CN113486080A - 数据处理方法、装置、电子设备及存储介质 - Google Patents
数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113486080A CN113486080A CN202110669443.XA CN202110669443A CN113486080A CN 113486080 A CN113486080 A CN 113486080A CN 202110669443 A CN202110669443 A CN 202110669443A CN 113486080 A CN113486080 A CN 113486080A
- Authority
- CN
- China
- Prior art keywords
- potential safety
- safety hazard
- mine
- data
- target
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Abstract
本申请公开了一种数据处理方法、装置、电子设备及存储介质,属于矿山生产安全控制技术领域。其中,数据处理方法,包括:获取目标矿山安全隐患历史数据;将目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;将矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。从而实现对历史隐患数据的统计分析,进而预测未来隐患发生的可能,可以及时的进行隐患整改,对于矿山作业安全做到了防患于未然。
Description
技术领域
本申请涉及矿山生产安全控制技术领域,具体涉及一种数据处理方法、装置、电子设备及存储介质。
背景技术
安全生产是矿山企业的一个永恒话题,也一直是政府关心重点,企业关注焦点,媒体报道热点。
在实际安全生产过程中,风险是客观存在的,如果管控措施到位的风险就处于可控状态,否则就会形成隐患,隐患是会有一定概率发生安全生产事故。如果可以对隐患进行预测,防患于未然,能提前进行隐患整改,可以较大程度的保障矿山作业的生产安全。
发明内容
本申请实施例的目的是提供一种数据处理方法、装置、电子设备及存储介质,以至少解决现有矿山作业存在安全隐患的问题。
本申请的技术方案如下:
根据本申请实施例的第一方面,提供一种数据处理方法,该方法可以包括:
获取目标矿山安全隐患历史数据;
将目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;
将矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。
进一步地,获取目标矿山安全隐患历史数据,包括:
获取目标矿山安全监测数据;
利用矿山安全隐患识别模型对目标矿山安全监测数据进行识别,得到目标矿山安全隐患等级;
筛选出超过预设等级的目标矿山安全监测数据,得到目标矿山安全隐患历史数据。
进一步地,矿山安全隐患识别模型通过下述方法训练得到的:
获取多组矿山安全隐患数据,多组矿山安全隐患数据中每一组数据包括矿山安全监测数据及标识矿山安全监测数据对应的矿山安全隐患等级标签;
利用多组矿山安全隐患数据对机器学习模型进行训练,得到矿山安全隐患识别模型。
进一步地,根据矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据,包括:
计算当前统计周期内的矿山安全隐患数量较上一统计周期内的矿山安全隐患数量的第一隐患增量;
计算第一隐患增量与上一统计周期内的矿山安全隐患数量的占比,得到目标矿山安全隐患同比情况;
根据目标矿山安全隐患同比情况预测目标矿山安全隐患,得到目标矿山安全隐患预测数据。
进一步地,根据矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据,包括:
计算当前统计周期内预设时间段的矿山安全隐患数量较上一统计周期内同一预设时间段的矿山安全隐患数量的第二隐患增量;
计算第二隐患增量与上一统计周期内同一预设时间段的矿山安全隐患数量的占比,得到目标矿山安全隐患环比情况;
根据目标矿山安全隐患环比情况预测目标矿山安全隐患,得到目标矿山安全隐患预测数据。
根据本申请实施例的第二方面,提供一种数据处理,该装置可以包括:
获取模块,用于获取目标矿山安全隐患历史数据;
统计分类模块,用于将目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;
隐患比较模块,用于将矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。
进一步地,获取模块,包括:
监测数据获取单元,用于获取目标矿山安全监测数据;
识别单元,用于利用矿山安全隐患识别模型对目标矿山安全监测数据进行识别,得到目标矿山安全隐患等级;
筛选单元,用于筛选出超过预设等级的目标矿山安全监测数据,得到目标矿山安全隐患历史数据。
进一步地,矿山安全隐患识别模型通过下述方法训练得到的:
获取多组矿山安全隐患数据,多组矿山安全隐患数据中每一组数据包括矿山安全监测数据及标识矿山安全监测数据对应的矿山安全隐患等级标签;
利用多组矿山安全隐患数据对机器学习模型进行训练,得到矿山安全隐患识别模型。
