CN112258362B - 危险源识别方法、系统及可读存储介质 - Google Patents
危险源识别方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN112258362B CN112258362B CN202011031261.1A CN202011031261A CN112258362B CN 112258362 B CN112258362 B CN 112258362B CN 202011031261 A CN202011031261 A CN 202011031261A CN 112258362 B CN112258362 B CN 112258362B
- Authority
- CN
- China
- Prior art keywords
- dangerous source
- source data
- data
- dangerous
- original
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 32
- 238000012216 screening Methods 0.000 claims abstract description 4
- 239000000126 substance Substances 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 11
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 claims description 6
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 239000007789 gas Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 4
- XYFCBTPGUUZFHI-UHFFFAOYSA-N Phosphine Chemical compound P XYFCBTPGUUZFHI-UHFFFAOYSA-N 0.000 claims description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 2
- 229910021529 ammonia Inorganic materials 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 2
- 239000000460 chlorine Substances 0.000 claims description 2
- 229910052801 chlorine Inorganic materials 0.000 claims description 2
- 239000000428 dust Substances 0.000 claims description 2
- 239000001257 hydrogen Substances 0.000 claims description 2
- 229910052739 hydrogen Inorganic materials 0.000 claims description 2
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 2
- 229910000073 phosphorus hydride Inorganic materials 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000002360 explosive Substances 0.000 description 3
- 231100001267 hazard identification Toxicity 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 231100000614 poison Toxicity 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 229960000074 biopharmaceutical Drugs 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Emergency Management (AREA)
- Manufacturing & Machinery (AREA)
