 0 0 0年以 后。场地环境:无自然灾害;存在自然灾害(洪涝水患、山体滑坡、泥石流)。抗震构造:存在圈梁、构造柱等构造措施;无任何构造措施。粘结材料:A级:粘结材料可靠,砂浆饱满,强度符合要求;B级:粘结材料轻微粉化、风化,尚不影响正常使用;C级:粘结材料局部缺失,强度明显不足,风化、粉化现象严重,石结构房屋部分采用黄泥砌筑,粘结性差;D级:房屋结构表面无粘接材料,墙体由石材、块材堆砌而成。3 模型的构建3.1 因子筛分使用S P S S 2 5.0 软件计算房屋各因子与危险09江苏海洋大学学报(自然科学版)2 0 2 3年6月性等级之间风险因素的皮尔逊相关系数1 2,如表2所示。将rs=2n作为皮 尔逊因 子 筛 分 的 分 界点1 5。n代表样 本总量,故 本次研究rs=0.0 6 8为分界点。若皮 尔 逊 相 关 性 系 数 的 绝 对 值 大 于0.0 6 8,则说明因子之间存在相关性;若皮尔逊相关性系数的绝对值小于0.0 6 8,则说明因子之间不相关。综上,后期模型构建中可忽略场地环境对房屋危险等级的影响。建造年代与抗震构造这两个因子与房屋危险等级呈负相关,表示建造年代越近,抗震措施越齐全,房屋越安全。表2 皮尔逊相关性检验T a b l e 2 P e a r s o n c o r r e l a t i o n t e s t风险因子危险性等级 皮尔逊系数S i g双尾个案数危险性等级1-8 6 4结构形式0.0 7 7*0.0 2 38 6 4建造年代-0.2 1 7*0.0 0 08 6 4场地环境0.0 2 30.4 9 48 6 4抗震构造-0.1 3 2*0.0 0 08 6 4私自改扩建0.1 0 1*0.0 0 38 6 4墙体0.9 3 3*0.0 0 08 6 4地基基础0.4 1 2*0.0 0 08 6 4梁柱0.7 0 3*0.0 0 08 6 4粘结材料0.7 4 5*0.0 0 08 6 4屋架檩条0.6 4 9*0.0 0 08 6 4楼盖屋盖0.6 6 4*0.0 0 08 6 4 注:*为在0.0 1(双侧)显著相关;*为在0.0 5水平(双侧)显著相关。3.2 ML P模型构建经过相关性分析,筛选出建造年代、私自改扩建、结构形式、抗震构造4个描述性因子作为ML P模型的自变量,其余6个因子作为协变量。将房屋整体危险等级作为模型的因变量。软件自动在8 6 4个样本数据中随机选取7 0%作为样本训练对象,3 0%作为模型检验对象。采用多层前馈神经网络结构,标度共轭梯度优化算法。以分析筛选出的1 0个变量作为输入层节点,隐藏层层数1,隐藏层节点数9个,分类结果A,B,C,D为输出层节点,建立ML P模型。3.3 模型准确率检验模型准确性检验是利用S P S S 2 5.0软件,采用样本准确率测试和模拟准确率测试两种方法并行进行检验。3.3.1 样本准确率结果 在理论测试过程中,模型在数据完整和数据不完整两种情况下进行测试。根据收集到的信息对模型中的所有节点进行条件分配,以进行完整的数据测试,结果如表3所示。由结果可知,模型检验准确率为9 5.3%。表3 模型准确率检验T a b l e 3 M o d e l a c c u r a c y t e s t样本实测预测ABCD准确率/%训练A90001 0 0.0B01 0 2209 8.1C011 5 869 5.8D0042 6 89 8.5总体占比/%1.61 8.72 9.84 9.89 7.6检验A32006 0.0B06 6001 0 0.0C036 739 1.8D0041 0 69 6.4总体占比/%1.22 8.02 8.04 2.99 5.33.3.2 模拟准确率结果 考虑到某些因素不可观察或某些因素观察模糊,同时设计不同的场景来模拟可能出现的数据缺失情况。主要是针对没有相关专业领域知识的村民或村镇管理人员而设计的,模拟了以下3种情况。情况1:对于室内屋面吊顶,屋架檩条无法观察,评判模糊的情况。情况2:对于房屋建造年代不清,场地环境未知,梁柱破损界定不清的情况。情况3:对于地基基础,粘结材料未知的情况。具体准确率情况如表4所示。