CN113722747A - 一种公路水运工程试验检测大数据系统和预警方法 - Google Patents

Abstract

本发明提供了为一种公路水运工程试验检测大数据系统和预警方法，大数据系统包括通过互联网平台互联互通的数据标准化模块、数据采集模块、数据存储模块、数据清洗加工模块、数据统计模块、数据分析模块、数据挖掘模块、质量安全预警模块、权限管理模块以及数据可视化模块，通过合理部署上述模块间的相互连接关系，使得大数据系统能够快速部署云数据监管任务，实现覆盖所有试验检测报告且互享各个工程项目之间的数据，进行跨项目、跨区域的数据统计和分析，大大提高端到端的部署效率并满足多级监管需求。

Description

一种公路水运工程试验检测大数据系统和预警方法

技术领域

本发明涉及交通检测技术领域，具体涉及一种公路水运工程试验检测大数据系统和预警方法。

背景技术

公路水运工程试验检测是一项检测项目范围很广且专业度极高的行业。各试验检测母体机构和工地试验室根据自身检测授权范围开展业务活动，接受国家交通部、各省市相关管理部门、工程项目管理公司的监管，是工程质量安全控制的重要环节。

公路水运工程试验检测监管体系复杂,存在多级监管。工地试验室由母体机构授权成立，一个母体机构可授权多个工地试验室。公路水运工程施工项目上设立多个工地试验室，包括中心试验室、监理试验室、施工单位工地试验室，每个工地试验室由不同的母体机构授权成立。母体机构主要受行业相关各级监管部门监管；工地试验室除受行业相关监管部门监管外，还受授权其成立的母体机构、所在工程项目管理部门、工程项目上级中心试验室/监理试验室监管。

目前行业内已有的类似系统主要有2类。第1类为面向单个母体机构/工地试验室的试验检测业务系统，此类系统偏向于试验检测业务流程和报告数据的管理，在此基础上实现面向单个母体机构/工地试验室的简单员工工作量统计、报告数量统计等，无法打通各个机构之间的数据进行全局多维度的数据分析，无行业监管功能。第2类为面向工程施工项目的工地试验室系统，此类系统较第1类系统，增加了部分试验设备数据的自动化采集功能，从单个工程项目监管的角度进行同一工程内的员工工作量统计、报告数量统计、试验检测数据分析等，不能覆盖所有试验检测报告且无法打通各个工程项目之间的数据，不能进行跨项目、跨区域的数据统计和分析，不满足行业的多级监管需求。

发明内容

本发明解决的一个主要问题是现有的公路水运试验检测数据系统无法实现多维数据统计分析、多级监管及潜在工程风险预警的功能，从而造成对行业和项目管理的全局监管效力差的问题。

根据本发明的一个方面，提供一种公路水运工程试验检测大数据系统，所述公路水运工程试验检测大数据系统包括：

权限管理模块，用于创建不同类型的机构，并对不同机构关联相应的上级管理机构，及对不同机构配置相应的大数据系统操作权限和数据查询权限；还用于创建不同类型的角色，并对不同角色关联相应的上级管理角色，及为不同角色赋予相应的系统菜单的操作权限；还用于创建多个用户并配置所属的机构及对应的角色，从而确定任一用户唯一的系统操作权限和数据查询权限；

数据采集模块，用于实时采集标准化后的所述基础试验检测业务数据；

数据存储模块，用于存储采集到的基础试验检测业务数据；

数据清洗加工模块，用于对存储的基础试验检测业务数据进行抽取和清洗，并生成试验检测主题库；

数据统计模块，用于对所述试验检测主题库中的母体机构数据、工地试验室数据、工程数据和样品数据进行统计，生成对应的数据报表；

数据分析模块，用于分析所述公路水运工程试验检测主题库中不同主题的基础试验检测业务数据的指标值，包括综合指标分析、工程指标分析和厂家指标分析；

数据挖掘模块，用于通过机器学习算法建立质量分析模型、原材料性能评价模型和工程质量分析模型，并分类别分析所述试验检测主题数据库的不同主题的所述基础试验检测业务数据；

质量安全预警模块，用于根据设置的预警规则对所述试验检测主题库中的业务数据进行判断，筛选出触发预警规则的业务数据并推送预警信息；

数据可视化模块，用于向创建的不同用户展示统计的所述数据报表、指标分析数据和所述预警信息。

进一步地，统计所述母体机构数据还包括：

对包括机构数量、机构按资质数量的分布比例、出具报告的总数量、不合格报告的数量、报告按所属检测项目大类数量的分布情况、报告按所属样品种类数量的分布情况、样品按所属检测项目大类合格率的分布情况和样品按所属样品种类合格率的分布情况进行统计。

进一步地，统计所述工地试验室数据还包括：

对工地试验室的数量、工地试验室按类别数量分布的比例、出具报告的数量、不合格报告的数量、报告按所属检测项目大类数量的分布情况、报告按所属样品种类数量的分布情况、样品按所属检测项目大类合格率的分布情况、样品按所属样品种类合格率分布情况进行统计。

进一步地，统计所述工程数据还包括：

对工程数量、工程按类型数量的分布情况、工程按行政等级数量的分布情况、公路工程按类型数量的分布情况、水运工程按类型数量的分布情况进行统计。

进一步地，所述标准化规则包括试验室信息标准化规则、参数信息标准化规则、表格信息标准化规则、样品信息标准化规则、工程信息标准化规则和检测结果格式标准化规则。

进一步地，所述综合指标分析包括对试验检测报告中的结果值从样品属性的维度进行分时序分析，从而得到结果值的不同时序的检测指标分布情况；

所述工程指标分析包括对试验检测报告中的结果值从工程属性的维度进行分析，从而得到多个工程同一指标值的数值对比分析以及数值时序分布情况；

所述厂家指标分析包括对试验检测报告中的结果值从样品生产厂家属性的维度进行分析，从而得到多个样品生产厂家的同一指标值的数值对比分析以及数值时序分布情况。

进一步地，所述质量分析模型用于对所述数据报表中的合格报告的进行检测质量问题识别，所述原材料性能评价模型用于辅助监管部门预测所述数据报告中工程现场原材料存在的质量风险，所述工程质量分析模型用于对所述数据报告中的工程质量风险进行识别。

根据本发明的另一个方面，还公开一种公路水运工程试验检测大数据系统的预警方法，所述预警方法适用于如前任一所述的一种公路水运工程试验检测大数据系统，所述预警方法包括：

S1、创建不同类型的机构，并对不同机构关联相应的上级管理机构，及对不同机构配置相应的大数据系统操作权限和数据查询权限；还创建不同类型的角色，并对不同角色关联相应的上级管理角色，及赋予相应的系统菜单的操作权限；还创建多个用户并配置所属的机构及对应的角色，从而确定任一用户唯一的系统操作权限和数据查询权限；

S2、与母体机构，和/或，工地实验室对接，接收传输的基础试验检测报告；

S3、基于数据标准化规则将接收到的基础试验检测报告的业务数据标准化；

S4、实时采集标准化后的基础试验检测业务数据并存储至所述云平台；

S5、对存储的基础试验检测业务数据进行抽取清洗处理，生成试验检测主题数据库；

S6、对所述试验检测主题数据库的不同主题的所述基础试验检测业务数据进行统计，生成数据报表；

S7、分析所述试验检测主题数据库的不同主题的所述基础试验检测业务数据的指标值并生成指标分析报告；

S8、通过机器学习算法建立质量分析模型、原材料性能评价模型和工程质量分析模型，基于所述质量分析模型、所述原材料性能评价模型和所述工程质量分析模型预测所述试验检测主题数据库的不同主题的基础试验检测业务数据中的合格报告的工程风险数据；