- Accounting & Taxation (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种危险源识别方法、系统及可读存储介质，所述方法包括：获取危险源数据，以建立待分类数据集；从所述待分类数据集中每个类别的危险源数据中，选取某个危险源数据作为目标危险源数据，判断所述目标危险源数据是否为危险源核心点；从所述待分类数据集中筛选出所有与所述目标危险源数据之间的距离小于等于预设邻域半径的危险源数据；若存在不属于任何聚类簇的危险源数据，则将不属于任何聚类簇的危险源数据作为异常危险源数据，并依据所述异常危险源数据与对应预警值之间关系来判断该危险源数据对应位置是否为危险源泄漏点；从而提高危险源准确率，降低误报警概率。
Description
技术领域
本发明涉及物联网技术、信息处理技术和数据分析技术等领域，具体的说，涉及了一种危险源识别方法、系统及可读存储介质。
背景技术
在社会生产、生活环境中存在许多危险源隐患，例如石油、石化生产过程中产生的有毒、易燃、易爆气体。这些有毒、易燃、易爆气体浓度达到一定的标准或压强超过一定标准时，往往会发生爆炸或致使人员中毒，严重威胁人员的安全与身体健康，而且污染周边环境。因此，有必要设计一种具备监测监控、数据查询、信息报告功能的危险源识别方法及系统，对危险源进行监测预警，以保证生产的正常进行以及人财物的安全。
为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足，从而提供一种危险源识别方法、系统及可读存储介质。
为了实现上述目的，本发明所采用的技术方案是：
本发明第一方面提供一种危险源识别方法，包括以下步骤：
获取危险源数据，以建立待分类数据集；
从所述待分类数据集中选取某个危险源数据作为目标危险源数据，判断所述目标危险源数据是否为危险源核心点；
若所述目标危险源数据为危险源核心点，则建立聚类簇，将所述目标危险源数据加入所述聚类簇中，从所述待分类数据集中筛选出所有与所述目标危险源数据之间的距离小于等于预设邻域半径的危险源数据，并将筛选出的危险源数据加入相应的聚类簇中；
判断筛选出的每个危险源数据是否为危险源核心点，若筛选出的某个危险源数据为危险源核心点，则从所述待分类数据集中筛选出所有与该危险源数据之间的距离小于等于预设邻域半径的危险源数据，并将再次筛选出的危险源数据加入所述聚类簇中；重复执行，直至遍历完所述待分类数据集中所有的危险源数据；
判断所述待分类数据集中是否存在不属于任何聚类簇的危险源数据；
若存在不属于任何聚类簇的危险源数据，则将不属于任何聚类簇的危险源数据作为异常危险源数据，并依据所述异常危险源数据与对应预警值之间关系来判断该危险源数据对应位置是否为危险源泄漏点。
本发明第二方面提供一种危险源识别系统，包括数据采集模块、物联网主机、数据处理中心、物联网智能管理平台、显示模块和声光报警模块；
所述数据采集模块设置在危险源所在位置，用于采集该位置的原始危险源数据并上传至所述物联网主机；
所述物联网主机，与所述数据处理中心通信连接，用于将接收到的各类别原始危险源数据转发至所述数据处理中心；
所述数据处理中心，与所述物联网智能管理平台通信连接，用于执行上述的危险源识别方法的步骤，并将危险源识别结果传输至物联网智能管理平台；
所述物联网智能管理平台，分别与所述显示模块和所述声光报警模块通信连接，用于通过所述显示模块展示危险源识别结果，以及驱动所述声光报警模块发出报警信息。
本发明第三方面提供一种可读存储介质，其上存储有指令，该指令被处理器执行时实现如上述的危险源识别方法的步骤。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说：
1）本发明提出了一种危险源识别方法、系统及可读存储介质，采用基于密度的全局邻域( Density-Based Spatial Clustering of Applications with Noise，DBSCAN )算法，计算样本之间距离和点密度对危险源数据进行聚类，明显不属于任何一类的危险源数据可认为是异常危险源数据。若检测出危险源数据为异常危险源数据，则依据所述异常危险源数据与对应预警值之间关系来判断该危险源数据对应位置是否为危险源泄漏点，从而提高危险源准确率，降低误报警概率；
2）所述危险源识别方法综合处理所采集的现场数据（危险源数据），在线智能分析危险源的安全状况，物联网智能预测平台及声光报警器发出预警提示，实现危险源的实时监测预警，适用于石油化工、医院、生物制药、学校实验室等环境下的危险源识别及分析。
附图说明
图1是本发明的危险源识别方法的流程图。
图2是本发明的一种具体实施例的识别结果示意图。
