CN111325480A - 一种内河航道维护疏浚施工安全风险识别方法 - Google Patents
一种内河航道维护疏浚施工安全风险识别方法 Download PDFInfo
- Publication number
- CN111325480A CN111325480A CN202010179710.0A CN202010179710A CN111325480A CN 111325480 A CN111325480 A CN 111325480A CN 202010179710 A CN202010179710 A CN 202010179710A CN 111325480 A CN111325480 A CN 111325480A
- Authority
- CN
- China
- Prior art keywords
- risk
- safety
- frequency
- dredging construction
- identifying
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012423 maintenance Methods 0.000 title claims abstract description 21
- 238000005065 mining Methods 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000012047 cause and effect analysis Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- RNAMYOYQYRYFQY-UHFFFAOYSA-N 2-(4,4-difluoropiperidin-1-yl)-6-methoxy-n-(1-propan-2-ylpiperidin-4-yl)-7-(3-pyrrolidin-1-ylpropoxy)quinazolin-4-amine Chemical compound N1=C(N2CCC(F)(F)CC2)N=C2C=C(OCCCN3CCCC3)C(OC)=CC2=C1NC1CCN(C(C)C)CC1 RNAMYOYQYRYFQY-UHFFFAOYSA-N 0.000 abstract description 4
- 238000007619 statistical method Methods 0.000 abstract description 4
- 238000007418 data mining Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007796 conventional method Methods 0.000 abstract 1
- 230000007547 defect Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 5
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 238000004873 anchoring Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036262 stenosis Effects 0.000 description 2
- 208000037804 stenosis Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 231100000817 safety factor Toxicity 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
- G06Q10/063—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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源信息挖掘融合技术的内河航道维护疏浚施工安全风险识别方法，包括如下步骤：首先获取疏浚施工、船舶航行安全相关资料，其次用事故因果频数统计方法和python jieba词频统计方法进行数据挖掘，然后采用基于贡献率的基数定权方法对多源数据进行融合，最终通过做巴雷特图获得关键风险因素。本发明解决了现有方法中风险因素被夸大或缩小以及风险因素被遗漏等不足，提供了一种多源信息挖掘的安全风险识别方法，用于实现一种基于安全事件和广泛文本资料的内河航道维护疏浚施工安全风险识别的技术方案。
Description
技术领域
本发明涉及内河航道维护疏浚施工安全风险识别方法，尤其涉及一种基于多源信息挖掘的内河航道维护疏浚施工安全风险识别方法。
背景技术