由结果可知,3种情况下模型检验最低准确率为9 4.1%。模型在处理数据不完整时的准确率略低于样本数据完整时的准确率,但仍可以接受。主要原因是某些关键因子缺失或因所占权重较高导致了模型局部出现误判。因此针对此类问题,在日后模型的推广与运用过程中,可事先附上基本评判说明,使用户清晰了解,以此来减少数据样本缺失的情况出现。实际用户操作时,需要首先根据提示评估模型中与节点相关的房屋性能。当某些因子评判模糊或难以界定时,用户可以置空模型因子。ML P模型可在某些节点未知的情况下进行分类。将各状态输入至各节点后,模型会自动对房屋的危险等级进行分类。用户可根据模型分类结果采取相应措施解危。19 第2期朱 峥等:基于多层感知器的农村房屋危险等级分类表4 情况13模型准确率检验T a b l e 4 A c c u r a c y t e s t o f s c e n a r i o 1-3 m o d e l样本危险等级情况1准确率/%情况2准确率/%情况3准确率/%训练A8 5.79 0.01 0 0.0B9 7.89 6.69 5.7C9 6.79 7.59 7.1D9 7.99 5.39 8.1总体准确率/%9 7.49 6.19 7.3检验A7 5.01 0 0.01 0 0.0B1 0 0.09 4.19 4.3C9 0.39 6.29 5.5D9 5.79 6.19 5.7总体准确率/%9 4.59 5.89 5.44 数据分析4.1 敏感性分析敏感性分析主要是分析不同节点的变化对输出节点的影响关系1 6。用R O C曲线对模型敏感性与准确性进行分析。曲线下面积越大,说明模型的准确率也越高,如图2所示。房屋危险等级为A级时曲线下面积为1.0 0 0,B级时曲线下面积为0.9 9 9,C级时曲线下面积为0.9 9 2,D级时 曲线下面积 为0.9 9 6。图2 R O C曲线F i g.2 R O C c u r v e4.2 因子重要性分析通过S P S S 2 5.0软件对自变量因子的重要程度进行分析,如表5所示。表5中的重要性系数表示因子对输出结果的影响大小。数值越大,敏感性也就越大。可以看出影响房屋危险等级排名前三的因素分别为墙体、梁柱、屋盖楼盖。因此,在研究农村危房改造对策时,应对上述因子重点考虑。值得注意的是,相关研究将地基基础列为影响房屋安全的首要因素。但由于本次研究评价农村房屋安全主要依靠观察房屋上部结构来评级,对于地基基础的评判依靠上部结构产生的裂缝来进行反推,故地基基础重要性系数较低。由于此表分析结果仅针对于本次研究的8 6 4栋连云港市农村老旧房屋,在进行实地调查过程中,发现地基普遍存在危险点,但很少遇见地基处于整体危险导致房屋整体倒塌成废墟的情况,加之目前农村老旧房屋建于2 0世纪6 07 0年代,故样本分析时抗震构造重要性也较小。为了解决这个问题,后期进行样本数据收集时,可增加对不同地基基础及抗震设防类别的房屋的考察与检测,做到全面覆 盖 农 村 房 屋(倒 塌 房 屋、老 旧 房 屋、新 建 房屋),以减少此项偏差。表5 因子重要性分析T a b l e 5 F a c t o r s i g n i f i c a n c e a n a l y s i s因子名称重要性系数正态化重要性/%排序墙体0.2 8 11 0 0.01梁、柱0.1 7 26 1.32屋盖楼盖0.1 1 03 9.13地基基础0.1 0 13 6.14粘结材料0.0 7 62 7.05屋架檩条0.0 7 52 6.86结构形式0.0 7 32 6.17建造年代0.0 6 12 1.68抗震构造0.0 2 91 0.29改扩建0.0 2 27.81 05 讨论目前,农村老旧房屋的检查鉴定以专家现场鉴定为主。例如文献1 7 中作者对淮北市濉溪县农村房屋进行实地调查,结合该地区房屋的危害等级,综合分析了房屋危害的成因。这种方法虽然更准确,但耗费了人力、物力。而使用多层感知器ML P模型后,村民可以自行对房屋进行初步判别,从而及时发现并处理房屋的隐患。与其他现有模型1 8-2 0相比,这种多层感知器模型最大限度地减少了主观偏差,使村民更容易接受分类结果。该模型简化了专家现场评估流程,提供了有效的智能辅助,帮助村民自主评估房屋等级。当然本模型在样本数据不够大、特征不明显时,分类结果会有一定的偏差。29江苏海洋大学学报(自然科学版)2 0 2 3年6月6 结语(1)本研究建立了多层感知器ML P模型,对农村房屋的危险性进行分类。主要基于因子识别、机器深度学习理论,对江苏省连云港市的8 6 4栋农村危房进行实地调查以及皮尔逊相关性分析,然后通过S P S S 2 5.0软件建立分类模型。模型的分类和准确度结果贴合实际现场检测结果,符合本研究的目的。(2)通过敏感性分析与因子重要性分析得出影响房屋危险等级排名前三的因素分别为墙体、梁柱、屋盖楼盖,可为后续危房改造加固提供依据。(3)从理论上,本研究扩展了我国农村老旧房屋评估的内容,为我国农村房屋鉴定提供了较为合理的理论方法,为农村房屋改造保障以及人民生命财产安全提供了相关理论和技术支持。(4)本次研究只调查了连云港本市的农村房屋,主要涵盖了砌体结构、石结构、生土结构。我国国土面积宽广,农房数量众多,房屋结构形式多样,后期可扩大研究范围,深入中西部或其他农村地区,探究本模型的适用性。(5)本次研究基于多层感知器进行农村房屋等级分 类,后 续 研 究 可 探 索 使 用 其 他 机 器 学 习 方法2 1,分析差异后得出最优的、最准确的评定方法。参考文献:1 P E S HKOV V V,G E R T S E KOV I CH D A,G O R-B A CHE V S KAYA L.D i l a p i d a t e d a n d d i l a p i d a t e d h o u s i n g i n t h e a s p e c t o f t h e F e d e r a l p r o j e c t“E n s u r i n g s u s t a i n a b l e r e d u c t i o n o f u n i n h a b i t a b l e h o u s i n g”J.I O P C o n f e r e n c e S e r i e s:M a t e r i a l s S c i e n c e a n d E n g i-n e e r i n g,2 0 1 9,6 6 7(1):0 1 2 0 7 5.2 周铁钢,韩睿斌,穆钧.西部地区农村危房现状调查与抗震性能统计分析J.自然灾害学报,2 0 1 3,2 2(6):7 0-7 5.3 周学峰,张兆波.甘肃省农村危房现状调查及建议J.甘肃农业,2 0 1 9(5):1 1 1-1 1 2.4 周铁钢,徐向凯,穆钧.中国农村生土结构农房安全现状调查J.工业建筑,2 0 1 3,4 3(S 1):1-4.5 马月.瓦房店市农村危房改造工作问题研究D.大连:大连理工大学,2 0 1 9.6 吴桐.老旧房屋健康智能监测云平台系统研究D.广州:广州大学,2 0 2 0.7 T O R OK M M,G O L P A R VA R-F A R D M,KO CH-E R S B E R G E R K B.I m a g e-b a s e d a u t o m a t e d 3 D c r a c k d e t e c t i o n f o r p o s t-d i s a s t e r b u i l d i n g a s s e s s m e n tJ.J o u r n a l o f C o m p u t i n g i n C i v i l E n g i n e e r i n g,2 0 1 4,2 8(5):A 4 0 1 4 0 0 4.8 B AU E R E,M I LHOMEM P M,A I D A R L A G.E-v a l u a t i n g t h e d a m a g e d e g r e e o f c r a c k i n g i n f a c a d e s u-s i n g i n f r a r e d t h e r m o g r a p h yJ.J o u r n a l o f C i v i l S t r u c-t u r a l H e a l t h M o n i t o r i n g,2 0 1 8,8(3):5 1 7-5 2 8.9 李菲,彭自强,石显,等.