CN110942259B - 社区燃气设备风险评估方法及装置 - Google Patents
社区燃气设备风险评估方法及装置 Download PDFInfo
- Publication number
- CN110942259B CN110942259B CN201911258648.8A CN201911258648A CN110942259B CN 110942259 B CN110942259 B CN 110942259B CN 201911258648 A CN201911258648 A CN 201911258648A CN 110942259 B CN110942259 B CN 110942259B
- Authority
- CN
- China
- Prior art keywords
- risk
- random field
- source
- risk assessment
- model
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 8
- 230000007797 corrosion Effects 0.000 description 6
- 238000005260 corrosion Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007789 sealing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000699 topical effect Effects 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
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及燃气设备安全技术领域,具体涉及一种社区燃气设备风险评估方法及装置。所述方法包括:将风险路径对应的各风险源,以及各风险源对应的标注值,输入至风险评估模型中;根据风险评估模型的输出值大于对应预设阈值的比较结果,确定风险路径存在致灾风险;其中,标注值表征风险源出现故障的可能性。本发明实施例提供的社区燃气设备风险评估方法可细化评估目标,实现精确的致灾风险评估。
Description
技术领域
本发明涉及燃气设备安全技术领域,具体涉及一种社区燃气设备风险评估方法及装置。
背景技术
近年来,社区燃气设备的风险分析已成为热门话题。现有的许多社区燃气设备的风险分析方法大多结合了机器学习技术。
机器学习具有很高的准确性,其在对影响社区安全的各类事件进行风险评估时,发挥了重要作用。
然而在进行风险评估时,机器学习技术也会产生相应的弊端。例如,机器学习对于同类数据具有很好的区分功能,但是实际的风险评估具有多层次宽领域的特点,甚至还包括多种难以用机器语言界定的概念。
因此,结合机器学习技术的社区燃气设备风险评估方法常常存在评估泛化,控制目标不精确的缺陷。
发明内容
针对现有技术中的缺陷,本发明实施例提出一种社区燃气设备风险评估方法,包括:
将风险路径对应的各风险源,以及所述各风险源对应的标注值,输入至风险评估模型中;
根据所述风险评估模型的输出值大于对应预设阈值的比较结果,确定所述风险路径存在致灾风险;
其中,所述标注值表征风险源出现故障的可能性。
在一个实施例中,所述风险评估模型为条件随机场CRF模型。
在一个实施例中,所述将风险路径对应的各风险源,以及所述各风险源对应的标注值,输入至风险评估模型中包括:
将所述各风险源的预设编号的集合作为第一随机场,将所述标注值的集合作为第二随机场;
将所述第一随机场与所述第二随机场代入所述风险评估模型中。
另一方面,本发明实施例还提供一种社区燃气设备风险评估装置,包括:
输入模块,用于将风险路径对应的各风险源,以及所述各风险源对应的标注值,输入至风险评估模型中;
比较模块,用于根据所述风险评估模型的输出值大于对应预设阈值的比较结果,确定所述风险路径存在致灾风险;
其中,所述标注值表征风险源出现故障的可能性。
在一个实施例中,所述风险评估模型为条件随机场CRF模型。
在一个实施例中,所述输入模块具体用于:
将所述各风险源的预设编号的集合作为第一随机场,将所述标注值的集合作为第二随机场;
将所述第一随机场与所述第二随机场代入所述风险评估模型中。
另一方面,本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一种的社区燃气设备风险评估方法的步骤。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种的社区燃气设备风险评估方法的步骤。
本发明实施例提供的社区燃气设备风险评估方法及装置,由于是通过机器学习模型进行风险评估,因此可保证较高的正确率。另外,由于模型的输入基于风险路径中的各风险源,因此可细化评估目标,实现精确的致灾风险评估。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明实施例提供的社区燃气设备风险评估方法的流程示意图;
图2为本发明实施例提供的社区燃气设备风险评估装置的结构示意图;
图3为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。