内河航道淤积严重影响航道的通航功能，内河航道维护性疏浚是确保航道达到相应等级必须的技术手段。然而，像长江等内河航道航运繁忙，要求在不断航的情况下施工，因此，内河航道维护性疏浚施工面临着密集的船舶流、复杂的航道环境等诸多不良因素，施工生产安全要素复杂，安全风险大。因此，需要对航道维护疏浚施工风险进行科学地识别，以便对施工中的风险进行评价和有效管控。
传统的风险识别方法(层次分析法、核对表法、流程图、事件树、故障树等分析识别方法；头脑风暴法、德菲尔法等主观分析识别法)工作量大易出错，存在风险主观被夸大或缩小以及风险被遗漏风险；部分文献风险评价中直接给出的风险因素，在此基础上进行风险评价，对于如何识别出安全风险因素则少有文献探讨。
目前，国内外大量学者研究方向聚集在船舶航行安全风险识别评价方面，内河航道维护性疏浚施工安全风险因素识别领域的具体技术方案实现尚未见报道。
发明内容
发明目的：针对现有技术存在的问题，本发明的目的是提供一种多源信息挖掘的内河航道维护疏浚施工安全风险识别方法，通过该方法识别维护性疏浚施工过程中可能对安全产生威胁的主要因素，为施工中的风险评估和安全防范及应急预案的制定提供指导，确保不断航维护性疏浚施工安全。
技术方案：一种多源信息挖掘的内河航道维护疏浚施工安全风险识别方法，包括以下步骤：
步骤(1)、调查分析历史安全事件：分别调查收集航道疏浚施工历史安全事件和水上交通险情和事故，其数量记为x；
依据安全系统工程分析方法的因果分析原理，从“人-船舶设备—环境—管理”四方面，得到事故的因果分析图，事故因果分析图中各元素后的小括号用于频数统计。
图中所有元素归为事故因果(Accident Causation)风险集合，记为集合A，A中各元素记为Ai，其元素频率记为ai(i＝1,2,3…n)；
进一步的，元素频率ai按以下方式获取：各元素括号中获得的频数除以总频数即为各元素频率。
步骤(2)、收集疏浚施工相关规范条文(包括施工类、设计类、质量类、安全类、监测类和风险类等)、文献、安全手册等，文本资料篇数记为y。
从“人-船舶设备—环境—管理”四方面采用目标导向分析方法，汇集其中的注意事项模块，特别关注“必须”、“严禁”、“不宜”等词汇后得内容，可得经验(Experience)风险集合，记为集合E，E中各元素记为Ej(j＝1,2,3…m)，其集合元素频率记为ej(j＝1,2,3…m)；
进一步的，获取集合元素频率ej的方法为：以经验风险集合E中的元素Ej(j＝1,2,3…m)为目标词汇，步骤(2)已收集所得的文本资料为检索库，基于python的IDLE环境下，首先利用jieba库的中文分词原理对文本资料进行分词处理，再对目标词汇进行词频统计，获得经验集合E内各元素在各自文本中的频率，记为e′j(j＝1,2,3…m)，经过转换后得经验集合E内的集合元素频率ej(j＝1,2,3…m)。
步骤(3)、取事故因果风险集合A和经验风险集合E的并集，记为集合S；S＝A∪E。
步骤(4)、融合集合S中的因素形成风险因素清单。集合A和集合E中的元素及其频率融合采用以下基于贡献率的基数定权公式：
式中：Si,j为集合A和集合E融合后的集合S中的元素。
步骤(5)、将风险因素清单里各风险因素频率由大到小排列，做出主次因素排列图(巴雷特图)。
步骤(7)、取主次因素排列图中所得的Ⅰ类元素集为关键风险因素。
进一步的，所述经验风险集合E中的风险元素词频统计方法为：首先利用python下的第三方库jieba库的分词原理，将检索库中的文本资料分词，然后读取经验风险集合E中的风险因素作为目标词汇，最后进行词频统计即可。
为了体现经验集合E中目标风险因素在各自文本中的重要程度，对其集合元素频率的计算按以下方式：
式中：ej′为集合E中元素在各自检索文本中的频率。
进一步的，主次因素排列图中，横轴为风险清单中的元素Si-j(i＝1,2,3…n；j＝1,2,3…m),从左往右依次按频率从大到小排列，左侧纵轴为元素Si-j的频率，以左侧纵轴为标准做直方图，右侧纵轴为元素Si-j的累计频率，以右侧纵轴为标准做累积频率折线图。累计频率在0～80％的元素为Ⅰ类，累积频率在80％～90％为Ⅱ类，累计频率在90％～100％为Ⅲ类。
有益效果：和现有技术相比，本发明具有如下显著优点：
1、风险因素的收集广泛，收集资料包括：历史疏浚安全事件、水上交通险情和事故；相关规范条文、文献、安全手册等。使得风险因素来源全面而客观。
2、本发明基于数据挖掘的理念，提出将jieba分词的文本挖掘技术应用于风险识别领域，对相关安全条文规范、文献、安全手册等进行关键词频统计，挖掘文本潜在价值，提升了文本资源利用效率，为风险源收集提供了一种新途径。
3、本发明基于数据挖掘的理念，提出一种事故因果频数统计方法，即获得安全风险因素，也可获得各因素的出现频数。
4、本发明提出采用基于贡献率的基数定权公式，将多来源的风险因素相融合，使得风险识别更客观。
5、本发明在获得关键风险因素的同时，也可获得各关键风险因素的出现频率，此频率可作为基本事件的发生概率，为安全风险评估提供科学依据。
