CN107145995A - 生产环境安全性预测方法、装置和系统 - Google Patents
生产环境安全性预测方法、装置和系统 Download PDFInfo
- Publication number
- CN107145995A CN107145995A CN201710161446.6A CN201710161446A CN107145995A CN 107145995 A CN107145995 A CN 107145995A CN 201710161446 A CN201710161446 A CN 201710161446A CN 107145995 A CN107145995 A CN 107145995A
- Authority
- CN
- China
- Prior art keywords
- safety
- index
- production
- level
- lowest hierarchical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Abstract
本发明公开了一种生产环境安全性预测方法、装置和系统。该方法包括：获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，多个层级至少包括最低层级、至少一个中间层级和最高层级；利用层次分析法，根据预设的指标重要程度评分标准、最低层级和至少一个中间层级的安全生产指标，分别计算最低层级和至少一个中间层级的安全生产指标的权重值；根据采集的最低层级的安全生产指标的历史数据、计算得到的最低层级和至少一个中间层级的安全生产指标的权重值，计算最高层级的指标数据，以对生产环境的安全性进行预测。根据本发明实施例提供的预测方法、装置和系统，可以实现对生产环境的安全性预测。
Description
技术领域
本发明涉及企业安全监管领域，尤其涉及生产环境安全性预测方法、装置和系统。
背景技术
在现在生产经营的管理活动中，对生产环境的安全性进行预测分析是安全生产监管中的一项非常重要的内容，在企业的生产经营活动中，为确保企业的安全生产，提升企业安全生产管理的预防能力，为建设安全预防型和谐生产环境打下坚实基础，国家安全生产监督管理总局(以下，简称为“安监总局”)以及各个省市区县的安全生产监督管理局(以下，简称为“安监局”)等行政管理部门不仅需要对自己辖区内的企业进行安全检查，还需要对整体的安全生产的环境好坏进行评估，以保证生产经营活动得以顺利进行。
目前，衡量安全生产环境的安全生产指标众多，指标之间的关系复杂，导致很难有针对性地对安全生产环境提出合理的优化改善措施，使得安全生产环境的好坏难以衡量，成为安全生产监管人员面临的难题。
发明内容
本发明实施例提供一种生产环境安全性预测方法、装置和系统，可以在对安全生产环境的安全性进行预测。
根据本发明实施例的一方面，提供一种生产环境安全性预测方法，该预测方法包括：获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，多个层级至少包括最低层级、至少一个中间层级和最高层级；利用层次分析法，根据预设的指标重要程度评分标准、最低层级的安全生产指标和至少一个中间层级的安全生产指标，分别计算最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值；根据采集的最低层级的安全生产指标的历史数据、计算得到的最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值，利用预设的公式计算最高层级的指标数据，对生产环境的安全性进行预测。
根据本发明实施例的另一方面，提供一种生产环境安全性预测装置，该预测装置包括：指标获取模块，用于获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，多个层级至少包括最低层级、至少一个中间层级和最高层级；权重计算模块，用于利用层次分析法，根据预设的指标重要程度评分标准、最低层级的安全生产指标和至少一个中间层级的安全生产指标，分别计算最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值；指标数据计算模块，用于根据采集的最低层级的安全生产指标的历史数据、计算得到的最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值，利用预设的公式计算最高层级的指标数据，对生产环境的安全性进行预测。
根据本发明实施例的再一方面，提供一种生产环境安全性预测系统，该预测系统包括：存储器，用于存储程序；处理器，用于运行存储器中存储的程序，以执行以下步骤：获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，多个层级至少包括最低层级、至少一个中间层级和最高层级；利用层次分析法，根据预设的指标重要程度评分标准、最低层级的安全生产指标和至少一个中间层级的安全生产指标，分别计算最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值；根据采集的最低层级的安全生产指标的历史数据、计算得到的最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值，利用预设的公式计算最高层级的指标数据，对生产环境的安全性进行预测；显示器，用于对计算得到的最高层级的指标数据进行显示。
根据本发明实施例的生产环境安全性预测方法、装置和系统，将影响生产环境安全性的各个安全生产指标分为多个层级，通过层次分析法计算每个层级的安全生产指标的权重，并结合采集的指标历史数据，计算得到最高层级的指标数据，从而对生产环境的安全性进行预测。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是示出根据本发明一实施例的生产环境安全性预测方法的流程图；
图2是图1中对最低层级和至少一个中间层级的安全生产指标的权重值进行计算的详细的流程图；
图3是根据本发明一实施例的生产环境安全性预测装置的结构示意图；
图4是图3中权重计算模块的具体的结构示意图；
图5是根据本发明另一实施例的生产环境安全性预测装置的结构示意图；
