CN117078012A - 一种安全生产风险的预警方法、装置、电子设备及存储介质 - Google Patents
一种安全生产风险的预警方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117078012A CN117078012A CN202311047634.8A CN202311047634A CN117078012A CN 117078012 A CN117078012 A CN 117078012A CN 202311047634 A CN202311047634 A CN 202311047634A CN 117078012 A CN117078012 A CN 117078012A
- Authority
- CN
- China
- Prior art keywords
- risk
- target
- early warning
- early
- warning
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000000126 substance Substances 0.000 claims abstract description 82
- 238000012549 training Methods 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 239000000383 hazardous chemical Substances 0.000 claims description 11
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims 1
- 230000003287 optical effect Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 231100000331 toxic Toxicity 0.000 description 3
- 230000002588 toxic effect Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 231100000481 chemical toxicant Toxicity 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000007363 regulatory process Effects 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000037974 severe injury Diseases 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000167 toxic agent Toxicity 0.000 description 1
- 239000003440 toxic substance Substances 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
- 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
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种安全生产风险的预警方法、装置、电子设备及存储介质,该方法包括:获取目标危险化学品企业对应的目标原始数据,对目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息,基于风险预警模型和各个目标风险特征信息,确定目标危险化学品企业对应的目标综合风险预警值,基于每个风险预警等级对应的综合风险预警值范围和所述目标综合风险预警值,确定所述目标危险化学品企业对应的目标风险预警等级。通过本发明实施例的技术方案,实现企业安全生产风险的自动预警,提高了企业安全生产风险预警的效率与准确性,从而有效地预防危险事故的发生,保证企业生产安全。
Description
技术领域
本发明涉及企业安全生产技术领域,尤其涉及一种安全生产风险的预警方法、装置、电子设备及存储介质。
背景技术
随着社会的快速发展,危险化学品企业对安全生产越来越重视,企业安全生产形势呈现好转趋势,但是化工企业安全事故仍然时有发生,一旦发生重大事故,就有可能对社会和环境造成严重危害,不但对企业造成经济损失,还会产生负面的社会效应。
现有技术中,通常采用人工实地查看的方式进行企业生产安全风险的判断,不仅费时费力,而且效率较低并容易发生误判,企业生产仍旧存在较大的安全生产隐患。对于预防危险事故的发生,没有及时预防的效果。
发明内容
本发明提供了一种安全生产风险的预警方法、装置、电子设备及存储介质,以实现企业安全生产风险的自动预警,提高了企业安全生产风险预警的效率与准确性,从而有效地预防危险事故的发生,保证企业生产安全。
第一方面,本发明实施例提供了一种安全生产风险的预警方法,包括:
获取目标危险化学品企业对应的目标原始数据;
对所述目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息;
基于风险预警模型和各个所述目标风险特征信息,确定所述目标危险化学品企业对应的目标综合风险预警值;其中,所述风险预警模型是预先基于样本原始数据和所述样本原始数据对应的综合风险预警值标签进行训练获得的;
基于每个风险预警等级对应的综合风险预警值范围和所述目标综合风险预警值,确定所述目标危险化学品企业对应的目标风险预警等级。
第二方面,本发明实施例还提供了一种安全生产风险的预警装置,包括:
原始数据获取模块,用于获取目标危险化学品企业对应的目标原始数据;
风险特征信息确定模块,用于对所述目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息;
综合风险预警值确定模块,用于基于风险预警模型和各个所述目标风险特征信息,确定所述目标危险化学品企业对应的目标综合风险预警值;其中,所述风险预警模型是预先基于样本原始数据和所述样本原始数据对应的综合风险预警值标签进行训练获得的;
风险预警等级确定模块,用于基于每个风险预警等级对应的综合风险预警值范围和所述目标综合风险预警值,确定所述目标危险化学品企业对应的目标风险预警等级。
第三方面,本发明实施例还提供了一种电子设备,其特征在于,所述电子设备包括:至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任意实施例所提供的安全生产风险的预警方法。
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,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时能够执行本发明任意实施例所提供的安全生产风险的预警方法。
本发明实施例的技术方案,通过获取目标危险化学品企业对应的目标原始数据,对目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息,基于风险预警模型和各个目标风险特征信息,可以从多个风险角度综合地确定目标危险化学品企业对应的目标综合风险预警值,基于每个风险预警等级对应的综合风险预警值范围和目标综合风险预警值,确定目标危险化学品企业对应的目标风险预警等级,从而利用风险预警模型可以实现企业安全生产风险的自动预警,提高了企业安全生产风险预警的效率与准确性,进而有效地预防危险事故的发生,保证企业生产安全。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是根据本发明实施例一提供的一种安全生产风险的预警方法的流程图;
图2是根据本发明实施例二提供的一种安全生产风险的预警方法的流程图;
图3是根据本发明实施例三提供的一种安全生产风险的预警装置的结构示意图;
图4是实现本发明实施例的安全生产风险的预警方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“当前”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,以便这里描述的本发明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。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种安全生产风险的预警方法的流程图,本实施例可适用于对企业安全生产风险进行预警,以确定安全风险等级和引起安全生产风险的原因的情况。如图1所示,该方法可以由安全生产风险的预警装置来执行,该安全生产风险的预警装置可以采用硬件和/或软件的形式实现,该安全生产风险的预警装置可配置于电子设备中。如图1所示,该方法具体包括以下步骤:
S110、获取目标危险化学品企业对应的目标原始数据。
其中,目标危险化学品企业可以是指从事生产、储存、使用、经营、运输化学品企业,涉及到具有易燃易爆、有毒有害及有腐蚀特性,对人员、设施、环境造成伤害或损害的化学品的任意一个企业。目标原始数据可以是指企业数据库中的数据,是企业终端所存储使用的各种数据。
具体的,获取目标危险化学品企业终端所存储使用的各种数据并将其作为目标原始数据。
S120、对所述目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息。
其中,目标风险特征信息可以是指对目标危险化学品企业安全生产风险存在影响的信息。风险类型可以是指将风险按照严重程度进行分类得到的不同类型的风险。风险类型与目标风险特征信息是一一对应的。
具体的,针对每个风险类型而言,可以从原始数据中提取该风险类型对应的原始数据,并对该风险类型对应的原始数据进行数据处理,得到该风险类型下的目标风险特征信息。
示例性地,目标风险特征信息可以包括但不限于:目标危险化学品企业对应的设备设施风险特征信息、生产装置风险特征信息、罐区风险特征信息、库区风险特征信息、特殊作业及重点环节风险特征信息、自然灾害风险特征信息、人员风险特征信息、管理风险特征信息、物质危险性特征信息、重点监管工艺风险特征信息和周边设施风险特征信息。
