CN113988676B - 一种水处理设备的安全管理方法及系统 - Google Patents
一种水处理设备的安全管理方法及系统 Download PDFInfo
- Publication number
- CN113988676B CN113988676B CN202111292176.5A CN202111292176A CN113988676B CN 113988676 B CN113988676 B CN 113988676B CN 202111292176 A CN202111292176 A CN 202111292176A CN 113988676 B CN113988676 B CN 113988676B
- Authority
- CN
- China
- Prior art keywords
- equipment
- water treatment
- index set
- durability
- application type
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Abstract
本发明公开了一种水处理设备的安全管理方法及系统,其中,所述方法包括:通过多元线性回归函数对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数;根据第一代价函数和所述多元指标线性回归函数,获得安全风险评估模型;将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得第一管理安全风险;根据所述第一管理安全风险,对第一水处理设备进行安全管理。解决了现有技术水处理设备在生产使用中存在诸多安全风险,且对安全风险管理不到位,导致降低设备使用质量的技术问题。
Description
技术领域
本发明涉及设备管理领域,尤其涉及一种水处理设备的安全管理方法及系统。
背景技术
水处理设备就是通过各种物理的、化学的手段,去除水中一些对生产、生活不需要的有害的物质,是对水做过滤净化处理的设备。由于社会生产、生活与水密切相关,因此,水处理领域涉及的应用范围十分广泛,需要对水处理设备进行安全管理。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术水处理设备在生产使用中存在诸多安全风险,且对安全风险管理不到位,导致降低设备使用质量的技术问题。
发明内容
本申请实施例通过提供一种水处理设备的安全管理方法及系统,解决了现有技术水处理设备在生产使用中存在诸多安全风险,且对安全风险管理不到位,导致降低设备使用质量的技术问题,达到通过回归模型对设备管理安全风险进行分析,加强对设备安全管理,从而提高水处理设备使用质量和水处理效率的技术效果。
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的。
第一方面,本申请实施例提供了一种水处理设备的安全管理方法,所述方法包括:通过大数据平台构建水处理设备信息集合;按照水处理特征决策树对所述水处理设备信息集合进行特征分类,获得设备特征等级指标集合;获得第一分析指令,所述第一分析指令用于对所述水处理设备信息集合的设备使用情况进行分析,获得设备耐用度指标集合;按照预定应用划分规则对所述水处理设备信息集合进行类型划分,获得设备应用类型指标集合;通过多元线性回归函数对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数;根据第一代价函数和所述多元指标线性回归函数,获得安全风险评估模型;将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得第一管理安全风险;根据所述第一管理安全风险,对第一水处理设备进行安全管理。
另一方面,本申请还提供了一种水处理设备的安全管理系统,所述系统包括:第一构建单元,所述第一构建单元用于通过大数据平台构建水处理设备信息集合;第一获得单元,所述第一获得单元用于按照水处理特征决策树对所述水处理设备信息集合进行特征分类,获得设备特征等级指标集合;第二获得单元,所述第二获得单元用于获得第一分析指令,所述第一分析指令用于对所述水处理设备信息集合的设备使用情况进行分析,获得设备耐用度指标集合;第三获得单元,所述第三获得单元用于按照预定应用划分规则对所述水处理设备信息集合进行类型划分,获得设备应用类型指标集合;第四获得单元,所述第四获得单元用于通过多元线性回归函数对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数;第五获得单元,所述第五获得单元用于根据第一代价函数和所述多元指标线性回归函数,获得安全风险评估模型;第六获得单元,所述第六获得单元用于将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得第一管理安全风险;第一管理单元,所述第一管理单元用于根据所述第一管理安全风险,对第一水处理设备进行安全管理。
第三方面,本发明实施例提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
