CN116010886B - 安全监测方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明提供一种安全监测方法、装置、电子设备和存储介质，涉及数据处理技术领域，该方法包括：在检测到获取的安全监管数据中存在底事件的情况下，确定底事件的类型；基于该类型确定危险源标识信息，并获取危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；基于底事件和目标故障树分析模型，确定目标故障树分析模型的顶事件的发生概率和顶事件的发生概率的第一变化值，并根据该发生概率和第一变化值生成安全风险提示信息；故障树分析模型是基于危险源风险管理样本数据构建的。本发明提供的技术方案能够将针对危险源安全风险管理的知识成果数据以故障树分析模型的形式表征，实时监测生产运行过程中的安全事件及其安全风险变化态势。

Description

安全监测方法、装置、电子设备和存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种安全监测方法、装置、电子设备和存储介质。

背景技术

在机场运行、铁路运输等领域，安全运行保障显得尤为重要。以机场安全运行为例，其可视为是生产运行活动和安全管理类活动相互作用的结果，安全管理类活动可以对各类生产运行活动的安全风险进行管理，两类活动的充分交流和融合是提升安全运行的基础。

相关技术中，在安全监管方面，通过在安全事故发生后对事后调查结果报告进行量化，并结合专家参与的评价打分，来分析过去一段时间的安全运行情况，为安全管理提供依据。这样，无法实时监测机场或铁路等生产运行过程中的安全事件及其带来的风险变化，实时性较差，不利于安全风险隐患的及时消除。

发明内容

本发明提供一种安全监测方法、装置、电子设备和存储介质，用以解决现有技术中无法实时监测安全生产运行过程中的安全事件及其带来的风险变化的问题，实现安全事件及其安全风险的实时监测。

本发明提供一种安全监测方法，包括：

获取安全监管数据，并检测所述安全监管数据中是否存在底事件；

在所述安全监管数据中存在底事件的情况下，确定所述底事件的类型；

基于所述底事件的类型确定危险源标识信息，并获取所述危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；所述故障树分析模型是基于危险源风险管理样本数据构建的；

基于所述底事件和所述目标故障树分析模型，确定所述目标故障树分析模型的顶事件的发生概率和所述顶事件的发生概率的第一变化值；

根据所述顶事件的发生概率和所述第一变化值生成安全风险提示信息。

根据本发明提供的一种安全监测方法，所述故障树分析模型是基于如下步骤构建的：

获取所述危险源风险管理样本数据；

针对所述危险源风险管理样本数据中的每个危险源，从所述危险源风险管理样本数据中确定所述危险源对应的模型实例数据；

将所述模型实例数据中的后果数据确立为顶事件节点；

基于所述模型实例数据中的危险源诱发原因数据和管控措施失效数据确定中间事件节点和底事件节点，其中，底事件为导致上层事件发生的原因事件，所述上层事件包括中间事件或顶事件；

基于所述模型实例数据确定底事件的发生概率；

根据所述顶事件节点、所述中间事件节点和所述底事件节点之间的因果关系，生成以所述顶事件节点为根节点的树状模型作为所述故障树分析模型，所述故障树分析模型中包括所述底事件的发生概率。

根据本发明提供的一种安全监测方法，所述方法还包括：

获取设定时间段内所述底事件的发生次数；

基于所述发生次数，更新所述故障树分析模型中包括的所述底事件的发生概率。

根据本发明提供的一种安全监测方法，所述检测所述安全监管数据中是否存在底事件包括：

在所述安全监管数据中包括安全事件数据的情况下，检测所述安全事件数据中是否包含底事件标识信息；

在所述安全事件数据中未包含底事件标识信息的情况下，根据所述安全事件数据的数据类型确定目标底事件识别模型，并基于所述目标底事件识别模型判断所述安全事件数据中是否存在底事件。

根据本发明提供的一种安全监测方法，所述根据所述安全事件数据的数据类型确定目标底事件识别模型，包括：

在所述安全事件数据的数据类型为非结构化数据类型的情况下，将第一模型确定为所述目标底事件识别模型；所述第一模型包括自然语言事件分类模型或知识图谱推荐模型，所述第一模型是基于安全管理系统中的安全事件样本数据对初始第一模型进行训练得到的；

在所述安全事件数据的数据类型为结构化数据类型的情况下，将底事件分类模型确定为所述目标底事件识别模型，所述底事件分类模型是基于采集的生产运行样本数据对初始底事件分类模型进行训练得到的。

根据本发明提供的一种安全监测方法，所述安全风险提示信息包括报警信息，所述根据所述顶事件的发生概率和所述第一变化值生成安全风险提示信息，包括：

在所述顶事件的发生概率大于第一阈值，和/或，所述第一变化值大于第二阈值的情况下，生成所述报警信息。

根据本发明提供的一种安全监测方法，所述故障树分析模型中包括底事件的发生概率；所述方法还包括：

基于所述底事件的发生概率，确定底事件的发生概率的第二变化值；

在所述底事件的发生概率大于第三阈值，和/或，所述底事件的发生概率的第二变化值大于第四阈值的情况下，生成所述安全管理启动信息；所述安全管理启动信息用于启动安全管理系统，以对所述底事件进行安全风险管控。

本发明还提供一种安全监测装置，包括：

检测模块，用于获取安全监管数据，并检测所述安全监管数据中是否存在底事件；

第一确定模块，用于在所述安全监管数据中存在底事件的情况下，确定所述底事件的类型；

第二确定模块，用于基于所述底事件的类型确定危险源标识信息，并获取所述危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；所述故障树分析模型是基于危险源风险管理样本数据构建的；

第三确定模块，用于基于所述底事件和所述目标故障树分析模型，确定所述目标故障树分析模型的顶事件的发生概率和所述顶事件的发生概率的第一变化值；

生成模块，用于根据所述顶事件的发生概率和所述第一变化值生成安全风险提示信息。

本发明还提供一种电子设备，包括存储器、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，所述处理器执行所述计算机程序时实现如上述任一种所述安全监测方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述安全监测方法。

本发明提供的安全监测方法、装置、电子设备和存储介质，可以获取安全监管数据，在检测到安全监管数据中存在底事件的情况下，确定底事件的类型；接着基于该底事件的类型确定危险源标识信息，并获取该危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；再基于底事件和目标故障树分析模型，确定目标故障树分析模型的顶事件的发生概率和顶事件的发生概率的第一变化值；然后根据顶事件的发生概率和第一变化值生成安全风险提示信息。其中的故障树分析模型是基于危险源风险管理样本数据构建的，这样，可以将针对危险源安全风险管理的知识成果数据以故障树分析模型的形式进行表征，进而可以利用该故障树分析模型对实时产生的安全监管数据进行安全风险分析，从而实现了安全事件及其安全风险的实时监测，生成的安全风险提示信息可以实时提示安全风险，有利于安全风险的及时处置。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的安全监测方法的流程示意图之一；

图2是本发明实施例中故障树分析模型的构建方法的流程示意图；

图3是本发明实施例中FTA模型的结构示意图；

图4是本发明实施例提供的安全监测方法的原理示意图；

图5是本发明实施例提供的安全监测方法的流程示意图之二；

图6是本发明实施例提供的安全监测装置的结构示意图；

图7是本发明实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明中为描述的对象所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。

在机场运行、铁路运输等领域，安全运行的保障至关重要。以机场运行为例，可以通过对危险源的安全风险管理和隐患排查治理提升机场的安全运行水平，比如利用机场的安全管理系统(Safety Management System，SMS)进行风险管理和隐患排查，积累了丰富的方法措施和经验等安全知识数据。但这些安全知识数据以非结构化的文字、文档等为主，且机场发生安全事件的频率并不高，因此难以用大量的结构化数据训练机器学习类的算法模型，也很难利用机场生产运行过程中生成的多种数据，造成安全管理和生成运行在数字化层面的分离。

而且，相关技术中，在机场安全监管方面，通过在安全事故发生后对事后调查结果报告进行量化，并结合专家参与的评价打分，来分析机场的安全运行情况，为安全管理提供依据，无法实时获得机场安全事件及其带来的风险变化，及时采取措施控制事态向不安全状态的发展，并及时触发相应的风险和隐患的识别、分析、管控流程。

因此，如何将安全管理过程中积累的安全经验知识转换为计算机模型，并与机场生产运行活动中产生的数据相结合，成为数字化赋能机场安全运行的关键。

基于此，本发明实施例提供了一种安全监测方法，可以获取安全监管数据并检测安全监管数据中是否存在底事件，在安全监管数据中存在底事件的情况下，确定底事件的类型；接着基于底事件的类型确定危险源标识信息，并获取危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；然后基于底事件和目标故障树分析模型，确定目标故障树分析模型的顶事件的发生概率和顶事件的发生概率的第一变化值，根据顶事件的发生概率和第一变化值生成安全风险提示信息；其中的故障树分析模型是基于危险源风险管理样本数据构建的。这样，可以将机场安全运行过程中积累的安全风险管理知识用对应危险源的故障树分析模型进行表征，利用该故障树分析模型对实时产生的安全监管数据进行安全风险分析，能够将安全管理与生产运行等方面的安全监管数据在数字化层面相融合，即时发现和管控安全运行风险。

下面结合图1-图5对本发明的安全监测方法进行描述。该安全监测方法可以应用于服务器、电脑等电子设备，该电子设备比如可以部署在机场运行指挥中心；该安全监测方法也可以应用于设置在服务器、电脑等电子设备中的安全监测装置中，该安全监测装置可以通过软件、硬件或两者的结合来实现。下面以该安全监测方法应用于电子设备为例进行说明。

图1示例性示出了本发明实施例提供的安全监测方法的流程示意图之一，参照图1所示，该安全监测方法可以包括如下的步骤110～步骤150。

步骤110：获取安全监管数据，并检测安全监管数据中是否存在底事件。

安全监管数据可以包括生产运行数据和安全管理数据。示例性的，电子设备可以包括第一接口和第二接口，第一接口可以用于与生产运行信息系统通信连接，第二接口可以用于与安全管理信息系统(SMS)通信连接。

以机场为例，机场的安全运行包括生产运行活动和安全管理活动，两类活动的充分交流和融合是提升机场安全运行的基础。其中，生产运行活动是生产服务单位按计划完成的各类生产作业，这些生产作业可以基于生产运行信息系统运转，生产运行信息系统可以采集生产运行活动中各类设备的运行数据，得到数字化的生产运行数据，也可以对这些设备进行运行调度等，该设备比如可以包括航空器、电缆、助航灯、手台和跑道监测设备等其中的至少一种，但不限于此。安全管理活动是安全管理部门对各类生产运行活动的安全风险进行管理的活动，可以包括风险管理和隐患排查治理等，可以利用安全管理信息系统实现安全风险管理。安全管理信息系统可以基于积累的安全风险管理和隐患排查治理的措施、方法、经验等知识，对危险源进行识别、分析和排除，或通过管控措施将危险源的风险降低到可接受的程度，并记录危险源风险管理相关数据，比如记录危险源的发现时间、发生情景、诱发原因、造成的后果、管控措施和应急措施等其中的至少一种，但不限于此。这些危险源风险管理相关数据比如可以以清单的形式记录。

示例性的，电子设备可以通过第一接口从生产运行信息系统获取生产运行数据，通过第二接口与安全管理信息系统通信，从安全管理信息系统获取安全管理数据，该安全管理数据比如可以包括管控措施数据、隐患排查治理数据和隐患排查治理的监测数据等其中的至少一种管理类数据，但不限于此。

电子设备获取到安全监管数据之后，可以对该安全监管数据进行分析，判断其中是否存在底事件。其中，底事件是指导致其他事件发生的原因事件，比如施工作业意外造成电缆损坏而导致设备失控，其中，电缆损坏是造成设备失控的原因，则电缆损坏是设备失控的底事件。

示例性的，电子设备可以对安全监管数据进行底事件关键词识别，若识别到底事件关键词，则判定该安全监管数据中包括底事件。其中，安全监管数据可以包括语音、文字、数字和字符等其中至少一种形式的数据，电子设备可以通过关键词识别技术从这些数据中识别底事件关键词，底事件关键词比如可以包括“电缆断裂”、“红线门常开”等致因类事件相关的词。

示例性的，电子设备可以检测安全监管数据中是否包含底事件标识信息，若包含，则判定该安全监管数据中包括底事件。例如，生产运行信息系统和/或安全管理信息系统产生的事件数据可以包含标识信息，或以标识信息的形式呈现，比如可以用“1”表示事件发生，用“0”表示事件未发生，假设电缆断裂是一个底事件，若检测到电缆监测通道上报的信息为“1”，则检测到了电缆断裂的标识信息，可以判定安全监管数据中包括底事件。

示例性的，安全监管数据中可以包括结构化的数据和/或非结构化的数据，可以根据数据类型的不同选择不同的底事件检测方式。比如，对于文字、图像、语音等形式描述的事件、违规、偏差等非结构化的数据，可以采用基于SMS数据库训练好的自然语言类的模型或知识图谱推理模型来判断是否存在底事件；对于结构化的数据，可以采用基于采集的生产运行样本数据训练好的底事件分类模型来判断是否存在底事件。

步骤120：在安全监管数据中存在底事件的情况下，确定底事件的类型。

电子设备在检测出安全监管数据中存在底事件的情况下，可以确定检测出的底事件的类型，可以通过该底事件的类型表征底事件的事件内容。示例性的，底事件的类型可以以类型标识的形式表示，比如，可以用不同的类型编号表示不同的底事件的类型，比如用“4”表示第一底事件，用“5”表示第二底事件等。

示例性的，电子设备可以在检测安全监管数据中是否包含底事件的同时确定出所检测到的底事件的类型，比如，可以利用自然语言类的模型、知识图谱推理模型或底事件分类模型判断安全监管数据中是否存在底事件以及底事件的类型。或者，可以在检测到底事件标识信息时，获取该底事件标识信息对应的事件描述信息，根据事件描述信息确定底事件的类型。亦或者，不同底事件的底事件标识信息可以不同，在检测到底事件标识信息的同时可以基于该底事件标识信息确定底事件的类型。

步骤130：基于底事件的类型确定危险源标识信息，并获取危险源标识信息对应的故障树分析模型，得到目标故障树分析模型。

在安全监管中，危险源的数量为至少一个。以机场为例，机场安全监管中的危险源可以涉及“人(人的失误或不安全行为)、机(设施设备的不安全状态)、环(环境的不适宜)、管(管理上的缺陷)”等多个方面，危险源的数量不止一个，可以针对不同的危险源建立各自对应的故障树分析(Fault Tree Analysis，FTA)模型，利用该故障树分析模型进行危险源的安全风险分析。

对于每一个危险源，可以用危险源标识信息进行标识区分，比如该危险源标识信息可以是危险源身份标识号(Identity Document，ID)。对于每一个危险源，造成该危险源发生的原因事件可能有多个，也即一个危险源对应的底事件为至少一个，这样，基于危险源与底事件的对应关系，在确定出底事件的类型后，可以基于该底事件的类型确定出危险源标识信息，然后获取该危险源标识信息对应的故障树分析模型，得到目标故障树分析模型。可以理解的是，同一个底事件可能导致一个或多个危险源的发生，因此，同一个底事件可能与多个不同的危险源对应。

其中，故障树分析模型是基于危险源风险管理样本数据构建的，其中的危险源风险管理样本数据可以取自安全管理系统(SMS)中记录的风险管理样例数据，比如机场行业的危险源库及风险隐患管理清单的样例数据。

示例性的，危险源风险管理样本数据中可以包括至少一个危险源的相关风险管理样例数据，对于每个危险源，电子设备可以根据危险源标识信息从该危险源风险管理样本数据中获取该危险源对应的风险管理样例数据，然后从该风险管理样例数据中提取用于描述事件的事件类数据作为该危险源的模型实例数据。电子设备可以根据模型实例数据的内容构建事件节点，并基于各事件节点之间的因果关系和层级关系构建故障树分析模型。示例性的，在故障树分析模型中，下层事件节点导致上层事件节点发生的因果关系可以包括“与”和“或”这2种逻辑门中的至少一个。

步骤140：基于底事件和目标故障树分析模型，确定目标故障树分析模型的顶事件的发生概率和顶事件的发生概率的第一变化值。

故障树分析模型中包括底事件的发生概率，在基于检测到的底事件确定出对应的目标故障树分析模型之后，可以根据该底事件的发生概率，结合目标故障树分析模型中各事件之间的层级关系和因果关系，计算出目标故障树分析模型的顶事件的发生概率及顶事件的发生概率的第一变化值。具体的，可以从目标故障树分析模型中获取该底事件的发生概率，得到该底事件的原有发生概率，然后基于该原有发生概率确定出该底事件本次发生后的新发生概率，根据该新发生概率并结合目标故障树分析模型中各事件之间的层级关系和因果关系，计算出目标故障树分析模型的顶事件的发生概率及顶事件的发生概率的第一变化值。

示例性的，还可以从目标故障树分析模型获取底事件的发生概率，得到该底事件的原有发生概率，然后基于该原有发生概率确定出该底事件本次发生后的新发生概率，根据该新发生概率和原有发生概率确定底事件的发生概率的变化值。

示例性的，故障树分析模型中的底事件的发生概率可以随着生产运行信息系统和安全管理信息系统中数据的积累自动更新。

步骤150：根据顶事件的发生概率和第一变化值生成安全风险提示信息。

顶事件的发生概率的第一变化值可以表征顶事件发生概率的波动情况和变化趋势。电子设备可以将顶事件的发生概率与设定的第一阈值进行比较，将第一变化值与设定的第二阈值进行比较，判断是否启动报警或启动对底事件的安全风险管理流程。

示例性的，安全风险提示信息可以包括报警信息，根据顶事件的发生概率和第一变化值生成安全风险提示信息可以包括：在顶事件的发生概率大于第一阈值，和/或，第一变化值大于第二阈值的情况下，生成报警信息。此时，电子设备可以输出该报警信息，启动报警，以向生产运行现场人员或安全管理人员发出风险预警，以便及时作出相应的处置。

示例性的，故障树分析模型中包括底事件的发生概率。该方法还可以包括：基于底事件的发生概率，确定底事件的发生概率的第二变化值；在底事件的发生概率大于第三阈值，和/或，底事件的发生概率的第二变化值大于第四阈值的情况下，生成安全管理启动信息；其中，安全管理启动信息用于启动安全管理系统，以对底事件进行安全风险管控。其中，第二变化值可以表征底事件发生概率的波动情况和变化趋势，这样，可以根据底事件的发生概率和底事件发生概率的变化趋势，及时启动针对该底事件的安全风险管理流程，以便辅助安全管理部门做出相应的处置，比如分析判断是否启动危险源识别和风险评估程序、检查运行机制、调整管理制度、优化人员培训中的薄弱环节等，及时杜绝隐患，控制风险。