根据本申请实施例的第三方面,提供一种电子设备,该电子设备可以包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,处理器被配置为执行指令,以实现如第一方面的任一项实施例中所示的数据处理方法。
根据本申请实施例的第四方面,提供一种存储介质,当存储介质中的指令由信息处理装置或者服务器的处理器执行时,以使信息处理装置或者服务器实现以实现如第一方面的任一项实施例中所示的数据处理方法。
本申请的实施例提供的技术方案至少带来以下有益效果:
本申请实施例通过获取目标矿山安全隐患历史数据;将目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;将矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。从而实现对历史隐患数据的统计分析,进而预测未来隐患发生的可能,可以及时的进行隐患整改,对于矿山作业安全做到了防患于未然。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限值本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理,并不构成对本申请的不当限定。
图1是根据一示例性实施例示出的数据处理方法流程图;
图2是根据一示例性实施例示出的数据处理装置结构示意图;
图3是根据一示例性实施例示出的电子设备结构示意图;
图4是根据一示例性实施例示出的电子设备的硬件结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
如图1所示,在本申请实施例的第一方面,提供一种数据处理方法,该方法可以包括:
步骤110:获取目标矿山安全隐患历史数据;
步骤120:将目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;
步骤130:将矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。
数据统计可以从宏观上分析矿山作业的运行状况,为宏观决策提供数据支持。其中目标矿山安全隐患预测数据主要包括风险、危险源的统计分析,监测数据、定期检测检验、安全检查的统计分析,隐患整改的统计分析,危险源失控处置的统计分析等。
上述实施例方法通过获取目标矿山安全隐患历史数据;将目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;将矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。从而实现对历史隐患数据的统计分析,进而预测未来隐患发生的可能,可以及时的进行隐患整改,对于矿山作业安全做到了防患于未然。
在本申请的一些可选实施例中,获取目标矿山安全隐患历史数据,包括:
获取目标矿山安全监测数据;
利用矿山安全隐患识别模型对目标矿山安全监测数据进行识别,得到目标矿山安全隐患等级;
筛选出超过预设等级的目标矿山安全监测数据,得到目标矿山安全隐患历史数据。
在本申请的一些可选实施例中,矿山安全隐患识别模型通过下述方法训练得到的:
获取多组矿山安全隐患数据,多组矿山安全隐患数据中每一组数据包括矿山安全监测数据及标识矿山安全监测数据对应的矿山安全隐患等级标签;
利用多组矿山安全隐患数据对机器学习模型进行训练,得到矿山安全隐患识别模型。
上述实施例方法可以对整个矿山作业在一时间段内隐患状态、类别、部门、处理等级、危害程度等信息进行统计分析。实时数据和历史数据的输出,提供决策依据;同时生产符合国家要求的隐患排查治理报表。图表统计的查询条件是隐患的发现日期,统计隐患的状态、类别、责任单位、处理等级、危害程度、查出类型,并以图表的格式显示方便用户分析。
在本申请的一些可选实施例中,根据矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据,包括:
计算当前统计周期内的矿山安全隐患数量较上一统计周期内的矿山安全隐患数量的第一隐患增量;
计算第一隐患增量与上一统计周期内的矿山安全隐患数量的占比,得到目标矿山安全隐患同比情况;
根据目标矿山安全隐患同比情况预测目标矿山安全隐患,得到目标矿山安全隐患预测数据。
具体的隐患比较可以为隐患环比,环比发展速度是报告期水平与前一时期水平之比,表明现象逐期的发展速度。系统设计以月为环比周期,将本月与上月发现数量进行比较,自动生成最近一年内的环比情况。
公式如下:环比增长速度=(本月隐患数-上月隐患数)/上月隐患数×100%。
在本申请的一些可选实施例中,根据矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据,包括:
计算当前统计周期内预设时间段的矿山安全隐患数量较上一统计周期内同一预设时间段的矿山安全隐患数量的第二隐患增量;
计算第二隐患增量与上一统计周期内同一预设时间段的矿山安全隐患数量的占比,得到目标矿山安全隐患环比情况;
根据目标矿山安全隐患环比情况预测目标矿山安全隐患,得到目标矿山安全隐患预测数据。
具体的隐患比较可以为隐患同比,同比发展速度主要是为了消除季节变动的影响,用以说明本期发现隐患与去年同期发现隐患对比而达到的相对发现隐患变化速度。系统设计以月为周期进行同比,将今年同期与上年同期发现数量进行比较,自动生成最近一年内的同比情况。
同比增长公式:同比增长率=(本期数-同期数)÷同期数×100%。
本期数:是今年一个比较周期内发现的隐患数;