图3是本发明的危险源识别系统的结构框图。
具体实施方式
下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
实施例1
一种危险源识别方法，包括以下步骤：
获取危险源数据，以建立待分类数据集；
从所述待分类数据集中选取某个危险源数据作为目标危险源数据，判断所述目标危险源数据是否为危险源核心点；
若所述目标危险源数据为危险源核心点，则建立聚类簇，将所述目标危险源数据加入所述聚类簇中，从所述待分类数据集中筛选出所有与所述目标危险源数据之间的距离小于等于预设邻域半径的危险源数据，并将筛选出的危险源数据加入相应的聚类簇中；
判断筛选出的每个危险源数据是否为危险源核心点，若筛选出的某个危险源数据为危险源核心点，则从所述待分类数据集中筛选出所有与该危险源数据之间的距离小于等于预设邻域半径的危险源数据，并将再次筛选出的危险源数据加入所述聚类簇中；重复执行，直至遍历完所述待分类数据集中所有的危险源数据；
判断所述待分类数据集中是否存在不属于任何聚类簇的危险源数据；
若存在不属于任何聚类簇的危险源数据，则将不属于任何聚类簇的危险源数据作为异常危险源数据，并依据所述异常危险源数据与对应预警值之间关系来判断该危险源数据对应位置是否为危险源泄漏点。
进一步的，判断所述目标危险源数据是否为危险源核心点时，执行：遍历非目标危险源数据，所述非目标危险源数据为所述待分类数据集中除所述目标危险源数据外的所有危险源数据；依次计算每个非目标危险源数据与所述目标危险源数据之间的距离，判断计算出的距离是否小于等于预设邻域半径；若某个非目标危险源数据与所述目标危险源数据之间的距离小于等于预设邻域半径，则对该非目标危险源数据进行标记；判断已标记的非目标危险源数据数量是否大于预设密度阈值，如果是，则判定所述目标危险源数据为危险源核心点，否则判定所述目标危险源数据为异常危险源数据。
具体的，遍历所述待分类数据集中除目标危险源数据之外的所有危险源数据，依次计算目标危险源数据与所述待分类数据集中其他危险源数据之间的距离，并判断是否满足小于等于预设邻域半径的条件：
其中，dist(p,q)表示目标危险源数据p与其他危险源数据q之间的欧氏距离，Eps表示预设邻域半径，以当前目标危险源数据为核心确定密度区域范围时引用的长度。
如附图1所示，在一种具体实施方式中，所述危险源识别方法的流程为：
步骤1，设置预设邻域半径Eps和预设密度阈值MinPts，其中，预设密度阈值MinPts为以目标危险源数据为核心，以预设邻域半径为长度，所确定的范围内满足指定要求的最少元素的个数；
建立待分类数据集D，将待分类数据集D中所有的危险源数据标记为未读状态；
步骤2，选取某个危险源数据作为目标危险源数据p，并将该危险源数据标记为已读状态；
其中，已读和未读的作用是区分危险源数据是否被处理分析，已处理分析的危险源数据标记为已读状态，未处理分析的危险源数据标记为未读状态；
步骤3，判断所述目标危险源数据p是否为危险源核心点，如果所述目标危险源数据p不是危险源核心点且不属于其他簇，则将所述目标危险源数据p作为异常危险源数据，转步骤4；
如果是，则新建聚类簇Ai，并将目标危险源数据p放入聚类簇A中；将与所述目标危险源数据p之间的距离小于等于预设邻域半径Eps的危险源数据放入聚类簇Ai中，并转步骤4；
步骤4，新建集合S，将与所述目标危险源数据p之间的距离小于等于预设邻域半径Eps的危险源数据放入集合S中；
步骤5，从集合S中选取某个未读的危险源数据q，并标记为已读状态；
步骤6，判断危险源数据q是否为危险源核心点，如果是，则将与所述危险源数据q之间的距离小于等于预设邻域半径Eps的危险源数据放入集合S中，并转步骤7；如果危险源数据q不是危险源核心点，则直接转步骤7；
其中，若危险源数据q为某个危险源核心点预设邻域半径Eps内的危险源数据，则将危险源数据q对应预设邻域半径Eps内的危险源数据放入聚类簇Ai中；
步骤7，判断危险源数据q是否属于其他簇，如果危险源数据q不属于其他簇，则将危险源数据q放入聚类簇A中，并转步骤8；
如果危险源数据q属于其他簇，则直接转步骤8
步骤8，判断集合S中是否存在未读的危险源数据，如果集合S中存在未读的危险源数据，则重复执行步骤5至步骤7，直至集合S中所有的危险源数据都被标记为已读状态，然后转步骤9；
如果集合S中不存在未读的危险源数据，则直接转步骤9；
步骤9，输出聚类簇Ai；
步骤10，判断待分类数据集D中是否存在未读的危险源数据，如果待分类数据集D中存在未读的危险源数据，则重复执行步骤2至步骤9，直至待分类数据集D中的危险源数据均被标记为已读状态，然后转步骤11；
如果待分类数据集D中存在未读的危险源数据，则直接转步骤11；