第四方面,本发明实施例还提供了一种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意一项所述的控制输出数据的方法中的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了按照水处理特征决策树对所述水处理设备信息集合进行特征分类,获得设备特征等级指标集合;对所述水处理设备信息集合的设备使用情况进行分析,获得设备耐用度指标集合;按照预定应用划分规则对所述水处理设备信息集合进行类型划分,获得设备应用类型指标集合;通过多元线性回归函数对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数;根据第一代价函数和所述多元指标线性回归函数,获得安全风险评估模型;将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得第一管理安全风险;根据所述第一管理安全风险,对第一水处理设备进行安全管理。进而达到通过回归模型对设备管理安全风险进行分析,加强对设备安全管理,从而提高水处理设备使用质量和水处理效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种水处理设备的安全管理方法的流程示意图;
图2为本申请实施例一种水处理设备的安全管理方法中获得设备耐用度指标集合的流程示意图;
图3为本申请实施例一种水处理设备的安全管理方法中获得各设备预计磨损度的流程示意图;
图4为本申请实施例一种水处理设备的安全管理方法中获得多元指标线性回归函数的流程示意图;
图5为本申请实施例一种水处理设备的安全管理方法中确定第一代价函数的流程示意图;
图6为本申请实施例一种水处理设备的安全管理方法中获得所述第一工作性能参数的流程示意图;
图7为本申请实施例一种水处理设备的安全管理方法中对水处理设备进行定期检查的流程示意图;
图8为本申请实施例一种水处理设备的安全管理系统的结构示意图;
图9为本申请实施例所提供的一种用于执行控制输出数据的方法的电子设备的结构示意图。
附图标记说明:第一构建单元11,第一获得单元12,第二获得单元13,第三获得单元14,第四获得单元15,第五获得单元16,第六获得单元17,第一管理单元18,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150和用户接口1160。
具体实施方式
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
申请概述
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本发明实施例中的附图对本发明实施例进行描述。
实施例一
如图1所示,本申请实施例提供了一种水处理设备的安全管理方法,其中,所述方法包括:
步骤S100:通过大数据平台构建水处理设备信息集合;
具体而言,通过大数据平台构建水处理设备信息集合,大数据平台是以存储、运算、展现作为目的的平台,是具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。所述水处理设备信息集合包括各种水处理设备的基本信息,如水处理设备名称、型号、生产厂商、设备结构外形等。
步骤S200:按照水处理特征决策树对所述水处理设备信息集合进行特征分类,获得设备特征等级指标集合;
具体而言,决策树(DecisionTree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法,这种分类器能够对新出现的对象给出正确的分类,由根节点、内部节点以及叶节点组成。水处理特征可作为所述水处理特征决策树的内部节点,通过对其进行信息熵的计算,可对熵值最小的特征进行优先分类,以此方法对所述水处理特征决策树进行递归构建,直至无法对最后的特征叶节点进行再分,说明分类结束,以此构成了水处理特征决策树。根据所述水处理特征决策树,对所述水处理设备信息集合进行特征分类,如水处理标准等级特征、设备技术性能特征等,获得对应的设备特征等级指标集合。
步骤S300:获得第一分析指令,所述第一分析指令用于对所述水处理设备信息集合的设备使用情况进行分析,获得设备耐用度指标集合;
如图2所示,进一步而言,其中,所述获得设备耐用度指标集合,本申请实施例步骤S300还包括:
步骤S310:对所述水处理设备信息集合的设备使用情况进行分析,获得各设备预计磨损度;
步骤S320:根据所述水处理设备信息集合,获得各设备预计使用年限;
步骤S330:构建耐用度计算公式:设备耐用度=(1-设备预计磨损度)/设备预计使用年限×100%;
步骤S340:将所述各设备预计磨损度和所述各设备预计使用年限输入所述耐用度计算公式,计算获得设备耐用度指标集合。
具体而言,根据所述第一分析指令对所述水处理设备信息集合的设备使用情况进行分析,获得反应设备使用情况的设备耐用度指标集合,设备耐用度越高,表明设备工作期限越长,设备质量越好,工作效率越高。所述各设备预计磨损度为根据水处理设备的使用情况,设备的最终预计磨损程度,达到所述预计磨损度后,设备将不能正常运转工作。所述各设备预计使用年限为根据购买时的设备基本信息,如生产厂商、设备类型等,获得的设备预计正常使用年限,即设备使用保质期。所述耐用度计算公式为计算水处理设备的耐用程度公式,即设备耐用度=(1-设备预计磨损度)/设备预计使用年限×100%,将所述各设备预计磨损度和所述各设备预计使用年限输入所述耐用度计算公式,计算获得各水处理设备对应的所述设备耐用度指标集合。达到通过构建计算公式对设备耐用度进行准确计算,为后续设备安全风险的评估提供准确的基础依据的技术效果。
