CN107657369A - 一种基于智能事件分类进行防汛应急响应识别的方法 - Google Patents
一种基于智能事件分类进行防汛应急响应识别的方法 Download PDFInfo
- Publication number
- CN107657369A CN107657369A CN201710865453.4A CN201710865453A CN107657369A CN 107657369 A CN107657369 A CN 107657369A CN 201710865453 A CN201710865453 A CN 201710865453A CN 107657369 A CN107657369 A CN 107657369A
- Authority
- CN
- China
- Prior art keywords
- emergency response
- flood control
- identification
- carries out
- instruction
- 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
- 230000004044 response Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000013139 quantization Methods 0.000 claims abstract description 5
- 238000007619 statistical method Methods 0.000 claims abstract description 4
- 230000001960 triggered effect Effects 0.000 claims abstract 2
- 238000005070 sampling Methods 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 230000000644 propagated effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000012545 processing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012776 electronic material Substances 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于智能事件分类进行防汛应急响应识别的方法，其包括以下步骤：步骤S1：按照预案应急响应条件要求，在系统内对防汛、防风、防旱各类不同的应急响应预警自动生成的指标进行量化设置，并设定好参数条件；当触发响应条件的时候，自动对应急响应预警进行研判；步骤S2：基于预案及相关工作手册要求，对应急响应措施进行按部门、按时间、按级别的结构化管理，在预警等级生成时候，通过指令识别技术，快速分类识别响应的措施；步骤S3：形成历史档案库，根据应急响应反馈情况进行统计分析、评价，对应急响应指令调度的效率、准确性进行评价分析，生成结果，不断迭代加强指令识别能力。不断训练学习进行指令的特征提取，提高应急响应效率。
Description
技术领域
本发明属于防汛水利领域，具体涉及一种基于智能事件分类进行防汛应急响应识别的方法。
背景技术
近年来，政府投入了大量的人力物力来减少洪涝灾害带来的人民生命财产损失，相关部门主要通过建设雨水情监测系统、洪水预报模型、雨洪分析和灾后评估系统实现防洪信息监管与调度。但是，由于防汛工作点多、面广，涉及部门较多，且防汛单位人员有限，任务十分繁重，特别地，基层防汛职能单位信息化水平相对较弱，有时对防汛应急事件应对不及时、不到位，影响了防汛减灾工作有效开展。
现有的应急响应指令识别的流程一般如图1所示。
系统汇集站点、互联网数据进行展示，对于超阈值站点进行预警提醒，人工根据经验判断启动预警响应等级及相关部署工作，再编辑通调度指令通过传真、短信的方式通知相关责任人。传统的防汛应急响应的识别主要还是通过人工判断，进行分类分发，这种方式需要消耗大量的人力、时间，对防汛应急响应的指挥调度的效果远达不到智能化、信息化的要求。
防汛指令作为防汛指挥决策信息处理的关键点，需要对其进行挖掘研究，以提高防汛指挥调度工作的效率。本发明提供基于卷积神经网络的防汛调度指令认知方法，通过卷积神经网络层处理防汛指令进行特征提取，加强防汛指令数据之间的关系，使得防汛指令快速分类传达，从而提高应急响应水平。
现有的防汛应急响应指令识别存在以下不足：
1、在防汛应急指挥调度时候，多采取人工经验判断进行应急响应部署。通过本方法可以智能进行指令分类识别，分析识别类似应急事件，自动提示应采取的应急响应措施。
2、在防汛调度指令上传下达时，需要工作人员进行指令内容的编辑、分类、选择人员进行发送，消耗大量时间人力。本发明可以识别指令并进行分类分发。
3、现有的应急响应指挥调度后文档资料多采用纸质封装保存，即使是电子材料也暂未形成经验积累，无法为不断的迭代改进预警方法提供基础支撑。本发明对事件形成的数据信息形成档案库管理，深入挖掘，优化防汛应急响应识别方法。
发明内容