此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
图1为本发明实施例提供的社区燃气设备风险评估方法的流程示意图,参看图1,该方法包括:
S101、将风险路径对应的各风险源,以及各风险源对应的标注值,输入至风险评估模型中;
S102、根据风险评估模型的输出值大于对应预设阈值的比较结果,确定风险路径存在致灾风险;
其中,标注值表征风险源出现故障的可能性。
本发明实施例提供的社区燃气设备风险评估方法,由于是通过机器学习模型进行风险评估,因此可保证较高的正确率。另外,由于模型的输入基于风险路径中的各风险源,因此可细化评估目标,实现精确的致灾风险评估。
需要说明的是,本发明实施例提供的社区燃气设备风险评估方法的执行主体可以是计算机,例如PC机、台式机、笔记本、pad、嵌入式计算机等。
在一个实施例中,风险评估模型为条件随机场CRF模型。
具体地,本发明实施例利用社区燃气设备的故障树图确定导致某一风险事件的各类风险路径。
因为各类社区燃气系统相互类似,因此通过建模对大量的社区燃气设备的故障树图中的各类风险路径进行训练后,即可以该训练好的模型为基础推断和预测待评估的社区燃气系统的故障衍生。
具体地,可以通过CRF利用这一特点来有效地确定风险路径的致灾风险:
设O=(O1,O2,…,Oi)定义一个随机场,I=(I1,I2,…,Ii)也定义一个随机场。
其中,O表示风险路径中一系列的风险源,Oi表示第i个位置的风险源。例如Oi可以表示该风险源的预设编号,例如输气管段的编号、燃气阀的编号等。
I表示风险源对应的标注值,表征风险源出现故障的可能性。例如,I3可以是输气管第3段O3的腐蚀(或破损)程度,而输气管段的腐蚀(或破损)程度可以分为严重、比较严重、一般、较轻、以及无腐蚀(或破损),则对应的标注值为5、4、3、2、1。
再例如,I2可以表示某一风险路径中第2号燃气阀O2的标注值,而燃气阀的密封程度可以分为密封、轻微泄露以及严重泄露蚀,则对应的标注值为3、2、1。
对于CRF,可以为它定义两款特征函数:转移特征&状态特征。
这里将建模总公式展开:
其中,Z(O)是规范化因子,并且:
将上述二式结合:
其中:
(1)tj是定义在边上的特征函数,称为转移特征,依赖于当前和前一个位置;
(2)sl是定义在及结点上的特征函数,称为状态特征,依赖于当前位置;
(3)λj,μl是tj,sl对应的权值;
(4)特征函数tj,sl取值为1或0:当满足特征条件时取值为1,否则为0;
(5)fk(O,Ii-1,Ii,i)是特征函数;本发明实施例根据各类社区燃气设备的风险路径以及对应的风险源,通过CRF的训练可确定各类特征函数的权重,最终通过各类特征函数集合汇总的CRF确定各风险路径的输出值。
在一个实施例中,在训练CRF模型时,每个特征函数都可以以风险源序列O的当前位置i,位置i+1和i-1的标注值为输入。然后为每一个特征函数赋予一个权重,再对所有的特征函数加权求和,以得到对应的输出值。
需要说明的是,通过大量历史数据进行CRF训练,即可得到各类风险路径致灾时,CRF的输出值。因此,可将这些输出值作为对应的预设阈值,即,在使用训练好的CRF模型对某一风险路径进行判断时,若CRF的输出值大于与该风险路径对应的输出值时,即可判定该风险路径存在致灾风险。
在一个实施例中,步骤S101具体包括:
将各风险源的预设编号的集合作为第一随机场,将标注值的集合作为第二随机场;
将第一随机场与第二随机场代入所述风险评估模型中。
可以理解的是,对于一个待评估的社区燃气设备,可根据故障树图中的各风险路径对各风险源进行分类并编号,然后评估出各风险源对应的标注值。
最后将各风险源的预设编号的集合作为第一随机场,将标注值的集合作为第二随机场,并输入到CRF模型中。
当CRF完成计算后,即可通过比较输出值与对应预设阈值确定该风险路径是否有致灾风险。
本发明实施例提供的社区燃气设备风险评估方法,通过利用CRF模型,可以较准确地通过给定风险源确定相关致灾风险路径,从而对风险源采取预防措施;另外,通过将风险路径节点量化为状态变量的改变,既能直观呈现问题所在,又能为防治风险提供量化标准。
图2为本发明实施例提供的社区燃气设备风险评估装置的结构示意图,参看图2,本发明实施例还提供一种社区燃气设备风险评估装置,包括输入模块201以及比较模块202。
输入模块201用于将风险路径对应的各风险源,以及各风险源对应的标注值,输入至风险评估模型中;
比较模块202用于根据风险评估模型的输出值大于对应预设阈值的比较结果,确定风险路径存在致灾风险;
其中,标注值表征风险源出现故障的可能性。
本发明实施例提供的社区燃气设备风险评估装置,由于是通过机器学习模型进行风险评估,因此可保证较高的正确率。另外,由于模型的输入基于风险路径中的各风险源,因此可细化评估目标,实现精确的致灾风险评估。
在一个实施例中,风险评估模型为条件随机场CRF模型。
具体地,本发明实施例利用社区燃气设备的故障树图确定导致某一风险事件的各类风险路径。
因为各类社区燃气系统相互类似,因此通过建模对大量的社区燃气设备的故障树图中的各类风险路径进行训练后,即可以该训练好的模型为基础推断和预测待评估的社区燃气系统的故障衍生。
具体地,可以通过CRF利用这一特点来有效地确定风险路径的致灾风险:
设O=(O1,O2,…,Oi)定义一个随机场,I=(I1,I2,…,Ii)也定义一个随机场。