示例性的，可以将故障树分析模型按照危险源类别归类，比如可以按照人(人的失误或不安全行为)、机(设施设备的不安全状态)、环(环境的不适宜)、管(管理上的缺陷)等类别进行归类，对于每一类别中的各危险源，可以设置权重值。针对每一危险源类别，电子设备可以根据该类别中各危险源的顶事件的发生概率、第一变化值及权重值，和/或，各危险源的底事件的发生概率、第二变化值及权重值，生成该类别危险源的安全风险指标数据，得到按危险源分类的安全风险提示信息。示例性的，该安全风险提示信息可以以数据表、曲线图、和柱状图等其中的至少一种形式输出。

例如，可以对同一类别各危险源的顶事件的发生概率进行加权求和，生成该类别危险源的第一安全风险指标数据，通过该第一安全风险指标数据表征该类别危险源的风险变化情况；可以对同一类别各危险源的顶事件的发生概率的第一变化值进行加权求和，生成该类别危险源的第二安全风险指标数据，通过该第二安全风险指标数据表征该类别危险源的风险变化趋势。同样的，可以对同一类别各危险源的底事件的发生概率和第二变化值分别进行加权求和，得到对应的第三安全风险指标数据和第四安全风险指标数据，通过第三安全风险指标数据和第四安全风险指标数据可以表征该类别危险源中导致危险源顶事件发生的底事件的风险变化情况和变化趋势。

本发明实施例提供的安全监测方法，可以获取安全监管数据，在检测到安全监管数据中存在底事件的情况下，确定底事件的类型；接着基于该底事件的类型确定危险源标识信息，并获取该危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；再基于底事件和目标故障树分析模型，确定目标故障树分析模型的顶事件的发生概率和顶事件的发生概率的第一变化值；然后根据顶事件的发生概率和第一变化值生成安全风险提示信息。其中的故障树分析模型是基于危险源风险管理样本数据构建的，这样，可以将针对危险源安全风险管理的知识成果数据以故障树分析模型的形式进行表征，进而可以利用该故障树分析模型对实时产生的安全监管数据进行安全风险分析，从而实现了安全事件及其安全风险的实时监测，生成的安全风险提示信息可以实时提示安全风险，有利于安全风险的及时处置。

基于图1对应实施例的安全监测方法，在一种示例实施例中，图2示例性示出了本发明实施例中故障树分析模型的构建方法的流程示意图，参照图2所示，该方法可以包括如下的步骤210～步骤260。

步骤210：获取危险源风险管理样本数据。

危险源风险管理样本数据可以取自安全管理系统(SMS)中积累的风险管理样例数据，比如机场行业的危险源库及风险隐患管理清单的样例数据。以机场行业为例，电子设备可以从安全管理系统或目标网站(如航空局网站)获取危险源库及风险隐患管理清单，或者获取存储设备中存储的危险源库及风险隐患管理清单，得到危险源风险管理样本数据。其中的存储设备比如可以包括U盘或移动硬盘等。

步骤220：针对危险源风险管理样本数据中的每个危险源，从危险源风险管理样本数据中确定危险源对应的模型实例数据。

危险源风险管理样本数据中可以包括至少一个危险源的相关风险管理样例数据，对于每个危险源，电子设备可以根据危险源标识信息从该危险源风险管理样本数据中获取该危险源对应的风险管理样例数据，然后从该风险管理样例数据中提取用于描述事件的事件类数据作为该危险源的模型实例数据，初始化对应的故障树分析模型实例，同时可以自动生成危险源ID对应的模型ID，通过将危险源ID与模型ID进行关联，可以建立危险源与故障树分析模型的对应关系。示例性的，电子设备可以通过文本语义识别从风险管理样例数据中提取用于描述事件的事件类数据，比如提取出“航空器有滑出跑道的可能”、“可能烧断电缆”、“数值应高于1000兆欧”、“增加灯箱检查维保次数”等与事件描述相关的数据。

步骤230：将模型实例数据中的后果数据确立为顶事件节点。

电子设备可以通过文本语义识别，确定模型实例数据中最终导致的危险事件，也即最终导致的后果，得到后果数据，并将该后果数据确定为顶事件节点，同时设置该顶事件节点的节点名称、事件名称、节点ID等信息。比如，灯箱进水导致电缆被烧断，电缆被烧断后会造成相关跑道边灯设备工作失效，最终可能导致航空器滑出跑道，则可以将“航空器滑出跑道”确定为顶事件节点。

步骤240：基于模型实例数据中的危险源诱发原因数据和管控措施失效数据确定中间事件节点和底事件节点。

其中，中间事件为导致顶事件发生的原因事件，底事件为导致上层事件发生的原因事件，该上层事件包括中间事件或顶事件。具体的，底事件是导致中间事件发生的原因事件，也是导致顶事件发生的最初始的原因事件。

危险源诱发原因数据和管控措施失效数据是导致顶事件节点的事件发生的原因事件，这些数据可以直接或间接导致顶事件的发生。比如，设备失效会导致航空器滑出跑道，而设备失效可能是电缆被压断引起的，则可以将航空器滑出跑道确定为顶事件建立顶事件节点，将电缆被压断确定为底事件建立底事件节点，将设备失效作为中间事件建立中间事件节点。

步骤250：基于模型实例数据确定底事件的发生概率。

电子设备确定出底事件节点之后，可以基于危险源对应的模型实例数据设置底事件节点的概率，也即底事件的发生概率。

示例性的，底事件的发生概率可以按照第一预设时间范围(如年、航班季等)内底事件的发生次数除以航班运行总架次计算得到。示例性的，以机场为例，对于任一个机场内没有发生过的事件，可以基于国家或世界民航组织发布的相关事件数据计算，也可以按照“1/第二预设时间内的总架次”确定底事件的发生概率，其中的第二预设时间比如可以是3年或从机场投入使用至今的时间。

示例性的，随着机场生产运行和安全管理系统数据的积累，该机场的底事件的发生概率可以自动更新。具体的，该方法还可以包括：获取设定时间段内底事件的发生次数；基于该发生次数，更新故障树分析模型中包括的该底事件的发生概率。

