CN108268893A - 一种基于机器学习的化工园区预警方法及装置 - Google Patents

一种基于机器学习的化工园区预警方法及装置 Download PDF

Info

Publication number
CN108268893A
CN108268893A CN201810005213.1A CN201810005213A CN108268893A CN 108268893 A CN108268893 A CN 108268893A CN 201810005213 A CN201810005213 A CN 201810005213A CN 108268893 A CN108268893 A CN 108268893A
Authority
CN
China
Prior art keywords
early warning
machine learning
sensor data
chemical industrial
industrial park
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.)
Granted
Application number
CN201810005213.1A
Other languages
English (en)
Other versions
CN108268893B (zh
Inventor
王斌
来亦子
林雅敏
朱晓虹
叶大金
徐进
张保敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Iopinfo Technology Co Ltd
Original Assignee
Zhejiang Iopinfo Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Iopinfo Technology Co Ltd filed Critical Zhejiang Iopinfo Technology Co Ltd
Priority to CN201810005213.1A priority Critical patent/CN108268893B/zh
Publication of CN108268893A publication Critical patent/CN108268893A/zh
Application granted granted Critical
Publication of CN108268893B publication Critical patent/CN108268893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种基于机器学习的化工园区预警方法及装置，通过获取目标地点的各历史传感器数据，然后按照预警状态对历史传感器数据进行分类，最后将分类好的数据分别输入至预先建立的数学模型中进行训练以得到预测模型。由于各历史传感器数据是真实的，且均有对应的预警状态，此外，该模型中并不是对某一个单独的数据进行训练，因此，能够更好的体现各历史传感器数据之间的关联性，使得预警模型的准确性更高。在得到预测模型后，将实时数据输入至预测模型，则得到的预测结果的准确性更高。另外，该方法计算过程较为简单，也无需人工计算，节约了人力成本。

