摘要：該文旨在通過卷積神經網絡(convolutional neural networks,CNN)模型對基礎設施建設期典型安全隱患進行數據學習與挖掘,為現場智能安全管控提供方法和依據。依托于Wesafety平臺實時統計出的某大型水電站現場安全隱患數據,分析了現場典型安全隱患特征,提出了基于CNN的安全隱患學習與挖掘模型,并定義了模型結構的卷積層、池化層、全連接層以及訓練和測試流程,開發了相應的程序。結果表明:該方法提高了基礎設施建設現場扁平-閉環安全管理的效率,為智能安全管理提供了嶄新的思路,達到了機器自動識別典型隱患的目的,研究結果對建設工程安全隱患自動分類分析具有參考意義。