CN110852550A - 基于煤矿隐患智能识别的事故预防方法、装置及存储介质 - Google Patents
基于煤矿隐患智能识别的事故预防方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110852550A CN110852550A CN201910785588.9A CN201910785588A CN110852550A CN 110852550 A CN110852550 A CN 110852550A CN 201910785588 A CN201910785588 A CN 201910785588A CN 110852550 A CN110852550 A CN 110852550A
- Authority
- CN
- China
- Prior art keywords
- coal mine
- risk
- information
- target service
- hidden danger
- 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
Links
- 239000003245 coal Substances 0.000 title claims abstract description 232
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000002265 prevention Effects 0.000 title claims abstract description 40
- 230000015654 memory Effects 0.000 claims description 18
- 230000003068 static effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000012502 risk assessment Methods 0.000 claims description 9
- 238000002790 cross-validation Methods 0.000 claims description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 239000000779 smoke Substances 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims 1
- 230000005484 gravity Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/81—Indexing, e.g. XML tags; Data structures therefor; Storage structures
-
- 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
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例涉及一种基于煤矿隐患智能识别的事故预防方法、装置、装置及存储介质，其中，本发明的方法包括获取历史煤矿的至少一个基础信息，并根据所述若干个基础信息构建煤矿风险隐患模型；采集目标服务煤矿的实地信息，并根据所述实地信息与所述煤矿风险隐患模型的匹配结果，生成所述目标服务煤矿的风险隐患库；根据所述风险隐患库核验所述目标服务煤矿的风险，以使得所述目标煤矿的承保单位为所述目标煤矿的投保单位提供风险预防服务。本发明能够全面、装置地且更加智能地对煤矿风险隐患进行智能识别。
Description
技术领域
本申请实施例涉及煤矿风险预防服务领域，特别是涉及一种基于煤矿隐患智能识别的事故预防方法、装置及存储介质。
背景技术
目前，针对煤矿的风险隐患防范一般通过诸如安全评价、安全生产标准化等传统的事故预防手段实现，在实际的风险防范过程中，传统的事故预防手段掌握的安全信息量有限，故煤矿企业无法对煤矿的风险防范服务过程进行有效控制，进而难以起到全面、装置的风险防范作用。
发明内容
为了解决上述问题，本发明提供了一种基于煤矿隐患智能识别的事故预防方法、装置、装置及计算机可存储介质，其能够全面、装置地对煤矿风险隐患进行智能识别，根据智能识别结果，承保单位为投保单位提供具体事故预防服务的方法。
本发明第一方面公开一种基于煤矿隐患智能识别的事故预防方法，该方法包括：
获取历史煤矿的至少一个基础信息，并根据若干个基础信息构建煤矿风险隐患模型；
