CN110490321A - 轨道交通工程安全监理预警方法及监控系统 - Google Patents
轨道交通工程安全监理预警方法及监控系统 Download PDFInfo
- Publication number
- CN110490321A CN110490321A CN201910713424.5A CN201910713424A CN110490321A CN 110490321 A CN110490321 A CN 110490321A CN 201910713424 A CN201910713424 A CN 201910713424A CN 110490321 A CN110490321 A CN 110490321A
- Authority
- CN
- China
- Prior art keywords
- early warning
- management
- network
- management index
- index item
- 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
- 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
-
- 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
Abstract
本发明公开了一种轨道交通工程安全监理预警方法及监控系统,涉及监理领域,包括从监理指标库中选取需要监理的监理指标项;依据选取的监理指标项,建立BP神经网络;获取监理指标项的样本数据;将样本数据逐个代入BP神经网络,进行网络训练得到预警分析模型;获取监理指标项的实际数据,依靠监理预警分析模型,计算该实际数据的预警度;执行与预警度的大小相对应的预警模式。基于实际的监理需要,从监理指标库中选取监理指标项,方便高效,之后依靠样本数据代入BP神经网络,进行网络训练直到得到预警分析模型,之后获取监理指标项的实际数据,将实际数据代入预警分析模型,整个过程有针对性,直接高效,并且基于实际数据进行计算分析,预警科学。
Description
技术领域
本发明涉及监控领域,更具体地说,它涉及一种轨道交通工程安全监理预警方法及监控系统。
背景技术
轨道交通作为国家重要的基础设施,是一种高效环保节能的型交通方式,肩负着推动我国社会和经济发展的重大责任。随着一系列规划建设的落地,我国迈入轨道交通建设的新高潮。
铁路、地铁及轻轨是轨道交通建设项目的三大类型,因其建设过程中涉及地下工程较多,存在着多种不确定风险因素。因而轨道交通建设工程质量安全事故发生的概率较其他工程而言相对较高。
而通过统计发现,绝大部分风险是可以通过监理的监控职能进行有效地防范,甚至避免事故的发生。由此可以看出,加强和完善监理对工程质量安全的监控之分必要。
发明内容
针对现有技术存在的不足,本发明的第一目的在于提供一种轨道交通工程安全监理预警方法,具有自动预警的优点。
为实现上述目的,本发明提供了如下技术方案:
一种轨道交通工程安全监理预警方法,包括
从监理指标库中选取需要监理的监理指标项;
依据选取的监理指标项,建立BP神经网络;
获取监理指标项的样本数据;
将样本数据逐个代入BP神经网络,进行网络训练得到预警分析模型;
获取监理指标项的实际数据,依靠监理预警分析模型,计算该实际数据的预警度;
基于预警度的大小,匹配相对应的预警模式。
采用上述技术方案,基于实际的监理需要,从监理指标库中选取监理指标项,方便高效,之后依据选取的监理指标项建立BP神经网络,之后依靠样本数据代入BP神经网络,进行网络训练直到得到预警分析模型,之后获取监理指标项的实际数据,将实际数据代入预警分析模型,计算预警度,之后依据预警度的大小,匹配相对应的预警模式,整个过程自动进行,有针对性,直接高效,并且基于实际数据进行计算分析,预警科学。
进一步,建立BP神经网络包括
依据监理指标项确定输入层;
初始化对输入层进行计算的权值;
确定基于输入层计算得到的网络误差层;
初始化依据网络误差层计算预警度的参数值;
确定输出预警度的输出层。
采用上述技术方案,按照各个监理指标项确定BP神经网络的输入层,对用于输入层计算的权值初始化,之后确定输入层计算得到的网络误差层以及由网络误差层计算得到的输出层,逐个初始化需要的权值或参数值。
进一步,网络训练包括
将样本数据带入BP神经网络,并计算每一组样本数据的网络输出误差;
在网络输出误差大于基准阈值时,修正输入层计算的权值;
直到网络输出误差小于基准阈值时,将当前BP神经网络确定为监理预警分析模型。
采用上述技术方案,先将样本数据一组一组带入BP神经网络,计算网络输出误差,若网络输出误差大于基准阈值,此时权值存在偏差,对其进行修正,之后再次带入样本数据,直至网络输出误差小于基准阈值,此时的BP神经网络即为建立预警分析模型,整个过程通过不断带入新的样本数据,然后修正权值,直至网络输出误差达到所需标准,进而得到预警分析模型。