Description

一种基于机器学习的化工园区预警方法及装置
技术领域
本发明涉及机器学习技术领域，特别是涉及一种基于机器学习的化工园区预警方法及装置。
背景技术
为了实现智能预警，当前化工园区大多安装了大量的传感器设备，如液位传感器、压力传感器、温度传感器、烟雾传感器等等，通过对这些传感器采集到的数据与阈值进行比较从而确定是否进行事故预警。
现有的方式，虽然能够实现事故预警，但是事故发生的原因往往包含许多因素，是难以通过一个阈值来进行判断，而且阈值也是根据人的经验来设置的，阈值设置的过高则不能及时对即将发生的事故进行预警；设置的过低又会带来错误的预警，一旦错误预警的频率多了，会降低监测人员的防范意识，也会导致真正的事故到来时不能及时做好应急措施。
由此可见，如何提供一种准确的预警方法是本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种基于机器学习的化工园区预警方法及装置，该方法及装置能够有效提高预警的准确性。
为解决上述技术问题，本发明提供一种基于机器学习的化工园区预警方法，包括：
获取目标地点的各历史传感器数据；
按照预警状态对所述历史传感器数据进行分类；
将各所述预警状态对应的所述历史传感器数据分别作为训练样本输入至预先建立的数学模型中进行训练以得到预测模型；
接收所述目标地点的各传感器采集的实时数据，并将所述实时数据输入至所述预测模型中，并得到预测结果。
优选地，所述预警状态具体包括正常情况、正确预警和错误预警。
优选地，还包括对所述预警状态赋予预警分类标签，则对应的所述预测结果为对应的预警分类标签。
优选地，所述数学模型具体为随机森林。
优选地，在获取到所述历史传感器数据后还包括：
对所述历史传感器数据进行数据处理；
其中，所述数据处理包括补值处理、归一化处理或离散化处理。
优选地，所述随机森林中的决策树的数量不少于3棵。
优选地，所述训练样本的选取方式具体为随机有放回的抽取方式。
为解决上述技术问题，本发明还提供一种基于机器学习的化工园区预警装置，包括：
获取单元，用于获取目标地点的各历史传感器数据；
分类单元，用于按照预警状态对所述历史传感器数据进行分类；
训练单元，用于将各所述预警状态对应的所述历史传感器数据分别作为训练样本输入至预先建立的数学模型中进行训练以得到预测模型；
预测单元，用于接收所述目标地点的各传感器采集的实时数据，并将所述实时数据输入至所述预测模型中，并得到预测结果。
优选地，所述预警状态具体包括正常情况、正确预警和错误预警。
优选地，还包括：标签分类单元，用于对所述预警状态赋予预警分类标签，则对应的所述预测结果为对应的预警分类标签。
本发明所提供的基于机器学习的化工园区预警方法，通过获取目标地点的各历史传感器数据，然后按照预警状态对历史传感器数据进行分类，最后将分类好的数据分别输入至预先建立的数学模型中进行训练以得到预测模型。由于各历史传感器数据是真实的，且均有对应的预警状态，此外，该模型中并不是对某一个单独的数据进行训练，因此，能够更好的体现各历史传感器数据之间的关联性，使得预警模型的准确性更高。在得到预测模型后，将实时数据输入至预测模型，则得到的预测结果的准确性更高。另外，该方法计算过程较为简单，也无需人工计算，节约了人力成本。本发明还提供一种与上述方法对应的装置，效果如上所述。
附图说明
为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例提供的一种基于机器学习的化工园区预警方法的流程图；
图2为本发明实施例提供的另一种基于机器学习的化工园区预警方法的流程图；
图3为本发明实施例提供的一种基于机器学习的化工园区预警装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本发明保护范围。
本发明的核心是提供一种基于机器学习的化工园区预警方法及装置，该方法及装置能够有效提高预警的准确性。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