采集目标服务煤矿的实地信息，并根据所述实地信息与所述煤矿风险隐患模型的匹配结果，生成所述目标服务煤矿的风险隐患库；
根据所述风险隐患库核验所述目标服务煤矿的风险。
作为一种可选的实施方式，所述方法还包括：
核验所述目标服务煤矿对应的已解决风险并生成所述已解决风险的整改信息，所述整改信息至少包括整改效率信息、整改难易程度信息、整改建议信息中的一种；
利用XML文件对所述整改信息进行配置并将配置后的所述整改信息导入所述风险隐患库中；
以及，所述方法还包括：
核验所述目标服务煤矿对应的未解决风险，当所述未解决风险未解决时，累加所述未解决风险的识别次数；
当检测到所述识别次数等于大于预设识别次数阈值时，提高所述未解决风险的待处理紧急等级。
以及，所述方法还包括：
当所述目标服务煤矿有新增风险隐患时，增加服务订单以处理所述新增风险隐患；
将所述新增风险隐患导入所述风险隐患库；
以及，所述方法还包括：根据所述风险隐患库更新所述煤矿风险隐患模型。
作为一种可选的实施方式，所述基础信息包括所述煤矿的静态数据和所述煤矿的事故信息；
以及，在所述获取历史煤矿的若干个基础信息之后，根据若干个基础信息构建煤矿风险隐患模型之前，所述方法还包括：
以不同的维度对所述静态数据和事故信息进行分类并生成分类结果；
基于所述分类结果分析所述历史煤矿的特征，以形成所述历史煤矿的静态信息库和已发生事故风险库；
根据所述静态信息库和所述已发生事故风险库生成所述目标服务煤矿的风险分析报告，所述风险分析报告包括煤矿发生事故类型信息、事故重大程度信息、引发事故原因信息、存在隐患类型信息中的至少一种；
基于大数据分析框架根据所述风险分析报告生成所述煤矿风险隐患模型。
作为一种可选的实施方式，装置所述采集目标服务煤矿的实地信息包括：
通过人工对所述目标服务煤矿的考察结果获取所述目标服务煤矿的实地信息；
通过DTS装置对所述目标服务煤矿的参数的识别数据获取所述目标服务煤矿的实地信息、通过所述目标服务煤矿的视频监控信息获取所述目标服务煤矿的实地信息、
通过大数据分析技术从大量与所述目标服务煤矿相关的数据中获取所述目标服务煤矿的实地信息中的至少一种。
作为一种可选的实施方式，所述通过大数据分析技术从大量与所述目标服务煤矿相关的数据中获取所述目标服务煤矿的实地信息，包括：
按照不同维度统计所述目标服务煤矿相关的数据并生成统计结果；
根据逐级指标计算方法对所述统计结果进行分析，并基于分析结果获取所述目标服务煤矿的实地信息。
作为一种可选的实施方式，所述根据逐级指标计算方法对所述统计结果进行分析，包括：
采用子项线性加权的计算方式对所述统计结果进行处理并生成风险隐患发生比重。
作为一种可选的实施方式，所述煤矿的参数包括瓦斯含量、一氧化碳含量、氧气含量、温度值、风速值、压力值、压差值、烟雾含量中的至少一种；
以及，所述方法还包括：
根据交叉验证确定所述煤矿风险隐患模型的类型和参数；
通过风险隐患模型的学习曲线评估述煤矿风险隐患模型。
作为一种可选的实施方式，所述至少一个风险项的整改评估信息为已解决风险的整改信息和未解决风险的整改信息中的一种；
以及，所述至少一个风险项的整改评估信息包括所述至少一个风险项的整改效率信息、所述至少一个风险项的整改难易程度、所述至少一个风险项的整改建议。
本发明第二方面公开了一种基于煤矿隐患智能识别的事故预防装置，所述装置包括获取模块、采集模块、生成模块，其中：
所述获取模块，用于获取历史煤矿的至少一个基础信息，并根据所述若干个基础信息构建煤矿风险隐患模型；
所述采集模块，用于采集目标服务煤矿的实地信息，并根据所述实地信息与所述煤矿风险隐患模型的匹配结果，生成所述目标服务煤矿的风险隐患库；
所述生成模块，用于根据所述风险隐患库核验所述目标服务煤矿的风险。
本发明第三方面公开了一种基于煤矿隐患智能识别的事故预防装置，该装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面所述的一种基于煤矿隐患智能识别的事故预防方法。
本发明第四方面公开一种计算机可存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面所述的一种基于煤矿隐患智能识别的事故预防方法。
与现有技术相比，本发明的有益效果为：
本发明能够通过获取煤矿的基础信息，并根据所述基础信息构建煤矿风险隐患库，然后，根据所述煤矿的实地信息，和/或所述煤矿的风险核验信息更新所述煤矿风险隐患库，最后根据所述更新后的煤矿风险隐患库识别目标煤矿的风险隐患并生成识别结果，以使得所述目标煤矿的承保单位根据所述识别结果为所述目标煤矿的投保单位提供风险预防服务。与此同时，本发明能够全面、装置地且更加智能地对煤矿风险隐患进行智能识别。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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是本发明实施例一公开的一种基于煤矿隐患智能识别的事故预防方法的流程示意图。
图2是本发明实施例二公开的一种基于煤矿隐患智能识别的事故预防装置的结构示意图。
图3是本发明实施例三公开的一种基于煤矿隐患智能识别的事故预防装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明的技术方案，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，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或装置没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或装置固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于煤矿隐患智能识别的事故预防方法的流程示意图。如图1所示，该方法包括：
101、获取历史煤矿的至少一个基础信息，并根据所述若干个基础信息构建煤矿风险隐患模型；
102、采集目标服务煤矿的实地信息，并根据所述实地信息与所述煤矿风险隐患模型的匹配结果，生成所述目标服务煤矿的风险隐患库；
103、根据所述风险隐患库核验所述目标服务煤矿的风险，以使得所述目标煤矿的承保单位为所述目标煤矿的投保单位提供风险预防服务。
作为一种可选的实施方式，所述方法还包括：
核验所述目标服务煤矿对应的已解决风险并生成所述已解决风险的整改信息，所述整改信息至少包括整改效率信息、整改难易程度信息、整改建议信息中的一种；
利用XML文件对所述整改信息进行配置并将配置后的所述整改信息导入所述风险隐患库中；
以及，所述方法还包括：
核验所述目标服务煤矿对应的未解决风险，当所述未解决风险未解决时，累加所述未解决风险的识别次数；
当检测到所述识别次数等于大于预设识别次数阈值时，提高所述未解决风险的待处理紧急等级；
以及，所述方法还包括：
当所述目标服务煤矿有新增风险隐患时，增加服务订单以处理所述新增风险隐患；
将所述新增风险隐患导入所述风险隐患库；
作为一种可选的实施方式，所述方法还包括：
根据所述风险隐患库更新所述煤矿风险隐患模型。
作为一种可选的实施方式，所述基础信息包括所述煤矿的静态数据和所述煤矿的事故信息；
以及，在所述获取历史煤矿的若干个基础信息之后，所述根据所述若干个基础信息构建煤矿风险隐患模型之前，所述方法还包括：
以不同的维度对所述静态数据和事故信息进行分类并生成分类结果；
基于所述分类结果分析所述历史煤矿的特征，以形成所述历史煤矿的静态信息库和已发生事故风险库；
根据所述静态信息库和所述已发生事故风险库生成所述目标服务煤矿的风险分析报告，所述风险分析报告包括煤矿发生事故类型信息、事故重大程度信息、引发事故原因信息、存在隐患类型信息中的至少一种；
基于大数据分析框架根据所述风险分析报告生成所述煤矿风险隐患模型。
作为一种可选的实施方式，所述采集目标服务煤矿的实地信息包括：
通过人工对所述目标服务煤矿的考察结果获取所述目标服务煤矿的实地信息；
通过DTS装置对所述目标服务煤矿的参数的识别数据获取所述目标服务煤矿的实地信息、通过所述目标服务煤矿的视频监控信息获取所述目标服务煤矿的实地信息、
通过大数据分析技术从大量与所述目标服务煤矿相关的数据中获取所述目标服务煤矿的实地信息中的至少一种。
作为一种可选的实施方式，所述通过大数据分析技术从大量与所述目标服务煤矿相关的数据中获取所述目标服务煤矿的实地信息，包括：
按照不同维度统计所述目标服务煤矿相关的数据并生成统计结果；
根据逐级指标计算方法对所述统计结果进行分析，并基于分析结果获取所述目标服务煤矿的实地信息。
作为一种可选的实施方式，所述根据逐级指标计算方法对所述统计结果进行分析，包括：
采用子项线性加权的计算方式对所述统计结果进行处理并生成风险隐患发生比重。
具体地，若指标子项间没有紧密关系，采用如下计算公式计算隐患发生比重：
其中，y是该指标项的隐患发生比重，xj是事故影响因子比重，wj是事故发生的比重；
具体地，若指标子项间有紧密关系，采用各子项求积法计算事故影响因子的比重，然后采用线性加权的方法计算隐患发生比重，具体的，通过以下公式计算：
其中，求积法是将事故影响因子比重xj相乘，得到事故影响因子综合比重xk，同样通过求积法，将事故发生比重wj 相乘，得到事故发生综合比重wk接着，使用事故影响因子综合比重xk与事故发生综合比重wk，采用线性加权的方式得到隐患发生比重y，即如下公式：