本发明的目的是提供一种基于智能事件分类进行防汛应急响应识别的方法，采用卷积神经网络方法不断训练学习进行指令的特征提取，在事件发生时，分析识别类似应急事件，进行事件分类，并自动提示应采取的应急响应措施，从而提高应急响应效率。
本发明采用以下技术方案：一种基于智能事件分类进行防汛应急响应识别的方法，其特征在于：包括以下步骤：步骤S1：按照预案应急响应条件要求，在系统内对防汛、防风、防旱各类不同的应急响应预警自动生成的指标进行量化设置，并设定好参数条件；当触发响应条件的时候，自动对应急响应预警进行研判；步骤S2：基于预案及相关工作手册要求，对应急响应措施进行按部门、按时间、按级别的结构化管理，在预警等级生成时候，通过指令识别技术，快速分类识别响应的措施；步骤S3：统计应急响应预警启动、响应、部署、反馈，形成历史档案库，根据应急响应反馈情况进行统计分析、评价，对应急响应指令调度的效率、准确性进行评价分析，生成结果，不断迭代加强指令识别能力。
在本发明一实施例中，步骤S2中指令识别技术采用卷积神经网络指令识别，具体包括以下步骤：构建指令识别的数据库，利用事件档案库、应急响应措施的数据制作指令识别的训练数据集；其次将数据集输入到全连接层进行训练，然后对全连接层参数不断进行调整，使其达到一定的识别准确率，并输出指令；最后针对计算实际输出与期望输出进行做差分析，反向调整权值矩阵。
进一步的，数据训练学习过程包括前向传播和反向传播过程，具体包括以下步骤：步骤S21：指令输入以后，首先要对所有层上的神经元进行初始化操作；步骤S22:卷积和抽样实现指令文本特征的提取和映射，特征提取完成后将提取到的特征前向反馈到Ship-gram模型；步骤S23：通过对数据信息的变换和计算，将结果反馈到输出层；输出层进行进一步计算，得到测试的结果，将测试的结果与预期的结果进行对比，如果相符合，则输出分类的结果；如果测试结果与预期结果不符合则需要将权值和偏差反向的传播回去，进入步骤S24；步骤S24：从输出层依次向后传递到全连接层和卷积抽样层，直到每一个层都得到了自己的梯度；然后进行权值更新的操作，开始新一轮的训练过程，直至得到最优的神经网络，将历史洪水数据从雨量维度进行量化，根据实测雨量数据跟历史量化的雨量数据进行相似分析，系统通过指令识别智能找出相似防汛应急事件，自动提示应采取的应急响应措施。
进一步的，步骤S22中卷积和抽样采用多个卷积和抽样过程。
与现有技术相比，本发明主要的优势有：
1、相比于传统的定性人工经验判断的模式，通过本发明，在考虑多因素情况下，定量地对应急响应工作部署的措施进行分析研判，帮助决策者更好地、更快地开展工作。
2、传统方式，仅能简单地考虑对事件进行存档处理，未充分考虑其对未来工作开展的影响价值，本发明从历史经验中结合实际降雨等情况，分析相似事件，提醒采取响应措施，使得指挥决策更加有效，更具有实际意义。
附图说明
图1为现有技术的主要流程示意图。
图2为本发明一实施例Skip-gram模型的指令训练流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步解释说明。
本发明提供一种基于智能事件分类进行防汛应急响应识别的方法，具体包括以下步骤：
步骤S1：应急响应条件管理：按照预案应急响应条件要求，在系统内对防汛、防风、防旱各类不同的应急响应预警自动生成的指标进行量化设置，并设定好参数条件。当触发响应条件的时候，自动对应急响应预警进行研判。
步骤S2：应急响应措施结构化管理：基于预案及相关工作手册要求，对应急响应措施进行按部门、按时间、按级别的结构化管理，在预警等级生成时候，可以通过指令识别技术，快速分类识别响应的措施。
在本发明一实施例中，指令识别技术将卷积神经网络对文本处理的方法运用到防汛指令的处理识别，可加快防汛指令的快速分类，提高指令传递效率。
具体包括以下步骤：首先构建指令识别的数据库，利用事件档案库、应急响应措施的数据制作指令识别的训练数据集；其次将数据集输入到全连接层进行训练，然后对全连接层参数不断进行调整，使其有较好的识别准确率，并输出指令；最后针对计算实际输出与期望输出进行做差分析，反向调整权值矩阵。
训练学习过程包括前向传播和反向传播过程。前向传播主要是前向的特征提取，分类计算。反向传播就是误差的反向反馈和权值的更新计算。指令输入以后，首先要对所有层上的神经元进行初始化操作。卷积和抽样实现指令文本特征的提取和映射，这里可以采用多个卷积和抽样过程。多层的提取过程能够从指令文本中提取到有用的信息。特征提取完成后将提取到的特征前向反馈到Ship-gram模型。通过对数据信息的变换和计算，将结果反馈到输出层。输出层再进行一些计算，得到了测试的结果。将测试的结果与预期的结果进行对比，如果相符合，则输出分类的结果。
如果测试结果与预期结果不符合则需要将权值和偏差反向的传播回去。从输出层依次向后传递到全连接层和卷积抽样层。直到每一个层都得到了自己的梯度。然后进行权值更新的操作，开始新一轮的训练过程，直至得到最优的神经网络。将历史洪水数据从雨量维度进行量化，根据实测雨量数据跟历史量化的雨量数据进行相似分析，系统通过指令识别智能找出相似防汛应急事件，自动提示应采取的应急响应措施。
Skip-gram模型首先对指令以及它的上下文环境建立一个数据集，把上下文的词向量依次作为输入，然后预测中心词。主要流程示意图参见图2。
步骤S3：事件档案库管理：统计应急响应预警启动、响应、部署、反馈等情况，形成历史档案库，根据应急响应反馈情况进行统计分析、评价，对应急响应指令调度的效率、准确性进行评价分析，生成结果，不断迭代加强指令识别能力。
本发明根据本专利方法建设的系统平台主要模块有应急响应条件管理、应急响应措施结构化管理、卷积神经网络指令识别、事件档案库管理。应急条件管理实现了防汛、防风、防旱预警指标的量化设置，为应急响应调度提供基础支撑。应急响应措施结构化管理实现了依据预案、工作部署要求，将各部门、责任人的职责结构化分解，生成不同的模板短文，提高指令识别的效率。卷积神经网络指令识别，通过Skip-gram模型，从大量的防汛调度指令学习训练中得到高质量的词组向量，获取词语相似的指令，加快防汛指令的快速分类传达。事件档案库管理，统计应急响应预警启动、响应、部署、反馈等情况，形成历史档案库，并对应急响应指令调度的效率、准确性进行评价分析，生成结果，不断迭代加强指令识别能力。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (4)
1.一种基于智能事件分类进行防汛应急响应识别的方法，其特征在于：包括以下步骤：
步骤S1：按照预案应急响应条件要求，在系统内对防汛、防风、防旱各类不同的应急响应预警自动生成的指标进行量化设置，并设定好参数条件；当触发响应条件的时候，自动对应急响应预警进行研判；
步骤S2：基于预案及相关工作手册要求，对应急响应措施进行按部门、按时间、按级别的结构化管理，在预警等级生成时候，通过指令识别技术，快速分类识别响应的措施；
步骤S3：统计应急响应预警启动、响应、部署、反馈，形成历史档案库，根据应急响应反馈情况进行统计分析、评价，对应急响应指令调度的效率、准确性进行评价分析，生成结果，不断迭代加强指令识别能力。
2.根据权利要求1所述的基于智能事件分类进行防汛应急响应识别的方法，其特征在于：步骤S2中指令识别技术采用卷积神经网络指令识别，具体包括以下步骤：构建指令识别的数据库，利用事件档案库、应急响应措施的数据制作指令识别的训练数据集；其次将数据集输入到全连接层进行训练，然后对全连接层参数不断进行调整，使其达到一定的识别准确率，并输出指令；最后针对计算实际输出与期望输出进行做差分析，反向调整权值矩阵。
3.根据权利要求2所述的基于智能事件分类进行防汛应急响应识别的方法，其特征在于：
数据训练学习过程包括前向传播和反向传播过程，具体包括以下步骤：
步骤S21：指令输入以后，首先要对所有层上的神经元进行初始化操作；
步骤S22:卷积和抽样实现指令文本特征的提取和映射，特征提取完成后将提取到的特征前向反馈到Ship-gram模型；
步骤S23：通过对数据信息的变换和计算，将结果反馈到输出层；输出层进行进一步计算，得到测试的结果，将测试的结果与预期的结果进行对比，如果相符合，则输出分类的结果；如果测试结果与预期结果不符合则需要将权值和偏差反向的传播回去，进入步骤S24；
步骤S24：从输出层依次向后传递到全连接层和卷积抽样层，直到每一个层都得到了自己的梯度；然后进行权值更新的操作，开始新一轮的训练过程，直至得到最优的神经网络，将历史洪水数据从雨量维度进行量化，根据实测雨量数据跟历史量化的雨量数据进行相似分析，系统通过指令识别智能找出相似防汛应急事件，自动提示应采取的应急响应措施。
4.根据权利要求3所述的基于智能事件分类进行防汛应急响应识别的方法，其特征在于：步骤S22中卷积和抽样采用多个卷积和抽样过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710865453.4A CN107657369A (zh) | 2017-09-22 | 2017-09-22 | 一种基于智能事件分类进行防汛应急响应识别的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710865453.4A CN107657369A (zh) | 2017-09-22 | 2017-09-22 | 一种基于智能事件分类进行防汛应急响应识别的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107657369A true CN107657369A (zh) | 2018-02-02 |
Family
ID=61131153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710865453.4A Pending CN107657369A (zh) | 2017-09-22 | 2017-09-22 | 一种基于智能事件分类进行防汛应急响应识别的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107657369A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109325116A (zh) * | 2018-08-23 | 2019-02-12 | 武大吉奥信息技术有限公司 | 一种基于深度学习的城市事件自动分类派发方法及装置 |
| CN110322097A (zh) * | 2019-03-18 | 2019-10-11 | 特斯联（北京）科技有限公司 | 一种基于深度学习的城市防汛方法及系统 |
| CN110348806A (zh) * | 2019-06-26 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 应对突发事件的方法和装置 |
| CN110457446A (zh) * | 2018-05-07 | 2019-11-15 | 中国石油化工股份有限公司 | 基于案例推理的化学品事故应急咨询自动响应方法 |
| CN112258367A (zh) * | 2020-11-13 | 2021-01-22 | 珠海大横琴科技发展有限公司 | 一种监控处理方法和装置 |
| CN112396327A (zh) * | 2020-11-20 | 2021-02-23 | 城云科技（中国）有限公司 | 一种基于区块链的防汛防台指挥调度方法、系统及服务端 |
| CN113095422A (zh) * | 2021-04-21 | 2021-07-09 | 广东电网有限责任公司 | 一种实现自动程式化下令的方法及装置 |
| CN117455268A (zh) * | 2023-12-20 | 2024-01-26 | 北京赛德车门制造有限公司 | 客车智能应急逃生数据分析系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
| CN103728911A (zh) * | 2013-12-25 | 2014-04-16 | 力合科技（湖南）股份有限公司 | 用于数据监测的预警处理方法及装置 |
| CN104392006A (zh) * | 2014-12-17 | 2015-03-04 | 中国农业银行股份有限公司 | 一种事件查询处理方法及装置 |
| CN104850963A (zh) * | 2015-06-01 | 2015-08-19 | 北京师范大学 | 一种流域突发水污染事件预警及应急处置方法和系统 |
| CN104850946A (zh) * | 2015-05-06 | 2015-08-19 | 智慧城市信息技术有限公司 | 紧急事件分发方法、装置及系统 |
| CN106327407A (zh) * | 2016-09-28 | 2017-01-11 | 北京远通信德科技有限公司 | 城市综合应急平台 |
| CN107154008A (zh) * | 2017-05-11 | 2017-09-12 | 长威信息科技发展股份有限公司 | 一种基于数字源预案处理紧急事件的方法及系统 |
-
2017
- 2017-09-22 CN CN201710865453.4A patent/CN107657369A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
| CN103728911A (zh) * | 2013-12-25 | 2014-04-16 | 力合科技（湖南）股份有限公司 | 用于数据监测的预警处理方法及装置 |
| CN104392006A (zh) * | 2014-12-17 | 2015-03-04 | 中国农业银行股份有限公司 | 一种事件查询处理方法及装置 |
| CN104850946A (zh) * | 2015-05-06 | 2015-08-19 | 智慧城市信息技术有限公司 | 紧急事件分发方法、装置及系统 |
| CN104850963A (zh) * | 2015-06-01 | 2015-08-19 | 北京师范大学 | 一种流域突发水污染事件预警及应急处置方法和系统 |
| CN106327407A (zh) * | 2016-09-28 | 2017-01-11 | 北京远通信德科技有限公司 | 城市综合应急平台 |
| CN107154008A (zh) * | 2017-05-11 | 2017-09-12 | 长威信息科技发展股份有限公司 | 一种基于数字源预案处理紧急事件的方法及系统 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110457446A (zh) * | 2018-05-07 | 2019-11-15 | 中国石油化工股份有限公司 | 基于案例推理的化学品事故应急咨询自动响应方法 |
| CN109325116A (zh) * | 2018-08-23 | 2019-02-12 | 武大吉奥信息技术有限公司 | 一种基于深度学习的城市事件自动分类派发方法及装置 |
| CN109325116B (zh) * | 2018-08-23 | 2020-11-27 | 武大吉奥信息技术有限公司 | 一种基于深度学习的城市事件自动分类派发方法及装置 |
| CN110322097A (zh) * | 2019-03-18 | 2019-10-11 | 特斯联（北京）科技有限公司 | 一种基于深度学习的城市防汛方法及系统 |
| CN110348806A (zh) * | 2019-06-26 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 应对突发事件的方法和装置 |
| CN112258367A (zh) * | 2020-11-13 | 2021-01-22 | 珠海大横琴科技发展有限公司 | 一种监控处理方法和装置 |
| CN112396327A (zh) * | 2020-11-20 | 2021-02-23 | 城云科技（中国）有限公司 | 一种基于区块链的防汛防台指挥调度方法、系统及服务端 |
| CN112396327B (zh) * | 2020-11-20 | 2023-09-19 | 城云科技（中国）有限公司 | 一种基于区块链的防汛防台指挥调度方法、系统及服务端 |
| CN113095422A (zh) * | 2021-04-21 | 2021-07-09 | 广东电网有限责任公司 | 一种实现自动程式化下令的方法及装置 |
| CN117455268A (zh) * | 2023-12-20 | 2024-01-26 | 北京赛德车门制造有限公司 | 客车智能应急逃生数据分析系统及方法 |
| CN117455268B (zh) * | 2023-12-20 | 2024-02-27 | 北京赛德车门制造有限公司 | 基于物联网的客车一键式应急逃生数据分析系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107657369A (zh) | 一种基于智能事件分类进行防汛应急响应识别的方法 | |
| US11247580B2 (en) | Apparatus and method for predicting failure of electric car charger | |
| CN109636055A (zh) | 一种非煤矿山安全生产风险预测预警平台 | |
| CN115063020B (zh) | 基于风险监测融合的梯级水电站多维安全调度装置及方法 | |
| CN109242049A (zh) | 基于卷积神经网络的给水管网多点漏损定位方法及其装置 | |
| CN106844663A (zh) | 一种基于数据挖掘的船舶碰撞风险评估方法及系统 | |
| CN103699698A (zh) | 一种基于改进贝叶斯的轨道交通故障识别方法及系统 | |
| WO2020134783A1 (zh) | 告警派单方法、装置、系统及计算机可读存储介质 | |
| CN111160802B (zh) | 预设方案评估方法及装置 | |
| CN103793859A (zh) | 一种风电场运行监控及事件综合评价方法 | |
| CN110288035A (zh) | 一种智能垃圾桶在线自主学习方法及系统 | |
| CN116307641B (zh) | 一种面向数字化电厂的资源协同调度管理方法及系统 | |
| CN113392760A (zh) | 一种基于视频的不停航施工不安全行为识别的系统及方法 | |
| CN108964023A (zh) | 一种用于电网的母线电压态势短期预测方法及系统 | |
| CN110110095A (zh) | 一种基于长短期记忆循环神经网络的电力指令文本匹配方法 | |
| Lapidus et al. | Automation of roof construction management by means artificial neural network | |
| Abdullahi et al. | Flood disaster warning system on the go | |
| CN115345568A (zh) | 一种基于排水管网gis的监测预警方法及系统 | |
| CN109583794A (zh) | 一种确定电梯报废时间的方法 | |
| CN110472684A (zh) | 一种风机叶片的结冰监测方法、其装置及可读存储介质 | |
| CN113298318A (zh) | 一种新型的配电变压器重过载预测方法 | |
| CN111160537B (zh) | 一种基于ann的路口交通警力资源调度系统 | |
| CN115909692A (zh) | 一种高速公路报警事件的管理方法、平台、设备和介质 | |
| CN116894364A (zh) | 一种高速铁路轨道桥梁系统的震后损伤快速预测方法 | |
| CN115906639A (zh) | 基于线路运行工况的线路运行故障率预测方法、装置 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 350001 unit 6, 4 building, 245 Xiu Shan Road, Xin Dian Town, Jinan District, Fuzhou, Fujian, 608 Applicant after: Four creation technology limited company Address before: 350012 unit 6, 4 building, 245 Xiu Shan Road, Xin Dian Town, Jinan District, Fuzhou, Fujian, 608 Applicant before: Fujian Strong Software Co., Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180202 |