附图说明
图1为本发明的风险识别方法流程图；
图2为词频统计程序流程图；
图3为事故因果分析图；
图4主次元素排列图(巴雷特图)。
具体实施方式
下面结合实施例和附图，以长江下游12.5米深水航道维护疏浚施工为例对本发明涉及的一种多源信息挖掘的内河航道维护疏浚施工安全风险识别方法的具体实施方案进行详细地说明。如图1为本发明的风险识别方法流程图，图2为词频统计程序流程图。
(1)安全事件调查分析
施工历史安全事件：
①2009年南京“10.20”耙吸船丟锚事件
②2014年张家港“1.16”自航耙搁浅事件
以上两个施工安全事件为例(x＝2)进行事故因果分析，见图3。
从图3中可以获得以下表中信息：
集合A中元素汇总表
| 集合A中风险因素 | 频数 | 元素频率a<sub>i</sub> |
| 经验不够A<sub>1</sub> | 2 | 0.222 |
| 安全意识不强A<sub>2</sub> | 2 | 0.222 |
| 沟通不充分A<sub>3</sub> | 1 | 0.111 |
| 水域狭窄A<sub>4</sub> | 1 | 0.111 |
| 船舶密集A<sub>5</sub> | 1 | 0.111 |
| 安全风险提醒不到位A<sub>6</sub> | 1 | 0.111 |
| 安全管理松懈A<sub>7</sub> | 1 | 0.111 |
(2)文本资料调查分析
维护性疏浚施工安全风险识别相关的文献资料
以下2篇文本资料为例进行词频统计，y＝2。
文本资料调查表
(3)词频统计—集合E
集合E中元素汇总表
由式(2)计算
本例中y＝2。
| 集合E中元素(E<sub>j</sub>) | 集合元素频率(e<sub>j</sub>) |
| 违规E<sub>1</sub> | 0.010 |
| 设备(信号、故障、异常、断裂)E<sub>2</sub> | 0.631 |
| 演习E<sub>3</sub> | 0.041 |
| 证书E<sub>4</sub> | 0.143 |
| 检查(组织)E<sub>5</sub> | 0.072 |
| 标志E<sub>6</sub> | 0.022 |
| 熟悉E<sub>7</sub> | 0.028 |
| 避风E<sub>8</sub> | 0.028 |
| 锚地E<sub>9</sub> | 0.028 |
(4)集合S
综合以上分析，集合S＝A∪E。
集合S中元素汇总表
| 序号 | 融合前元素 | 融合前频率 |
| 1 | 经验不够A<sub>1</sub> | 0.222 |
| 2 | 安全意识不强A<sub>2</sub> | 0.222 |
| 3 | 沟通不充分A<sub>3</sub> | 0.111 |
| 4 | 水域狭窄A<sub>4</sub> | 0.111 |
| 5 | 船舶密集A<sub>5</sub> | 0.111 |
| 6 | 安全风险提醒不到位A<sub>6</sub> | 0.111 |
| 7 | 安全管理松懈A<sub>7</sub> | 0.111 |
| 8 | 违规E<sub>1</sub> | 0.010 |
| 9 | 设备(信号、故障、异常、断裂)E<sub>2</sub> | 0.631 |
| 10 | 演习E<sub>3</sub> | 0.041 |
| 11 | 证书E<sub>4</sub> | 0.143 |
| 12 | 检查(组织)E<sub>5</sub> | 0.072 |
| 13 | 标志E<sub>6</sub> | 0.022 |
| 14 | 熟悉E<sub>7</sub> | 0.028 |
| 15 | 避风E<sub>8</sub> | 0.028 |
| 16 | 锚地E<sub>9</sub> | 0.028 |
(5)形成风险因素清单
以上表为例，集合A中的“经验不够”和集合E中的“熟悉”属于同一类风险因素，采用基于贡献率的基数定权公式融合，a1、e7的值见上集合S中元素汇总表，本例中分析2例安全事件，x＝2，2篇安全手册，y＝2。
集合A中的“沟通不充分”与集合E中元素均不属于同一类，则按以下方式进行融合：
其余风险因素因处理方法同上，经整理后可得下表风险因素清单：
集合S中元素融合表
| 元素编号 | 风险因素 | 组合形式 | 频率 |
| S<sub>1,7</sub> | 经验不够(熟悉) | (A<sub>1</sub>，E<sub>7</sub>) | 0.125 |
| S<sub>2,3</sub> | 安全意识不强(演习) | (A<sub>2</sub>，E<sub>3</sub>) | 0.132 |
| S<sub>3,0</sub> | 沟通不充分 | (A<sub>3</sub>，0) | 0.056 |