作为一种可选的实施方式，所述方法还包括：
根据交叉验证确定风险隐患模型的类型和参数；
通过风险隐患模型的学习曲线来判断风险隐患模型是否过拟合。
其中，风险隐患模型的学习曲线有两条，一条是训练集上的得分，一条是交叉验证集上的得分，两条线的横轴为样本量，随着样本量增大，训练集上的得分就会越来越低，而交叉验证集上的得分会越来越高。
具体地，将两条曲线的gap得分预估的得分进行比较，若gap得分很小且gap得分远低于预估得分,则判断结果为风险隐患模型欠拟合；若gap 得分很小且gap得分与预估得分相似，则判断结果为风险隐患模型没有过拟合和欠拟合；若gap得分很大且gap得分与预估得分相似，则判断结果为风险隐患模型过拟合；若gap得分很大且gap得分远低于预估得分，则判断结果为风险隐患模型的数据集存在问题。
作为一种可选的实施方式，所述煤矿的参数包括瓦斯含量、一氧化碳含量、氧气含量、温度值、风速值、压力值、压差值、烟雾含量中的至少一种。
作为一种可选的实施方式，所述至少一个风险项的整改评估信息为已解决风险的整改信息和未解决风险的整改信息中的一种；
以及，所述至少一个风险项的整改评估信息包括所述至少一个风险项的整改效率信息、所述至少一个风险项的整改难易程度、所述至少一个风险项的整改建议。
本发明能够通过获取煤矿的基础信息，并根据所述基础信息构建煤矿风险隐患库，然后，根据所述煤矿的实地信息，和/或所述煤矿的风险核验信息更新所述煤矿风险隐患库，最后根据所述更新后的煤矿风险隐患库识别目标煤矿的风险隐患并生成识别结果，以使得所述目标煤矿的承保单位根据所述识别结果为所述目标煤矿的投保单位提供风险预防服务。与此同时，本发明能够全面、装置地且更加智能地对煤矿风险隐患进行智能识别。
实施例二
请参阅图2，图2是本发明实施例公开的一种基于煤矿隐患智能识别的事故预防装置的结构示意图。如图2所示，该装置可以包括获取模块201、采集模块202、生成模块203，其中：
所述获取模块201，用于获取历史煤矿的至少一个基础信息，并根据所述若干个基础信息构建煤矿风险隐患模型；
所述采集模块202，用于采集目标服务煤矿的实地信息，并根据所述实地信息与所述煤矿风险隐患模型的匹配结果，生成所述目标服务煤矿的风险隐患库；
所述生成模块203，用于根据所述风险隐患库核验所述目标服务煤矿的风险，以使得所述目标煤矿的承保单位为所述目标煤矿的投保单位提供风险预
本实施例的装置能够通过获取煤矿的基础信息，并根据所述基础信息构建煤矿风险隐患库，然后，根据所述煤矿的实地信息，和/或所述煤矿的风险核验信息更新所述煤矿风险隐患库，最后根据所述更新后的煤矿风险隐患库识别目标煤矿的风险隐患并生成识别结果，以使得所述目标煤矿的承保单位根据所述识别结果为所述目标煤矿的投保单位提供风险预防服务。与此同时，本发明能够全面、装置地且更加智能地对煤矿风险隐患进行智能识别。
实施例三
请参阅图3，图3是本发明实施例公开的一种基于煤矿隐患智能识别的事故预防装置的结构示意图。如图3所示，该装置可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，执行以下步骤：
获取历史煤矿的至少一个基础信息，并根据所述基础信息构建煤矿风险隐患库；
采集目标服务煤矿的实地信息，并根据所述实地信息与所述煤矿风险隐患模型的匹配结果，生成所述目标服务煤矿的风险隐患库；
根据所述风险隐患库核验所述目标服务煤矿的风险。
需要说明的是，处理器302调用存储器301中存储的可执行程序代码，执行如实施例一所描述的一种基于煤矿隐患智能识别的事故预防方法中的其他步骤。
本发明能够通过获取煤矿的基础信息，并根据所述基础信息构建煤矿风险隐患库，然后，根据所述煤矿的实地信息，和/或所述煤矿的风险核验信息更新所述煤矿风险隐患库，最后根据所述更新后的煤矿风险隐患库识别目标煤矿的风险隐患并生成识别结果，以使得所述目标煤矿的承保单位根据所述识别结果为所述目标煤矿的投保单位提供风险预防服务。与此同时，本发明能够全面、装置地且更加智能地对煤矿风险隐患进行智能识别。
实施例四
本发明实施例四公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的一种基于煤矿隐患智能识别的事故预防方法中的步骤。
本发明能够通过获取煤矿的基础信息，并根据所述基础信息构建煤矿风险隐患库，然后，根据所述煤矿的实地信息，和/或所述煤矿的风险核验信息更新所述煤矿风险隐患库，最后根据所述更新后的煤矿风险隐患库识别目标煤矿的风险隐患并生成识别结果，以使得所述目标煤矿的承保单位根据所述识别结果为所述目标煤矿的投保单位提供风险预防服务。与此同时，本发明能够全面、装置地且更加智能地对煤矿风险隐患进行智能识别。
实施例五