进一步,还包括在项目预警度偏高时,将项目拆分成子项目分别进行监理预警。
采用上述技术方案,在项目预警度偏高时,将完整的项目拆分为各个子项目,然后分别进行监理预警,从而有助于更为精确的排查到引起预警度偏高的原因。
针对现有技术存在的不足,本发明的第二目的在于提供一种轨道交通工程安全监理预警方法及监控系统,具有自动预警的优点。
为实现上述目的,本发明提供了如下技术方案:
一种轨道交通工程安全监理预警监控系统,其特征在于:包括处理器与存储器,所述存储器存储有指令集供所述处理器调用以实现如下功能:
从监理指标库中选取需要监理的监理指标项;
依据选取的监理指标项,建立BP神经网络;
获取监理指标项的样本数据;
将样本数据逐个代入BP神经网络,进行网络训练得到预警分析模型;
获取监理指标项的实际数据,依靠监理预警分析模型,计算该实际数据的预警度;
基于预警度的大小,匹配相对应的预警模式。
采用上述技术方案,基于实际的监理需要,从监理指标库中选取监理指标项,方便高效,之后依据选取的监理指标项建立BP神经网络,之后依靠样本数据代入BP神经网络,进行网络训练直到得到预警分析模型,之后获取监理指标项的实际数据,将实际数据代入预警分析模型,计算预警度,之后依据预警度的大小,匹配相对应的预警模式,整个过程有针对性,直接高效,并且基于实际数据进行计算分析,预警科学。
进一步,所述指令集还供所述处理器调用以实现:建立BP神经网络包括
依据监理指标项确定输入层;
初始化对输入层进行计算的权值;
确定基于输入层计算得到的网络误差层;
初始化依据网络误差层计算预警度的参数值;
确定输出预警度的输出层。
采用上述技术方案,按照各个监理指标项确定BP神经网络的输入层,对用于输入层计算的权值初始化,之后确定输入层计算得到的网络误差层以及由网络误差层计算得到的输出层,逐个初始化需要的权值或参数值。
进一步,所述指令集还供所述处理器调用以实现:网络训练包括
将样本数据带入BP神经网络,并计算每一组样本数据的网络输出误差;
在网络输出误差大于基准阈值时,修正输入层计算的权值;
直到网络输出误差小于基准阈值时,将当前BP神经网络确定为监理预警分析模型。
采用上述技术方案,先将样本数据一组一组带入BP神经网络,计算网络输出误差,若网络输出误差大于基准阈值,此时权值存在偏差,对其进行修正,之后再次带入样本数据,直至网络输出误差小于基准阈值,此时的BP神经网络即为建立预警分析模型,整个过程通过不断带入新的样本数据,然后修正权值,直至网络输出误差达到所需标准,进而得到预警分析模型。
进一步,所述指令集还供所述处理器调用以实现:
在项目预警度偏高时,将项目拆分成子项目分别进行监理预警。
采用上述技术方案,在项目预警度偏高时,将完整的项目拆分为各个子项目,然后分别进行监理预警,从而有助于更为精确的排查到引起预警度偏高的原因。
综上所述,本发明具有以下有益效果:
1. 依据实际预警需求逐步建立与实际情况相符的预警分析模型,之后将实际数据代入已经分析模型计算预警度,按照预警度大小采用对应的预警模式;
2. 整个过程自动进行,有针对性,直接高效,并且基于实际数据进行计算分析,预警科学;
3. 在项目预警度偏高时,将完整的项目拆分为各个子项目,然后分别进行监理预警,从而有助于更为精确的排查到引起预警度偏高的原因。
附图说明
图1为本发明中轨道交通工程安全监理预警方法的流程框图;
图2为本发明中轨道交通工程安全监理预警监控系统的原理框图。
图中:1、处理器;2、存储器。
具体实施方式
下面结合附图及实施例,对本发明进行详细描述。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
实施例1
一种轨道交通工程安全监理预警方法,参照图1,包括步骤S101至步骤S106。
步骤S101:从监理指标库中选取需要监理的监理指标项。
监理指标库中包含有与监理相关的各类监理指标项,用于在需要时供使用者直接选取,包括有以下诸项:监理设备情况、监理持证上岗情况、监理人员数量配备、监理培训广度、监理培训效果、监理人员变更、监理绩效完成度、监理绩效执行度、施工企业资质审查、施工作业人员审核、施工机械设备检查、材料检查、施工方案审查、旁站到岗情况、质量检查处理情况、质量验收情况、质量安全证书、巡视安全生产等。
步骤S102:依据选取的监理指标项,建立BP神经网络。
建立BP神经网络包括:依据监理指标项确定输入层;初始化对输入层进行计算的权值;
确定基于输入层计算得到的网络误差层;初始化依据网络误差层计算预警度的参数值;确定输出预警度的输出层。
其中,BP神经网络的输入层由监理指标项确定,网络误差层为输入层经过一次计算后得到的计算结果,网络输入层再次计算的结果作为输出层。权值和参数值的初始化是对权值先赋予较小的随机数,一般在(-1,+1),使网络不会过早进入饱和状态。
步骤S103:获取监理指标项的样本数据。
步骤S104:将样本数据逐个代入BP神经网络,进行网络训练得到预警分析模型。
网络训练包括将样本数据带入BP神经网络,并计算每一组样本数据的网络输出误差。在网络输出误差大于基准阈值时,修正输入层计算的权值;修正权值是将误差信号沿连接的通路进行反向传播,同时调整各层权值。直到网络输出误差小于基准阈值时,将当前BP神经网络确定为当前的监理预警分析模型。
步骤S105:获取监理指标项的实际数据,依靠监理预警分析模型,计算该实际数据的预警度。
步骤S106:基于预警度的大小,匹配相对应的预警模式。
轨道交通工程安全监理预警方法还包括在项目预警度偏高时,将项目拆分成子项目分别进行监理预警。
在项目预警度偏高时,将完整的项目拆分为各个子项目,然后分别进行监理预警,从而有助于更为精确的排查到引起预警度偏高的原因。
实施例2
一种轨道交通工程安全监理预警监控系统,参照图2,包括处理器1与存储器2,存储器2存储有指令集供处理器1调用以实现如下功能:
从监理指标库中选取需要监理的监理指标项;
依据选取的监理指标项,建立BP神经网络;
获取监理指标项的样本数据;
将样本数据逐个代入BP神经网络,进行网络训练得到预警分析模型;
获取监理指标项的实际数据,依靠监理预警分析模型,计算该实际数据的预警度;
基于预警度的大小,匹配相对应的预警模式。
建立BP神经网络包括:依据监理指标项确定输入层;初始化对输入层进行计算的权值;确定基于输入层计算得到的网络误差层;初始化依据网络误差层计算预警度的参数值;确定输出预警度的输出层。
网络训练包括:将样本数据带入BP神经网络,并计算每一组样本数据的网络输出误差;在网络输出误差大于基准阈值时,修正输入层计算的权值;直到网络输出误差小于基准阈值时,将当前BP神经网络确定为监理预警分析模型。
在项目预警度偏高时,将项目拆分成子项目分别进行监理预警。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种轨道交通工程安全监理预警方法,其特征在于:包括
从监理指标库中选取需要监理的监理指标项;
依据选取的监理指标项,建立BP神经网络;
获取监理指标项的样本数据;
将样本数据逐个代入BP神经网络,进行网络训练得到预警分析模型;
获取监理指标项的实际数据,依靠监理预警分析模型,计算该实际数据的预警度;
基于预警度的大小,匹配相对应的预警模式。
2.根据权利要求1所述的轨道交通工程安全监理预警方法,其特征在于:建立BP神经网络包括
依据监理指标项确定输入层;
初始化对输入层进行计算的权值;
确定基于输入层计算得到的网络误差层;
初始化依据网络误差层计算预警度的参数值;
确定输出预警度的输出层。
3.根据权利要求2所述的轨道交通工程安全监理预警方法,其特征在于:网络训练包括
将样本数据带入BP神经网络,并计算每一组样本数据的网络输出误差;
在网络输出误差大于基准阈值时,修正输入层计算的权值;
直到网络输出误差小于基准阈值时,将当前BP神经网络确定为监理预警分析模型。
4.根据权利要求1所述的轨道交通工程安全监理预警方法,其特征在于:还包括在项目预警度偏高时,将项目拆分成子项目分别进行监理预警。
5.一种轨道交通工程安全监理预警监控系统,其特征在于:包括处理器(1)与存储器(2),所述存储器(2)存储有指令集供所述处理器(1)调用以实现如下功能:
从监理指标库中选取需要监理的监理指标项;
依据选取的监理指标项,建立BP神经网络;
获取监理指标项的样本数据;
将样本数据逐个代入BP神经网络,进行网络训练得到预警分析模型;
获取监理指标项的实际数据,依靠监理预警分析模型,计算该实际数据的预警度;
基于预警度的大小,匹配相对应的预警模式。
6.根据权利要求5所述的轨道交通工程安全监理预警监控系统,其特征在于:所述指令集还供所述处理器(1)调用以实现:建立BP神经网络包括
依据监理指标项确定输入层;
初始化对输入层进行计算的权值;
确定基于输入层计算得到的网络误差层;
初始化依据网络误差层计算预警度的参数值;
确定输出预警度的输出层。
7.根据权利要求5所述的轨道交通工程安全监理预警监控系统,其特征在于:所述指令集还供所述处理器(1)调用以实现:网络训练包括
将样本数据带入BP神经网络,并计算每一组样本数据的网络输出误差;
在网络输出误差大于基准阈值时,修正输入层计算的权值;
直到网络输出误差小于基准阈值时,将当前BP神经网络确定为监理预警分析模型。
8.根据权利要求5所述的轨道交通工程安全监理预警监控系统,其特征在于:所述指令集还供所述处理器(1)调用以实现:
在项目预警度偏高时,将项目拆分成子项目分别进行监理预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910713424.5A CN110490321A (zh) | 2019-08-02 | 2019-08-02 | 轨道交通工程安全监理预警方法及监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910713424.5A CN110490321A (zh) | 2019-08-02 | 2019-08-02 | 轨道交通工程安全监理预警方法及监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110490321A true CN110490321A (zh) | 2019-11-22 |