步骤S400:按照预定应用划分规则对所述水处理设备信息集合进行类型划分,获得设备应用类型指标集合;
具体而言,所述预定应用划分规则为水处理设备处理用水的应用领域,如生活饮用水、食品厂用水、游泳馆设施用水、循环冷却水、海水淡化业用水、工业生产类用水等。以此对所述水处理设备信息集合进行类型划分,获得对应的设备应用类型指标集合,如净化水设备、污水处理设备、冷却循环水处理设备、海水处理设备等。
步骤S500:通过多元线性回归函数对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数;
如图4所示,进一步而言,其中,所述通过多元线性回归函数对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数,本申请实施例步骤S500还包括:
步骤S510:分别对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行去中心化处理,获得第二设备特征等级指标集合、第二设备耐用度指标集合和第二设备应用类型指标集合;
步骤S520:分别获得所述第二设备特征等级指标集合、所述第二设备耐用度指标集合和所述第二设备应用类型指标集合对应的协方差矩阵;
步骤S530:分别对其协方差矩阵进行运算,获得所述第二设备特征等级指标集合、所述第二设备耐用度指标集合和所述第二设备应用类型指标集合对应的协方差矩阵的特征值和特征向量;
步骤S540:分别将所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合投影到相应的所述特征向量,获得第一降维设备特征等级指标集合、第一降维设备耐用度指标集合和第一降维设备应用类型指标集合;
步骤S550:通过多元线性回归函数对所述第一降维设备特征等级指标集合、所述第一降维设备耐用度指标集合和所述第一降维设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数。
具体而言,分别对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行去中心化处理,进行去中心化处理并通过协方差矩阵对其进行降维处理的过程为一个线性降维过程,它的目标是通过某种线性投影,将高维的数据映射到低维的空间中表示,并期望在所投影的维度上数据的方差最大,以此使用较少的数据维度,同时保留住较多的原数据点的特性。首先求解各指标集合中各指标的平均值,然后对于所有的样本,每一个指标都减去自身的均值,继而获得新的指标值,由新的指标值构成各第二指标集合,各第二指标集合为一数据矩阵。通过协方差公式:
对各第二指标集合进行运算,获得各第二指标集合对应的协方差矩阵。其中,为各第二指标集合中的指标数据;为该指标数据的平均值;为各第二指标集合中的样本数据总量。继而通过矩阵运算,求出各协方差矩阵的特征值及特征向量,且每一特征值对应一个特征向量。在求出的所述第一特征向量中,选取最大的前K个特征值及其对应的特征向量,并将第一指标集合中的原始特征投影到所选取的特征向量之上,得到降维之后对应的各第一降维指标集合。最后通过多元线性回归函数对所述第一降维设备特征等级指标集合、所述第一降维设备耐用度指标集合和所述第一降维设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数。达到通过主成分分析法对数据库中的指标数据进行降维处理,在保证信息量的前提下,剔除冗余数据,使得数据库中特征数据的样本量减小,且降维后信息量损失最小,从而加快训练模型对于数据的运算速度的技术效果。
步骤S600:根据第一代价函数和所述多元指标线性回归函数,获得安全风险评估模型;
如图5所示,进一步而言,其中,所述第一代价函数,本申请实施例步骤S600还包括:
步骤S610:获得所述第一水处理设备的工作性能数据集合;
步骤S620根据梯度下降算法从所述第一水处理设备的工作性能数据集合中获得第一工作性能参数,其中,所述第一工作性能参数为使得所述第一代价函数最小的工作性能参数;
步骤S630:根据所述第一工作性能参数,确定第一代价函数。
具体而言,所述第一水处理设备的工作性能数据集合为水处理设备在工作时的各性能参数数据,如设备工作功率、轴承工作温度、吸水井水位、泵出口压力、干线压力、进水出水量等。梯度下降法(GradientDescent)是一种常用的一阶优化方法,是求解无约束优化问题最简单、经典的方法之一。梯度下降算法在机器学习中应用十分的广泛,不论是在线性回归还是逻辑回归中,它的主要目的是通过迭代找到目标函数的最小值,或者收敛到最小值,其数学公式如下:
其中,表示学习速率;
为所述第一水处理设备的不同工作性能数据;
梯度下降法会重复上式步骤,直到收敛。