| S<sub>4,0</sub> | 水域狭窄 | (A<sub>4</sub>，0) | 0.056 |
| S<sub>5,0</sub> | 船舶密集 | (A<sub>5</sub>，0) | 0.056 |
| S<sub>6,0</sub> | 安全风险提醒不到位 | (A<sub>6</sub>，0) | 0.056 |
| S<sub>7,0</sub> | 安全管理松懈 | (A<sub>7</sub>，0) | 0.056 |
| S<sub>0,1</sub> | 违规 | (0，E<sub>1</sub>) | 0.005 |
| S<sub>0,2</sub> | 设备(信号、故障、异常、断裂) | (0，E<sub>2</sub>) | 0.316 |
| S<sub>0,4</sub> | 证书 | (0，E<sub>4</sub>) | 0.072 |
| S<sub>0,5</sub> | 检查(组织) | (0，E<sub>5</sub>) | 0.036 |
| S<sub>0,6</sub> | 标志 | (0，E<sub>6</sub>) | 0.011 |
| S<sub>0,8</sub> | 避风 | (0，E<sub>8</sub>) | 0.014 |
| S<sub>0,9</sub> | 锚地 | (0，E<sub>9</sub>) | 0.014 |
(6)识别关键风险因素
作主次元素排列图(巴雷特图)，如图4所示。
(7)获得关键风险因素
累计频率在0～80％的元素为Ⅰ类；累积频率在80％～90％为Ⅱ类；累计频率在90％～100％为Ⅲ类。
从图4可以看出：
Ⅰ类风险因素为：设备、安全意识不强、经验不够、证书、沟通不充分、水域狭窄、船舶密集。Ⅰ类风险因素包括了船舶设备风险、人员风险和环境风险。
Ⅱ类风险因素为：安全风险提醒不到位、安全管理松懈、检查。Ⅱ类风险因素主要体现在风险管理层面上。
Ⅲ类风险因素为：避风、锚地、标志、违规。
Claims (8)
1.一种基于多源信息挖掘的内河航道维护疏浚施工安全风险识别方法，其特征在于，包括以下步骤：
步骤(1)、获取内河航道疏浚施工历史安全事件、水上交通险情和事故，其数量记为x；对安全事件分析得到事故因果分析图，图中各元素后的小括号用于频数统计；
图中所有元素归为事故因果风险集合，记为集合A，A中各元素记为Ai，其元素频率记为ai，i＝1,2,3…n，n表示A中元素个数；
步骤(2)、获取疏浚施工相关规范条文、文献和安全手册，文本资料篇数记为y；采用目标导向分析方法，汇集其中注意事项模块，得到经验风险集合，记为集合E，E中各元素记为Ej，j＝1,2,3…m，其集合元素频率记为ej，j＝1,2,3…m，m表示E中元素个数；
步骤(3)、取事故因果风险集合A和经验风险集合E的并集，记为集合S，S＝A∪E；
步骤(4)、集合S中的因素形成风险因素清单；集合A和集合E中的元素及其频率融合采用以下基于贡献率的基数定权公式：
式中，Sij为集合S中的元素；
步骤(5)、将风险因素清单中的风险因素频率由大到小排列，做出主次因素排列图；
步骤(6)、取主次因素排列图中所得的Ⅰ类元素集为关键风险因素。
2.根据权利要求1所述的一种内河航道维护疏浚施工安全风险识别方法，其特征在于，步骤(1)中，所述元素频率ai由元素括号中获得的频数除以总频数获得。
3.根据权利要求1所述的一种内河航道维护疏浚施工安全风险识别方法，其特征在于，所述疏浚施工相关规范条文包括施工类、设计类、质量类、安全类、监测类和风险类规范条文。
4.根据权利要求1所述的一种内河航道维护疏浚施工安全风险识别方法，其特征在于，步骤(2)中，所述集合元素频率ej按以下方式获取：
以经验风险集合E的元素Ej为目标词汇，步骤(2)中已收集所得的文本资料为检索库，基于python-jieba分词的目标词汇词频统计，获得经验风险集合E内各元素在各自检索文本中频率，经过转换后得经验风险集合E内的集合元素频率ej。
5.根据权利要求4所述的一种内河航道维护疏浚施工安全风险识别方法，其特征在于，所述词频统计的具体步骤为：
(2.1)利用python下的第三方库jieba库的分词原理，将检索库中的文本资料分词；
(2.2)读取经验风险集合E中的风险因素作为目标词汇；
(2.2)进行词频统计。
6.根据权利要求1所述的一种内河航道维护疏浚施工安全风险识别方法，其特征在于，所述集合元素频率按以下公式计算获得：
式中，e′j为经验风险集合E内各元素在各自检索文本中的频率。
7.根据权利要求1所述的一种内河航道维护疏浚施工安全风险识别方法，其特征在于，步骤(6)中，所述主次因素排列图的横轴为元素Si,j，从左往右依次按频率从大到小排列，左侧纵轴为元素Si,j的频率，以左侧纵轴为标准做直方图，右侧纵轴为元素Si,j的累计频率，以右侧纵轴为标准做累积频率折线图。