本发明实施五公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的一种基于煤矿隐患智能识别的事故预防方法中的步骤。
本发明能够通过获取煤矿的基础信息，并根据所述基础信息构建煤矿风险隐患库，然后，根据所述煤矿的实地信息，和/或所述煤矿的风险核验信息更新所述煤矿风险隐患库，最后根据所述更新后的煤矿风险隐患库识别目标煤矿的风险隐患并生成识别结果，以使得所述目标煤矿的承保单位根据所述识别结果为所述目标煤矿的投保单位提供风险预防服务。与此同时，本发明能够全面、装置地且更加智能地对煤矿风险隐患进行智能识别。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于煤矿隐患智能识别的事故预防方法，其特征在于，所述方法包括：
获取历史煤矿的至少一个基础信息，并根据所述基础信息构建煤矿风险隐患模型；
采集目标服务煤矿的实地信息，并根据所述实地信息与所述煤矿风险隐患模型的匹配结果，生成所述目标服务煤矿的风险隐患库；
根据所述风险隐患库核验所述目标服务煤矿的风险。
2.如权利要求1所述的方法，其特征在于，在所述根据所述风险隐患库核验所述目标服务煤矿的风险之后，所述方法还包括：
核验所述目标服务煤矿对应的已解决风险并生成所述已解决风险的整改信息，所述整改信息至少包括整改效率信息、整改难易程度信息、整改建议信息中的一种；
利用XML文件对所述整改信息进行配置并将配置后的所述整改信息导入所述风险隐患库中；
以及，所述方法还包括：
核验所述目标服务煤矿对应的未解决风险，当所述未解决风险未解决时，累加所述未解决风险的识别次数；
当检测到所述识别次数等于大于预设识别次数阈值时，提高所述未解决风险的待处理紧急等级；
以及，所述方法还包括：
当所述目标服务煤矿有新增风险隐患时，增加服务订单以处理所述新增风险隐患；
将所述新增风险隐患导入所述风险隐患库；
以及，所述方法还包括：
根据所述风险隐患库更新所述煤矿风险隐患模型。
3.如权利要求1所述的方法，其特征在于，所述基础信息包括所述煤矿的静态数据和所述煤矿的事故信息；
以及，在所述获取历史煤矿的若干个基础信息之后，根据若干个基础信息构建煤矿风险隐患模型之前，所述方法还包括：
以不同的维度对所述静态数据和事故信息进行分类并生成分类结果；
基于所述分类结果分析所述历史煤矿的特征，以形成所述历史煤矿的静态信息库和已发生事故风险库；
根据所述静态信息库和所述已发生事故风险库生成所述目标服务煤矿的风险分析报告，所述风险分析报告包括煤矿发生事故类型信息、事故重大程度信息、引发事故原因信息、存在隐患类型信息中的至少一种；
基于大数据分析框架根据所述风险分析报告生成所述煤矿风险隐患模型。
4.如权利要求1所述的方法，其特征在于，所述采集目标服务煤矿的实地信息包括：
通过人工对所述目标服务煤矿的考察结果获取所述目标服务煤矿的实地信息；
通过DTS装置对所述目标服务煤矿的参数的识别数据获取所述目标服务煤矿的实地信息、通过所述目标服务煤矿的视频监控信息获取所述目标服务煤矿的实地信息、
通过大数据分析技术从大量与所述目标服务煤矿相关的数据中获取所述目标服务煤矿的实地信息中的至少一种。
5.如权利要求4所述的方法，其特征在于，所述通过大数据分析技术从大量与所述目标服务煤矿相关的数据中获取所述目标服务煤矿的实地信息，包括：
按照不同维度统计所述目标服务煤矿相关的数据并生成统计结果；
根据逐级指标计算方法对所述统计结果进行分析，并基于分析结果获取所述目标服务煤矿的实地信息。
6.如权利要求5所述的方法，其特征在于，所述根据逐级指标计算方法对所述统计结果进行分析，包括：
采用子项线性加权的计算方式对所述统计结果进行处理并生成风险隐患发生比重。
7.如权利要求4所述的方法，其特征在于，所述煤矿的参数包括瓦斯含量、一氧化碳含量、氧气含量、温度值、风速值、压力值、压差值、烟雾含量中的至少一种；
以及，所述方法还包括：
根据交叉验证确定所述煤矿风险隐患模型的类型和参数；
通过风险隐患模型的学习曲线评估述煤矿风险隐患模型。
8.一种基于煤矿隐患智能识别的事故预防装置，其特征在于，所述装置包括获取模块、采集模块、生成模块，其中：
所述获取模块，用于获取历史煤矿的至少一个基础信息，并根据所述基础信息构建煤矿风险隐患模型；
所述采集模块，用于采集目标服务煤矿的实地信息，并根据所述实地信息与所述煤矿风险隐患模型的匹配结果，生成所述目标服务煤矿的风险隐患库；
所述生成模块，用于根据所述风险隐患库核验所述目标服务煤矿的风险。
9.一种基于煤矿隐患智能识别的事故预防装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于煤矿隐患智能识别的事故预防方法。