所述第一水处理设备的工作性能数据集合中的任一项对所述多元指标线性回归函数的影响不尽相同,通过梯度下降算法从所述第一水处理设备的工作性能数据集合中获得所述第一工作性能参数,所述第一工作性能参数为使得所述多元指标线性回归函数与实际值之间误差最小的参数,根据所述第一工作性能参数,确定第一代价函数。并根据所述第一代价函数和所述多元指标线性回归函数,构建获得所述安全风险评估模型即多元线性回归模型。梯度下降算法对梯度的估计是无偏的,样例越多,标准差越低。此外,它的完成方式允许并行化,达到不但节约系统内存还可以节省大量的运算时间的技术效果。
步骤S700:将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得第一管理安全风险;
步骤S800:根据所述第一管理安全风险,对第一水处理设备进行安全管理。
具体而言,将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得所述模型输出结果即第一管理安全风险。并根据所述第一管理安全风险,对所述第一水处理设备进行满足水处理要求标准的安全管理,保证水处理设备的水处理质量和处理效率。
如图3所示,进一步而言,其中,所述对所述水处理设备信息集合的设备使用情况进行分析,获得各设备预计磨损度,本申请实施例步骤S310还包括:
步骤S311:对待处理水质信息进行成分分析,获得损害化学成分含量;
步骤S312:根据所述损害化学成分含量和所述待处理水质信息的总量,获得第一水质影响度;
步骤S313:根据所述第一水质影响度,确定所述水处理设备的设备使用情况;
步骤S314:对所述水处理设备的设备使用情况进行严重程度划分,获得各设备预计磨损度。
具体而言,对所述水处理设备的待处理水质信息进行成分分析,分析水质的化学成分,如酸碱性、金属离子、可溶气体等,获得对水处理设备有损害的化学成分含量,即有害化学成分所占总体水质比例,如重金属、酸性物质等。根据所述损害化学成分含量和所述待处理水质信息的总量,计算得出损害化学成分,并以此获得第一水质影响度,即水质对水处理设备的影响程度。根据所述第一水质影响度,确定所述水处理设备的设备使用情况,并对所述水处理设备的设备使用情况进行严重程度划分,获得对应的各设备预计磨损度。不同的水质处理对设备产生不同的影响,以此确定设备磨损度,从而使得对设备耐用度的计算更加准确的技术效果。
如图6所示,进一步而言,本申请实施例S630还包括:
步骤S631:获得所述第一水处理设备的工作性能参数集合中各工作性能参数所对应的偏导数;
步骤S632:获得学习速率;
步骤S633:根据所述各工作性能参数所对应的偏导数和所述学习速率对所述各工作性能参数进行循环更新,直到所述偏导数为0时,所述各工作性能参数停止更新,获得所述第一工作性能参数。
具体而言,学习效率指所述第一水处理设备的工作性能参数集合到达最优值过程的速度快慢。在机器学习中,系统可以根据数据集的大小来选择合适的学习率,当使用均方误差作为代价函数时,随着数据量的增多,学习效率应该被设置为相应更小的值,同时为保证运行速度,学习效率不应过小。根据所述各工作性能参数所对应的偏导数和所述学习速率对所述各工作性能参数进行循环更新,循环更新的过程即寻找最小代价函数的过程,直到所述偏导数为0时,表示所述代价函数斜率为0,此时获得的第一工作性能参数即对所述多元指标线性回归函数影响最小的参数。通过梯度下降算法进行多次迭代运算,可以得到最小的代价函数,使得系统模型的误差达到了最小值。
如图7所示,进一步而言,本申请实施例还包括:
步骤S910:根据所述第一管理安全风险,确定设备检查项目表,所述设备检查项目表按照项目重要程度进行排序;
步骤S920:获得所述设备检查项目表中各项目对应的第一检查频率;
步骤S930:按照所述第一检查频率对所述第一水处理设备进行定期检查。
具体而言,根据所述第一管理安全风险,确定设备检查项目表,所述设备检查项目表按照项目重要程度进行排序,如按照所述管理安全风险,对水处理设备依次进行电压检查、电压检查、反应池安全检查、水泵检查、滤池检查等。获得所述设备检查项目表中各项目对应的第一检查频率,安全管理风险越大,设备检查越重要,检查频率也相应较高。按照所述第一检查频率对所述第一水处理设备进行定期检查,确保水处理设备运行安全,加强对设备的安全管理,从而保证水处理质量的技术效果。
综上所述,本申请实施例所提供的一种水处理设备的安全管理方法及系统具有如下技术效果:
由于采用了按照水处理特征决策树对所述水处理设备信息集合进行特征分类,获得设备特征等级指标集合;对所述水处理设备信息集合的设备使用情况进行分析,获得设备耐用度指标集合;按照预定应用划分规则对所述水处理设备信息集合进行类型划分,获得设备应用类型指标集合;通过多元线性回归函数对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数;根据第一代价函数和所述多元指标线性回归函数,获得安全风险评估模型;将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得第一管理安全风险;根据所述第一管理安全风险,对第一水处理设备进行安全管理。进而达到通过回归模型对设备管理安全风险进行分析,加强对设备安全管理,从而提高水处理设备使用质量和水处理效率的技术效果。
实施例二
基于与前述实施例中一种水处理设备的安全管理方法同样发明构思,本发明还提供了一种水处理设备的安全管理系统,如图8所示,所述系统包括:
第一构建单元11,所述第一构建单元11用于通过大数据平台构建水处理设备信息集合;