S9、根据预设预警规则筛选试验检测主题数据库中的工程风险数据，当筛选的数据满足预设预警规则时推送预警信息至具备系统操作权限和数据查询权限的用户端。

进一步地，步骤S1中还包括步骤：

未与所述大数据系统对接的母体机构或工地实验室根据预设格式将试验检测报告上传至所述大数据系统。

进一步地，步骤S8中还包括步骤：

基于所述质量分析模型对所述试验检测主题数据库中的合格的报告数据进行检测质量问题识别；

基于所述原材料性能评价模型辅助监管部门预测所述试验检测主题数据库中的合格的报告数据中工程现场原材料存在的质量风险；

基于所述工程质量分析模型对所述试验检测主题数据库中的合格的报告数据中的工程质量风险进行识别。

本发明将公路水运工程检测大数据系统与互联网及机器算法相结合，合理部署数据标准化模块、数据处理模块、数据统计模块和数据分析模块，以及数据挖掘模块、多级管理机构的权限管理模块等的相互连接关系，使得大数据系统能够快速部署云数据监管任务，大大提高云数据系统平台的端到端部署效率。此外，相对于现有技术中的大数据系统，本发明是一种公路水运试验检测决策的态势感知系统，基于大数据建模，主要对与试验结果相关的工程、检测项目、样品种类、规格型号、检测参数和生产厂家等与试验结果的多纬度的采样对比模型进行分析，来清晰地呈现出上述这些因素对试验产生的影响，从而可以给决策人员提供制定优化方案的事实依据。并且使用独立的网络平面来支撑各模块间的通信交互，使得大数据系统的运维更加智能和简单，从而进一步实现覆盖所有试验检测报告且互享各个工程项目之间的数据，进行跨项目、跨区域的数据统计和分析，满足本行业的多级监管需求。

附图说明

本发明构成说明书的一部分附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。

图1为本发明实施例中的公路水运工程试验检测大数据系统设计示意图。

具体实施方式

下面将结合附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

实施例一，如图1所示，为一种公路水运工程试验检测大数据系统的结构示意图，该公路水运工程试验检测大数据系统（下面简称大数据系统）包括通过互联网平台互通互联的数据标准化模块、数据采集模块、数据存储模块、数据清洗加工模块、数据统计模块、数据分析模块、数据挖掘模块、质量安全预警模块、权限管理模块以及数据可视化模块，上述模块中各个模块的功能及连接关系为：

数据标准化模块，用于通过数据接口实时上传基础试验检测业务数据，并对不同类型的基础试验检测业务数据按照相应的标准化规则进行标准化，具体地，各个区域的母体机构和工地试验室的试验检测业务系统通过开放的数据接口与该大数据系统进行系统功能对接，并将基础试验检测业务数据上传至大数据系统。前述的标准化规则包括试验室信息标准化规则、参数信息标准化规则、表格信息标准化规则、样品信息标准化规则、工程信息标准化规则和检测结果格式标准化规则。

数据采集模块，用于实时采集标准化后的基础试验检测业务数据，其中，已使用试验检测业务信息化系统的检测试验室可通过本大数据系统的数据标准化模块对接，实现各类标准化数据的实时采集；未使用试验检测业务信息化系统的母体机构或工地试验室，可登录该模块填写对应的标准化信息，并通过标准化格式的Excel表格批量将试验检测业务数据导入到大数据系统。

数据存储模块，用于存储采集到的基础试验检测业务数据，具体是将数据采集模块获取的各类型报告试验检测结果值及其关联的工程属性、样品属性、和试验室属性等数据在数据库进行存储。

数据清洗加工模块,用于对存储的基础试验检测业务数据通过流处理引擎进行抽取和清洗，并生成公路水运工程试验检测主题数据库，该主题数据库包括机构主题库、参数主题库、表格主题库、样品主题库、工程主题库、厂家主题库、指标主题库等。

数据统计模块，用于对公路水运工程试验检测主题数据库中的母体机构数据、工地试验室数据、工程数据和样品数据进行统计，生成对应的数据报表，包括日报、周报、月报、季报、半年报、年报、工程报表、样品报表、机构报表和报告报表等。