图1为本发明实施例提供的一种基于机器学习的化工园区预警方法的流程图。如图1所示，该方法包括：
S10：获取目标地点的各历史传感器数据。
S11：按照预警状态对历史传感器数据进行分类。
S12：将各预警状态对应的历史传感器数据分别作为训练样本输入至预先建立的数学模型中进行训练以得到预测模型。
S13：接收目标地点的各传感器采集的实时数据，并将实时数据输入至预测模型中，并得到预测结果。
对于步骤S10-S12来说，需要预先实施，历史传感器数据主要来源于目标地点以往的传感器数据，当然也可以添加人工经验得到的数据。本发明中提到的传感器类型不作限定，可以为液位传感器、压力传感器、温度传感器、烟雾传感器等。作为优选地实施方式，预警状态具体包括正常情况、正确预警和错误预警。对应的步骤S11中就是按照正常情况、正确预警和错误预警这三种类型对历史传感器数据进行分类。为了更加清楚表明，可以采用表1的方式进行说明。
表1
在表1中，ti表示第i时刻，Xij表示第i时刻第j个传感器采集到数据，可以理解的是，在预警时，各传感器之间通常是有关联性，而这一关联性是不确定的，例如传感器1、传感器2、传感器7是一种关联的情况，当这三个传感器的数据为某种数值时，则表示出现险情，即正确预警。
以上是举例说明历史传感器数据不同的组合所反映出的预警状态，由于历史传感器数据是真实的，且对应的预警状态也是实际值，因此，通过对大量的历史传感器数据进行机器学习能够得到预测模型。具体的，本发明中的机器学习类型可以为多种类型，但是考虑到正负样本(历史传感器数据中所对应的结果大多是正常情况，而正确预警和错误预警的情况比较少)不均衡的原因，优选地一种实施方式是采用随机森林法。当然除了随机森林法还可以采用代价敏感法、人工加入先验知识等方面缓解这一问题，本发明不再赘述。
通过对正常情况、正确预警和错误预警这三种状态下对应的历史传感器数据进行训练即可得到预测模型。为了提高预测模型的准确性，一种实施方式是，尽量扩大历史传感器数据的数量，另一种实施方式是，对所得到的传感器数据进行筛选、当然本发明中采用对历史传感器数据进行数据处理，具体下文描述。
待预测模型得到后，即可实现对实时数据进行预测，即将传感器采集到的数据输入至预测模型中，从而得到对应的预测结果。该预测结果即可作为判断当前目标地点是否需要预警的依据。在具体实施中，如果预测结果表征需要预警，则可以输出预警信号至相应的报警设备，例如指示灯，扬声器等进行报警提示。
本实施例提供的基于机器学习的化工园区预警方法，通过获取目标地点的各历史传感器数据，然后按照预警状态对历史传感器数据进行分类，最后将分类好的数据分别输入至预先建立的数学模型中进行训练以得到预测模型。由于各历史传感器数据是真实的，且均有对应的预警状态，此外，该模型中并不是对某一个单独的数据进行训练，因此，能够更好的体现各历史传感器数据之间的关联性，使得预警模型的准确性更高。在得到预测模型后，将实时数据输入至预测模型，则得到的预测结果的准确性更高。另外，该方法计算过程较为简单，也无需人工计算，节约了人力成本。
在上述实施例的基础上，还包括对预警状态赋予预警分类标签，则对应的预测结果为对应的预警分类标签。
为了简化预警状态，本实施例中，采用赋予标签的方式对每一种预警状态进行标注。例如，预警状态包括正常情况、正确预警和错误预警，对应的预警分类标签分别为0、1、2。当正常情况的预警分类标签为0，且预测结果也为正常情况时，则预测结果就是0。可以理解的是，本发明中预警分类标签分别为0、1、2只是一种具体实施方式，对于机器而言，只能识别0和1，因此，具体的预警分类标签可以根据实际情况设定。
图2为本发明实施例提供的另一种基于机器学习的化工园区预警方法的流程图。如图2所示，在上述实施例的基础上，在获取到历史传感器数据后还包括：
S20：对历史传感器数据进行数据处理。
其中，数据处理包括补值处理、归一化处理或离散化处理。