步骤260：根据顶事件节点、中间事件节点和底事件节点之间的因果关系，生成以顶事件节点为根节点的树状模型作为故障树分析模型，故障树分析模型中包括底事件的发生概率。

电子设备确定出顶事件节点、中间事件节点和底事件节点之后，可以获取各事件节点之间的层级关系和因果关系，然后基于各事件节点之间的因果关系生成以顶事件节点为根节点的树状模型作为故障树分析模型，并在该故障树分析模型中设置各底事件的发生概率。示例性的，故障树分析模型中下层事件节点导致上层事件节点发生的因果关系可以包括“与”和“或”这2种逻辑门中的至少一个。

示例性的，电子设备可以基于用户的配置操作确定各事件节点之间的层级关系和因果关系。具体的，获取各事件节点之间的层级关系和因果关系可以包括：显示事件节点配置界面，该事件节点配置界面中包括事件节点的层级关系配置控件和因果关系配置控件；相应于面向层级关系配置控件和因果关系配置控件的配置操作，确定各事件节点之间的层级关系和因果关系。

示例性的，电子设备可以通过对模型实例数据进行文本语义识别，根据各事件节点所对应事件之间的语义关系确定各事件节点之间的层级关系和因果关系。

创建好故障树分析模型之后，可以将故障树分析模型保存到故障树安全风险分析模型库中。故障树分析模型保存之后，可以对故障树分析模型的正确性进行校验，校验通过后发布。示例性的，对故障树分析模型进行校验可以包括：对故障树分析模型的树形结构的正确性进行校验，以及对底事件是否设定有发生概率进行校验。比如导致上层事件节点发生的“与”逻辑门和“或”逻辑门下需要包括至少2个下层事件节点，若满足，则校验通过，否则校验未通过；底事件需要设定发生概率，若已设置，则校验通过，否则校验未通过。如果校验通过，可以根据故障树分析模型中底事件的发生概率，基于故障树分析模型计算出顶事件的发生概率。

示例性的，故障树分析模型在发布时可以同时填写如下表1所示的发布信息，其中，顶事件或中间事件的发生概率可以基于故障树分析模型的结构及底事件的发生概率计算得到。

表1

基于图2对应实施例的故障树分析模型的构建方法，图3示例性示出了FTA模型的结构示意图，参照图3所示，是危险源ID为FTA_06的危险源对应的FTA模型，该FTA模型在展示时可以通过事件分类标注来区分顶事件、中间事件和底事件。其中的底事件1～底事件3可以是生产运行过程中产生的运行时间数据，底事件4可以是报警及处置类的数据，底事件5～底事件7可以是SMS信息系统的监察数据和/或SMS风险库数据。对于底事件1～底事件7，每个底事件有其对应的发生概率。其中，底事件1～底事件3是中间事件1的致因，也即中间事件1的原因事件；底事件4～底事件7是中间事件2的致因，也即中间事件2的原因事件；中间事件1和中间事件2又是顶事件的原因事件。顶事件的因果类型是与门，则中间事件1和中间事件2同时发生时会导致顶事件发生；中间事件1和中间事件2的因果类型均为或门，则各自对应的底事件中有一个发生，则会导致相应的中间事件发生。其中，底事件下方的圆圈代表致因，致因、与门和或门符合中的数字1～10可以表示各自对应事件节点的节点ID。

基于图3的FTA模型，该FTA模型的模型数据可以用如下的表2表示：

表2

需要说明的是，图3和表2所示例的FTA_06模型仅为举例说明FTA模型的结构和构造过程，可以理解的是，FTA_06模型中当前所设定的底事件仍可以作为中间事件，继续细分出造成事件发生的原因事件。比如，“施工作业意外造成电缆损伤”可以向下层分出“操作手册未包含意外防范内容”、“人员培训未到位”和“标识不清晰”等其中至少一种原因事件。

通过图2对应实施例的方法，可以将针对危险源安全风险分级管控和隐患排查治理的知识成果，转换为可在计算机上构建和运行的FTA模型，基于FTA模型进行安全风险分析和预警，可以在航空领域，如民航业，为数字化赋能机场安全运行提供技术支撑。

基于图1对应实施例的安全监测方法，在一种示例实施例中，检测安全监管数据中是否存在底事件，可以包括：在安全监管数据中包括安全事件数据的情况下，检测安全事件数据中是否包含底事件标识信息；在安全事件数据中未包含底事件标识信息的情况下，根据安全事件数据的数据类型确定目标底事件识别模型，并基于目标底事件识别模型判断安全事件数据中是否存在底事件。

其中，安全事件数据是指数据格式满足预设条件的用于描述或表征安全事件的数据。底事件标识信息可以是数字、字符或文字的形式，可以直接作为指令信号被电子设备识别，若电子设备接收到底事件标识信息，比如接收到用于表征事件发生的指令信号“1”、文字型的指令信号“电缆压断”等，可以直接判定安全监管数据中存在底事件。安全事件数据的数据类型可以包括结构化数据类型和/或非结构化数据类型。

示例性的，根据安全事件数据的数据类型确定目标底事件识别模型，可以包括：在安全事件数据的数据类型为非结构化数据类型的情况下，将第一模型确定为目标底事件识别模型；其中，第一模型包括自然语言分类模型或知识图谱推荐模型，该第一模型是基于安全管理系统中的安全事件样本数据对初始第一模型进行训练得到的；在安全事件数据的数据类型为结构化数据类型的情况下，将底事件分类模型确定为目标底事件识别模型，底事件分类模型是基于采集的生产运行样本数据对初始底事件分类模型进行训练得到的。

其中，初始第一模型和初始底事件分类模型可以是基础的神经网络模型，比如可以包括反馈神经网络、前馈神经网络、全连接神经网络或感知器神经网络等。自然语言分类模型是自然语言处理类的模型，知识图谱推荐模型是基于知识图谱的推荐模型。安全管理系统数据库中提供的安全事件和风险隐患等数据以文字、图像、语音等形式描述的事件、违规、偏差等非结构化的数据为主，可以从这些数据中获取用于表征安全事件的数据作为安全事件样本数据。生产运行样本数据可以是从生产运行信息系统中获取的生产运行相关的结构化数据。