同期数:是上年的同期发现的隐患数。
需要说明的是,本申请实施例提供的数据处理方法,执行主体可以为数据处理装置,或者该数据处理装置中的用于执行数据处理的方法的控制模块。本申请实施例中以数据处理装置执行数据处理的方法为例,说明本申请实施例提供的数据处理的装置。
如图2所示,在本申请实施例的第二方面,提供一种数据处理,该装置可以包括:
获取模块210,用于获取目标矿山安全隐患历史数据;
统计分类模块220,用于将目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;
隐患比较模块230,用于将矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。
在本申请的一些可选实施例中,获取模块,包括:
监测数据获取单元,用于获取目标矿山安全监测数据;
识别单元,用于利用矿山安全隐患识别模型对目标矿山安全监测数据进行识别,得到目标矿山安全隐患等级;
筛选单元,用于筛选出超过预设等级的目标矿山安全监测数据,得到目标矿山安全隐患历史数据。
在本申请的一些可选实施例中,矿山安全隐患识别模型通过下述方法训练得到的:
获取多组矿山安全隐患数据,多组矿山安全隐患数据中每一组数据包括矿山安全监测数据及标识矿山安全监测数据对应的矿山安全隐患等级标签;
利用多组矿山安全隐患数据对机器学习模型进行训练,得到矿山安全隐患识别模型。
上述实施例装置通过获取目标矿山安全隐患历史数据;将目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;将矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。从而实现对历史隐患数据的统计分析,进而预测未来隐患发生的可能,可以及时的进行隐患整改,对于矿山作业安全做到了防患于未然。该装置利用实时监测、定期检测、安全检查等多种“监测”手段和方法,纳入平诸多企业不同种类的现场监测数据,当这些数据积累到一定程度,运用大数据风险分析预测指标体系,借助不同种类的数据挖掘方法,进行大数据分析计算,根据计算结果进行风险预测预警,分析企业风险、危险源的变化趋势,从而有针对性的进行预防,把安全工作做到“未雨绸缪”。
本申请实施例中的数据处理装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personaldigital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的数据处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为ios操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的数据处理装置能够实现图1的方法实施例实现的各个过程,为避免重复,这里不再赘述。
可选地,如图3所示,本申请实施例还提供一种电子设备300,包括处理器301,存储器302,存储在存储器302上并可在所述处理器301上运行的程序或指令,该程序或指令被处理器301执行时实现上述数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图4为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备的硬件400包括但不限于:射频单元401、网络模块402、音频输出单元403、输入单元404、传感器405、显示单元406、用户输入单元407、接口单元408、存储器409、以及处理器410等部件。
本领域技术人员可以理解,电子设备的硬件400还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器410逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图4中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
应理解的是,本申请实施例中,输入单元404可以包括图形处理器(GraphicsProcessing Unit,GPU)4041和麦克风4042,图形处理器4041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元406可包括显示面板4061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板4061。用户输入单元407包括触控面板4071以及其他输入设备4072。触控面板4071,也称为触摸屏。触控面板4071可包括触摸检测装置和触摸控制器两个部分。其他输入设备4072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。存储器409可用于存储软件程序以及各种数据,包括但不限于应用程序和操作系统。处理器410可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器410中。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述数据处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
获取目标矿山安全隐患历史数据;