由于历史传感器数据对于预测模型有较大的影响，因此，如果对历史传感器数据进行相应的数据处理可以提高预测模型的精度。在一些情况下(我们称为高偏差低方差的情况下)可以通过增加训练强度来提高预测模型的性能。除了上述提供的数据处理方式外，还可以人工加入一些先验知识(如从人类专家获取经验，已知某些传感器数据之间存在某种联系，或者某些传感器在预测报警方面具有关键性作用，可以人为地建立联系或是调高它们在预测模型中的比重)来指导模型正确地、快速的学习。另外，还可以对预测模型进行优化，优化的方式有很多，一般会从精度、ROC、AUC等性能指标上进行分析，有方向性地调整训练参数(如树的数量、树的深度、学习时的学习率和损失函数选择、正则化技术中参数的选择)。
数据处理的方式除了上述几种外，还可以采用其他类型的数据处理方式，本发明不再赘述。
在上述实施例的基础上，随机森林中的决策树的数量不少于3棵。
可以理解的是，采用随机森林进行预测，则决策树的数量直接影响预测模型的精度。决策树的数量取决于实际数据的维数(传感器的数量等)并且也有可能在预测模型性能评估中有选择地调整；通常在计算能力、存储能力以及预测模型的可解释性允许的范围内，决策树的棵数越多越好。但是由于决策树过多，导致预测模型就相应复杂，计算时间也会有所上升，因此，在具体实施中，决策树的数量不少于3棵。
在上述实施例的基础上，训练样本的选取方式具体为随机有放回的抽取方式。
考虑到训练样本的多样性以及训练样本的数量较少，本发明中，当得到历史传感器数据后，在每次选择训练样本时，都采用随机有放回的抽取方式。更具体的，随机有放回的抽取方式分为随机有放回地抽取多类传感器数据，并且随机有放回地在数据集中抽取多组数据，分别建立决策树。还以表1所示的为例，每一组数据就是一个行，每一行包含同一时刻采集进来的各个传感器的数据。“抽取多类传感器数据”抽取的是列，也就是要随机忽略部分传感器数据；而“随机抽取多组数据”是指抽取部分行，也就是随机选取一部分时刻的指定传感器数据。
上文中对于基于机器学习的化工园区预警方法对应的实施例进行了详细的描述，本发明还提供一种基于机器学习的化工园区预警装置。由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
图3为本发明实施例提供的一种基于机器学习的化工园区预警装置的结构图。如图3所示，该装置包括：
获取单元10，用于获取目标地点的各历史传感器数据。
分类单元11，用于按照预警状态对历史传感器数据进行分类。
训练单元12，用于将各预警状态对应的历史传感器数据分别作为训练样本输入至预先建立的数学模型中进行训练以得到预测模型。
预测单元13，用于接收目标地点的各传感器采集的实时数据，并将实时数据输入至预测模型中，并得到预测结果。
本实施例提供的基于机器学习的化工园区预警装置，通过获取目标地点的各历史传感器数据，然后按照预警状态对历史传感器数据进行分类，最后将分类好的数据分别输入至预先建立的数学模型中进行训练以得到预测模型。由于各历史传感器数据是真实的，且均有对应的预警状态，此外，该模型中并不是对某一个单独的数据进行训练，因此，能够更好的体现各历史传感器数据之间的关联性，使得预警模型的准确性更高。在得到预测模型后，将实时数据输入至预测模型，则得到的预测结果的准确性更高。另外，该方法计算过程较为简单，也无需人工计算，节约了人力成本。
作为优选地实施方式，预警状态具体包括正常情况、正确预警和错误预警。
作为优选地实施方式，还包括：标签分类单元，用于对预警状态赋予预警分类标签，则对应的预测结果为对应的预警分类标签。
以上对本发明所提供的基于机器学习的化工园区预警方法及装置进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
还需要说明的是，在本说明书中，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“包括一个……”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。