其中,O表示风险路径中一系列的风险源,Oi表示第i个位置的风险源。例如Oi可以表示该风险源的预设编号,例如输气管段的编号、燃气阀的编号等。
I表示风险源对应的标注值,表征风险源出现故障的可能性。例如,I3可以是输气管第3段O3的腐蚀(或破损)程度,而输气管段的腐蚀(或破损)程度可以分为严重、比较严重、一般、较轻、以及无腐蚀(或破损),则对应的标注值为5、4、3、2、1。
再例如,I2可以表示某一风险路径中第2号燃气阀O2的标注值,而燃气阀的密封程度可以分为密封、轻微泄露以及严重泄露蚀,则对应的标注值为3、2、1。
对于CRF,可以为它定义两款特征函数:转移特征&状态特征。
这里将建模总公式展开:
其中,Z(O)是规范化因子,并且:
将上述二式结合:
其中:
(1)tj是定义在边上的特征函数,称为转移特征,依赖于当前和前一个位置;
(2)sl是定义在及结点上的特征函数,称为状态特征,依赖于当前位置;
(3)λj,μl是tj,sl对应的权值;
(4)特征函数tj,sl取值为1或0:当满足特征条件时取值为1,否则为0;
(5)fk(O,Ii-1,Ii,i)是特征函数;本发明实施例根据各类社区燃气设备的风险路径以及对应的风险源,通过CRF的训练可确定各类特征函数的权重,最终通过各类特征函数集合汇总的CRF确定各风险路径的输出值。
在一个实施例中,在训练CRF模型时,每个特征函数都可以以风险源序列O的当前位置i,位置i+1和i-1的标注值为输入。然后为每一个特征函数赋予一个权重,再对所有的特征函数加权求和,以得到对应的输出值。
需要说明的是,通过大量历史数据进行CRF训练,即可得到各类风险路径致灾时,CRF的输出值。因此,可将这些输出值作为对应的预设阈值,即,在使用训练好的CRF模型对某一风险路径进行判断时,若CRF的输出值大于与该风险路径对应的输出值时,即可判定该风险路径存在致灾风险。
在一个实施例中,输入模块201具体用于:
将各风险源的预设编号的集合作为第一随机场,将标注值的集合作为第二随机场;
将第一随机场与第二随机场代入风险评估模型中。
可以理解的是,对于一个待评估的社区燃气设备,可根据故障树图中的各风险路径对各风险源进行分类并编号,然后评估出各风险源对应的标注值。
最后将各风险源的预设编号的集合作为第一随机场,将标注值的集合作为第二随机场,并输入到CRF模型中。
当CRF完成计算后,即可通过比较输出值与对应预设阈值确定该风险路径是否有致灾风险。
本发明实施例提供的社区燃气设备风险评估装置,通过利用CRF模型,可以较准确地通过给定风险源确定相关致灾风险路径,从而对风险源采取预防措施;另外,通过将风险路径节点量化为状态变量的改变,既能直观呈现问题所在,又能为防治风险提供量化标准。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(Processor)310、通信接口(Communications Interface)320、存储器(Memory)330和通信总线(Bus)340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储在存储器330上并可在处理器310上运行的计算机程序,以执行上述各实施例提供的社区燃气设备风险评估方法的步骤,例如包括:
将风险路径对应的各风险源,以及各风险源对应的标注值,输入至风险评估模型中;
根据风险评估模型的输出值大于对应预设阈值的比较结果,确定风险路径存在致灾风险。
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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,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。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地,本发明实施例公开一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,计算机能够执行上述各方法实施例提供的社区燃气设备风险评估方法的步骤,例如包括:
将风险路径对应的各风险源,以及各风险源对应的标注值,输入至风险评估模型中;
根据风险评估模型的输出值大于对应预设阈值的比较结果,确定风险路径存在致灾风险。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时可实现上述各方法实施例提供的社区燃气设备风险评估方法的步骤,例如包括:
将风险路径对应的各风险源,以及各风险源对应的标注值,输入至风险评估模型中;
根据风险评估模型的输出值大于对应预设阈值的比较结果,确定风险路径存在致灾风险。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种社区燃气设备风险评估方法,其特征在于,包括:
将风险路径对应的各风险源,以及所述各风险源对应的标注值,输入至风险评估模型中;
根据所述风险评估模型的输出值大于对应预设阈值的比较结果,确定所述风险路径存在致灾风险;
其中,所述标注值表征风险源出现故障的可能性;
所述风险评估模型为条件随机场CRF模型;
所述将风险路径对应的各风险源,以及所述各风险源对应的标注值,输入至风险评估模型中包括:
将所述各风险源的预设编号的集合作为第一随机场,将所述标注值的集合作为第二随机场;