将所述目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;
将所述矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。
2.根据权利要求1所述的方法,其特征在于,所述获取目标矿山安全隐患历史数据,包括:
获取目标矿山安全监测数据;
利用矿山安全隐患识别模型对所述目标矿山安全监测数据进行识别,得到目标矿山安全隐患等级;
筛选出超过预设等级的目标矿山安全监测数据,得到所述目标矿山安全隐患历史数据。
3.根据权利要求2所述的方法,其特征在于,所述矿山安全隐患识别模型通过下述方法训练得到的:
获取多组矿山安全隐患数据,所述多组矿山安全隐患数据中每一组数据包括矿山安全监测数据及标识所述矿山安全监测数据对应的矿山安全隐患等级标签;
利用所述多组矿山安全隐患数据对机器学习模型进行训练,得到矿山安全隐患识别模型。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据,包括:
计算当前统计周期内的矿山安全隐患数量较上一统计周期内的矿山安全隐患数量的第一隐患增量;
计算所述第一隐患增量与所述上一统计周期内的矿山安全隐患数量的占比,得到目标矿山安全隐患同比情况;
根据所述目标矿山安全隐患同比情况预测目标矿山安全隐患,得到目标矿山安全隐患预测数据。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据,包括:
计算当前统计周期内预设时间段的矿山安全隐患数量较上一统计周期内同一预设时间段的矿山安全隐患数量的第二隐患增量;
计算所述第二隐患增量与所述上一统计周期内同一预设时间段的矿山安全隐患数量的占比,得到目标矿山安全隐患环比情况;
根据所述目标矿山安全隐患环比情况预测目标矿山安全隐患,得到目标矿山安全隐患预测数据。
6.一种数据处理装置,其特征在于,包括:
获取模块,用于获取目标矿山安全隐患历史数据;
统计分类模块,用于将所述目标矿山安全隐患历史数据按时间进行统计,得到矿山安全隐患时间统计数据;
隐患比较模块,用于将所述矿山安全隐患时间统计数据进行隐患比较,得到目标矿山安全隐患预测数据。
7.根据权利要求6所述的装置,其特征在于,所述获取模块,包括:
监测数据获取单元,用于获取目标矿山安全监测数据;
识别单元,用于利用矿山安全隐患识别模型对所述目标矿山安全监测数据进行识别,得到目标矿山安全隐患等级;
筛选单元,用于筛选出超过预设等级的目标矿山安全监测数据,得到所述目标矿山安全隐患历史数据。
8.根据权利要求7所述的装置,其特征在于,所述矿山安全隐患识别模型通过下述方法训练得到的:
获取多组矿山安全隐患数据,所述多组矿山安全隐患数据中每一组数据包括矿山安全监测数据及标识所述矿山安全监测数据对应的矿山安全隐患等级标签;
利用所述多组矿山安全隐患数据对机器学习模型进行训练,得到矿山安全隐患识别模型。
9.一种电子设备,其特征在于,包括:包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-5任一项所述的数据处理方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-5任一项所述的数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669443.XA CN113486080A (zh) | 2021-06-16 | 2021-06-16 | 数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669443.XA CN113486080A (zh) | 2021-06-16 | 2021-06-16 | 数据处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113486080A true CN113486080A (zh) | 2021-10-08 |
Family
ID=77935401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110669443.XA Pending CN113486080A (zh) | 2021-06-16 | 2021-06-16 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113486080A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633254A (zh) * | 2017-07-25 | 2018-01-26 | 平安科技(深圳)有限公司 | 建立预测模型的装置、方法及计算机可读存储介质 |
CN108510112A (zh) * | 2018-03-19 | 2018-09-07 | 东北大学 | 一种现场监测与数值模拟相结合的矿山灾害预测预警方法 |
CN109920193A (zh) * | 2019-03-25 | 2019-06-21 | 软通智慧科技有限公司 | 一种电气火灾隐患智能检测方法、系统、设备及介质 |
CN110175756A (zh) * | 2019-05-07 | 2019-08-27 | 岭澳核电有限公司 | 核电站信息系统运行安全预警方法、装置、设备及介质 |