Family
ID=68549214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910713424.5A Pending CN110490321A (zh) | 2019-08-02 | 2019-08-02 | 轨道交通工程安全监理预警方法及监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490321A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027727A (zh) * | 2019-12-27 | 2020-04-17 | 中南大学 | 一种轨道系统跨域运维关键要素辨识方法 |
CN112052145A (zh) * | 2020-09-09 | 2020-12-08 | 中国工商银行股份有限公司 | 性能告警阈值的确定方法、装置、电子设备和介质 |
-
2019
- 2019-08-02 CN CN201910713424.5A patent/CN110490321A/zh active Pending
Non-Patent Citations (2)
Title |
---|
朱雨文等: "基于BP神经网络的婴幼儿奶粉质量安全评价模型研究", 《湖北农业科学》 * |
黎伟: "轨道交通建设的质量安全监控监理风险预警研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技II辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027727A (zh) * | 2019-12-27 | 2020-04-17 | 中南大学 | 一种轨道系统跨域运维关键要素辨识方法 |
CN112052145A (zh) * | 2020-09-09 | 2020-12-08 | 中国工商银行股份有限公司 | 性能告警阈值的确定方法、装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852601B (zh) | 一种用于环境监察执法决策的大数据应用方法及系统 | |
CN110717000A (zh) | 一种轨道交通工程建养一体化智慧管理平台及方法 | |
CN103279831B (zh) | 用于评价软件测试质量和开发能力的管理系统实现方法 | |
CN105224999A (zh) | 基于afc数据的城市轨道交通实时客流预测方法及系统 | |
CN105574593B (zh) | 基于云计算和大数据的轨道状态静态检控系统及方法 | |
CN106934720A (zh) | 基于物联网的设备保险智能定价方法与系统 | |
CN106161138A (zh) | 一种智能自动计量方法及装置 | |
CN104992298A (zh) | 能源管理系统 | |
CN104951905A (zh) | 一种设备动态台账管理系统 | |
CN104135521B (zh) | 环境自动监测网络的数据异常值标识方法及系统 | |
CN111639885A (zh) | 一种农污管理系统及管理方法 | |
CN107066500B (zh) | 一种基于pms模型的电网海量数据质量校验方法 | |
CN105373904A (zh) | 基于调控数据评价模型在信息系统运维的应用方法 | |
CN105608541A (zh) | 一种基于电力物资供应全程预警监督系统与方法 | |
CN110490321A (zh) | 轨道交通工程安全监理预警方法及监控系统 | |
CN106296127A (zh) | 一种智能变电站业务流程的动态构建系统及方法 | |
CN109656820A (zh) | 基于cbtc的智能自动化测试系统 | |
CN112050092A (zh) | 一种供水管网漏损信息管理系统及建立方法和应用 | |
CN114757797A (zh) | 一种基于数据模型驱动的电网资源业务中台架构方法 | |
CN106462875A (zh) | 空气质量计量系统 | |
CN205691664U (zh) | 电能量计量系统 | |
CN112232722B (zh) | 一种基于建筑信息模型技术的建筑设备管理系统 | |
CN212990152U (zh) | 一种农污管理系统 | |
CN108628991A (zh) | 轨道交通故障对客流影响的分析及可视化系统 | |
CN111639772A (zh) | 一种公路智能养护流程管理系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191122 |