8.根据权利要求7所述的一种内河航道维护疏浚施工安全风险识别方法，其特征在于，累计频率在0～80％的元素为Ⅰ类，累积频率在80％～90％为Ⅱ类，累计频率在90％～100％为Ⅲ类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010179710.0A CN111325480B (zh) | 2020-03-16 | 2020-03-16 | 一种内河航道维护疏浚施工安全风险识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010179710.0A CN111325480B (zh) | 2020-03-16 | 2020-03-16 | 一种内河航道维护疏浚施工安全风险识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111325480A true CN111325480A (zh) | 2020-06-23 |
| CN111325480B CN111325480B (zh) | 2024-02-02 |
Family
ID=71167632
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010179710.0A Active CN111325480B (zh) | 2020-03-16 | 2020-03-16 | 一种内河航道维护疏浚施工安全风险识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111325480B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111859293A (zh) * | 2020-07-08 | 2020-10-30 | 长江武汉航道局 | 一种长河段航道合理维护尺度确定方法 |
| CN114741770A (zh) * | 2022-04-28 | 2022-07-12 | 中铁长江交通设计集团有限公司 | 一种基于Civil3D的疏浚断面结构及模板创建方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109086992A (zh) * | 2018-07-27 | 2018-12-25 | 苏交科集团股份有限公司 | 航道工程施工安全风险评估方法 |
| CN109118039A (zh) * | 2018-06-27 | 2019-01-01 | 武汉理工大学 | 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 |
| CN109190880A (zh) * | 2018-07-23 | 2019-01-11 | 武汉理工大学 | 基于模块层次分析法的库区桥梁施工风险识别方法 |
| CN110008311A (zh) * | 2019-04-04 | 2019-07-12 | 北京邮电大学 | 一种基于语义分析的产品信息安全风险监测方法 |
-
2020
- 2020-03-16 CN CN202010179710.0A patent/CN111325480B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109118039A (zh) * | 2018-06-27 | 2019-01-01 | 武汉理工大学 | 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 |
| CN109190880A (zh) * | 2018-07-23 | 2019-01-11 | 武汉理工大学 | 基于模块层次分析法的库区桥梁施工风险识别方法 |
| CN109086992A (zh) * | 2018-07-27 | 2018-12-25 | 苏交科集团股份有限公司 | 航道工程施工安全风险评估方法 |
| CN110008311A (zh) * | 2019-04-04 | 2019-07-12 | 北京邮电大学 | 一种基于语义分析的产品信息安全风险监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 薄玉静: "应用巴列特统计方法降低工程成本的实践", no. 5, pages 2 - 3 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111859293A (zh) * | 2020-07-08 | 2020-10-30 | 长江武汉航道局 | 一种长河段航道合理维护尺度确定方法 |
| CN111859293B (zh) * | 2020-07-08 | 2023-11-10 | 长江武汉航道局 | 一种长河段航道合理维护尺度确定方法 |
| CN114741770A (zh) * | 2022-04-28 | 2022-07-12 | 中铁长江交通设计集团有限公司 | 一种基于Civil3D的疏浚断面结构及模板创建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111325480B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103971523B (zh) | 一种山区道路交通安全动态预警系统 | |
| Zhao et al. | Hierarchical anomaly detection and multimodal classification in large-scale photovoltaic systems | |
| CN106204392A (zh) | 环境风险源预警系统 | |
| CN107944590B (zh) | 一种渔情分析预报的方法及设备 | |
| CN111325480A (zh) | 一种内河航道维护疏浚施工安全风险识别方法 | |
| CN108470032A (zh) | 基于数字地球框架的海外园区招商服务系统 | |
| CN103745229A (zh) | 一种基于svm的轨道交通故障诊断方法及系统 | |
| SA114350450B1 (ar) | نظام إدارة عالمي وطريقة لإدارة أصول الزيت والغاز على سلسلة إمداد | |
| CN109141528A (zh) | 一种城市轨道交通土建设施智能实时监控系统 | |
| CN104182830A (zh) | 一种基于多维分析的配电系统可靠性薄弱环节挖掘方法 | |
| Yin et al. | Automation for sewer pipe assessment: CCTV video interpretation algorithm and sewer pipe video assessment (SPVA) system development | |
| WO2024012552A1 (zh) | 尾矿库安全生产风险分级预警方法 | |
| CN104777827A (zh) | 高速铁路信号系统车载设备故障诊断方法 | |
| Wang et al. | Predicting wind-caused floater intrusion risk for overhead contact lines based on Bayesian neural network with spatiotemporal correlation analysis | |
| Ertek et al. | Analyzing a decade of wind turbine accident news with topic modeling | |
| CN112633779A (zh) | 一种对环境监测数据可信度进行评估的方法 | |
| Xie et al. | A novel quality control method of time-series ocean wave observation data combining deep-learning prediction and statistical analysis | |
| CN108182178B (zh) | 基于事件文本数据挖掘的地下水水位分析方法与系统 | |
| Hsu et al. | Application of Rough Set Theory and Bow-Tie Analysis to Maritime Safety Analysis Management: A Case Study of Taiwan Ship Collision Incidents | |
| CN116843528A (zh) | 多源卫星高时频电网火险监测方法及系统 | |
| CN110807569A (zh) | 极端工况下不同利益群体的尾矿库风险评价和管理方法 | |
| Earp et al. | Advanced aerial inspection and asset management of electricity towers | |
| CN111737976B (zh) | 一种旱灾风险预测方法及系统 | |
| CN114626750A (zh) | 基于多要素分析的生态保护重要性评估方法及其集成系统 | |
| Zhang et al. | Dynamic health assessment of shield tunnel structures based on knowledge graph |
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 |