Claims (10)

1.一种基于机器学习的化工园区预警方法，其特征在于，包括：
获取目标地点的各历史传感器数据；
按照预警状态对所述历史传感器数据进行分类；
将各所述预警状态对应的所述历史传感器数据分别作为训练样本输入至预先建立的数学模型中进行训练以得到预测模型；
接收所述目标地点的各传感器采集的实时数据，并将所述实时数据输入至所述预测模型中，并得到预测结果。
2.根据权利要求1所述的基于机器学习的化工园区预警方法，其特征在于，所述预警状态具体包括正常情况、正确预警和错误预警。
3.根据权利要求2所述的基于机器学习的化工园区预警方法，其特征在于，还包括对所述预警状态赋予预警分类标签，则对应的所述预测结果为对应的预警分类标签。
4.根据权利要求1-3任意一项所述的基于机器学习的化工园区预警方法，其特征在于，所述数学模型具体为随机森林。
5.根据权利要求4所述的基于机器学习的化工园区预警方法，其特征在于，在获取到所述历史传感器数据后还包括：
对所述历史传感器数据进行数据处理；
其中，所述数据处理包括补值处理、归一化处理或离散化处理。
6.根据权利要求4所述的基于机器学习的化工园区预警方法，其特征在于，所述随机森林中的决策树的数量不少于3棵。
7.根据权利要求4所述的基于机器学习的化工园区预警方法，其特征在于，所述训练样本的选取方式具体为随机有放回的抽取方式。
8.一种基于机器学习的化工园区预警装置，其特征在于，包括：
获取单元，用于获取目标地点的各历史传感器数据；
分类单元，用于按照预警状态对所述历史传感器数据进行分类；
训练单元，用于将各所述预警状态对应的所述历史传感器数据分别作为训练样本输入至预先建立的数学模型中进行训练以得到预测模型；
预测单元，用于接收所述目标地点的各传感器采集的实时数据，并将所述实时数据输入至所述预测模型中，并得到预测结果。
9.根据权利要求8所述的基于机器学习的化工园区预警装置，其特征在于，所述预警状态具体包括正常情况、正确预警和错误预警。
10.根据权利要求9所述的基于机器学习的化工园区预警装置，其特征在于，还包括：标签分类单元，用于对所述预警状态赋予预警分类标签，则对应的所述预测结果为对应的预警分类标签。
CN201810005213.1A 2018-01-03 2018-01-03 一种基于机器学习的化工园区预警方法及装置 Active CN108268893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810005213.1A CN108268893B (zh) 2018-01-03 2018-01-03 一种基于机器学习的化工园区预警方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810005213.1A CN108268893B (zh) 2018-01-03 2018-01-03 一种基于机器学习的化工园区预警方法及装置