数据分析模块，用于分析公路水运工程试验检测主题数据库中的不同主题的基础试验检测业务数据的指标值，包括综合指标分析、工程指标分析和厂家指标分析。

数据挖掘模块，用于通过神经网络机器学习算法，如K最近邻、SVM支持向量机等算法，建立质量分析模型、原材料性能评价模型和工程质量分析模型等，并基于这些模型来分类别分析公路水运工程试验检测主题数据库中合格报告中的基础试验检测业务数据的结果值。比如基于大数据建模，对与试验结果相关的工程、检测项目、样品种类、规格型号、检测参数和生产厂家等与试验结果建立多纬度的采样对比模型并输入数据进行分析，清晰地呈现出上述这些因素或其他更多影响因素对试验产生的影响，从而可以给用户端的决策人员提供制定优化方案的事实依据。

质量安全预警模块，用于根据设置的预警规则，如工程类型=公路工程&检测项目=水泥&样品种类=普通硅酸盐水泥&规格型号= P·O 42.5&检测参数=胶砂强度&检测指标=3天抗折强度&指标合格率≤0.98&检测不合格次数≥3，并对公路水运工程试验检测主题库中的业务数据进行判断，筛选出触发预设的预警规则的业务数据，并通过数据可视化模块推送预警信息至用户端。

权限管理模块，用于创建不同类型的机构，如区域行政管理机构用户和工程项目管理机构用户，并对不同的机构根据级别配置相应的大数据系统操作权限和数据查询权限。权限管理模块还用于创建不同类型的角色，如行政管理类的交通运输部、交通运输厅角色和工程项目管理类的工程项目管理公司、工程建设指挥部和监理机构角色等。并为不同角色赋予相应的系统菜单的操作权限，如上述行政管理类的角色可查看管辖范围内的所有母体检测机构、工地试验室和工程的数据，而工程项目管理类的角色仅可查看所管辖工程项目相关的工地试验室和工程数据。权限管理模块还用于创建多个用户，并为每个用户配置所属的机构及对应的角色，从而确定任一用户唯一的系统操作权限和数据查询权限。

例如，根据用户的属性不同，本大数据系统的用户类型包括前述的区域行政管理机构用户和工程项目管理机构用户。区域行政管理机构用户可查看所管辖区域范围内的所有母体机构和工地试验室统计分析数据；项目管理机构用户则可查看所管辖工程下的工地试验室所有统计分析数据。

数据可视化模块，如PC端、手机端、可视化电子屏等，用于向权利管理模块创建的不同用户以可视化图表或其他类似的数据表现形式，展示得到的数据报表、指标分析数据和预警信息等。

在一些实施例中，试验室信息标准化是对不同母体机构和工地试验室的基础信息的标准化定义和数据接口，包括机构/试验室名称/代码、机构/试验室简称、工地试验室类别（中心试验室、监理试验室、施工单位试验室）、机构资质、证书编号、联系人、手机号、地址、经纬度等信息。

在一些实施例中，参数信息标准化是对试验检测业务本身相关信息的标准化定义和数据接口，包括检测专业名称/代码、检测领域名称/代码、检测项目名称/代码、样品种类名称/代码、样品规格型号名称/代码、检测参数名称/代码、检测方法名称/代码、试验依据和判定依据名称/代码、试验检测环境、试验检测结果值单位等信息。

在一些实施例中，表格信息标准化包括母体机构检测委托单、工地试验室检测取样单、试验检测任务单、试验检测样品标签、试验检测设备运行记录表、试验检测记录表、试验检测报告等表格信息的标准化定义和数据接口。

在一些实施例中，样品信息标准化包括样品名称、样品编号、样品所属检测专业、所属检测领域、所属检测项目、所属样品种类、所属规格型号、工程部位用途、样品数量、进场数量、样品状态、留样数量、样品批次、样品批号、出厂编号、生产厂家、产地、生产日期、收样人、收样日期、取样人、取样日期等信息的标准化定义和数据接口。

在一些实施例中，工程信息标准化包括工程行业属性、工程名称、工程类型（公路工程、水运工程）、工程行政等级（国家级、省级、市县级、其他）、公路工程部位（路基工程、路面工程、桥梁工程、隧道工程、其他工程）、水运工程部位（港口工程、航道工程、船闸工程、航电枢纽工程、其他工程）、施工单位、监理单位、业主单位、工程地址、公路工程技术等级（高速公路、一级公路、二级公路、三级公路、四级公路、其他）、中心桩号、所属路线等信息的标准化定义和数据接口。

在一些实施例中，检测结果标准化包括检测结果标签名称、检测结果数值类型（文本、数值）、检测结果判定（合格、不合格、其他）等信息的标准化定义与数据接口。

在一些实施例中，统计母体机构的数据包括：对包括机构数量、机构按资质数量的分布比例、出具报告的总数量、不合格报告的数量、报告按所属检测项目大类数量的分布情况、报告按所属样品种类数量的分布情况、样品按所属检测项目大类合格率的分布情况和样品按所属样品种类合格率的分布情况进行统计。

在一些实施例中，统计工地试验室数据还包括：对工地试验室的数量、工地试验室按类别数量分布的比例、出具报告的数量、不合格报告的数量、报告按所属检测项目大类数量的分布情况、报告按所属样品种类数量的分布情况、样品按所属检测项目大类合格率的分布情况、样品按所属样品种类合格率分布情况进行统计。

在一些实施例中，统计工程数据还包括：对工程数量、工程按类型数量的分布情况（如公路工程按类型数量的分布情况、水运工程按类型数量的分布情况等）、工程按行政等级数量的分布情况、公路工程按类型数量的分布情况、水运工程按类型数量的分布情况进行统计。

在一些实施例中，综合指标分析包括对公路水运工程试验检测主题数据库中的试验检测报告中的结果值从样品属性的维度进行分时序分析，从而得到结果值的不同时序的检测指标分布情况；工程指标分析包括对试验检测报告中的结果值从工程属性的维度进行分析，从而得到多个工程同一指标值的数值对比分析以及数值时序分布情况；厂家指标分析包括试验检测报告中的结果值从样品生产厂家属性的维度进行分析，从而得到多个样品生产厂家的同一指标值的数值对比分析以及数值时序分布情况。

例如，利用数据分析模块分析2021年湖北省范围内规格型号为P·O 42.5的水泥细度指标值分布。具体地，预先设置检测参数为：公路工程（检测专业）-工程材料与制品（检测领域）-水泥（检测项目）-普通硅酸盐水泥（样品种类）-P·O 42.5（规格型号）-细度（检测参数）-勃氏法（检测方法）-比表面积（检测指标值）的检测次数为16800、样品合格率为99.98%、检测结果平均值为323、最大值为376、最小值为287、中值为318、标准差为19.22，可与其他年度该指标值的分布进行对比，从而得出该指标当年的质量情况；

又例如对两个省份所有生产规格型号为P·O 42.5的水泥细度比表面积值进行比对，得出其中某个厂家的水泥细度比表面积标准差最小，由此可判断出该厂家的规格型号为P·O 42.5的水泥细度比表面积值最为稳定；

又例如对多个公路工程项目的规格型号为P·O 42.5的水泥细度比表面积值进行对比，得出某个工程的水泥细度比表面积标准差最小，由此可判断出该工程的规格型号为P·O 42.5的水泥细度值最为稳定。

在一些实施例中，质量分析模型用于对公路水运工程试验检测主题数据库中的合格报告的数据进行检测质量问题识别，原材料性能评价模型用于辅助监管部门预测合格报告的数据中工程现场原材料潜在的质量风险，工程质量分析模型用于对公路水运工程试验检测主题数据库中合格报告的数据中的工程质量风险进行识别，根据识别结果，监管部门可及时采取相应的解决措施。

例如，某个时间段内的某个区域范围内，同一个厂家的规格型号为P· O 42.5的水泥胶砂强度值共有11组数据，其中10人均检测结果值为43MPa，1人检测结果值为47MPa，大数据系统将通过算法自动识别出47MPa的检测结果值存在数值偏离，并将该数据结果进行展示并标记偏离数值情况，便于监管部门对该可能存在异常的的试验数据进行问题溯源定位；

又如一个工程项目下，多个工地试验室做混凝土配合比试验，选择A品牌水泥作为首选、B品牌作为备选，做了多组试验，系统会对多个工地试验数据进行自动分析，得出哪个品牌的性能更高。若发现A品牌水泥配置的混凝土强度明显高于B品牌，说明A品牌水泥在本工程项目中的同样外加剂、砂石料配比的条件下，具有更优的强度性能，监管部门可根据该结果，在考虑强度需求下对施工方提出相关管理要求；

再如系统通过数据挖掘发现某个工程上应用某集料原材生产厂家细集料进行配比的混凝土强度明显偏低或者强度波动大，监管部门为避免质量事故，可采取禁止使用该砂厂材料的措施。

实施例二，还公开一种公路水运工程试验检测大数据系统的预警方法，该预警方法适用于如前实施例中任一的一种公路水运工程试验检测大数据系统，具体方法步骤包括：

S1、创建不同类型的机构，并对不同机构关联相应的上级管理机构，及对不同机构配置相应的大数据系统操作权限和数据查询权限；还创建不同类型的角色，并对不同角色关联相应的上级管理角色，及赋予相应的系统菜单的操作权限；还创建多个用户，并为每个用户配置其所属的机构及对应的角色，从而确定任一用户唯一的系统操作权限和数据查询权限；

S2、将大数据系统与母体机构和工地实验室对接，传输基础试验检测业务数据；

S3、大数据系统接收母体机构，和/或，工地实验室的试验检测报告；

S4、实时采集基础试验检测业务数据并存储；

S5、对存储的基础试验检测业务数据进行抽取清洗处理，生成试验检测主题数据库；

S6、对试验检测主题数据库的不同主题的基础试验检测业务数据进行统计，生成数据报表；

S7、分析试验检测主题数据库的不同主题的基础试验检测业务数据的指标值并生成指标分析报告；

S8、通过机器学习算法建立质量分析模型、原材料性能评价模型和工程质量分析模型，基于质量分析模型、原材料性能评价模型和工程质量分析模型预测试验检测主题数据库的不同主题的基础试验检测业务数据中的合格报告的工程风险数据；

S9、根据预设预警规则筛选试验检测主题数据库中的工程风险数据，当筛选的数据满足预设预警规则时推送预警信息至具备系统操作权限和数据查询权限的用户端。

在一些实施例中，步骤S1中还包括步骤：未与大数据系统对接的母体机构或工地实验室根据预设格式将试验检测报告上传至大数据系统。

在一些实施例中，步骤S8中还包括步骤：基于质量分析模型对试验检测主题数据库中的合格的报告数据进行检测质量问题识别；基于原材料性能评价模型辅助监管部门预测试验检测主题数据库中的合格的报告数据中工程现场原材料存在的质量风险；基于工程质量分析模型对试验检测主题数据库中的合格的报告数据中的工程质量风险进行识别。

在上述基于互联网平台的大数据系统部署过程中，大数据系统日常维护的工作原理为：定期读取大数据系统状态参数及配置参数，状态参数用于判断系统是否处于正常状态，配置参数用于记录系统当前的配置信息。当openstack启动时，进行初始化后台进程，并定时读取巡检程序检测的各项参数，例如交换机配置信息、对接后端存储信息、服务器网卡信息等，这些参数按照功能被分为两类，一类是状态参数，用来判断系统是否处于正常状态，一类是配置参数，用来记录系统正常运行时的配置信息，以便发生异常时进行恢复。这两类参数是从使用目的上进行了划分，实际上对于某个具体的参数，可能同时是状态参数和配置参数。若系统处于正常状态，则存储当前的配置参数。当系统处于正常状态时，会不断更新存储的配置参数，以便当系统出现异常需要进行恢复时，可以获取到最近的系统处于正常状态时的配置参数。定期读取系统状态参数及配置参数，根据状态参数判断系统处于正常状态的情况下，将当前读取的配置参数与上一次存储的配置参数进行比对，若当前的配置参数和上一次存储的配置参数相同，可以不进行存储操作，视为存储了当前的配置参数，若不同，则存储当前的配置参数。采用状态栈用来进行配置参数的存储；若当前的配置参数与状态栈栈顶的配置参数不同，则将当前的配置参数入栈，写入本地数据库，此操作可以通过RCU机制来保证读写同步；若最新正常状态的配置参数和栈顶的配置参数相同，则不入栈。这样栈顶始终存储发生异常前系统最新的正常状态下的配置参数。S13，若系统发生异常，则利用上一次存储的配置参数对系统进行恢复。即利用发生异常前系统最新的正常状态下的配置参数对系统进行恢复。

以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则范围之内所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

Claims (10)

1.一种公路水运工程试验检测大数据系统，其特征在于，所述公路水运工程试验检测大数据系统包括：

权限管理模块，用于创建不同类型的机构，并对不同机构关联相应的上级管理机构，及对不同机构配置相应的大数据系统操作权限和数据查询权限；还用于创建不同类型的角色，并对不同角色关联相应的上级管理角色，及为不同角色赋予相应的系统菜单的操作权限；还用于创建多个用户，并配置用户所属的机构及对应的角色，从而确定任一用户唯一的系统操作权限和数据查询权限；

数据标准化模块，用于通过数据接口实时上传基础试验检测业务数据，并对所述基础试验检测业务数据按照标准化规则进行标准化；

数据采集模块，用于实时采集标准化后的所述基础试验检测业务数据；

数据存储模块，用于存储采集到的基础试验检测业务数据；

数据清洗加工模块，用于对存储的基础试验检测业务数据进行抽取和清洗，并生成试验检测主题库；

数据统计模块，用于对所述试验检测主题库中的母体机构数据、工地试验室数据、工程数据和样品数据进行统计，生成对应的数据报表；

数据分析模块，用于分析所述试验检测主题库中不同主题的基础试验检测业务数据的指标值，包括综合指标分析、工程指标分析和厂家指标分析；

数据挖掘模块，用于通过机器学习算法建立质量分析模型、原材料性能评价模型和工程质量分析模型，并分类别分析所述试验检测主题数据库的不同主题的所述基础试验检测业务数据；

质量安全预警模块，用于根据设置的预警规则对所述试验检测主题库中的业务数据进行判断，筛选出触发预警规则的业务数据并推送预警信息；

数据可视化模块，用于通过互联网向创建的不同用户展示统计的所述数据报表、指标分析数据和所述预警信息。

2.如权利要求1所述的公路水运工程试验检测大数据系统，其特征在于，统计的所述母体机构数据还包括：

机构数量、机构按资质数量的分布比例、出具报告的总数量、不合格报告的数量、报告按所属检测项目大类数量的分布情况、报告按所属样品种类数量的分布情况、样品按所属检测项目大类合格率的分布情况和样品按所属样品种类合格率的分布情况。

3.如权利要求1所述的公路水运工程试验检测大数据系统，其特征在于，统计的所述工地试验室数据还包括：

工地试验室的数量、工地试验室按类别数量分布的比例、出具报告的数量、不合格报告的数量、报告按所属检测项目大类数量的分布情况、报告按所属样品种类数量的分布情况、样品按所属检测项目大类合格率的分布情况及样品按所属样品种类合格率分布情况。