基于上述各实施例的方法，图4示例性示出了本发明实施例提供的安全监测方法的原理示意图，参照图4所示，可以通过流式数据调度方式实现安全监管数据的监测。结合图4，图5示例性示出了本发明实施例提供的安全监测方法的流程示意图之二，参照图5所示，该安全监测方法可以包括如下的步骤510～步骤580。

步骤510：获取安全监管数据，并对安全监管数据进行预处理，得到安全事件数据。

对于已发布的FTA模型中的底事件，可以为每个底事件配置开发对应的实时加工处理服务，每个实时加工处理服务可以对从生产运行信息系统和安全管理信息系统实时采集的安全监管数据进行预处理，比如进行数据过滤、数据整合和数据格式转换等其中的至少一种处理，从中筛选出符合数据格式要求的用于描述或表征安全事件的数据，完成数据的加工处理，得到安全事件数据。

步骤520：检测安全事件数据中是否包含底事件标识信息。

在通过加工处理得到安全事件数据之后，判断该安全事件数据是否需要进一步通过人工智能(AI)推理模型进行底事件的辅助判断。具体的，可以判断该安全事件数据中是否包含底事件标识信息，若不包含，则需要进一步通过AI推理模型进行底事件的辅助判断，执行步骤530和步骤550；若包含，则执行步骤540和步骤550，且调度程序结束。

步骤530：通过AI推理模型进行底事件检测。

在本发明实施例中，AI推理模型可以包括自然语言分类模型、知识图谱推荐模型和底事件分类模型。对于文字性描述的事件、违规、偏差等非结构化的数据内容，电子设备可以调用基于SMS数据库训练的自然语言分类模型或知识图谱推理模型，利用自然语言分类模型或知识图谱推理模型判断安全事件数据是否发生底事件和底事件的类型。对于结构化数据，电子设备可以调用基于生产运行信息系统中的历史生产运行数据训练的底事件分类模型，利用底事件分类模型判断安全事件数据是否发生底事件和底事件的类型。如果发生底事件，则执行步骤550，否则调度程序结束，继续获取安全监管数据。

步骤540：确定安全事件数据为底事件。之后，执行步骤550。

示例性的，安全事件数据表征的内容即为底事件的类型。或者，也可以根据底事件标识信息确定该底事件的类型，比如不同的底事件对应着不同的底事件标识信息，可以根据底事件标识信息区分底事件的类型。

步骤550：根据底事件的类型确定目标故障树分析模型。

在确定出底事件的类型之后，电子设备可以根据底事件的类型匹配危险源标识信息，从故障树安全风险分析模型库中查找该危险源标识信息对应的故障树分析模型，得到目标故障树分析模型。

步骤560：基于底事件和目标故障树分析模型，确定目标故障树分析模型中顶事件和底事件各自的发生概率及各自发生概率的变化值。

目标故障树分析模型中的每个底事件设置有各自的发生概率，电子设备在确定出安全事件数据中的底事件和该底事件的类型之后，可以从目标故障树分析模型中获取该底事件的发生概率，得到原有发生概率，基于该原有发生概率计算出本次该底事件发生后的新发生概率，并基于该底事件的新发生概率和目标故障树分析模型计算出顶事件的发生概率。电子设备可以根据当前获得的顶事件的发生概率及上一次获得的该顶事件的发生概率确定该顶事件的发生概率的变化值，得到第一变化值；同时，电子设备可以根据当前获得的底事件的发生概率及上一次获得的该底事件的发生概率确定该底事件的发生概率的变化值，得到第二变化值，其中，目标故障树分析模型中当前保存的该底事件的发生概率即为上一次获得的该底事件的发生概率。如此，可以实时获得顶事件的发生概率及顶事件的发生概率的变化水平，获得底事件的发生概率及底事件的发生概率的变化水平。

步骤570：根据顶事件和底事件各自的发生概率及各自发生概率的变化值，确定安全风险提示信息。

电子设备在确定出顶事件和底事件各自的发生概率及各自发生概率的变化值之后，可以将顶事件的发生概率与第一阈值进行比较，将顶事件的发生概率的第一变化值与第二阈值进行比较，判断是否启动报警。具体的，在顶事件的发生概率大于第一阈值，和/或，第一变化值大于第二阈值的情况下，生成包含报警信息的安全风险提示信息，通过该报警信息触发报警。

电子设备可以将底事件的发生概率与第三阈值进行比较，将底事件的发生概率的第二变化值与第四阈值进行比较，判断是否对该底事件启动安全风险管理流程。具体的，在底事件的发生概率大于第三阈值，和/或，底事件的发生概率的第二变化值大于第四阈值的情况下，生成包含安全管理启动信息的安全风险提示信息，通过该安全管理启动信息启动安全管理系统，以对底事件进行安全风险管控。

故障树分析模型可以按照危险源类别归类，每一类别中的各危险源可以设置权重值，电子设备可以对每一危险源类别进行统计分析，确定出按危险源分类的安全风险提示信息。具体的，针对每一危险源类别，电子设备可以根据该类别中各危险源对应的故障树分析模型中顶事件的发生概率、第一变化值及权重值，和/或，各危险源的底事件的发生概率、第二变化值及权重值，生成该类别危险源的安全风险提示信息。通过该安全风险提示信息可以表征按危险源分类的风险态势指标和变化趋势。

步骤580：输出安全风险提示信息。

在获得安全风险提示信息之后，可以输出该安全风险提示信息，以进行安全风险的即时预警和管理提示。一方面，可以为现场指挥调度的临时管控提供建议；另一方面，可以向安全管理人员提醒生产运行活动中的风险预警值，以便安全管理部门分析判断是否启动危险源识别和风险评估程序，检查运行机制、管理制度和人员培训中的薄弱环节等，及时杜绝隐患，控制风险。

基于图5对应实施例的安全监测方法，以图3所示的FTA模型为例，电子设备通过第一接口从生产运行信息系统采集到“电缆实时监控报警(电缆绝缘降低到1000兆欧以下)”信息，通过步骤510～步骤520初步判断为安全事件数据，但因为报警处置结论是文字描述，是非结构化的数据内容，无法判断是否查明故障点及其后续影响。因此，执行步骤530，通过AI推理模型判断出非常可能发生底事件1。接着将该判断结果作为步骤550的输入，通过步骤550确定出目标故障树分析模型FTA_06。再通过步骤560计算得到顶事件的发生概率及该发生概率的第一变化值，得到底事件的发生概率及该发生概率的第二变化值。然后通过步骤570对步骤560的计算结果进行处理，得到风险态势指标超过预警级别，执行步骤580，向运行控制指挥部门进行风险告警，并提示安全管理部门该危险源风险概率变化，以便做出相应的处置，及时杜绝隐患，控制风险。