混凝土裂缝检测与监测技术研究进展J.广东土木与建筑,2 0 2 2,2 9(5):9 6-9 9.1 0 江永清.基于深度学习的混凝土构件损伤检测与定位方法研究D.济南:山东建筑大学,2 0 2 2.1 1 中华人民共和国住房与城乡建设部.农村住房危险性鉴定标准:J G J/T 3 6 32 0 1 4S.北京:中国建筑工业出版社,2 0 1 4.1 2 王雪华.管理统计学 基于S P S S软件应用M.北京:电子工业出版社,2 0 1 4.1 3 马陇飞,萧汉敏,陶敬伟,等.基于深度学习岩性分类的研究 与应 用 J.科学 技术 与 工程,2 0 2 2,2 2(7):2 6 0 9-2 6 1 7.1 4 TAUD H,MA S J F.M u l t i l a y e r P e r c e p t r o n(ML P)M/G e o m a t i c A a p p r o a c h e s f o r M o d e l i n g L a n d C h a n g e S c e n a r i o s.N e w Y o r k:S p r i n g e r I n t e r n a t i o n a l P u b l i s h i n g,2 0 1 8:4 5 1-4 5 5.1 5 P R O F I L L I D I S V A,B O T Z OR I S G N.M o d e l i n g o f T r a n s p o r t D e m a n d:A n a l y z i n g,C a l c u l a t i n g,a n d F o r e c a s t i n g T r a n s p o r t D d e m a n dM.E l s e v i e r,2 0 1 8.1 6 蔡毅,邢岩,胡丹.敏感性分析综述J.北京师范大学学报(自然科学版),2 0 0 8,4 4(1):9-1 6.1 7 李有香,邓宗立.农村住宅危险性现状统计分析 以淮北市濉溪县实地调研为例J.安徽建筑工业学院学报(自然科学版),2 0 1 3,2 1(3):3 9-4 2.1 8 L E U S,CHAN G C.B a y e s i a n-n e t w o r k-b a s e d s a f e t y r i s k a s s e s s m e n t f o r s t e e l c o n s t r u c t i o n p r o j e c t sJ.A c c i d e n t A n a l y s i s a n d P r e v e n t i o n,2 0 1 3,5 4:1 2 2-1 3 3.1 9 卜全民,王涌涛,汪德爟.事故树分析法的应用研究J.西南石油大学学报,2 0 0 7,2 9(4):1 4 1-1 4 4.2 0 杨敏,王竹葳,王艳梅,等.基于因果贝叶斯网络的风险建模与分析J.工业工程,2 0 1 6,1 9(5):1 2 1-1 2 7.2 1 S ON G M i n g z h i,Z HU Z h e n g,WANG P e i p e i,e t a l.A n a l t e r n a t i v e r u r a l h o u s i n g m a n a g e m e n t t o o l e m-p o w e r e d b y a b a y e s i a n n e u r a l c l a s s i f i e rJ.S u s t a i n-a b i l i t y,2 0 2 3,1 5(3):1 7 8 5.(责任编辑:褚金红 实习编辑:易圣杰)39 第2期朱 峥等:基于多层感知器的农村房屋危险等级分类