10.一种计算机可存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的一种基于煤矿隐患智能识别的事故预防方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910785588.9A CN110852550B (zh) | 2019-08-23 | 2019-08-23 | 基于煤矿隐患智能识别的事故预防方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910785588.9A CN110852550B (zh) | 2019-08-23 | 2019-08-23 | 基于煤矿隐患智能识别的事故预防方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110852550A true CN110852550A (zh) | 2020-02-28 |
| CN110852550B CN110852550B (zh) | 2021-06-18 |
Family
ID=69594831
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910785588.9A Active CN110852550B (zh) | 2019-08-23 | 2019-08-23 | 基于煤矿隐患智能识别的事故预防方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110852550B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2769630C1 (ru) * | 2020-10-16 | 2022-04-04 | Общество С Ограниченной Ответственностью "Научно-Технический Центр "Право" | Способ оценки рисков для здоровья и жизни работников, определение мер управления рисками и устройство для осуществления способа |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070016542A1 (en) * | 2005-07-01 | 2007-01-18 | Matt Rosauer | Risk modeling system |
| CN106096829A (zh) * | 2016-06-06 | 2016-11-09 | 浙江大学 | 一种石化企业事故风险损失评估方法 |
| CN107146024A (zh) * | 2017-05-08 | 2017-09-08 | 合肥工业大学 | 建筑企业全过程立体动态安全管理方法 |
| CN108206046A (zh) * | 2017-12-28 | 2018-06-26 | 新华三大数据技术有限公司 | 一种数据处理方法及装置 |
| CN108846585A (zh) * | 2018-06-25 | 2018-11-20 | 西安科技大学 | 一种煤矿隐患处理管理系统 |
| CN109034612A (zh) * | 2018-07-24 | 2018-12-18 | 山西精英科技股份有限公司 | 一种基于煤矿预警分析与防控系统的安全风险诊断方法 |
-
2019
- 2019-08-23 CN CN201910785588.9A patent/CN110852550B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070016542A1 (en) * | 2005-07-01 | 2007-01-18 | Matt Rosauer | Risk modeling system |
| CN106096829A (zh) * | 2016-06-06 | 2016-11-09 | 浙江大学 | 一种石化企业事故风险损失评估方法 |
| CN107146024A (zh) * | 2017-05-08 | 2017-09-08 | 合肥工业大学 | 建筑企业全过程立体动态安全管理方法 |
| CN108206046A (zh) * | 2017-12-28 | 2018-06-26 | 新华三大数据技术有限公司 | 一种数据处理方法及装置 |