步骤11，将未加入任何聚类簇的危险源数据标记为异常危险源数据，并输出异常危险源数据。
需要说明的是，某类传感器可能对多个参数敏感，这使得某个危险源数据的浓度值受其他危险源的影响，采用普通阈值比对算法，会忽略其他危险源的影响，导致误报警或者不报警，带来安全隐患。本发明采用基于密度的全局邻域( Density-Based SpatialClustering of Applications with Noise，DBSCAN )算法，计算危险源数据之间距离和点密度对危险源数据进行聚类，使得相似性较高的危险源数据聚集在一起，将明显不属于任何一类的危险源数据作为异常危险源数据。
若检测出某些危险源数据异常，则物联网智能预测平台及声光报警器发出预警提示；因此，在系统存在对多个参数敏感的某类传感器时，本发明的危险源识别方法使得某个危险源数据的浓度值不受其他危险源的影响，从而大大提高了危险源识别准确度，指导有关人员正确迅速排除设备故障及重大事故隐患，确保了人员生命财产安全。
具体的，所述待分类数据集包括不同类别危险源数据，为每种危险源数据设置相应的第一预警值和第二预警值；在所述异常危险源数据未超过对应类别的第一预警值时，判定该危险源数据对应位置为正常数据源；在所述异常危险源数据超过对应类别的第一预警值且未超过第二预警值时，判定该危险源数据的对应位置为一级危险源泄漏点，并发出一级预警信号；在所述异常危险源数据超过对应类别的第二预警值时，判定该危险源数据的对应位置为二级危险源泄漏点，并发出二级预警信号；其中，所述第一预警值小于所述第二预警值。
在一种具体实施方式中，在判定异常危险源数据对应的浓度值未超出第一预警值时，说明该异常危险源数据对应位置处于正常状态，此时绿灯长亮；在判定异常危险源数据对应的浓度值超过第一预警值且未超过第二预警值时，说明该异常危险源数据对应位置暂未发生危险源泄漏状况，但异常危险源数据对应的浓度值已超过正常状态，此时黄灯闪亮，以提醒工作人员进行安全排查，防止发生事故；在判定异常危险源数据对应的浓度值超出第二预警值时，说明该异常危险源数据对应位置已发生危险源泄漏状况，此时发出声音报警并伴随红灯闪亮，提醒工作人员立即采取安全措施，疏散人员，保障财产和人员安全。
如附图2所示，对分析处理过的危险源数据进行高维可视化探究，展示可视化结果，便于用户更加直观认知异常危险源数据。
实施例2
本实施例与实施例1的区别在于：建立待分类数据集之前，还执行：判断获取的危险源数据是否属于同一物质形态（气体、固体或者液体）；其中，所述危险源数据按物质形态分为气体危险源数据、液体危险源数据和固体危险源数据；若获取的危险源数据属于同一物质形态，则建立该物质形态的待分类数据集；若获取的危险源数据属于不同物质形态，则分别建立相应物质形态的待分类数据集。
可以理解，每一种物质形态对应一个待分类数据集，每个待分类数据集中包括不同类别的同一物质形态的危险源数据；对一个检测周期内不同物质形态的危险源数据，分别进行危险源识别分析，避免了数据的关联交叉，提高了危险源预警的准确性，避免误报或者错报。
进一步的，建立待分类数据集之前，还执行：获取不同类别的原始危险源数据，对所述原始危险源数据进行预处理，获得预处理后的原始危险源数据，将预处理后的原始危险源数据构成待分类数据集。可以理解，对原始危险源数据进行预处理指的是，对采集的数据进行初步处理，以便后续分析处理。
具体的，对所述原始危险源数据进行预处理时，执行：判断所述原始危险源数据是否字段缺失，若某个原始危险源数据的字段缺失，则将该原始危险源数据丢弃。
需要说明的是，在获取原始危险源数据的过程中，会存在各类的原因导致原始危险源数据丢失和空缺。原始危险源数据中浓度等任意一个字段或多个字段的缺失对后续的数据挖掘和分析都会产生影响。因此，在数据预处理时，将缺失数据的记录全部剔除，以提高危险源识别效率和准确度。
进一步的，对所述原始危险源数据进行预处理时，还执行：将所述原始危险源数据按预设比例缩放，计算公式如下：
其中，Xi表示预处理后的原始危险源数据，x表示原始危险源数据，xmin表示一个检测周期内该类别对应的原始危险源数据的最小值，xmax表示一个检测周期内该类别对应的原始危险源数据的最大值。
需要说明的是，原始危险源数据中不同特征的量纲可能不一致，数值间的差别可能很大，不进行处理可能会影响到危险源识别结果；因此，需要对数据按照一定比例进行缩放，使之落在一个特定的区域（例如，[0,1]区间），便于进行综合分析。
实施例3
如附图3所示，本实施例给出了一种危险源识别系统，它包括数据采集模块、物联网主机、数据处理中心、物联网智能管理平台、显示模块和声光报警模块；