图6是示出能够实现根据本发明实施例的对生产环境进行安全性预测的方法和装置的生产环境安全性预测系统的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本发明的实施例中，指标体系(Indication System，IS)的建立是对研究对象进行预测或评价的前提和基础，指标体系可以将抽象的研究对象分解成为具体地、可操作化的结构，通过建立安全生产环境的指标体系，对安全生产指数进行分析，可以对安全生产环境的好坏进行整体评价和对安全生产事故进行预测。
下面结合附图，详细描述根据本发明实施例的生产环境安全性预测方法、装置和系统。应注意，这些实施例并不是用来限制本发明公开的范围。
图1是示出根据本发明实施例的生产环境安全性预测方法的流程图。如图1所示，本实施例中的生产环境安全性预测方法100包括以下步骤：
步骤S110，获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，多个层级至少包括最低层级、至少一个中间层级和最高层级。
步骤S120，利用层次分析法，根据预设的指标重要程度评分标准、最低层级的安全生产指标和至少一个中间层级的安全生产指标，分别计算最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值。
步骤S130，根据采集的最低层级的安全生产指标的历史数据、计算得到的最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值，利用预设的公式计算最高层级的指标数据，对生产环境的安全性进行预测。
在对安全生产指数进行分析的过程中，各个指标在整体预测和分析评价中的贡献往往是不同的，并且生产环境的安全性分析涉及的具有指标多，数据统计量较大，指标之间的关系复杂的特点，因此不能简单的只从数据信息角度确定各个指标的权重，为了使预测和分析的过程更加清晰和明确，在本发明实施例中，确定预测或评价方案的指标体系，构造指标体系的层次结构，并将层次分析法(Analytic Hierarchy Process，AHP)作为确定指定层级的各安全生产指标权重的方法。
具体地，可以利用层析分析法将安全生产指标体系分解为最高层即总目标层、中间层即基准层、最低层即方案层等层次，在指标体系的层次结构的基础上进行生产环境的安全性分析。
在步骤S110中，安全生产环境的指标体系可以具有三个或三个以上的层级。
具体地，如果是三个层级，则该三个层级分别为最低层级、中间层级和最高层级；如果是三个以上的层级，则该三个以上的层级分别为最低层级、一个以上的中间层级和最高层级。
作为一个可选实施例，图2是示出图1中对最低层级和至少一个中间层级的各个安全生产指标的权重值进行计算的详细的流程图。如图2所示，步骤S120具体可以包括以下步骤：
步骤S121，分别获取最低层级和至少一个中间层级的安全生产指标的重要性评分。
在上述步骤S121中，重要性得分是根据预设的指标重要程度评分标准，分别对最低层级和至少一个中间层级的各个安全生产指标的重要性进行评分得到。
步骤S122，基于最低层级和至少一个中间层级的安全生产指标的重要性得分，分别构建最低层级和至少一个中间层级的指标权重判断矩阵。
步骤S123，分别计算最低层级和至少一个中间层级的指标权重判断矩阵中安全生产指标的权重值。
通过上述步骤S121～S123，对每个层级的安全生产指标进行评分，构建判断矩阵，并通过计算得到构建的判断矩阵中的各个安全生产指标的权重值。
层次分析法的一个重要特点是利用每个安全生产指标与其他安全生产指标间两两重要性程度之比的形式表示出重要性程度等级。在通常的做法中，特定用户可以按照层次分析法的评价尺度为每个层级的安全生产指标通过两两比较，按其重要性程进行评分。
为了便于理解，下表1示例性的示出了传统层次分析法的评价标准的两两比较评分及其含义。
表1传统层次分析法评价标准
根据上述表1中的评价标准，按指定层级的各个安全生产指标分别与其他安全生产指标间的比较的结果构成的矩阵即为判断矩阵。
在本发明实施例中，如果对大量安全生产指标中的每个安全生产指标分别与其他安全生产指标进行比较，由于安全生产指标数量很多，比较的过程持续到比较过程的后期时，繁冗的比较将会对人的正确判断造成较大的影响，从而影响评分结果的科学性和一致性。
在本发明实施例中，为了简化对安全生产指标的重要性评价方法，提高评分结果的科学性和一致性，对指标权重判断矩阵的构建方法做出改进。
具体地，在步骤S121中，根据预设的指标重要程度评分标准直接对指定层级的各个安全生产指标进行重要性评分。
为了便于理解，下表2示例性的示出了根据本发明实施例的层次分析法的评分标准中对各安全生产指标的重要程度定义和对应的评分。表2中的示例不应理解为对层次分析法评分标准的具体限定。
表2层次分析法评分标准
根据上述表2中的示例，根据预设的指标重要程度评分标准对指定层级中各安全生产指标的重要程度分别进行打分，并根据各安全生产指标的重要性得分，构建该层级的指标权重判断矩阵。
作为一个可选实施例，步骤S122中具体可以包括：
步骤S122-1，利用重要性得分，分别计算最低层级和至少一个中间层级的安全生产指标的重要性得分的平均分。
步骤S122-2，基于计算得到的重要性得分的平均分，分别构建最低层级和至少一个中间层级的指标权重判断矩阵，其中，指标权重判断矩阵中矩阵元素的取值为矩阵元素所在列对应的安全生产指标的重要性得分的平均分与该矩阵元素所在行对应的安全生产指标的重要性得分的平均分的平均分比值。
具体地，利用表达式分别构建最低层级和至少一个中间层级的指标权重判断矩阵，其中，Cm为第m层级的指标权重判断矩阵，指标权重判断矩阵元素cij表示第m层级的指标j的重要性得分的平均分与指标i的重要性得分的平均分的平均分比值，n表示第m层级的指标的个数。
为了便于理解，下面通过一个具体的示例来描述指标权重判断矩阵的构建过程。在该示例中，事故后果作为一个层级指标，还包括以下指标例如：D1，生产安全事故死亡人数；D2，火灾事故死亡人数；D3，道路交通死亡人数。
首先，特定用户例如专家或其他指定的评定人员，根据专业知识，按照表2所示的层次分析法评分标准分别对指标D1、D2和D3的重要程度进行打分。作为一个示例，下表3示意性的示出了三个特定用户分别对该层级指标的重要程度进行评分的结果。