本发明实施例提供的安全监测方法，一方面，可以通过分布式的流式数据调度方式，将生产运行信息系统的生产运行数据和安全管理信息系统的安全管理数据与故障树分析模型及用于底事件判断的AI推理模型串接起来，可同时完成对多个数据处理过程的调度控制；另一方面，可以借助非结构化数据的自然语言处理和结构化数据的机器学习模型，分析从生产运行信息系统实时采集到的事件、报警、运控协调和巡检记录等内容，从中发现潜在的安全事件和关联的危险源，辅助判断FTA模型输入所需的底事件。

本发明实施例提供的安全监测方法，能够将SMS系统中评估的危险源风险管理等数据转换成对导致危险源后果的底事件的监测，实时发现安全风险的变化，从而将安全管理和生产运行进行了无缝融合。解决了已积累的安全风险分级管控和隐患排查治理的知识成果和经验难以进行计算机模型化构建和运行的问题，使其可以直接利用生产运行信息系统和安全管理信息系统实时产生的数据，促进了安全管理和生产运行在数字化层面上真正融合。例如，可以将安全管理活动比作一条纵线，生产运行活动比作一条横线，那么，本发明实施例提供的安全监测方法可以将这两条线融合为一张机场安全运行网，能够全面感知生产运行的安全态势，科学地预测和预警生产运行的安全风险指数与风险点位等。当网格中出现风险点异常波动时，既可以提醒生产运行协调指挥部门，以便及时采取临时措施控制危险的发生，又可以提醒安全管理人员，以便安全管理人员做出启动危险源识别和风险管控程序等处置措施，从而在管理和安全生产运行过程中及时消除隐患，管控风险，确保机场的常态化运行。

下面对本发明提供的安全监测装置进行描述，下文描述的安全监测装置与上文描述的安全监测方法可相互对应参照。

图6示例性示出了本发明实施例提供的安全监测装置的结构示意图，参照图6所示，安全监测装置600可以包括：检测模块610，用于获取安全监管数据，并检测安全监管数据中是否存在底事件；第一确定模块620，用于在安全监管数据中存在底事件的情况下，确定底事件的类型；第二确定模块630，用于基于底事件的类型确定危险源标识信息，并获取危险源标识信息对应的故障树分析模型，得到目标故障树分析模型，其中，故障树分析模型是基于危险源风险管理样本数据构建的；第三确定模块640，用于基于底事件和目标故障树分析模型，确定目标故障树分析模型的顶事件的发生概率和顶事件的发生概率的第一变化值；生成模块650，用于根据顶事件的发生概率和第一变化值生成安全风险提示信息。

一种示例实施例中，安全监测装置600还可以包括：模型构建模块，用于构建故障树分析模型。示例性的，模型构建模块可以包括：第一获取单元，用于获取危险源风险管理样本数据；实例数据确定单元，用于针对危险源风险管理样本数据中的每个危险源，从危险源风险管理样本数据中确定危险源对应的模型实例数据；第一事件确定单元，用于将模型实例数据中的后果数据确立为顶事件节点；第二事件确定单元，用于基于模型实例数据中的危险源诱发原因数据和管控措施失效数据确定中间事件节点和底事件节点，其中，底事件为导致上层事件发生的原因事件，该上层事件包括中间事件或顶事件；概率确定单元，用于基于模型实例数据确定底事件的发生概率；模型生成单元，用于根据顶事件节点、中间事件节点和底事件节点之间的因果关系，生成以顶事件节点为根节点的树状模型作为故障树分析模型，该故障树分析模型中包括底事件的发生概率。

一种示例实施例中，模型构建模块还可以包括：第二获取单元，用于获取设定时间段内底事件的发生次数；更新单元，用于基于发生次数，更新故障树分析模型中包括的底事件的发生概率。

一种示例实施例中，检测模块610可以包括：检测单元，用于在安全监管数据中包括安全事件数据的情况下，检测安全事件数据中是否包含底事件标识信息；模型确定单元，用于在安全事件数据中未包含底事件标识信息的情况下，根据安全事件数据的数据类型确定目标底事件识别模型；判断单元，用于基于模型确定单元确定的目标底事件识别模型判断安全事件数据中是否存在底事件。

一种示例实施例中，模型确定单元可以包括：第一确定子单元，用于在安全事件数据的数据类型为非结构化数据类型的情况下，将第一模型确定为目标底事件识别模型；第一模型包括自然语言事件分类模型或知识图谱推荐模型，第一模型是基于安全管理系统中的安全事件样本数据对初始第一模型进行训练得到的；第二确定子单元，用于在安全事件数据的数据类型为结构化数据类型的情况下，将底事件分类模型确定为目标底事件识别模型，底事件分类模型是基于采集的生产运行样本数据对初始底事件分类模型进行训练得到的。

一种示例实施例中，安全风险提示信息包括报警信息，生成模块650可以包括：第一生信息生成单元，用于在顶事件的发生概率大于第一阈值，和/或，第一变化值大于第二阈值的情况下，生成报警信息。

一种示例实施例中，故障树分析模型中包括底事件的发生概率；生成模块650还可以包括：概率变化确定单元，用于基于底事件的发生概率，确定底事件的发生概率的第二变化值；第二信息生成单元，用于在底事件的发生概率大于第三阈值，和/或，底事件的发生概率的第二变化值大于第四阈值的情况下，生成安全管理启动信息；其中，安全管理启动信息用于启动安全管理系统，以对底事件进行安全风险管控。

图7示例了一种电子设备的结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communication Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行上述各方法实施例提供的安全监测方法，该方法比如可以包括：获取安全监管数据，并检测安全监管数据中是否存在底事件；在安全监管数据中存在底事件的情况下，确定底事件的类型；基于底事件的类型确定危险源标识信息，并获取危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；基于底事件和目标故障树分析模型，确定目标故障树分析模型的顶事件的发生概率和顶事件的发生概率的第一变化值；根据顶事件的发生概率和第一变化值生成安全风险提示信息；其中，故障树分析模型是基于危险源风险管理样本数据构建的。