所述数据采集模块设置在危险源所在位置，用于采集该位置的原始危险源数据并上传至所述物联网主机；
所述物联网主机，与所述数据处理中心通信连接，用于将接收到的各类别原始危险源数据转发至所述数据处理中心；
所述数据处理中心，与所述物联网智能管理平台通信连接，用于执行上述的危险源识别方法的步骤，并将危险源识别结果传输至物联网智能管理平台；
所述物联网智能管理平台，分别与所述显示模块和所述声光报警模块通信连接，用于通过所述显示模块展示危险源识别结果，以及驱动所述声光报警模块发出报警信息。
具体的，所述数据采集模块包括一氧化氮传感器、一氧化碳传感器、甲烷传感器、氢气传感器、氯气传感器、硫化氢传感器、氨气传感器、磷化氢传感器、乙醇传感器、甲醇传感器、乙醚传感器和粉尘传感器。
本发明利用无线数据传输技术、计算机网络技术、新型传感器技术和自动检测技术实现危险源的远程监测，具有危险源故障诊断与事故预警防控功能，可综合处理传感器采集的现场数据，在线智能分析危险源的安全状况。指导有关人员正确迅速排除设备故障及重大事故隐患，保障了人员生命财产安全。
实施例4
本实施例给出了一种可读存储介质，其上存储有指令，该指令被处理器执行时实现如上述的危险源识别方法的步骤。
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或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，上述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的模块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介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (9)
1.一种危险源识别方法，其特征在于，包括以下步骤：
获取危险源数据，以建立待分类数据集；
从所述待分类数据集中选取某个危险源数据作为目标危险源数据，判断所述目标危险源数据是否为危险源核心点；判断所述目标危险源数据是否为危险源核心点时，执行：
遍历非目标危险源数据；
依次计算每个非目标危险源数据与所述目标危险源数据之间的距离，判断计算出的距离是否小于等于预设邻域半径；
若某个非目标危险源数据与所述目标危险源数据之间的距离小于等于预设邻域半径，则对该非目标危险源数据进行标记；
判断已标记的非目标危险源数据数量是否大于预设密度阈值，如果是，则判定所述目标危险源数据为危险源核心点，否则判定所述目标危险源数据为异常危险源数据；
若所述目标危险源数据为危险源核心点，则建立聚类簇，将所述目标危险源数据加入所述聚类簇中，从所述待分类数据集中筛选出所有与所述目标危险源数据之间的距离小于等于预设邻域半径的危险源数据，并将筛选出的危险源数据加入相应的聚类簇中；
判断筛选出的每个危险源数据是否为危险源核心点，若筛选出的某个危险源数据为危险源核心点，则从所述待分类数据集中筛选出所有与该危险源数据之间的距离小于等于预设邻域半径的危险源数据，并将再次筛选出的危险源数据加入所述聚类簇中；重复执行，直至遍历完所述待分类数据集中所有的危险源数据；
判断所述待分类数据集中是否存在不属于任何聚类簇的危险源数据；
若存在不属于任何聚类簇的危险源数据，则将不属于任何聚类簇的危险源数据作为异常危险源数据，并依据所述异常危险源数据与对应预警值之间关系来判断该危险源数据对应位置是否为危险源泄漏点。
2.根据权利要求1所述的危险源识别方法，其特征在于，所述待分类数据集包括不同类别危险源数据，为每种危险源数据设置相应的第一预警值和第二预警值；
在所述异常危险源数据未超过对应类别的第一预警值时，判定该危险源数据对应位置为正常数据源；
在所述异常危险源数据超过对应类别的第一预警值且未超过第二预警值时，判定该危险源数据的对应位置为一级危险源泄漏点，并发出一级预警信号；
在所述异常危险源数据超过对应类别的第二预警值时，判定该危险源数据的对应位置为二级危险源泄漏点，并发出二级预警信号；
其中，所述第一预警值小于所述第二预警值。
3.根据权利要求1或2所述的危险源识别方法，其特征在于，建立待分类数据集之前，还执行：
获取不同类别的原始危险源数据，对所述原始危险源数据进行预处理，获得预处理后的原始危险源数据，将预处理后的原始危险源数据构成待分类数据集。
4.根据权利要求3所述的危险源识别方法，其特征在于：对所述原始危险源数据进行预处理时，执行：
判断所述原始危险源数据是否字段缺失，若某个原始危险源数据的字段缺失，则将该原始危险源数据丢弃。
5.根据权利要求4所述的危险源识别方法，其特征在于：对所述原始危险源数据进行预处理时，还执行：
将所述原始危险源数据按预设比例缩放，计算公式如下：
其中，Xi表示预处理后的原始危险源数据，x表示原始危险源数据，xmin表示一个检测周期内该类别对应的原始危险源数据的最小值，xmax表示一个检测周期内该类别对应的原始危险源数据的最大值。
6.根据权利要求1所述的危险源识别方法，其特征在于：建立待分类数据集之前，还执行：
判断获取的危险源数据是否属于同一物质形态；其中，所述危险源数据按物质形态分为气体危险源数据、液体危险源数据和固体危险源数据；
若获取的危险源数据属于同一物质形态，则建立该物质形态的待分类数据集；
若获取的危险源数据属于不同物质形态，则分别建立相应物质形态的待分类数据集。
7.一种危险源识别系统，其特征在于：包括数据采集模块、物联网主机、数据处理中心、物联网智能管理平台、显示模块和声光报警模块；
所述数据采集模块设置在危险源所在位置，用于采集该位置的原始危险源数据并上传至所述物联网主机；
所述物联网主机，与所述数据处理中心通信连接，用于将接收到的各类别原始危险源数据转发至所述数据处理中心；
所述数据处理中心，与所述物联网智能管理平台通信连接，用于执行权利要求1至6任一项所述的危险源识别方法的步骤，并将危险源识别结果传输至物联网智能管理平台；
所述物联网智能管理平台，分别与所述显示模块和所述声光报警模块通信连接，用于通过所述显示模块展示危险源识别结果，以及驱动所述声光报警模块发出报警信息。
8.根据权利要求7所述的危险源识别系统，其特征在于：所述数据采集模块包括一氧化氮传感器、一氧化碳传感器、甲烷传感器、氢气传感器、氯气传感器、硫化氢传感器、氨气传感器、磷化氢传感器、乙醇传感器、甲醇传感器、乙醚传感器和粉尘传感器。
9.一种可读存储介质，其上存储有指令，其特征在于：该指令被处理器执行时实现如权利要求1-6任一项所述的危险源识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011031261.1A CN112258362B (zh) | 2020-09-27 | 2020-09-27 | 危险源识别方法、系统及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011031261.1A CN112258362B (zh) | 2020-09-27 | 2020-09-27 | 危险源识别方法、系统及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112258362A CN112258362A (zh) | 2021-01-22 |
| CN112258362B true CN112258362B (zh) | 2024-03-19 |
Family
ID=74233106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011031261.1A Active CN112258362B (zh) | 2020-09-27 | 2020-09-27 | 危险源识别方法、系统及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258362B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113115225B (zh) * | 2021-04-09 | 2022-07-15 | 国能智慧科技发展(江苏)有限公司 | 基于危险源监测与人员定位的电子围栏区域生成系统 |
| CN113129569B (zh) * | 2021-04-13 | 2022-06-14 | 辰安天泽智联技术有限公司 | 一种融合式的消防物联网监测预警信号识别方法 |
| CN113205669B (zh) * | 2021-04-13 | 2022-07-19 | 清华大学合肥公共安全研究院 | 一种融合式的消防物联网监测预警方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102235575A (zh) * | 2010-04-29 | 2011-11-09 | 国际商业机器公司 | 用于检查管道泄露的数据处理方法及系统 |
| CN107607671A (zh) * | 2017-08-24 | 2018-01-19 | 慧感(上海)物联网科技有限公司 | 一种气体泄漏源定位方法 |
| CN109459620A (zh) * | 2018-12-25 | 2019-03-12 | 电子科技大学 | 一种基于阵列天线实时检测微波泄漏的装置及方法 |
| CN111076096A (zh) * | 2019-12-31 | 2020-04-28 | 北京讯腾智慧科技股份有限公司 | 燃气管网泄漏识别方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10775258B2 (en) * | 2018-03-13 | 2020-09-15 | International Business Machines Corporation | Heuristic based analytics for gas leak source identification |
-
2020
- 2020-09-27 CN CN202011031261.1A patent/CN112258362B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102235575A (zh) * | 2010-04-29 | 2011-11-09 | 国际商业机器公司 | 用于检查管道泄露的数据处理方法及系统 |
| CN107607671A (zh) * | 2017-08-24 | 2018-01-19 | 慧感(上海)物联网科技有限公司 | 一种气体泄漏源定位方法 |
| CN109459620A (zh) * | 2018-12-25 | 2019-03-12 | 电子科技大学 | 一种基于阵列天线实时检测微波泄漏的装置及方法 |
| CN111076096A (zh) * | 2019-12-31 | 2020-04-28 | 北京讯腾智慧科技股份有限公司 | 燃气管网泄漏识别方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112258362A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112258362B (zh) | 危险源识别方法、系统及可读存储介质 | |
| CN106888205B (zh) | 一种非侵入式基于功耗分析的plc异常检测方法 | |
| CN112684133B (zh) | 基于大数据平台的水质监测预警方法、系统及存储介质 | |
| CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
| CN117630319B (zh) | 一种基于大数据的水质监测预警方法及系统 | |
| CN107436277A (zh) | 基于相似距离判别的单指标数据质量控制方法 | |
| CN110398571A (zh) | 检测设备的巡检方法及系统 | |
| CN116881749B (zh) | 一种污染场地施工监测方法及系统 | |
| CN108763966B (zh) | 一种尾气检测作弊监管系统及方法 | |
| CN108073611A (zh) | 一种告警信息的过滤方法及装置 | |
| CN118134271B (zh) | 一种海岸带区域生态系统监测预警方法及系统 | |
| CN114925980A (zh) | 一种生产安全管理系统 | |
| CN114442512A (zh) | 一种化学品安全监控系统 | |
| CN112200988A (zh) | 一种工业物联网数据采集终端用的安全管理系统 | |
| CN111597067A (zh) | 一种it故障现象反馈系统 | |
| CN114768158B (zh) | 一种智慧消防系统及其自动巡检方法 | |
| CN113380273B (zh) | 异常声音检测及判断形成原因的系统 | |
| CN115565329A (zh) | 一种基于物联网的建筑工地消防安全管理系统 | |
| CN114582083A (zh) | 一种隧道监控多传感器数据融合火灾预警方法 | |
| CN111882135B (zh) | 一种物联网设备入侵检测方法及相关装置 | |
| CN114490829A (zh) | 一种故障识别方法、装置、设备及存储介质 | |
| CN113988200A (zh) | 一种根据监狱狱情分类分级分色的预警方法及装置 | |
| CN118296513B (zh) | 变电站异物检测方法及系统 | |
| CN117113259B (zh) | 用于安全隐患预测的煤矿状态数据处理方法及系统 | |
| CN116978203B (zh) | 一种基于消防的智能化系统及方法 |
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 |