表3层级指标重要性得分
| 特定用户 | 指标编号 | 重要性得分 |
| 特定用户1 | D1 | 7 |
| 特定用户1 | D2 | 7 |
| 特定用户1 | D3 | 0 |
| 特定用户2 | D1 | 5 |
| 特定用户2 | D2 | 5 |
| 特定用户2 | D3 | 5 |
| 特定用户3 | D1 | 0 |
| 特定用户3 | D2 | 9 |
| 特定用户3 | D3 | 9 |
如表3所示，指标D1的重要性得分的分值分别为7、5、0；指标D2的重要性得分的分值分别为7、5、9；以及指标D3的重要性得分的分值分别为0、5、9。
其次，通过各个指标的重要性得分之和与参与评分的特定用户数量的比值，计算得到每个指标的重要性得分的平均分。
具体地，指标D1的重要性得分的平均分为4；指标D2的重要性得分的平均分为7；指标D3的重要性得分的平均分为4.667。
接下来，基于计算得到的各个指标的重要性得分的平均分，分别构建最低层级和至少一个中间层级的指标权重判断矩阵。
下表4示意性的示出了根据各指标重要性得分的平均分，利用指标间两两比较的比值构建的指标权重判断矩阵。
表4指标权重判断矩阵的位置点取值
| D1 | D2 | D3 | |
| D1 | 1 | 1.75 | 1.16675 |
| D2 | 0.57143 | 1 | 0.66671 |
| D3 | 0.85708 | 1.49989 | 1 |
在上述表4中，对指标D1、D2、D3的重要性得分的平均值进行两两比较的组合可以形成3×3个位置点：
(D1，D1)、(D1，D2)、(D1，D3)、
(D2，D1)、(D2，D2)、(D2，D3)、
(D3，D1)、(D3，D2)、(D3，D3)。
指标权重判断矩阵中每个位置点上的取值，为该位置点后一个指标的重要性得分的平均分与前一个指标的重要性得分的平均分的比值。
也就是说，指标权重判断矩阵中矩阵元素的取值为矩阵元素所在列对应的指标的重要性得分的平均分与该矩阵元素所在行对应的指标的重要性得分的平均分的比值。
指标权重判断矩阵是各个指标之间的关联度的体现，这个关联度由所有特定用户对所有指标的评分决定。
在本发明实施例中，通过构建的指定层级的指标权重判断矩阵，可以对该层级的各个安全生产指标的权重值进行计算。
下面继续参考上述表4中的指标权重判断矩阵，详细介绍如何计算得到该权重判断矩阵中各个指标的权重值。
下表5示意性示出了根据表4中的指标权重判断矩阵对该矩阵的每一行求和，以及对所有值求和的求和结果。
表5指标权重判断矩阵各行求和以及所有值求和
如表5所示，首先，对该指标权重判断矩阵各位置点的取值进行每一行的求和，第一行各位置点的求和结果是4.4175，第二行各位置点的求和结果是2.23814，第三行各位置点的求和结果是3.35697。
其次，将每一个行各位置点的求和结果进一步进行求和，得到该指标权重判断矩阵中所有位置点的取值的和，即10.01261。
然后，将指标D1的权重值表示为ω1，指标D2的权重值表示为ω2，指标D3的权重值表示为ω3。则ω1的取值为第一行各位置点的求和结果与所有位置点的求和结果的比值，即同理计算得到
在一些实施例中，对于计算得到的权重值，可以进一步进行四舍五入的运算，将权重值精确到小数点的后两位。即该指标权重判断矩阵中D1、D2、D3指标对应的权重值分别为ω1＝0.44，ω2＝0.22，ω3＝0.34。
在实际应用中，通过指标权重判断矩阵对各个指标的权重值进行计算方法有很多，在此不一一例举。
应理解，本发明实施例中的根据构建的指标权重判断矩阵计算指标的权重值的方法，不应理解为对本发明实施例中权重值计算方法的限制。也就是说，在本发明实施例中，根据构建的指标权重判断矩阵计算各安全生产指标权重值的方法可以根据实际的计算需求进行选择。
在一些实施例中，由于生产环境的安全性预测涉及的安全生产指标的数量较多，并且容易受到其他人为因素的影响，导致构建的指标权重判断矩阵可能会出现一致性的问题，为了提高指标权重判断矩阵中数据的准确度，作为可选实施例，步骤S123可以进一步包括以下步骤：
S123-1，分别对最低层级和至少一个中间层级的指标权重判断矩阵进行一致性检验，以确定最低层级和至少一个中间层级的指标权重判断矩阵是否具有一致性。
S123-2，如果最低层级和至少一个中间层级的指标权重判断矩阵具有一致性，则计算最低层级和至少一个中间层级的各个指标的权重值。
在本发明的实施例中，通过对指标权重判断矩阵进行一致性检验，通过检验结果确定构造的指标权重判断矩阵是否可接受，以提高整体分析和预测的结果的正确性和有效性。
如果构造的指标权重判断矩阵能够不能通过一致性检验，则需要对该层级的各安全生产指标的重要性进行重新打分并构造指标权重判断矩阵。
作为可选的实施例，在步骤S130中，最低层级的安全生产指标的历史数据包括正向安全生产指标的历史数据或负向安全生产指标的历史数据，并且步骤S130可以进一步包括如下步骤：
步骤S131，利用预设的离差标准化的方法，对正向安全生产指标的历史数据或负向安全生产指标的历史数据进行标准化处理，得到对应的正向安全生产指标的历史数据的标准化数据或负向安全生产指标的历史数据的标准化数据。
步骤S132，最低层级的安全生产指标为负向安全生产指标时，对负向安全生产指标的历史数据的标准化数据进行正向化处理，得到负向安全生产指标的历史数据的标准正向化数据。
步骤S133，根据正向安全生产指标的历史数据的标准化数据或负向安全生产指标的历史数据的标准正向化数据、最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值，利用预设的公式计算最高层级的指标数据。
在上述步骤S131中，标准化处理也可以称为归一化处理。在本发明实施例中，为了消除采集到的历史数据由于量纲不同、数据大小不同等数据差异对数据分析的影响，提高数据精度，可以对采集到的历史数据进行标准化处理。
离差标准化(Min-Max normalization)，也可以称为Min-Max标准化，是标准化处理的其中一个方法，通过线性变换的方法对采集到的历史数据进行标准化处理，使得标准化处理后的历史数据的值可以落在[0～1]区间。
在通常的离差标准化方法中，离差标准化的转换函数可以用下述公式(1)表示：