将所述第一随机场与所述第二随机场代入所述风险评估模型中。
2.一种社区燃气设备风险评估装置,其特征在于,包括:
输入模块,用于将风险路径对应的各风险源,以及所述各风险源对应的标注值,输入至风险评估模型中;
比较模块,用于根据所述风险评估模型的输出值大于对应预设阈值的比较结果,确定所述风险路径存在致灾风险;
其中,所述标注值表征风险源出现故障的可能性;
所述风险评估模型为条件随机场CRF模型;
所述输入模块具体用于:
将所述各风险源的预设编号的集合作为第一随机场,将所述标注值的集合作为第二随机场;
将所述第一随机场与所述第二随机场代入所述风险评估模型中。
3.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1所述的社区燃气设备风险评估方法的步骤。
4.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1所述的社区燃气设备风险评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911258648.8A CN110942259B (zh) | 2019-12-10 | 2019-12-10 | 社区燃气设备风险评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911258648.8A CN110942259B (zh) | 2019-12-10 | 2019-12-10 | 社区燃气设备风险评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110942259A CN110942259A (zh) | 2020-03-31 |
CN110942259B true CN110942259B (zh) | 2020-09-29 |
Family
ID=69910049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911258648.8A Active CN110942259B (zh) | 2019-12-10 | 2019-12-10 | 社区燃气设备风险评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942259B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520343A (zh) * | 2018-03-26 | 2018-09-11 | 平安科技(深圳)有限公司 | 风险模型训练方法、风险识别方法、装置、设备及介质 |
CN109494816A (zh) * | 2018-12-28 | 2019-03-19 | 清华-伯克利深圳学院筹备办公室 | 电-热耦合的多能流系统的风险评估方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709651B (zh) * | 2016-12-26 | 2021-01-05 | 贵州电网有限责任公司电力调度控制中心 | 一种基于风险理论的电力系统安全性评估系统 |
CN107977798B (zh) * | 2017-12-21 | 2023-09-12 | 中国计量大学 | 一种电子商务产品质量的风险评价方法 |
CN110163454A (zh) * | 2018-02-07 | 2019-08-23 | 中石油昆仑燃气有限公司 | 一种城镇燃气管网泄漏风险评价方法及装置 |
CN109767125A (zh) * | 2019-01-14 | 2019-05-17 | 上海瑞眼科技有限公司 | 一种建筑物的智能化消防安全评估方法及设备 |
CN110009225B (zh) * | 2019-04-03 | 2023-10-31 | 平安科技(深圳)有限公司 | 风险评估系统构建方法、装置、计算机设备和存储介质 |
CN110309961A (zh) * | 2019-06-20 | 2019-10-08 | 京东城市(北京)数字科技有限公司 | 火灾预警方法和装置 |
CN110490433A (zh) * | 2019-07-30 | 2019-11-22 | 同济大学 | 一种列控系统风险评估方法 |
-
2019
- 2019-12-10 CN CN201911258648.8A patent/CN110942259B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520343A (zh) * | 2018-03-26 | 2018-09-11 | 平安科技(深圳)有限公司 | 风险模型训练方法、风险识别方法、装置、设备及介质 |
CN109494816A (zh) * | 2018-12-28 | 2019-03-19 | 清华-伯克利深圳学院筹备办公室 | 电-热耦合的多能流系统的风险评估方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110942259A (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kabir et al. | Uncertainty-aware dynamic reliability analysis framework for complex systems | |