4.如权利要求1所述的公路水运工程试验检测大数据系统，其特征在于，统计的所述工程数据还包括：

工程数量、工程按类型数量的分布情况、工程按行政等级数量的分布情况、公路工程按类型数量的分布情况、水运工程按类型数量的分布情况。

5.如权利要求1所述的公路水运工程试验检测大数据系统，其特征在于，所述标准化规则包括试验室信息标准化规则、参数信息标准化规则、表格信息标准化规则、样品信息标准化规则、工程信息标准化规则和检测结果格式标准化规则。

6.如权利要求1所述的公路水运工程试验检测大数据系统，其特征在于，所述综合指标分析包括对所述试验检测主题库中试验检测报告中的结果值从样品属性的维度进行分时序分析，从而得到试验检测报告中结果值的不同时序的检测指标分布情况；

所述工程指标分析包括对所述试验检测主题库中试验检测报告中的结果值从工程属性的维度进行分析，从而得到多个工程的同一指标值的数值对比分析以及数值时序分布情况；

所述厂家指标分析包括对所述试验检测主题库中试验检测报告中的结果值从样品生产厂家属性的维度进行分析，从而得到多个样品生产厂家的同一指标值的数值对比分析以及数值时序分布情况。

7.如权利要求1所述的公路水运工程试验检测大数据系统，其特征在于，所述质量分析模型用于对合格的报告数据进行检测质量问题识别，所述原材料性能评价模型用于辅助监管部门预测合格的报告数据中工程现场原材料存在的质量风险，所述工程质量分析模型用于对合格的报告数据中的工程质量风险进行识别。

8.一种公路水运工程试验检测大数据系统的预警方法，其特征在于，所述预警方法能在如权利要求1-7任一所述的一种公路水运工程试验检测大数据系统中被执行，所述预警方法包括：

S1、创建不同类型的机构，并对不同机构关联相应的上级管理机构，及对不同机构配置相应的大数据系统操作权限和数据查询权限；还创建不同类型的角色，并对不同角色关联相应的上级管理角色，及赋予相应的系统菜单的操作权限；还创建多个用户，并配置用户所属的机构及对应的角色，从而确定任一用户唯一的系统操作权限和数据查询权限；

S2、与母体机构，和/或，工地实验室对接，接收传输的基础试验检测报告；

S3、基于数据标准化规则将接收到的基础试验检测报告的业务数据标准化；

S4、实时采集标准化后的基础试验检测业务数据并存储；

S5、对存储的所述基础试验检测业务数据进行抽取清洗处理，生成试验检测主题数据库；

S6、对所述试验检测主题数据库的不同主题的所述基础试验检测业务数据进行统计，生成数据报表；

S7、分析所述试验检测主题数据库的不同主题的所述基础试验检测业务数据的指标值并生成指标分析报告；

S8、通过机器学习算法建立质量分析模型、原材料性能评价模型和工程质量分析模型，基于所述质量分析模型、所述原材料性能评价模型和所述工程质量分析模型预测所述试验检测主题数据库的不同主题的基础试验检测业务数据中的合格报告的工程风险数据；

S9、根据预设预警规则筛选试验检测主题数据库中的工程风险数据，当筛选的数据满足预设预警规则时推送预警信息至具备系统操作权限和数据查询权限的用户端。

9.如权利要求8所述的预警方法，其特征在于，步骤S1中还包括步骤：

未与所述大数据系统对接的母体机构或工地实验室根据预设格式将试验检测报告上传至所述大数据系统。

10.如权利要求8所述的预警方法，其特征在于，步骤S8中还包括步骤：

基于所述质量分析模型对所述试验检测主题数据库中的合格的报告数据进行检测质量问题识别；

基于所述原材料性能评价模型辅助监管部门预测所述试验检测主题数据库中的合格的报告数据中工程现场原材料存在的质量风险；

基于所述工程质量分析模型对所述试验检测主题数据库中的合格的报告数据中的工程质量风险进行识别。

Images