Publications (2)

Publication Number Publication Date
CN108268893A true CN108268893A (zh) 2018-07-10
CN108268893B CN108268893B (zh) 2021-07-27

Family

ID=62773339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810005213.1A Active CN108268893B (zh) 2018-01-03 2018-01-03 一种基于机器学习的化工园区预警方法及装置

Country Status (1)

Country Link
CN (1) CN108268893B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108880915A (zh) * 2018-08-20 2018-11-23 全球能源互联网研究院有限公司 一种电力信息网络安全告警信息误报判定方法和系统
CN109801006A (zh) * 2018-11-20 2019-05-24 苏州百卓网络技术有限公司 物联网传感器预警等级的计算方法及装置
CN110188115A (zh) * 2019-04-19 2019-08-30 特斯联（北京）科技有限公司 一种基于模糊匹配的消防预警方法、装置及系统
US10515715B1 (en) 2019-06-25 2019-12-24 Colgate-Palmolive Company Systems and methods for evaluating compositions
CN112362368A (zh) * 2021-01-14 2021-02-12 西门子交通技术(北京)有限公司 列车牵引电机的故障诊断方法、装置、系统和可读介质
CN112541606A (zh) * 2019-09-20 2021-03-23 中国石油化工股份有限公司 基于应急响应数据的化学事故预警系统和方法
CN113688863A (zh) * 2021-07-14 2021-11-23 精英数智科技股份有限公司 基于机器学习的矿井传感器报警原因分类方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102610055A (zh) * 2011-12-19 2012-07-25 大连海事大学 隧道自动监测多元信息无线智能报警系统
CN103559551A (zh) * 2013-09-23 2014-02-05 北京中安健科安全技术咨询有限公司 一种面向生产企业的安全隐患风险定量评估及预警系统
CN104329121A (zh) * 2014-11-28 2015-02-04 浙江图讯科技有限公司 一种煤矿粉尘监控预警系统及方法
US20160004980A1 (en) * 2014-05-19 2016-01-07 OspreyData, Inc. Systems and methods for generating models for physical systems using sentences in a formal grammar
CN105675038A (zh) * 2016-01-05 2016-06-15 中国计量学院 一种仪表的故障预测装置
CN105752787A (zh) * 2016-03-22 2016-07-13 天津西尔特电梯部件有限公司 一种基于机器学习的电梯安全预警方法
CN105868845A (zh) * 2016-03-24 2016-08-17 百度在线网络技术（北京）有限公司 风险预警方法和装置
CN105971901A (zh) * 2016-05-03 2016-09-28 北京航空航天大学 一种基于完备总体经验模态分解与随机森林的离心泵故障诊断方法
CN106407996A (zh) * 2016-06-30 2017-02-15 华南理工大学 一种基于机器学习的老人跌倒检测方法及其检测系统
CN107038506A (zh) * 2017-05-09 2017-08-11 华东师范大学 一种工厂智能预警方法
CN107526666A (zh) * 2017-07-17 2017-12-29 阿里巴巴集团控股有限公司 基于深度学习的报警方法、系统、装置以及电子设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102610055A (zh) * 2011-12-19 2012-07-25 大连海事大学 隧道自动监测多元信息无线智能报警系统
CN103559551A (zh) * 2013-09-23 2014-02-05 北京中安健科安全技术咨询有限公司 一种面向生产企业的安全隐患风险定量评估及预警系统
US20160004980A1 (en) * 2014-05-19 2016-01-07 OspreyData, Inc. Systems and methods for generating models for physical systems using sentences in a formal grammar
CN104329121A (zh) * 2014-11-28 2015-02-04 浙江图讯科技有限公司 一种煤矿粉尘监控预警系统及方法
CN105675038A (zh) * 2016-01-05 2016-06-15 中国计量学院 一种仪表的故障预测装置
CN105752787A (zh) * 2016-03-22 2016-07-13 天津西尔特电梯部件有限公司 一种基于机器学习的电梯安全预警方法
CN105868845A (zh) * 2016-03-24 2016-08-17 百度在线网络技术（北京）有限公司 风险预警方法和装置
CN105971901A (zh) * 2016-05-03 2016-09-28 北京航空航天大学 一种基于完备总体经验模态分解与随机森林的离心泵故障诊断方法
CN106407996A (zh) * 2016-06-30 2017-02-15 华南理工大学 一种基于机器学习的老人跌倒检测方法及其检测系统
CN107038506A (zh) * 2017-05-09 2017-08-11 华东师范大学 一种工厂智能预警方法
CN107526666A (zh) * 2017-07-17 2017-12-29 阿里巴巴集团控股有限公司 基于深度学习的报警方法、系统、装置以及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
项疆腾，等: "企业安全生产预警系统的优化研究", 《2015浙江·第四届安全科学与工程技术暨应急救援与安全信息化专题研讨会》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108880915A (zh) * 2018-08-20 2018-11-23 全球能源互联网研究院有限公司 一种电力信息网络安全告警信息误报判定方法和系统
CN108880915B (zh) * 2018-08-20 2023-03-24 全球能源互联网研究院有限公司 一种电力信息网络安全告警信息误报判定方法和系统
CN109801006A (zh) * 2018-11-20 2019-05-24 苏州百卓网络技术有限公司 物联网传感器预警等级的计算方法及装置
CN110188115A (zh) * 2019-04-19 2019-08-30 特斯联（北京）科技有限公司 一种基于模糊匹配的消防预警方法、装置及系统
US10861588B1 (en) 2019-06-25 2020-12-08 Colgate-Palmolive Company Systems and methods for preparing compositions
US10839942B1 (en) 2019-06-25 2020-11-17 Colgate-Palmolive Company Systems and methods for preparing a product
US10839941B1 (en) 2019-06-25 2020-11-17 Colgate-Palmolive Company Systems and methods for evaluating compositions
US11315663B2 (en) 2019-06-25 2022-04-26 Colgate-Palmolive Company Systems and methods for producing personal care products
US11342049B2 (en) 2019-06-25 2022-05-24 Colgate-Palmolive Company Systems and methods for preparing a product
US10515715B1 (en) 2019-06-25 2019-12-24 Colgate-Palmolive Company Systems and methods for evaluating compositions
US11728012B2 (en) 2019-06-25 2023-08-15 Colgate-Palmolive Company Systems and methods for preparing a product
CN112541606A (zh) * 2019-09-20 2021-03-23 中国石油化工股份有限公司 基于应急响应数据的化学事故预警系统和方法
CN112362368A (zh) * 2021-01-14 2021-02-12 西门子交通技术(北京)有限公司 列车牵引电机的故障诊断方法、装置、系统和可读介质
CN113688863A (zh) * 2021-07-14 2021-11-23 精英数智科技股份有限公司 基于机器学习的矿井传感器报警原因分类方法及装置