第一获得单元12,所述第一获得单元12用于按照水处理特征决策树对所述水处理设备信息集合进行特征分类,获得设备特征等级指标集合;
第二获得单元13,所述第二获得单元13用于获得第一分析指令,所述第一分析指令用于对所述水处理设备信息集合的设备使用情况进行分析,获得设备耐用度指标集合;
第三获得单元14,所述第三获得单元14用于按照预定应用划分规则对所述水处理设备信息集合进行类型划分,获得设备应用类型指标集合;
第四获得单元15,所述第四获得单元15用于通过多元线性回归函数对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数;
第五获得单元16,所述第五获得单元16用于根据第一代价函数和所述多元指标线性回归函数,获得安全风险评估模型;
第六获得单元17,所述第六获得单元17用于将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得第一管理安全风险;
第一管理单元18,所述第一管理单元18用于根据所述第一管理安全风险,对第一水处理设备进行安全管理。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于对所述水处理设备信息集合的设备使用情况进行分析,获得各设备预计磨损度;
第八获得单元,所述第八获得单元用于根据所述水处理设备信息集合,获得各设备预计使用年限;
第二构建单元,所述第二构建单元用于构建耐用度计算公式:设备耐用度=(1-设备预计磨损度)/设备预计使用年限×100%;
第九获得单元,所述第九获得单元用于将所述各设备预计磨损度和所述各设备预计使用年限输入所述耐用度计算公式,计算获得设备耐用度指标集合。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于对待处理水质信息进行成分分析,获得损害化学成分含量;
第十一获得单元,所述第十一获得单元用于根据所述损害化学成分含量和所述待处理水质信息的总量,获得第一水质影响度;
第一确定单元,所述第一确定单元用于根据所述第一水质影响度,确定所述水处理设备的设备使用情况;
第十二获得单元,所述第十二获得单元用于对所述水处理设备的设备使用情况进行严重程度划分,获得各设备预计磨损度。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于分别对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行去中心化处理,获得第二设备特征等级指标集合、第二设备耐用度指标集合和第二设备应用类型指标集合;
第十四获得单元,所述第十四获得单元用于分别获得所述第二设备特征等级指标集合、所述第二设备耐用度指标集合和所述第二设备应用类型指标集合对应的协方差矩阵;
第十五获得单元,所述第十五获得单元用于分别对其协方差矩阵进行运算,获得所述第二设备特征等级指标集合、所述第二设备耐用度指标集合和所述第二设备应用类型指标集合对应的协方差矩阵的特征值和特征向量;
第十六获得单元,所述第十六获得单元用于分别将所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合投影到相应的所述特征向量,获得第一降维设备特征等级指标集合、第一降维设备耐用度指标集合和第一降维设备应用类型指标集合;
第十七获得单元,所述第十七获得单元用于通过多元线性回归函数对所述第一降维设备特征等级指标集合、所述第一降维设备耐用度指标集合和所述第一降维设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数。
进一步的,所述系统还包括:
第十八获得单元,所述第十八获得单元用于获得所述第一水处理设备的工作性能数据集合;
第十九获得单元,所述第十九获得单元用于根据梯度下降算法从所述第一水处理设备的工作性能数据集合中获得第一工作性能参数,其中,所述第一工作性能参数为使得所述第一代价函数最小的工作性能参数;
第二确定单元,所述第二确定单元用于根据所述第一工作性能参数,确定第一代价函数。
进一步的,所述系统还包括:
第二十获得单元,所述第二十获得单元用于获得所述第一水处理设备的工作性能参数集合中各工作性能参数所对应的偏导数;
第二十一获得单元,所述第二十一获得单元用于获得学习速率;
第二十二获得单元,所述第二十二获得单元用于根据所述各工作性能参数所对应的偏导数和所述学习速率对所述各工作性能参数进行循环更新,直到所述偏导数为0时,所述各工作性能参数停止更新,获得所述第一工作性能参数。
进一步的,所述系统还包括:
第三确定单元,所述第三确定单元用于根据所述第一管理安全风险,确定设备检查项目表,所述设备检查项目表按照项目重要程度进行排序;
第二十三获得单元,所述第二十三获得单元用于获得所述设备检查项目表中各项目对应的第一检查频率;
第一检查单元,所述第一检查单元用于按照所述第一检查频率对所述第一水处理设备进行定期检查。
前述图1实施例一中的一种水处理设备的安全管理方法的各种变化方式和具体实例同样适用于本实施例的一种水处理设备的安全管理系统,通过前述对一种水处理设备的安全管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种水处理设备的安全管理系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本发明实施例还提供了一种电子设备,包括总线、收发器、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,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的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。
示例性电子设备
具体的,参见图9所示,本发明实施例还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信系统、码分多址系统、全球微波互联接入系统、通用分组无线业务系统、宽带码分多址系统、长期演进系统、LTE频分双工系统、LTE时分双工系统、先进长期演进系统、通用移动通信系统、增强移动宽带系统、海量机器类通信系统、超可靠低时延通信系统等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种系统程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
此外,本发明实施例还提供了一种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控制输出数据的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。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种水处理设备的安全管理方法,其中,所述方法包括:
通过大数据平台构建水处理设备信息集合;
按照水处理特征决策树对所述水处理设备信息集合进行特征分类,获得设备特征等级指标集合;
获得第一分析指令,所述第一分析指令用于对所述水处理设备信息集合的设备使用情况进行分析,获得设备耐用度指标集合;
按照预定应用划分规则对所述水处理设备信息集合进行类型划分,获得设备应用类型指标集合;
通过多元线性回归函数对所述设备特征等级指标集合、所述设备耐用度指标集合和所述设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数;
根据第一代价函数和所述多元指标线性回归函数,获得安全风险评估模型;
将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得第一管理安全风险;
根据所述第一管理安全风险,对第一水处理设备进行安全管理。
2.如权利要求1所述的方法,其中,所述获得设备耐用度指标集合,包括:
对所述水处理设备信息集合的设备使用情况进行分析,获得各设备预计磨损度;
根据所述水处理设备信息集合,获得各设备预计使用年限;
构建耐用度计算公式:设备耐用度=(1-设备预计磨损度)/设备预计使用年限×100%;
将所述各设备预计磨损度和所述各设备预计使用年限输入所述耐用度计算公式,计算获得设备耐用度指标集合。
3.如权利要求2所述的方法,其中,所述对所述水处理设备信息集合的设备使用情况进行分析,获得各设备预计磨损度,包括:
对待处理水质信息进行成分分析,获得损害化学成分含量;
根据所述损害化学成分含量和所述待处理水质信息的总量,获得第一水质影响度;
根据所述第一水质影响度,确定所述水处理设备的设备使用情况;
对所述水处理设备的设备使用情况进行严重程度划分,获得各设备预计磨损度。
4.如权利要求1所述的方法,其中,所述通过多元线性回归函数对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数,包括:
分别对所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合进行去中心化处理,获得第二设备特征等级指标集合、第二设备耐用度指标集合和第二设备应用类型指标集合;
分别获得所述第二设备特征等级指标集合、所述第二设备耐用度指标集合和所述第二设备应用类型指标集合对应的协方差矩阵;
分别对其协方差矩阵进行运算,获得所述第二设备特征等级指标集合、所述第二设备耐用度指标集合和所述第二设备应用类型指标集合对应的协方差矩阵的特征值和特征向量;
分别将所述第一设备特征等级指标集合、所述第一设备耐用度指标集合和所述第一设备应用类型指标集合投影到相应的所述特征向量,获得第一降维设备特征等级指标集合、第一降维设备耐用度指标集合和第一降维设备应用类型指标集合;
通过多元线性回归函数对所述第一降维设备特征等级指标集合、所述第一降维设备耐用度指标集合和所述第一降维设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数。
5.如权利要求1所述的方法,其中,所述第一代价函数,包括:
获得所述第一水处理设备的工作性能数据集合;
根据梯度下降算法从所述第一水处理设备的工作性能数据集合中获得第一工作性能参数,其中,所述第一工作性能参数为使得所述第一代价函数最小的工作性能参数;
根据所述第一工作性能参数,确定第一代价函数。
6.如权利要求5所述的方法,其中,所述方法包括:
获得所述第一水处理设备的工作性能参数集合中各工作性能参数所对应的偏导数;
获得学习速率;
根据所述各工作性能参数所对应的偏导数和所述学习速率对所述各工作性能参数进行循环更新,直到所述偏导数为0时,所述各工作性能参数停止更新,获得所述第一工作性能参数。
7.如权利要求1所述的方法,其中,所述方法包括:
根据所述第一管理安全风险,确定设备检查项目表,所述设备检查项目表按照项目重要程度进行排序;
获得所述设备检查项目表中各项目对应的第一检查频率;
按照所述第一检查频率对所述第一水处理设备进行定期检查。
8.一种水处理设备的安全管理系统,其中,所述系统包括:
第一构建单元,所述第一构建单元用于通过大数据平台构建水处理设备信息集合;
第一获得单元,所述第一获得单元用于按照水处理特征决策树对所述水处理设备信息集合进行特征分类,获得设备特征等级指标集合;
第二获得单元,所述第二获得单元用于获得第一分析指令,所述第一分析指令用于对所述水处理设备信息集合的设备使用情况进行分析,获得设备耐用度指标集合;
第三获得单元,所述第三获得单元用于按照预定应用划分规则对所述水处理设备信息集合进行类型划分,获得设备应用类型指标集合;
第四获得单元,所述第四获得单元用于通过多元线性回归函数对所述设备特征等级指标集合、所述设备耐用度指标集合和所述设备应用类型指标集合进行数据拟合,获得多元指标线性回归函数;
第五获得单元,所述第五获得单元用于根据第一代价函数和所述多元指标线性回归函数,获得安全风险评估模型;
第六获得单元,所述第六获得单元用于将第一设备特征等级、第一设备耐用度和第一设备应用类型输入所述安全风险评估模型,获得第一管理安全风险;
第一管理单元,所述第一管理单元用于根据所述第一管理安全风险,对第一水处理设备进行安全管理。
9.一种水处理设备的安全管理系统,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
10.一种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1-7中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111292176.5A CN113988676B (zh) | 2021-11-03 | 2021-11-03 | 一种水处理设备的安全管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111292176.5A CN113988676B (zh) | 2021-11-03 | 2021-11-03 | 一种水处理设备的安全管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113988676A CN113988676A (zh) | 2022-01-28 |
CN113988676B true CN113988676B (zh) | 2022-11-15 |
Family
ID=79746045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111292176.5A Active CN113988676B (zh) | 2021-11-03 | 2021-11-03 | 一种水处理设备的安全管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113988676B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314330A (zh) * | 2023-09-01 | 2023-12-29 | 湖南工商大学 | 一种基于数字孪生的智能制造系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101369152A (zh) * | 2008-10-17 | 2009-02-18 | 中国安全生产科学研究院 | 油气开采集输作业安全监控预警及安全管理系统及其方法 |
CN103546536A (zh) * | 2013-08-28 | 2014-01-29 | 北京清控人居环境研究院有限公司 | 污水处理厂物联网系统 |
CN110282683A (zh) * | 2019-04-11 | 2019-09-27 | 广东龙泉科技有限公司 | 污水处理厂及其设备运维一体化现场安全管控方法 |
CN112581077A (zh) * | 2020-12-04 | 2021-03-30 | 贵州昱清浩瑞科技有限公司 | 智慧水务管理平台 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120317058A1 (en) * | 2011-06-13 | 2012-12-13 | Abhulimen Kingsley E | Design of computer based risk and safety management system of complex production and multifunctional process facilities-application to fpso's |
-
2021
- 2021-11-03 CN CN202111292176.5A patent/CN113988676B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101369152A (zh) * | 2008-10-17 | 2009-02-18 | 中国安全生产科学研究院 | 油气开采集输作业安全监控预警及安全管理系统及其方法 |
CN103546536A (zh) * | 2013-08-28 | 2014-01-29 | 北京清控人居环境研究院有限公司 | 污水处理厂物联网系统 |
CN110282683A (zh) * | 2019-04-11 | 2019-09-27 | 广东龙泉科技有限公司 | 污水处理厂及其设备运维一体化现场安全管控方法 |
CN112581077A (zh) * | 2020-12-04 | 2021-03-30 | 贵州昱清浩瑞科技有限公司 | 智慧水务管理平台 |
Also Published As
Publication number | Publication date |
---|---|
CN113988676A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108833416B (zh) | 一种scada系统信息安全风险评估方法及系统 | |
CN107168995B (zh) | 一种数据处理方法及服务器 | |
CN109033513B (zh) | 电力变压器故障诊断方法与电力变压器故障诊断装置 | |
CN110570544A (zh) | 飞机燃油系统故障识别方法、装置、设备和存储介质 | |
CN113988676B (zh) | 一种水处理设备的安全管理方法及系统 | |
CN110895495A (zh) | 人因失误分析方法、系统、计算机设备及存储介质 | |
CN111178633A (zh) | 基于随机森林算法预测景区客流量的方法和装置 | |
CN105678409A (zh) | 一种自适应且分布无关的时间序列异常点检测方法 | |
CN115964668A (zh) | 一种基于大数据的供热监控分析方法、装置、设备及介质 | |
CN113744087A (zh) | 一种电子电器用变压器运行状态智能检测的方法及装置 | |
CN113295399B (zh) | 换流阀元件状态评估方法、装置、电子设备和存储介质 | |
CN114564345A (zh) | 一种服务器异常检测方法、装置、设备及存储介质 | |
CN113110961A (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
CN117272145A (zh) | 转辙机的健康状态评估方法、装置和电子设备 | |
CN116050475A (zh) | 关键污染物浓度预测模型的训练方法、装置和计算机设备 | |
CN115049019B (zh) | 金属有机框架对砷的吸附性能评估方法、装置及相关设备 | |
CN114565196B (zh) | 基于政务热线的多事件趋势预判方法、装置、设备及介质 | |
CN116011677A (zh) | 时序数据的预测方法、装置、电子设备及存储介质 | |
CN116168403A (zh) | 医疗数据分类模型训练方法、分类方法、装置及相关介质 | |
CN114420219A (zh) | 相对保留时间预测模型的构建方法、预测方法及装置 | |
EP3580676B1 (en) | Sample-based multidimensional data cloning | |
CN111967774A (zh) | 软件质量风险预测方法及装置 | |
CN116302661B (zh) | 一种异常预测方法、装置、电子设备及存储介质 | |
CN111260191B (zh) | 测试床成熟度量化方法、装置、计算机设备和存储介质 | |
CN113554126B (zh) | 样本评估方法、装置、设备及计算机可读存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 226000 West of Floor 3, Building 3 #, Chongchuan Science and Technology Innovation Park, No. 30, Zilang Road, Chongchuan District, Nantong, Jiangsu Applicant after: Jiangsu Silian Water Technology Co.,Ltd. Address before: 226000 West of Floor 3, Building 3 #, Chongchuan Science and Technology Innovation Park, No. 30, Zilang Road, Chongchuan District, Nantong, Jiangsu Applicant before: JIANGSU SILIAN AUTOMATION TECHNOLOGY CO.,LTD. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |