申请/专利权人：交通运输部水运科学研究所

申请日：2023-08-04

公开（公告）日：2024-04-09

公开（公告）号：CN116681292B

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06Q10/067;G06N3/08;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.09.19#实质审查的生效;2023.09.01#公开

摘要：本发明公开了基于深度学习的石化港区安全风险分析及责任划分方法，解决了现有技术不能针对港口储罐区潜在扩散风险进行预测并对相关责任人发出风险预警，影响了港区安全作业的问题，方法包括：获取石化港区作业场景及储罐区关联数据，得到作业环境模型，通过实时监测点周期性获取实时监测数据；构建港区风险分析模型，通过风险检测模型识别并检测实时监测数据，得到风险预测结果；本发明所提供的基于深度学习的石化港区安全风险分析及责任划分方法通过风险检测模型对石化港区潜在风险进行预警，保证了石化港区人员、设备以及储罐区的作业安全。

主权项：1.基于深度学习的石化港区安全风险分析及责任划分方法，其特征在于，包括：获取石化港区作业场景及储罐区关联数据，基于深度学习对石化港区安全控制区域进行三维建模，得到作业环境模型，其中，所述作业环境模型包括模型拓扑参数、作业网络节点以及作业网络连边；加载作业环境模型，基于作业环境模型布置实时监测点，并通过实时监测点周期性获取实时监测数据；基于深度学习训练并构建港区风险分析模型，并通过主成分分析优化并对港区风险分析模型进行赋权改进，得到风险检测模型；加载实时监测数据，通过风险检测模型识别并检测实时监测数据，得到风险预测结果，其中，所述风险预测结果包括当前风险值、责任关联度以及风险扩散趋势图，基于风险预测结果向相关责任人推送风险预测结果；其中，所述基于深度学习对石化港区安全控制区域进行三维建模，具体包括：提取关联数据中石化港区作业场景及储罐区三维坐标参数，基于三维坐标参数构建初始三维立体模型，并赋予初始三维立体模型初始模型拓扑参数，其中，所述初始模型拓扑参数包括初始事故发生率、初始事故传播率以及事故初始责任划分函数；加载初始三维立体模型，遍历关联数据中安全事故数据集，并基于深度学习修正初始三维立体模型，得到作业环境模型；所述基于深度学习修正初始三维立体模型包括：遍历关联数据中安全事故数据集，基于安全事故数据集计算作业网络节点以及作业网络连边对应的节点重要度和连边重要度，并基于安全事故数据集计算事故重要度；根据节点重要度、连边重要度以及事故重要度构建重要度评判矩阵；通过最小二乘法计算重要度评判矩阵，确定安全事故、作业网络节点以及作业网络连边在初始三维立体模型的权重系数；基于安全事故、作业网络节点以及作业网络连边的权重系数对初始模型拓扑参数进行修正，得到修正后初始三维立体模型；加载修正后初始三维立体模型，对修正后初始三维立体模型进行空间网格划分以及关联责任划分，得到空间网格集以及责任划分集；根据空间网格集的位置信息，构建包括有责任划分集的作业环境模型；所述通过主成分分析优化并对港区风险分析模型进行赋权改进，得到风险检测模型包括：获取港区风险分析模型；基于历史数据生成多组影响因子初始比较矩阵，初始影响因子比较矩阵基于三标度比较而得，其中，初始影响因子比较矩阵表示为： ；其中，比较矩阵包括行列，且为历史数据中初始影响因子的数量，为初始影响因子的影响层级；计算初始影响因子比较矩阵的重要性指数，通过公式（1）计算； （1）其中，为初始影响因子比较值.通过公式（2）计算，表示比较矩阵的比较向量上限常量，表示比较矩阵的比较向量下限常量； （2）构造港区风险分析模型验证矩阵，基于模型验证矩阵验证港区风险分析模型的相容性。

全文数据：

权利要求：

百度查询： 交通运输部水运科学研究所 基于深度学习的石化港区安全风险分析及责任划分方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD