CN109118039B - 一种面向内河水域船舶自沉重要风险识别与防控装置及方法 - Google Patents
一种面向内河水域船舶自沉重要风险识别与防控装置及方法 Download PDFInfo
- Publication number
- CN109118039B CN109118039B CN201810678752.1A CN201810678752A CN109118039B CN 109118039 B CN109118039 B CN 109118039B CN 201810678752 A CN201810678752 A CN 201810678752A CN 109118039 B CN109118039 B CN 109118039B
- Authority
- CN
- China
- Prior art keywords
- information
- ship
- factors
- sinking
- prevention
- 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.)
- Active
Links
Images
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向内河水域船舶自沉重要风险识别与防控装置及方法,该装置包括:信息采集输入装置、信息分类传输装置、信息集成分析装置、可视化界面;信息采集输入装置用于采集和输入的信息;信息分类传输装用于将信息采集输入装置采集和输入的信息按船舶因素、环境因素和人为因素进行分类;信息集成分析装用于建立分析模型在分析模型的基础上根据接收到的各个分类的因素,并将风险识别结果发送到计算机上的可视化界面;可视化界面用于显示当前面临重要的风险因素的排行,供决策人员了解并及时处置,实现对船舶沉没风险的防控。本发明可以实时感知当前的船舶安全状况,并识别出最重要的风险因素,进而达到风险防控的目的。
Description
技术领域
本发明涉及内河船舶风险识别与防控设备领域,尤其涉及一种面向内河水域船舶自沉重要风险识别与防控装置及方法。
背景技术
随着水路交通运输行业的建设和发展,船舶流量快速增长,通航环境日益复杂,发生水上交通事故的风险也越来越大。水上交通历史事故统计显示,自沉事故是造成重大人员伤亡的主要水上交通事故之一。诸如“世越号”、“东方之星”等特大水上交通安全事件产生恶劣的社会影响。为完善内河水运安全预警及控制技术,打造畅通、高效、平安、绿色的内河航运环境,需要针对内河船舶事故风险进行有效辨识和防控。目前,处理应对内河航道船舶自沉事故的技术不够系统,发生危险时,船舶难以有效应对自沉事故。国内外学者多从船舶力学稳性方面来考虑应对船舶自沉事故,对航运过程中存在的全局分析较为少见,通常也是从改善船舶的条件上来防止自沉事故的发生,或者只是提出防止自沉的措施,但是,在实际的航行中,船上人员面对各种恶劣复杂条件时,他们也无法准确把握当前掌握信息的重要度,大多数都是依靠航行经验判断,这对工作人员经验要求高,容易发生危险,无法有效保障船舶航行安全。通过本发明所述的船舶自沉风险识别与防控,可以有效的识别出当前最重要的风险,供船上工作人员参考,进而针对性的采取相应的措施,以达到船舶自沉风险防控的目的。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种面向内河水域船舶自沉重要风险识别与防控装置及方法。
本发明解决其技术问题所采用的技术方案是:
本发明提供一种面向内河水域船舶自沉重要风险识别与防控装置,该装置包括:信息采集输入装置、信息分类传输装置、信息集成分析装置、可视化界面;其中:
信息采集输入装置,包括:船舱水量检测传感器、货物位置压力传感器、火灾检测传感器、位于船舶外部的风力检测传感器、接收外部天气环境信息的装置、实时定位检测搜索航道信息的装置和管理端手动输入船员状态信息的装置;用于将采集和输入的信息发送给信息分类传输装置;
信息分类传输装置,用于通过计算机处理,将信息采集输入装置采集和输入的信息按船舶因素、环境因素和人为因素进行分类,并将分类结果发送给信息集成分析装置;
信息集成分析装置,用于建立分析模型,分析模型包括事故树、贝叶斯网络和事件树,在分析模型的基础上根据接收到的各个分类的因素,输出风险识别结果,并将风险识别结果发送到计算机上的可视化界面;
可视化界面,设置在决策人员处,用于显示当前面临重要的风险因素的排行,供决策人员了解并及时处置,实现对船舶沉没风险的防控。
进一步地,本发明的船舶水量检测传感器,采用液位传感器,用于检测船舱的水量;货物位置压力传感器,采用压力传感器,用于检测货物是否发生移位;火灾检测传感器,采用烟雾传感器,用于检测是否发生火灾;风力检测传感器,用于检测船舶外部的风力信息。
进一步地,本发明的接收外部天气环境信息的装置和实时定位检测搜索航道信息的装置上均连接有无线电设备,并通过无线电设备与外界信息库相连。
进一步地,本发明的管理端手动输入船员状态信息的装置,为一键盘输入设备,管理端需定时查看船员状态并通过管理端手动输入船员状态信息的装置给船员的各项指标进行打分。
进一步地,本发明的可视化界面为显示装置,用于显示供决策人选参考的信息。
本发明提供一种面向内河水域船舶自沉重要风险识别与防控方法,该方法包括以下步骤:
S1、通过安装在船舶上的信息采集输入装置,实时采集船舶状态信息、天气环境及航道信息;
S2、船舶管理人员每隔一段时间观察一次船舶上工作人员状况,并在船舶决策处的信息输入装置上输入相应的分值;
S3、将步骤S1采集到的信息和步骤S2输入的分值输入信息分类传输装置,将其分类为船舶因素、环境因素和人为因素,并分类传输至信息集成分析装置;建立分析模型,分析模型包括事故树、贝叶斯网络和事件树,将人为因素使用所建立的贝叶斯网络模型进行定量计算,船舶因素和环境因素通过所建立事故树来进行定量计算,使用事件树将二者结合起来,利用事件树的特点,定量分析船舶当前的安全状态;
S4、定量分析得到基于四种重要度措施排行的风险因素在决策端显示,以供决策处人员决策时参考。
进一步地,本发明的步骤S2中船舶管理人员每隔一段时间观察一次船舶上工作人员状况,并在船舶决策处的信息输入装置上输入相应的分值,分值为10分制,作为人为因素的数据支撑。
进一步地,本发明的步骤S3中的分析模型,通过分析历史数据中的船舶自沉事故中重要的风险因素,按船舶自沉的演化过程建立事故树。
进一步地,本发明的事件树中的人为因素和非人为因素分别通过贝叶斯网络和事故树建立的模型,非人为因素包括环境因素和船舶因素。
进一步地,本发明的步骤S4中的四种重要度包括:伯恩鲍姆重要度指标、福塞尔-维斯利重要度指标、风险增加当量、风险降低当量;通过以上这四种重要度度量方法反映各个风险因素对系统事故的贡献度,进而为管理人员决策提供支持。
本发明产生的有益效果是:本发明的面向内河水域船舶自沉重要风险识别与防控装置及方法,针对内河水域航运的特点,通过采取传感器采集信息,并接收外界信息,结合人为输入信息等提取实时信息,通过信息整合分类,分类输入到所建立的风险感知防控模型中,利用所述的风险识别与防控方法,可以实时感知当前的船舶安全状况,并识别出最重要的风险因素,其结果可供管理人员参考,进而达到风险防控的目的。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明一实施例的结构示意图。
图2为装置结构组成的示意图。
图3为所述方法模型结构示意图。
图4为船舶自沉事故演化过程示意图。
图5为非人为因素事故树分析1示意图。
图6为非人为因素事故树分析2示意图。
图7为人为因素贝叶斯分析示意图。
具体实施方式
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说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1至图6所示,通过传感器与信号接收装置感知船舶的自身和环境信息,通过管理人员巡查打分确定人员工作状态,由事故报告提炼出的风险因素结合事件树,事故树,贝叶斯建立风险识别模型,依据此方法,结合信息传输装置传输过来的分类信息通过分析装置分析计算,将船舶当前的风险因素按四种重要度排序,供决策人员参考以对可能的沉没的风险进行防控。
所述的信息采集输入装置包括用于检测船舱水量的传感器、货物位置压力传感器、火灾检测传感器、位于船舶外部的风力检测传感器、接收外部天气环境信息的装置、实时定位检测搜索航道信息的装置和管理端手动输入船员状态信息的装置;。
信息分类传输装置为计算机处理,将相应的信息按人、船、环境因素分类;
信息集成分析装置在所建立模型的基础上,接收相应分类别因素,分配至计算机中;
可视化界面设置在决策处,通过计算机采用所述方法进行计算,可以显示当前面临重要的风险因素的排行,供决策人员了解并及时处置,以达到对船舶沉没风险进行防控的目的。
各类传感器分别为用于检测船舱水量的液位传感器,检测货物是否移位的压力传感器,检测火灾的传感器,检测船舶外部风力的传感器。
接收外部天气环境信息的装置和实时定位检测搜索航道信息的装置为无线电设备,可以与外界信息库连接收集信息。
管理端手动输入船员状态信息的装置,为一键盘输入设备,管理端需定时查看船员状态并通过此装置给船员的各项指标进行打分。
计算机具有数据处理的功能,可以利用输入的数据按所提出的方法行分类计算,并将结果传输至决策处的可视化界面。
可视化界面为显示装置,显示可供决策人选参考的信息。
本发明实施例的风险识别防控装置实现的风险识别与防控方法,包括以下步骤:
S1、通过安装在船上的传感器与接收器,收集实时的船舶状态信息以及天气环境因素;
S2、管理人员每两小时观察一次船上工作人员工作状况,并在船舶决策处的信息输入装置上输入相应的分值;
S3、将步骤S1采集到的信息和步骤S2输入的分值输入信息分类传输装置,将其分类为船舶因素、环境因素和人为因素,并分类传输至信息集成分析装置;建立分析模型,分析模型包括事故树、贝叶斯网络和事件树,将人为因素使用所建立的贝叶斯网络模型进行定量计算,船舶因素和环境因素通过所建立事故树来进行定量计算,使用事件树将二者结合起来,利用事件树的特点,定量分析船舶当前的安全状态;
S4、定量分析后,按该方法基于四种重要度指标对风险因素进行排行,并在决策端可视界面显示,以供决策处人员决策时参考。
按上述方法,所述的S3中,所建立的模型,是通过提炼近年来的船舶自沉事故中重要的风险因素,按船舶自沉的演化过程建立事件树,将事件树中的人为因素和非人为因素分别通过贝叶斯网络和事故树建立的模型。
按上述方法,所述的S4中,四种重要度度量方法分别是伯恩鲍姆重要度指标(Birnbaum importance measure)、福塞尔-维斯利重要度指标(Fussell-Veselyimportance measure)、风险增加当量(risk achievement worth)、风险降低当量(riskreduction worth)。通过以上这四种度量方法反映各个风险因素对系统事故的贡献度。
本文中提出的事件树模型是基于一系列的事故报告的研究,提炼出导致船舶自沉事故发生的关键因素,以当前的安全分析理论作为基础,将提炼出来的关键因素作为节点按船舶自沉事故发生的逻辑关系和先后顺序连接起来构成事件树模型。
四种重要度指标的计算方法分别如下:
1)伯恩鲍姆重要度指标,一个基本事件i的伯恩鲍姆重要度可以被计算如下:
IB(i|t)=h(1i,p(t))-h(0i,p(t)) (1)
式中,这种计算方法中基本事件i被看作有两种状态,h(1i,p(t))表示系统和基本事件都是可靠的,h(0i,p(t))表示系统和基本事件的可靠性失效,一个基本事件的IB值越大,这个基本事件对系统的重要度越高。
2)风险增加当量和风险降低当量是可以从伯恩鲍姆重要度中计算出来使用上述公式的介绍,风险增加当量和风险降低当量可以按下式进行计算:
式中,h(p(t))反映真实系统的可靠性。
3)福塞尔-维斯利重要度指标,这种重要度指标依赖于最小割集,事件i的重要度可以计算如下:
式中,Qi(t)表示第j个包含基本事件i的最小割集在时间t内发生的概率,Q(t)表示系统失效的概率。
总之,通过合理的建模分析及理论计算,结合近年来自沉事故的事故报告,提取出来一些关键的致因因素,并采取一些信息收集装置,可以为模型定量计算提供数据支持,进而得到船舶当前的风险状况,实时观察船舶当前面临的重要风险因素。进而可以实现内河水域船舶自沉风险的识别与防控。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种面向内河水域船舶自沉重要风险识别与防控装置,其特征在于,该装置包括:信息采集输入装置、信息分类传输装置、信息集成分析装置、可视化界面;其中:
信息采集输入装置,包括:船舱水量检测传感器、货物位置压力传感器、火灾检测传感器、位于船舶外部的风力检测传感器、接收外部天气环境信息的装置、实时定位检测搜索航道信息的装置和管理端手动输入船员状态信息的装置;用于将采集和输入的信息发送给信息分类传输装置;
信息分类传输装置,用于通过计算机处理,将信息采集输入装置采集和输入的信息按船舶因素、环境因素和人为因素进行分类,并将分类结果发送给信息集成分析装置;
信息集成分析装置,用于建立分析模型,分析模型包括事故树、贝叶斯网络和事件树,在分析模型的基础上根据接收到的各个分类的因素,输出风险识别结果,并将风险识别结果发送到计算机上的可视化界面;
可视化界面,设置在决策人员处,用于显示当前面临重要的风险因素的排行,供决策人员了解并及时处置,实现对船舶沉没风险的防控。
2.根据权利要求1所述的面向内河水域船舶自沉重要风险识别与防控装置,其特征在于,船舶水量检测传感器,采用液位传感器,用于检测船舱的水量;货物位置压力传感器,采用压力传感器,用于检测货物是否发生移位;火灾检测传感器,采用烟雾传感器,用于检测是否发生火灾;风力检测传感器,用于检测船舶外部的风力信息。
3.根据权利要求1所述的面向内河水域船舶自沉重要风险识别与防控装置,其特征在于,接收外部天气环境信息的装置和实时定位检测搜索航道信息的装置上均连接有无线电设备,并通过无线电设备与外界信息库相连。
4.根据权利要求1所述的面向内河水域船舶自沉重要风险识别与防控装置,其特征在于,管理端手动输入船员状态信息的装置,为一键盘输入设备,管理端需定时查看船员状态并通过管理端手动输入船员状态信息的装置给船员的各项指标进行打分。
5.根据权利要求1所述的面向内河水域船舶自沉重要风险识别与防控装置,其特征在于,可视化界面为显示装置,用于显示供决策人选参考的信息。
6.一种面向内河水域船舶自沉重要风险识别与防控方法,其特征在于,该方法包括以下步骤:
S1、通过安装在船舶上的信息采集输入装置,实时采集船舶状态信息、天气环境及航道信息;
S2、船舶管理人员每隔一段时间观察一次船舶上工作人员状况,并在船舶决策处的信息输入装置上输入相应的分值;
S3、将步骤S1采集到的信息和步骤S2输入的分值输入信息分类传输装置,将其分类为船舶因素、环境因素和人为因素,并分类传输至信息集成分析装置;建立分析模型,分析模型包括事故树、贝叶斯网络和事件树,将人为因素使用所建立的贝叶斯网络模型进行定量计算,船舶因素和环境因素通过所建立事故树来进行定量计算,使用事件树将二者结合起来,利用事件树的特点,定量分析船舶当前的安全状态;
S4、定量分析得到基于四种重要度措施排行的风险因素在决策端显示,以供决策处人员决策时参考。
7.根据权利要求6所述的面向内河水域船舶自沉重要风险识别与防控方法,其特征在于,步骤S2中船舶管理人员每隔一段时间观察一次船舶上工作人员状况,并在船舶决策处的信息输入装置上输入相应的分值,分值为10分制,作为人为因素的数据支撑。
8.根据权利要求6所述的面向内河水域船舶自沉重要风险识别与防控方法,其特征在于,步骤S3中的分析模型,通过分析历史数据中的船舶自沉事故中重要的风险因素,按船舶自沉的演化过程建立事故树。
9.根据权利要求8所述的面向内河水域船舶自沉重要风险识别与防控方法,其特征在于,事件树中的人为因素和非人为因素分别通过贝叶斯网络和事故树建立的模型,非人为因素包括环境因素和船舶因素。
10.根据权利要求6所述的面向内河水域船舶自沉重要风险识别与防控方法,其特征在于,步骤S4中的四种重要度包括:伯恩鲍姆重要度指标、福塞尔-维斯利重要度指标、风险增加当量、风险降低当量;通过以上这四种重要度度量方法反映各个风险因素对系统事故的贡献度,进而为管理人员决策提供支持。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810678752.1A CN109118039B (zh) | 2018-06-27 | 2018-06-27 | 一种面向内河水域船舶自沉重要风险识别与防控装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810678752.1A CN109118039B (zh) | 2018-06-27 | 2018-06-27 | 一种面向内河水域船舶自沉重要风险识别与防控装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109118039A CN109118039A (zh) | 2019-01-01 |
CN109118039B true CN109118039B (zh) | 2021-12-07 |
Family
ID=64822354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810678752.1A Active CN109118039B (zh) | 2018-06-27 | 2018-06-27 | 一种面向内河水域船舶自沉重要风险识别与防控装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109118039B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322119A (zh) * | 2019-06-11 | 2019-10-11 | 青岛海科虚拟现实研究院 | 一种潜艇水面航行vr训练系统风险实时评估方法 |
CN111325480B (zh) * | 2020-03-16 | 2024-02-02 | 东南大学 | 一种内河航道维护疏浚施工安全风险识别方法 |
CN112329145B (zh) * | 2020-11-05 | 2022-06-17 | 武汉理工大学 | 一种综合评估自主船动力系统可靠性的方法 |
CN113537695B (zh) * | 2021-05-28 | 2023-11-21 | 东莞理工学院 | 垃圾焚烧发电厂烟气污染物过量排放风险量化评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1569559A (zh) * | 2003-07-11 | 2005-01-26 | 申朗 | 一种快速安全救捞失事沉没潜艇的方法及其实现装置 |
CN107977621A (zh) * | 2017-11-29 | 2018-05-01 | 淮海工学院 | 沉船识别模型构建方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9341712B2 (en) * | 2010-05-12 | 2016-05-17 | The United States Of America, As Represented By The Secretary Of The Navy | Variable resolution uncertainty expert system for digital bathymetry database |
-
2018
- 2018-06-27 CN CN201810678752.1A patent/CN109118039B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1569559A (zh) * | 2003-07-11 | 2005-01-26 | 申朗 | 一种快速安全救捞失事沉没潜艇的方法及其实现装置 |
CN107977621A (zh) * | 2017-11-29 | 2018-05-01 | 淮海工学院 | 沉船识别模型构建方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
Arctic shipping accident scenario analysis using Bayesian Network approach;Mawuli Afenyo; Faisal Khan; Brian Veitch; Ming Yang;《 Ocean Engineering 》;20170228;第117-125页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109118039A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118039B (zh) | 一种面向内河水域船舶自沉重要风险识别与防控装置及方法 | |
CN114118677B (zh) | 基于物联网的尾矿库风险监测预警系统 | |
CN109686061B (zh) | 基于gis与bim的桥梁监测辅助决策系统 | |
CN111325434A (zh) | 一种基于大数据的煤矿生产风险评估指标体系构建方法 | |
CN102682560B (zh) | 一种船舶舱室火灾连锁报警等级评估装置 | |
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 | |
CN111651505B (zh) | 一种基于数据驱动的设备运行态势分析预警方法及系统 | |
CN113988530A (zh) | 一种非煤矿山安全风险评估分级方法及系统 | |
CN111915128B (zh) | 一种对地震诱发的次生滑坡灾后评估与救援辅助系统 | |
CN110121053A (zh) | 一种钻井现场风险分级预警的视频监控方法 | |
CN109799799A (zh) | 化工园区大数据分析平台 | |
CN110726850A (zh) | 基于风向分解的铁路横风预警系统及横风强度计算方法 | |
CN105225539A (zh) | 基于主成分分析的扇区运行性能综合指数的方法及系统 | |
CN113554319A (zh) | 一种安全风险综合评定系统及方法 | |
CN115965246A (zh) | 一种岩溶塌陷灾害的预警分析方法 | |
CN114118847A (zh) | 化工园区危险源在线监测平台 | |
CN105225193A (zh) | 一种基于多重回归模型的扇区运行性能综合指数的方法及系统 | |
CN110989042A (zh) | 一种高速公路团雾风险的智能化预测方法 | |
CN113935571A (zh) | 一种加油站安全风险评估分级方法及系统 | |
CN113222548A (zh) | 一种社区物业鹰眼监控系统及使用方法 | |
CN117057601A (zh) | 基于物联网的非煤矿山安全监测预警系统 | |
CN110533061B (zh) | 一种基于云端的远程运维服务平台 | |
CN117095512A (zh) | 一种滑坡多场数据融合调度监测系统及方法 | |
CN117081917A (zh) | 基于ai物联网污水处理运维管理的智能网关 | |
CN108650124B (zh) | 一种基于WebGIS的电网通信预警系统 |
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 |