| CN108846585A (zh) * | 2018-06-25 | 2018-11-20 | 西安科技大学 | 一种煤矿隐患处理管理系统 |
| CN109034612A (zh) * | 2018-07-24 | 2018-12-18 | 山西精英科技股份有限公司 | 一种基于煤矿预警分析与防控系统的安全风险诊断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 施彦，韩力群，廉小亲: "《神经网络设计方法与实例分析》", 31 December 2009 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2769630C1 (ru) * | 2020-10-16 | 2022-04-04 | Общество С Ограниченной Ответственностью "Научно-Технический Центр "Право" | Способ оценки рисков для здоровья и жизни работников, определение мер управления рисками и устройство для осуществления способа |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110852550B (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112348520A (zh) | 基于XGBoost的风险评估方法、装置和电子设备 | |
| CN111625516B (zh) | 检测数据状态的方法、装置、计算机设备和存储介质 | |
| CN106960358A (zh) | 一种基于农村电子商务大数据深度学习的金融欺诈行为量化检测系统 | |
| CN110175851B (zh) | 一种作弊行为检测方法及装置 | |
| CN111045847A (zh) | 事件审计方法、装置、终端设备以及存储介质 | |
| KR102168198B1 (ko) | 기업 부도 예측 시스템 및 이의 동작 방법 | |
| CN105354210A (zh) | 移动游戏支付账户行为数据处理方法和装置 | |
| CN113159482A (zh) | 一种用于评估信息安全风险的方法及系统 | |
| CN114124460B (zh) | 工控系统入侵检测方法、装置、计算机设备及存储介质 | |
| CN115174250B (zh) | 网络资产安全评估方法、装置、电子设备及存储介质 | |
| CN110634060A (zh) | 一种用户信用风险的评估方法、系统、装置及存储介质 | |
| CN110852550B (zh) | 基于煤矿隐患智能识别的事故预防方法、装置及存储介质 | |
| 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 | |
| CN111639722A (zh) | 基于主成分分析和孪生支持向量机的变压器故障诊断方法 | |
| CN114448657B (zh) | 一种配电通信网络安全态势感知与异常入侵检测方法 | |
| CN112733897B (zh) | 确定多维样本数据的异常原因的方法和设备 | |
| CN112131354A (zh) | 答案筛选方法、装置、终端设备和计算机可读存储介质 | |
| CN110287302B (zh) | 一种国防科技领域开源信息置信度确定方法及系统 | |
| CN109409091B (zh) | 检测Web页面的方法、装置、设备以及计算机存储介质 | |
| Usher et al. | BREXIT: a granger causality of Twitter political polarisation on the FTSE 100 index and the pound | |
| CN114817518B (zh) | 基于大数据档案识别的证照办理方法、系统及介质 | |
| CN115619539A (zh) | 贷前风险评价方法以及装置 | |
| CN105653649B (zh) | 海量文本中低占比信息识别方法及装置 | |
| CN113918471A (zh) | 测试用例的处理方法、装置及计算机可读存储介质 | |
| CN115204381A (zh) | 弱监督模型训练方法及装置、电子设备 |
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 |