CN110991814A (zh) * | 2019-11-12 | 2020-04-10 | 合肥帧讯软件有限公司 | 煤矿安全双重预防机制管理系统 |
CN111210085A (zh) * | 2020-01-15 | 2020-05-29 | 重庆邮电大学 | 一种基于多视图集成学习的煤矿瓦斯浓度预警方法 |
-
2021
- 2021-06-16 CN CN202110669443.XA patent/CN113486080A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633254A (zh) * | 2017-07-25 | 2018-01-26 | 平安科技(深圳)有限公司 | 建立预测模型的装置、方法及计算机可读存储介质 |
CN108510112A (zh) * | 2018-03-19 | 2018-09-07 | 东北大学 | 一种现场监测与数值模拟相结合的矿山灾害预测预警方法 |
CN109920193A (zh) * | 2019-03-25 | 2019-06-21 | 软通智慧科技有限公司 | 一种电气火灾隐患智能检测方法、系统、设备及介质 |
CN110175756A (zh) * | 2019-05-07 | 2019-08-27 | 岭澳核电有限公司 | 核电站信息系统运行安全预警方法、装置、设备及介质 |
CN110991814A (zh) * | 2019-11-12 | 2020-04-10 | 合肥帧讯软件有限公司 | 煤矿安全双重预防机制管理系统 |
CN111210085A (zh) * | 2020-01-15 | 2020-05-29 | 重庆邮电大学 | 一种基于多视图集成学习的煤矿瓦斯浓度预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107168854B (zh) | 互联网广告异常点击检测方法、装置、设备及可读存储介质 | |
US10904276B2 (en) | Systems and methods for anomaly detection | |
CN109145216A (zh) | 网络舆情监控方法、装置及存储介质 | |
CN111723727A (zh) | 基于边缘计算的云监控方法、装置、电子设备及存储介质 | |
US20170192872A1 (en) | Interactive detection of system anomalies | |
CN112035320B (zh) | 业务监控方法、装置、电子设备及可读存储介质 | |
Lau et al. | Big data commerce | |
CN110717597A (zh) | 利用机器学习模型获取时序特征的方法和装置 | |
CN113190741A (zh) | 搜索方法、装置、电子设备及存储介质 | |
CN110730164A (zh) | 安全预警方法及相关设备、计算机可读存储介质 | |
Ahmadi et al. | A social media analytics-based approach to customer-centric reverse logistics management of electronic devices: A case study on notebooks | |
CN113486080A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
US11403557B2 (en) | System and method for scalable, interactive, collaborative topic identification and tracking | |
CN116978180A (zh) | 一种炼钢厂环境安全检测方法、装置、介质及电子设备 | |
CN113920720A (zh) | 高速公路隧道设备故障处理方法、装置及电子设备 | |
CN111782208A (zh) | 指标预警方法、装置、计算机设备及存储介质 | |
CN113362069A (zh) | 风控模型的动态调整方法、装置、设备及可读存储介质 | |
CN107256214B (zh) | 一种垃圾信息判断方法和装置以及一种服务器集群 | |
CN110677271A (zh) | 基于elk的大数据告警方法、装置、设备及存储介质 | |
CN110751982A (zh) | 一种智能并行化敲除策略筛选的方法及系统 | |
Yang et al. | Identification of Potential Collective Actions Using Enhanced Gray System Theory on Social Media | |
CN113487145A (zh) | 矿山生产安全隐患的控制方法、装置及电子设备 | |
CN110764745B (zh) | 变量的传输和收集方法、装置及计算机可读存储介质 | |
CN116128689A (zh) | 一种监测模型建立方法、装置、电子设备及存储介质 | |
CN114048150A (zh) | 内存回收异常检测方法、装置、设备及介质 |
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 |