CN108833416B (zh) | 一种scada系统信息安全风险评估方法及系统 | |
Liu et al. | Kernel estimation of the Greeks for options with discontinuous payoffs | |
Boyko et al. | Concept implementation of decision support software for the risk management of complex technical system | |
US20170364825A1 (en) | Adaptive augmented decision engine | |
Xian et al. | A new trapezoidal Pythagorean fuzzy linguistic entropic combined ordered weighted averaging operator and its application for enterprise location | |
Chandy et al. | Cyberattack detection using deep generative models with variational inference | |
Morais et al. | PROMETHEE‐ROC Model for Assessing the Readiness of Technology for Generating Energy | |
Du et al. | Improved similarity measure in case-based reasoning with global sensitivity analysis: An example of construction quantity estimating | |
Hossain et al. | Shrinkage and penalty estimators of a Poisson regression model | |
CN113868953B (zh) | 工业系统中多机组运行优化方法、装置、系统及存储介质 | |
Borgonovo | A methodology for determining interactions in probabilistic safety assessment models by varying one parameter at a time | |
Żebrowski et al. | A Bayesian framework for the analysis and optimal mitigation of cyber threats to cyber‐physical systems | |
Nadjafi et al. | Dynamic fault tree analysis using fuzzy LU bounds failure distributions | |
Pandey et al. | Fault prediction model by fuzzy profile development of reliability relevant software metrics | |
CN117786131A (zh) | 一种产业链安全监测分析方法、介质及设备 | |
CN114003475A (zh) | 软件产品成熟度评估方法、装置、计算机设备和存储介质 | |
CN110942259B (zh) | 社区燃气设备风险评估方法及装置 | |
Wilcox et al. | Uncertainty modeling of data and uncertainty propagation for risk studies | |
CN116362894A (zh) | 多目标学习方法、装置、电子设备及计算机可读存储介质 | |
Espinosa-Paredes et al. | Modeling of the High Pressure Core Spray Systems with fuzzy cognitive maps for operational transient analysis in nuclear power reactors | |
Aizpurua et al. | Probabilistic power transformer condition monitoring in smart grids | |
CN113822441B (zh) | 决策模型训练方法、装置、终端设备及存储介质 | |
CN115660451A (zh) | 基于rpa的供应商风险预警方法、装置、设备及介质 | |
US20160110641A1 (en) | Determining a level of risk for making a change using a neuro fuzzy expert system |
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 |