在上述公式(1)中，x*表示样本数据x经过离差标准化后得到的数值，max为样本数据的最大值，min为样本数据的最小值。
为了减少对正向指标历史数据或负向指标历史数据进行标准化处理后，出现数值为0的情况，本发明实施例提供了一种改进的离差标准化方法。
具体地，本发明实施例利用下述公式(2)和公式(3)对正向指标历史数据或负向指标历史数据进行标准化处理：
其中，
其中，t为对正向安全生产指标的历史数据进行标准化处理后得到的正向安全生产指标的历史数据的标准化数据，或对负向安全生产指标的历史数据进行标准化处理后得到的负向安全生产指标的历史数据的标准化数据，x为正向安全生产指标的历史数据或负向安全生产指标的历史数据，umin和umax分别为历史数据的样本最小值和历史数据的样本最大值，xmin为历史数据中的最小值，xmax为历史数据中的最大值，k1和k2为常数。
通过上述公式(2)和公式(3)，对最低层级的安全生产指标的历史数据中的正向安全生产指标的历史数据或负向安全生产指标的历史数据进行标准化处理，得到负向安全生产指标的历史数据的标准正向化数据。
作为一个具体的示例，k1可以取值为0.1，k2可以取值为1.1。
通过改进后的离差标准化方法对采集到的样本数据进行标准化处理，可以减少标准化处理后的历史数据的值出现“0”和“1”的数量，使采集到的数据能够得到最大程度的利用，从而使最终的预测和分析结果能够得到更加全面和准确的数据支撑。
在上述步骤S132中，根据预先的设定，安全生产指标可以是正向指标或负向指标。正向指标是向上或向前发展、增长的指标，这些指标值越大评价值就越高；而负向指标则是指标值越小评价值越高，或者指标值越大评价越低。
在一些实施例中，可以对标准化的负向指标历史数据进行正向化处理，得到正向化的负向指标历史数据。
具体地，利用表达式tnegative＝1-t对负向安全生产指标的历史数据的标准化数据进行正向化处理，其中，tnegative为负向安全生产指标的历史数据的正向标准化数据，t为负向安全生产指标的历史数据的标准化数据。
在一些实施例中，对历史数据进行标准化处理之前，可以先对采集到的历史数据的正确性进行验证，以确定采集到的历史数据的有效性和正确性。
具体地，步骤S131可以进一步包括以下步骤：
步骤S131-1，对采集到的最低层级的安全生产指标的历史数据，即正向安全生产指标的历史数据或负向安全生产指标的历史数据进行数据验证。
步骤S131-2，利用预设的离差标准化的方法，对通过数据验证的正向安全生产指标的历史数据或通过数据验证的负向安全生产指标的历史数据进行标准化处理。
在另一些实施例中，对未通过数据验证的正向安全生产指标的历史数据或未通过数据验证的负向安全生产指标的历史数据，需要重新采集对应的历史数据信息。
在一些实施例中，进行生产环境安全性预测的历史数据是依据最低层级的各个安全生产指标以及各个安全生产指标的权重值，从指定的各生产环境中采集而获得。
作为一个具体示例，在对生产环境的安全性进行预警分析时，可以在指定的行政区域范围内，使每个区县都按照最低层级的各个安全生产指标以及各个安全生产指标的权重值填报指标数据。
通过上述实施例中的方法，可以确定生产环境安全性进行预测或分析的各层级指标及其权重，并且在处理好各项指标数据后，可以利用预设的计算公式对生产环境的安全性进行预测。
具体地，在上述步骤S130中，可以根据采集的最低层级的安全生产指标的历史数据、计算得到的最低层级和至少一个中间层级的安全生产指标的权重值，利用预设的公式计算最高层级的指标数据，对生产环境的安全性进行预测。
为了便于理解，以安全生产指标为三级的安全生产指标为例，可以通过下面的公式(4)进行最高层级的指标数据的计算。
在上述公式(4)中，SPI表示安全生产指数，即最高层级指标，Inc表示安全生产事故指数、IR表示固有风险指数、SafetySup表示安全监管指数，Inc、IR和SafetySup表示中间层级，即二级指标。
并且其中，αj是二级指标即安全生产事故指数的权重，βj是二级指标即固有风险指数的权重，γj是二级指标安全监管指数的权重；m是对应二级指标的个数；ωi是对应的二级标下每个三级指标的权重；n是对应的二级指标下的三级指标的个数，nor[]对计算得到的最高层级的指标数据进一步进行标准化处理的过程。
也就是说，在本发明实施例中，可以通过对计算得到的最高层级的指标数据进一步进行标准化处理，以提高数据的精度。
计算得到的最高层级的指标数据即为对生产环境进行安全性预测的安全生产指标数据。
在该实施例中，如果安全生产的指标体系为三层以上，即安全生产指标包括不止一个中间层级，则可以根据计算得到的当前层的指数值和向上一层的各安全生产指标的权重，对该向上一层各安全生产指标的指数计算，如此层层向上进行推导计算，最终得到最高层级指标的安全指数。
综上所述，在本发明实施例中，提供了一种生产环境安全性预测方法，利用改进的层次分析法对生产环境的层级指标构造判断矩阵，计算各个安全生产指标的权重值，并基于采集到的历史数据，层层递进向上地推算出最高层级的安全生产指数，以对生产环境的安全性进行预测。
下面结合图3至图5详细描述本发明实施例的生产环境安全性预测装置。
图3示出了根据本发明一个实施例的生产环境安全性预测装置的结构示意图。如图3所示，本发明实施例的生产环境安全性预测装置200包括：
指标获取模块210，用于获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，多个层级至少包括最低层级、至少一个中间层级和最高层级。
权重计算模块220，用于利用层次分析法，根据预设的指标重要程度评分标准、最低层级的安全生产指标和至少一个中间层级的安全生产指标，分别计算最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值。
指标数据计算模块230，用于根据采集的最低层级的安全生产指标的历史数据、计算得到的最低层级的安全生产指标的权重值和至少一个中间层级的安全生产指标的权重值，利用预设的公式计算最高层级的指标数据，以对生产环境的安全性进行预测。
根据本发明实施例提供的生产环境安全性预测装置，获取安全生产环境的层级指标，计算得到每个层级的各个安全生产指标的权重，并结合采集到的历史的基础数据，计算得到最高层级的指标数据，以对生产环境的安全性进行预测。
图4是示出了图3中权重计算模块的具体的结构示意图。如图4所示，在一些实施例中，权重计算模块220还可以包括：
重要性得分获取单元221，用于分别获取最低层级和至少一个中间层级的安全生产指标的重要性评分。
判断矩阵构造单元222，用于基于最低层级和至少一个中间层级的安全生产指标的重要性得分，分别构建最低层级和至少一个中间层级的指标权重判断矩阵。
权重值计算单元223，用于分别计算最低层级和至少一个中间层级的指标权重判断矩阵中安全生产指标的权重值。
作为可选的实施例，判断矩阵构造单元222具体用于：利用重要性得分，分别计算最低层级和至少一个中间层级的安全生产指标的重要性得分的平均分；基于计算得到的重要性得分的平均分，分别构建最低层级和至少一个中间层级的指标权重判断矩阵，其中，指标权重判断矩阵中矩阵元素的取值为矩阵元素所在列对应的指标的重要性得分的平均分与该矩阵元素所在行对应的指标的重要性得分的平均分的比值。
具体地，利用表达式分别构建最低层级和至少一个中间层级的指标权重判断矩阵，其中，Cm为第m层级的指标权重判断矩阵，指标权重判断矩阵元素cij表示第m层级的指标j的重要性得分的平均分与指标i的重要性得分的平均分的比值，n表示第m层级的指标的个数。
在一些实施例中，权重计算模块220还可以包括：
一致性检验单元，分别对最低层级和至少一个中间层级的指标权重判断矩阵进行一致性检验，以确定最低层级和至少一个中间层级的指标权重判断矩阵是否具有一致性。
权重值计算单元还用于如果最低层级和至少一个中间层级的指标权重判断矩阵具有一致性，则计算最低层级和至少一个中间层级的各个指标的权重值。
通过一致性检验，以确定最低层级和至少一个中间层级的指标权重判断矩阵是否具有一致性，通过对指标权重判断矩阵是否可接受进行一致性检验，以提高整体分析和预测的结果的正确性和有效性。
图5示出了本发明另一实施例的生产环境安全性预测装置的结构示意图。图5与图3相同的模块或单元使用相同的编号，如图5所示，生产环境安全性预测装置300基本相同于图3所示的生产环境安全性预测装置200，不同之处在于，生产环境安全性预测装置300还可以包括：
标准化处理模块240，用于利用预设的离差标准化的方法，对正向安全生产指标的历史数据或负向安全生产指标的历史数据进行标准化处理，得到对应的正向安全生产指标的历史数据的标准化数据或负向安全生产指标的历史数据的标准化数据。
负向指标处理模块250，用于最低层级的安全生产指标为负向安全生产指标时，对负向安全生产指标的历史数据的标准化数据进行正向化处理，得到负向安全生产指标的历史数据的标准正向化数据。
指标数据计算模块230还被用于根据正向安全生产指标的历史数据的标准化数据或负向安全生产指标的历史数据的标准正向化数据、最低层级和至少一个中间层级的安全生产指标的权重值，利用预设的公式计算最高层级的指标数据，对生产环境的安全性进行预测。
作为可选实施例，标准化处理模块240具体用于利用表达式对正向安全生产指标的历史数据或负向安全生产指标的历史数据进行标准化处理，得到正向安全生产指标的历史数据的标准化数据或负向安全生产指标的历史数据的标准化数据，其中，
umin＝xmin-k1|xmin|，umax＝k2xmax，0<k1<1，1<k2<2，并且其中，t为对正向安全生产指标的历史数据进行标准化处理后得到的正向安全生产指标的历史数据的标准化数据，或对负向安全生产指标的历史数据进行标准化处理后得到的负向安全生产指标的历史数据的标准化数据，x为正向安全生产指标的历史数据或负向安全生产指标的历史数据，umin和umax分别为历史数据的样本最小值和历史数据的样本最大值，xmin为历史数据中的最小值，xmax为历史数据中的最大值，k1和k2为常数。
在该实施例中，通过标准化处理，可以消除因采集的基础数据的数据差异对数据分析的影响，从而提高数据精度。
作为可选实施例，负向指标处理模块250具体用于利用表达式tnegative＝1-t对负向安全生产指标的历史数据的标准化数据进行正向化处理，其中，tnegative为负向安全生产指标的历史数据的正向标准化数据，t为负向安全生产指标的历史数据的标准化数据。
在一些实施例中，生产环境安全性预测装置300还可以包括历史数据验证模块，用于对采集到的最低层级的安全生产指标的历史数据，即正向安全生产指标的历史数据或负向安全生产指标的历史数据进行数据验证。
标准化处理模块240还用于利用预设的离差标准化的方法，对通过数据验证的正向安全生产指标的历史数据或通过数据验证的负向安全生产指标的历史数据进行标准化处理。
通过对采集到的历史数据的正确性进行验证，以确保采集到的历史数据的有效和正确。
在本发明实施例中，历史数据可以根据最低层级的各个安全生产指标、各个安全生产指标的权重值，从指定的各生产环境中采集而获得。
根据本发明实施例的生产环境安全性预测装置的其他细节和以上描述的根据本发明实施例的方法类似，在此不再赘述。
结合图1至图5描述的根据本发明实施例的生产环境安全性预测的方法和装置可以由本发明实施例的生产环境安全性预测系统来实现。图6是示出能够实现根据本发明实施例的对生产环境进行安全性预测的方法和装置的生产环境安全性预测系统的示例性硬件架构的结构图。如图6所示，生产环境安全性预测系统600包括输入设备601、输入接口602、中央处理器603、存储器604、输出接口605、以及输出设备606。其中，输入接口602、中央处理器603、存储器604、以及输出接口605通过总线610相互连接，输入设备601和输出设备606分别通过输入接口602和输出接口605与总线610连接，进而与生产环境安全性预测系统600的其他组件连接。具体地，输入设备601接收来自外部的输入信息，并通过输入接口602将输入信息传送到中央处理器603；中央处理器603基于存储器604中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器604中，然后通过输出接口605将输出信息传送到输出设备606(例如，显示器等)；输出设备606将输出信息输出到生产环境安全性预测系统600的外部供用户使用。
也就是说，图6所示的生产环境安全性预测系统可以被实现为包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1至图5描述的对生产环境安全性预测的方法和装置。这里，处理器可以与获取各个安全生产指标的外部设备进行通信，从而基于来自外部设备的相关信息执行计算机可执行指令，从而实现结合图1至图5描述的生产环境安全性预测的方法和装置。
在一个实施例中，图6所示的对生产环境安全性预测系统600可以被实现为包括：存储器，用于存储程序；处理器，用于运行存储器中存储的程序，以执行以下步骤：获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，多个层级至少包括最低层级、至少一个中间层级和最高层级；利用层次分析法，根据预设的指标重要程度评分标准、最低层级和至少一个中间层级的安全生产指标，分别计算最低层级和至少一个中间层级的安全生产指标的权重值；根据采集的最低层级的安全生产指标的历史数据、计算得到的最低层级和至少一个中间层级的安全生产指标的权重值，利用预设的公式计算最高层级的指标数据，对生产环境的安全性进行预测；显示器，用于对计算得到的最高层级的指标数据进行显示。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种生产环境安全性预测方法，其特征在于，所述预测方法包括：
获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；
利用层次分析法，根据预设的指标重要程度评分标准、所述最低层级的安全生产指标和所述至少一个中间层级的安全生产指标，分别计算所述最低层级的安全生产指标的权重值和所述至少一个中间层级的安全生产指标的权重值；
根据采集的所述最低层级的安全生产指标的历史数据、计算得到的所述最低层级的安全生产指标的权重值和所述至少一个中间层级的安全生产指标的权重值，利用预设的公式计算所述最高层级的指标数据，对生产环境的安全性进行预测。
2.根据权利要求1所述的预测方法，其特征在于，所述利用层次分析法，根据预设的指标重要程度评分标准、所述最低层级的安全生产指标和所述至少一个中间层级的安全生产指标，分别计算所述最低层级的安全生产指标的权重值和所述至少一个中间层级的安全生产指标的权重值，包括：
分别获取所述最低层级和所述至少一个中间层级的安全生产指标的重要性评分；
基于所述最低层级和所述至少一个中间层级的安全生产指标的重要性得分，分别构建所述最低层级和所述至少一个中间层级的指标权重判断矩阵；
分别计算所述最低层级和所述至少一个中间层级的指标权重判断矩阵中安全生产指标的权重值。
3.根据权利要求2所述的预测方法，其特征在于，所述基于所述最低层级和所述至少一个中间层级的安全生产指标的重要性得分，分别构建所述最低层级和所述至少一个中间层级的指标权重判断矩阵，包括：
利用所述最低层级和所述至少一个中间层级的安全生产指标的重要性得分，分别计算所述最低层级和所述至少一个中间层级的安全生产指标的重要性得分的平均分；
基于计算得到的重要性得分的平均分，分别构建所述最低层级和所述至少一个中间层级的指标权重判断矩阵，其中，所述指标权重判断矩阵中矩阵元素的取值为所述矩阵元素所在列对应的安全生产指标的重要性得分的平均分与该矩阵元素所在行对应的安全生产指标的重要性得分的平均分的平均分比值。
4.根据权利要求1所述的预测方法，其特征在于，所述最低层级的安全生产指标的历史数据包括正向安全生产指标的历史数据或负向安全生产指标的历史数据；
所述根据采集的所述最低层级的安全生产指标的历史数据、计算得到的所述最低层级和所述至少一个中间层级的安全生产指标的权重值，利用预设的公式计算所述最高层级的指标数据，包括：
利用预设的离差标准化的方法，对所述正向安全生产指标的历史数据或所述负向安全生产指标的历史数据进行标准化处理，得到对应的正向安全生产指标的历史数据的标准化数据或负向安全生产指标的历史数据的标准化数据；
所述最低层级的安全生产指标为负向安全生产指标时，对所述负向安全生产指标的历史数据的标准化数据进行正向化处理，得到负向安全生产指标的历史数据的标准正向化数据；
根据所述正向安全生产指标的历史数据的标准化数据或所述负向安全生产指标的历史数据的标准正向化数据、所述最低层级的安全生产指标的权重值和所述至少一个中间层级的安全生产指标的权重值，利用预设的公式计算所述最高层级的指标数据。
5.根据权利要求4所述的预测方法，其特征在于，所述利用预设的离差标准化的方法，对所述正向安全生产指标的历史数据或所述负向安全生产指标的历史数据进行标准化处理，得到对应的正向安全生产指标的历史数据的标准化数据或负向安全生产指标的历史数据的标准化数据，包括：
利用表达式对所述正向安全生产指标的历史数据或所述负向安全生产指标的历史数据进行标准化处理，其中，
umin＝xmin-k1|xmin|，umax＝k2xmax，0<k1<1，1<k2<2，并且其中，x为所述正向安全生产指标的历史数据或所述负向安全生产指标的历史数据，xmin为所述历史数据中的最小值，xmax为所述历史数据中的最大值，k1和k2为常数，umin和umax分别为计算得到的所述历史数据的样本最小值和所述历史数据的样本最大值。
6.一种生产环境安全性预测装置，其特征在于，所述预测装置包括：
指标获取模块，用于获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；
权重计算模块，用于利用层次分析法，根据预设的指标重要程度评分标准、所述最低层级的安全生产指标和所述至少一个中间层级的安全生产指标，分别计算所述最低层级的安全生产指标的权重值和所述至少一个中间层级的安全生产指标的权重值；
指标数据计算模块，用于根据采集的所述最低层级的安全生产指标的历史数据、计算得到的所述最低层级的安全生产指标的权重值和所述至少一个中间层级的安全生产指标的权重值，利用预设的公式计算所述最高层级的指标数据，对生产环境的安全性进行预测。
7.根据权利要求6所述的预测装置，其特征在于，所述权重计算模块包括：
重要性得分获取单元，用于分别获取所述最低层级和所述至少一个中间层级的安全生产指标的重要性评分；
判断矩阵构造单元，用于基于所述最低层级和所述至少一个中间层级的安全生产指标的重要性得分，分别构建所述最低层级和所述至少一个中间层级的指标权重判断矩阵；
权重值计算单元，用于分别计算所述最低层级和所述至少一个中间层级的指标权重判断矩阵中安全生产指标的权重值。