示例性的，通信接口720可以包括第一接口和第二接口，第一接口可以用于与生产运行信息系统通信连接，第二接口可以用于与安全管理信息系统(SMS)通信连接。

此外，上述的存储器730中的逻辑指令可以通过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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法实施例所提供的安全监测方法，该方法比如可以包括：获取安全监管数据，并检测安全监管数据中是否存在底事件；在安全监管数据中存在底事件的情况下，确定底事件的类型；基于底事件的类型确定危险源标识信息，并获取危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；基于底事件和目标故障树分析模型，确定目标故障树分析模型的顶事件的发生概率和顶事件的发生概率的第一变化值；根据顶事件的发生概率和第一变化值生成安全风险提示信息；其中，故障树分析模型是基于危险源风险管理样本数据构建的。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法实施例所提供的安全监测方法，该方法比如可以包括：获取安全监管数据，并检测安全监管数据中是否存在底事件；在安全监管数据中存在底事件的情况下，确定底事件的类型；基于底事件的类型确定危险源标识信息，并获取危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；基于底事件和目标故障树分析模型，确定目标故障树分析模型的顶事件的发生概率和顶事件的发生概率的第一变化值；根据顶事件的发生概率和第一变化值生成安全风险提示信息；其中，故障树分析模型是基于危险源风险管理样本数据构建的。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

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各实施方式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。基于这样的理解，上述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软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种安全监测方法，其特征在于，包括：

获取安全监管数据，并检测所述安全监管数据中是否存在底事件；所述安全监管数据包括从生产运行信息系统获取的生产运行数据和从安全管理信息系统获取的安全管理数据；

在所述安全监管数据中存在底事件的情况下，确定所述底事件的类型；

基于所述底事件的类型确定危险源标识信息，并获取所述危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；所述故障树分析模型是基于从所述安全管理信息系统获取的危险源风险管理样本数据构建的；其中，同一个底事件与至少一个不同的危险源对应；所述危险源标识信息用于标识危险源；

基于所述底事件和所述目标故障树分析模型，确定所述目标故障树分析模型的顶事件的发生概率和所述顶事件的发生概率的第一变化值；

根据所述顶事件的发生概率和所述第一变化值生成安全风险提示信息。

2.根据权利要求1所述的安全监测方法，其特征在于，所述故障树分析模型是基于如下步骤构建的：

获取所述危险源风险管理样本数据；

针对所述危险源风险管理样本数据中的每个危险源，从所述危险源风险管理样本数据中确定所述危险源对应的模型实例数据；

将所述模型实例数据中的后果数据确立为顶事件节点；

基于所述模型实例数据中的危险源诱发原因数据和管控措施失效数据确定中间事件节点和底事件节点，其中，底事件为导致上层事件发生的原因事件，所述上层事件包括中间事件或顶事件；

基于所述模型实例数据确定底事件的发生概率；

根据所述顶事件节点、所述中间事件节点和所述底事件节点之间的因果关系，生成以所述顶事件节点为根节点的树状模型作为所述故障树分析模型，所述故障树分析模型中包括所述底事件的发生概率。

3.根据权利要求2所述的安全监测方法，其特征在于，所述方法还包括：

获取设定时间段内所述底事件的发生次数；

基于所述发生次数，更新所述故障树分析模型中包括的所述底事件的发生概率。

4.根据权利要求1-3任一项所述的安全监测方法，其特征在于，所述检测所述安全监管数据中是否存在底事件包括：

在所述安全监管数据中包括安全事件数据的情况下，检测所述安全事件数据中是否包含底事件标识信息；

在所述安全事件数据中未包含底事件标识信息的情况下，根据所述安全事件数据的数据类型确定目标底事件识别模型，并基于所述目标底事件识别模型判断所述安全事件数据中是否存在底事件。

5.根据权利要求4所述的安全监测方法，其特征在于，所述根据所述安全事件数据的数据类型确定目标底事件识别模型，包括：

在所述安全事件数据的数据类型为非结构化数据类型的情况下，将第一模型确定为所述目标底事件识别模型；所述第一模型包括自然语言事件分类模型或知识图谱推荐模型，所述第一模型是基于安全管理系统中的安全事件样本数据对初始第一模型进行训练得到的；

在所述安全事件数据的数据类型为结构化数据类型的情况下，将底事件分类模型确定为所述目标底事件识别模型，所述底事件分类模型是基于采集的生产运行样本数据对初始底事件分类模型进行训练得到的。

6.根据权利要求1-3任一项所述的安全监测方法，其特征在于，所述安全风险提示信息包括报警信息，所述根据所述顶事件的发生概率和所述第一变化值生成安全风险提示信息，包括：

在所述顶事件的发生概率大于第一阈值，和/或，所述第一变化值大于第二阈值的情况下，生成所述报警信息。

7.根据权利要求6所述的安全监测方法，其特征在于，所述故障树分析模型中包括底事件的发生概率；所述方法还包括：

基于所述底事件的发生概率，确定底事件的发生概率的第二变化值；

在所述底事件的发生概率大于第三阈值，和/或，所述底事件的发生概率的第二变化值大于第四阈值的情况下，生成所述安全管理启动信息；所述安全管理启动信息用于启动安全管理系统，以对所述底事件进行安全风险管控。

8.一种安全监测装置，其特征在于，包括：

检测模块，用于获取安全监管数据，并检测所述安全监管数据中是否存在底事件；所述安全监管数据包括从生产运行信息系统获取的生产运行数据和从安全管理信息系统获取的安全管理数据；

第一确定模块，用于在所述安全监管数据中存在底事件的情况下，确定所述底事件的类型；

第二确定模块，用于基于所述底事件的类型确定危险源标识信息，并获取所述危险源标识信息对应的故障树分析模型，得到目标故障树分析模型；所述故障树分析模型是基于从所述安全管理信息系统获取的危险源风险管理样本数据构建的；其中，同一个底事件与至少一个不同的危险源对应；所述危险源标识信息用于标识危险源；

第三确定模块，用于基于所述底事件和所述目标故障树分析模型，确定所述目标故障树分析模型的顶事件的发生概率和所述顶事件的发生概率的第一变化值；

生成模块，用于根据所述顶事件的发生概率和所述第一变化值生成安全风险提示信息。

9.一种电子设备，包括存储器、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，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述安全监测方法。

10.一种非暂态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至7任一项所述安全监测方法。