近日，我院刘贵文教授、王能副研究员团队在《STRUCTURAL CONTROL & HEALTH MONITORING》上发表论文“Screening for Anomalous Safety Condition Among Existing Buildings Using Explainable Machine Learning”。该期刊系SCI检索期刊，JCR一区，近5年平均影响因子5.5。我院王能副研究员为通讯作者和第三作者，博士生刘捷为第一作者，合作者包括刘贵文教授（第二作者）、博士生蒋怡非（第四作者）。本研究得到了重庆市建设科技计划项目（城科字2022第6-4号）、国家自然科学基金（72271035，52108115）等科研项目的联合资助。

为确保居住者的安全，评估既有建筑的物理状况和服役性能至关重要。然而，大规模的建筑状态评估通常依赖于检查员的专业判断，这可能因优先级不明确、过程模糊和操作无效而导致昂贵且费力的工作。本文提出了一种基于可解释机器学习模型的筛查方法，用于识别既有建筑的异常安全状况，从而缩小需要进一步详细检查和监测的建筑范围。研究表明，服役年限、建筑结构和区域是影响建筑安全的三大关键因素。本研究在优化资源配置、提升建设与维护决策方面具有重要价值。

原文链接：https://onlinelibrary.wiley.com/doi/10.1155/stc/6695396