8.根据权利要求7所述的预测装置，其特征在于，所述判断矩阵构造单元具体用于：
利用所述最低层级和所述至少一个中间层级的安全生产指标的重要性得分，分别计算所述最低层级和所述至少一个中间层级的安全生产指标的重要性得分的平均分；
基于计算得到的重要性得分的平均分，分别构建所述最低层级和所述至少一个中间层级的指标权重判断矩阵，其中，所述指标权重判断矩阵中矩阵元素的取值为所述矩阵元素所在列对应的安全生产指标的重要性得分的平均分与该矩阵元素所在行对应的安全生产指标的重要性得分的平均分的平均分比值。
9.根据权利要求8所述的预测装置，其特征在于，所述最低层级的安全生产指标的历史数据包括为正向安全生产指标的历史数据或负向安全生产指标的历史数据，所述指标数据计算模块还包括：
标准化处理模块，用于利用预设的离差标准化的方法，对所述正向安全生产指标的历史数据或所述负向安全生产指标的历史数据进行标准化处理，得到对应的正向安全生产指标的历史数据的标准化数据或负向安全生产指标的历史数据的标准化数据；
负向指标处理模块，用于所述最低层级的安全生产指标为负向安全生产指标时，对所述负向安全生产指标的历史数据的标准化数据进行正向化处理，得到负向安全生产指标的历史数据的标准正向化数据；
所述指标数据计算模块还被用于根据所述正向安全生产指标的历史数据的标准化数据或所述负向安全生产指标的历史数据的标准正向化数据、所述最低层级的安全生产指标的权重值和所述至少一个中间层级的安全生产指标的权重值，利用预设的公式计算所述最高层级的指标数据。
10.一种生产环境安全性预测系统，其特征在于，所述预测系统包括：
存储器，用于存储程序；
处理器，用于运行所述存储器中存储的所述程序，以执行以下步骤：
获取影响安全生产环境的指标体系的多个层级以及每个层级的安全生产指标，所述多个层级至少包括最低层级、至少一个中间层级和最高层级；
利用层次分析法，根据预设的指标重要程度评分标准、所述最低层级的安全生产指标和所述至少一个中间层级的安全生产指标，分别计算所述最低层级的安全生产指标的权重值和所述至少一个中间层级的安全生产指标的权重值；
根据采集的所述最低层级的安全生产指标的历史数据、计算得到的所述最低层级的安全生产指标的权重值和所述至少一个中间层级的安全生产指标的权重值，利用预设的公式计算所述最高层级的指标数据，对生产环境的安全性进行预测；
显示器，用于对计算得到的最高层级的指标数据进行显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710161446.6A CN107145995A (zh) | 2017-03-17 | 2017-03-17 | 生产环境安全性预测方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710161446.6A CN107145995A (zh) | 2017-03-17 | 2017-03-17 | 生产环境安全性预测方法、装置和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107145995A true CN107145995A (zh) | 2017-09-08 |
Family
ID=59783439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710161446.6A Pending CN107145995A (zh) | 2017-03-17 | 2017-03-17 | 生产环境安全性预测方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107145995A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109064023A (zh) * | 2018-08-02 | 2018-12-21 | 锐思达(广州)信息科技有限公司 | 一种人力效能管理系统的方法和装置 |
| CN109933501A (zh) * | 2017-12-15 | 2019-06-25 | 中国移动通信集团浙江有限公司 | 一种应用系统的容量评估方法及装置 |
| CN110706754A (zh) * | 2018-07-09 | 2020-01-17 | 水中银(国际)生物科技有限公司 | 用于确定产品的安全指数的计算系统和方法 |
| CN114861939A (zh) * | 2022-07-07 | 2022-08-05 | 浙江邦业科技股份有限公司 | 一种基于ahp模型自学习的能耗分析方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105677925A (zh) * | 2016-03-30 | 2016-06-15 | 北京京东尚科信息技术有限公司 | 数据库用户数据处理方法和装置 |
| CN105678446A (zh) * | 2015-12-31 | 2016-06-15 | 浙江图讯科技股份有限公司 | 一种用于企业安全生产风险预警的方法 |
| CN106203534A (zh) * | 2016-07-26 | 2016-12-07 | 南京航空航天大学 | 一种基于Boosting的代价敏感软件缺陷预测方法 |
| CN106485418A (zh) * | 2016-10-18 | 2017-03-08 | 成都鼎安华物联网工程应用有限公司 | 一种风险分析方法及系统 |
-
2017
- 2017-03-17 CN CN201710161446.6A patent/CN107145995A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678446A (zh) * | 2015-12-31 | 2016-06-15 | 浙江图讯科技股份有限公司 | 一种用于企业安全生产风险预警的方法 |
| CN105677925A (zh) * | 2016-03-30 | 2016-06-15 | 北京京东尚科信息技术有限公司 | 数据库用户数据处理方法和装置 |
| CN106203534A (zh) * | 2016-07-26 | 2016-12-07 | 南京航空航天大学 | 一种基于Boosting的代价敏感软件缺陷预测方法 |