Also Published As

Publication number Publication date
CN108268893B (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
CN108268893A (zh) 一种基于机器学习的化工园区预警方法及装置
EP3112960A1 (en) Combined method for detecting anomalies in a water distribution system
CN106845890B (zh) 一种基于视频监控的仓储监控方法及装置
CN108322347A (zh) 数据检测方法、装置、检测服务器及存储介质
CN107332698A (zh) 一种面向明长城智能感知系统的安全态势感知系统及方法
CN108470138A (zh) 用于目标检测的方法和装置
CN104008399B (zh) 一种仪表检测中基于支持向量机的仪表指针抖动的识别方法
CN101211496A (zh) 用于监视设备的方法和系统
CN106953766A (zh) 一种报警方法及装置
CN110414320A (zh) 一种安全生产监管的方法及系统
US7716152B2 (en) Use of sequential nearest neighbor clustering for instance selection in machine condition monitoring
CN110070026B (zh) 基于模式识别的视频图像危险态势感知方法、系统、装置
CN104050361A (zh) 一种监狱服刑人员危险性倾向的智能分析预警方法
CN114897109B (zh) 一种割草机异常监测预警方法
CN110119758A (zh) 一种用电数据异常检测及模型训练方法、装置
CN112188532A (zh) 网络异常检测模型的训练方法、网络检测方法及装置
CN115410342B (zh) 一种基于裂缝计实时监测的滑坡灾害智能预警方法
CN114201374A (zh) 基于混合机器学习的运维时序数据异常检测方法及系统
CN115619778A (zh) 一种电力设备缺陷识别方法、系统、可读存储介质及设备
CN109002810A (zh) 模型评价方法、雷达信号识别方法及对应装置
CN109211564B (zh) 一种用于滚珠丝杠副健康评估的自适应阈值检测方法
CN106935038A (zh) 一种停车检测系统及检测方法
CN116415931A (zh) 一种基于大数据的电力设备运行状态监控方法和系统
CN115660262A (zh) 一种基于数据库应用的工程智慧质检方法、系统及介质
CN117411918A (zh) 一种基于iot物联网的监控报警方法及系统

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An early warning method and device for chemical industry park based on machine learning

Effective date of registration: 20211203

Granted publication date: 20210727

Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd.

Pledgor: ZHEJIANG TOPINFO TECHNOLOGY CO.,LTD.

Registration number: Y2021980014040

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20220322

Granted publication date: 20210727

Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd.

Pledgor: ZHEJIANG TOPINFO TECHNOLOGY CO.,LTD.

Registration number: Y2021980014040

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An early warning method and device for chemical industry park based on machine learning

Effective date of registration: 20220322

Granted publication date: 20210727

Pledgee: Shanghai Guotai Junan Securities Asset Management Co.,Ltd.

Pledgor: ZHEJIANG TOPINFO TECHNOLOGY CO.,LTD.

Registration number: Y2022990000156

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20221220

Granted publication date: 20210727

Pledgee: Shanghai Guotai Junan Securities Asset Management Co.,Ltd.

Pledgor: ZHEJIANG TOPINFO TECHNOLOGY CO.,LTD.

Registration number: Y2022990000156

EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180710

Assignee: Hangzhou Jintou Finance Leasing Co.,Ltd.

Assignor: ZHEJIANG TOPINFO TECHNOLOGY CO.,LTD.

Contract record no.: X2022980028708

Denomination of invention: An early warning method and device for chemical industry park based on machine learning

Granted publication date: 20210727

License type: Exclusive License

Record date: 20230112

EE01 Entry into force of recordation of patent licensing contract
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An early warning method and device for chemical industry park based on machine learning

Effective date of registration: 20230115

Granted publication date: 20210727

Pledgee: Hangzhou Jintou Finance Leasing Co.,Ltd.

Pledgor: ZHEJIANG TOPINFO TECHNOLOGY CO.,LTD.

Registration number: Y2023980031390

PE01 Entry into force of the registration of the contract for pledge of patent right
EC01 Cancellation of recordation of patent licensing contract

Assignee: Hangzhou Jintou Finance Leasing Co.,Ltd.

Assignor: ZHEJIANG TOPINFO TECHNOLOGY CO.,LTD.

Contract record no.: X2022980028708

Date of cancellation: 20240327

EC01 Cancellation of recordation of patent licensing contract
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20210727

Pledgee: Hangzhou Jintou Finance Leasing Co.,Ltd.

Pledgor: ZHEJIANG TOPINFO TECHNOLOGY CO.,LTD.

Registration number: Y2023980031390

PC01 Cancellation of the registration of the contract for pledge of patent right