| CN106485418A (zh) * | 2016-10-18 | 2017-03-08 | 成都鼎安华物联网工程应用有限公司 | 一种风险分析方法及系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109933501A (zh) * | 2017-12-15 | 2019-06-25 | 中国移动通信集团浙江有限公司 | 一种应用系统的容量评估方法及装置 |
| CN109933501B (zh) * | 2017-12-15 | 2022-08-23 | 中国移动通信集团浙江有限公司 | 一种应用系统的容量评估方法及装置 |
| CN110706754A (zh) * | 2018-07-09 | 2020-01-17 | 水中银(国际)生物科技有限公司 | 用于确定产品的安全指数的计算系统和方法 |
| CN109064023A (zh) * | 2018-08-02 | 2018-12-21 | 锐思达(广州)信息科技有限公司 | 一种人力效能管理系统的方法和装置 |
| CN109064023B (zh) * | 2018-08-02 | 2022-04-05 | 锐思达(广州)信息科技有限公司 | 一种人力效能管理系统的方法和装置 |
| CN114861939A (zh) * | 2022-07-07 | 2022-08-05 | 浙江邦业科技股份有限公司 | 一种基于ahp模型自学习的能耗分析方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Barak et al. | A novel hybrid fuzzy DEA-Fuzzy MADM method for airlines safety evaluation | |
| Zamarrón-Mieza et al. | A systematic review of application of multi-criteria decision analysis for aging-dam management | |
| Chen | A comparative analysis of score functions for multiple criteria decision making in intuitionistic fuzzy settings | |
| Sheu | Dynamic relief-demand management for emergency logistics operations under large-scale disasters | |
| CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
| CN105574685A (zh) | 一种基于主客观结合的云服务评价方法 | |
| CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
| CN107145995A (zh) | 生产环境安全性预测方法、装置和系统 | |
| CN107256445B (zh) | 生产环境安全性的分析方法、装置和系统 | |
| Li et al. | Real-time warning and risk assessment of tailings dam disaster status based on dynamic hierarchy-grey relation analysis | |
| CN111882198A (zh) | 一种项目绩效评价方法及系统 | |
| CN115018384A (zh) | 一种建筑工地安全风险评估方法及系统 | |
| Majidipour et al. | Index-based groundwater sustainability assessment in the socio-economic context: a case study in the Western Iran | |
| CN114881490A (zh) | 一种变电站绿色施工评价方法及系统 | |
| CN108805471A (zh) | 基于复合系统作用关系分析的水资源承载能力评价方法 | |
| CN115063056A (zh) | 基于图拓扑分析改进的建造行为安全风险动态分析方法 | |
| Koc | Role of national conditions in occupational fatal accidents in the construction industry using interpretable machine learning approach | |
| CN113642914A (zh) | 粉末静电喷涂企业粉尘爆炸风险评估方法及系统 | |
| CN107239907B (zh) | 城镇综合承灾能力的评估方法、装置和系统 | |
| CN115907719A (zh) | 充电站分级运维管理方法及装置 | |
| CN107368941A (zh) | 一种湿地生态系统服务价值大数据评估方法及装置 | |
| Tavakoli et al. | Risk assessment of medical devices used for COVID-19 patients based on a Markovian-based weighted failure mode effects analysis (WFMEA) | |
| Lin et al. | Analysis and prediction of overloaded extra-heavy vehicles for highway safety using machine learning | |
| CN114169794A (zh) | 污染可能性的评估方法、装置、计算机设备和存储介质 | |
| CN112163964A (zh) | 风险预测方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170908 |