其中,设备设施风险特征信息可以包括但不限于安全仪表系统联锁回路通用率、企业内腐蚀速率超标的设备数量、企业内故障诊断为异常的设备数量和企业内每日接地设备报警次数。生产装置风险特征信息可以包括但不限于生产装置重大危险源总体预警情况和生产装置重大危险源最高预警级别。罐区风险特征信息可以包括但不限于罐区重大危险源预警总体预警情况和罐区重大危险源最高预警级别。库区风险特征信息可以包括但不限于库区重大危险源总体预警情况和库区重大危险源最高预警级别。特殊作业及重点环节风险特征信息可以包括但不限于重大隐患情况、安全生产标准化等级、安全事故情况、高处作业结果、临时用电作业结果、吊装作业结果、受限空间作业结果、动火作业结果、断路作业结果等。自然灾害风险特征信息可以包括但不限于自然灾害发生的可能性及其可能带来的危害程度,可以是一定强度的某一灾害在某一特定范围内可能造成的损失。人员风险特征信息可以包括但不限于特种作业人员占比、特种作业人员持证情况和事故伤亡人数。管理风险特征信息可以是指专职安全管理人员占比。物质危险性特征信息可以包括但不限于除重点监管危险化学品外,是否具有剧毒化学品、毒害品、高毒物品。重点监管工艺风险特征信息可以包括但不限于企业是否具有重点监管危险化学品。周边设施风险特征信息可以包括但不限于重大危险源与周边重点防护目标最近距离情况是否符合要求、企业未处于园区的重大危险源数量等信息。
S130、基于风险预警模型和各个目标风险特征信息,确定目标危险化学品企业对应的目标综合风险预警值;其中,风险预警模型是预先基于样本原始数据和样本原始数据对应的综合风险预警值标签进行训练获得的。
其中,风险预警模型可以是用于对危险化学品企业进行综合风险预警,确定综合风险预警值的回归网络模型。目标综合风险预警值可以是用于表征目标危险化学品企业安全生产风险程度。例如,目标综合风险预警值与安全生产风险程度成负相关,即目标综合风险预警值越小,表明目标危险化学品企业安全生产风险程度越高。样本原始数据可以是危险化学品企业的历史原始数据。综合风险预警值标签可以是指样本原始数据对应的实际综合风险预警值。
具体的,预先基于样本原始数据得到对应的综合风险预警值标签,并根据样本原始数据和样本原始数据对应的综合风险预警值标签进行训练得到风险预警模型,以保证风险预警模型的预警准确性。在实际使用时,可以将目标原始数据对应的各个目标风险特征信息输入预先训练后的风险预警模型中,并基于该风险预警模型的输出,获得目标危险化学品企业对应的目标综合风险预警值。
示例性地,S130可以包括:对每个目标风险特征信息进行向量编码,确定每个目标风险特征信息对应的目标特征向量;将各个目标特征向量输入至风险预警模型中进行处理;基于风险预警模型的输出,获得目标危险化学品企业对应的目标综合风险预警值。
具体的,由于目标风险特征信息为离散型数据,其并不能直接作为特征值进入模型进行训练,需要对其进行one_hot编码处理,基于one_hot编码对从目标原始数据中提取的目标风险特征信息进行向量编码,从而将离散型数据进行连续化,使其具备作为模型输入的条件,得到与每个目标风险特征信息对应的目标特征向量,并将目标特征向量输入风险预警模型中得到目标危险化学品企业对应的目标综合风险预警值。
S140、基于每个风险预警等级对应的综合风险预警值范围和目标综合风险预警值,确定目标危险化学品企业对应的目标风险预警等级。
其中,风险预警等级可以是预先基于业务需求进行预警等级划分获得的。例如,风险预警等级可以包括重大风险等级、较大风险等级、一般风险等级或者低风险等级。
具体的,基于每个风险预警等级对应的综合风险预警值范围,确定目标综合风险预警值所处于的目标综合风险预警值范围,并将目标综合风险预警值范围对应的风险预警等级确定为目标危险化学品企业对应的目标风险预警等级。例如,表1为综合风险预警值范围与风险预警等级之间的关系。
表1综合风险预警值范围与风险预警等级关系表
综合风险预警值范围 | 风险预警等级 |
0≤综合风险预警值≤100 | 重大风险 |
100≤综合风险预警值<110 | 较大风险 |
110≤综合风险预警值<120 | 一般风险 |
120≤综合风险预警值 | 低风险 |
本发明实施例的技术方案,通过获取目标危险化学品企业对应的目标原始数据,对目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息,基于风险预警模型和各个目标风险特征信息,可以从多个风险角度综合地确定目标危险化学品企业对应的目标综合风险预警值,基于每个风险预警等级对应的综合风险预警值范围和目标综合风险预警值,确定目标危险化学品企业对应的目标风险预警等级,从而利用风险预警模型可以实现企业安全生产风险的自动预警,可以及时找到引起企业安全生产风险的原因,能够自动输出企业需改进的业务点,有效地预防危险事故的发生,保证企业生产安全。
在上述技术方案的基础上,S130中的“基于样本原始数据和所述样本原始数据对应的综合风险预警值标签进行训练,获得所述风险预警模型”,可以包括:对样本原始数据进行特征提取,确定不同风险类型下的多个样本风险特征信息;基于岭回归和交叉训练方式,根据各个样本风险特征信息对待训练的风险预警模型进行训练,获得训练后的风险预警模型。
其中,岭回归可以是指一种专用于供线性数据分析的有偏估计回归方法,实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法,对病态数据的拟合要强于最小二乘法。交叉训练可以是指不断修改模型的训练参数来得到不同的训练结果。
具体的,对样本原始数据进行特征提取,确定不同风险类型下的多个样本风险特征信息,得到多个样本风险特征信息对应的特征向量,并将其输入至风险预测模型,使用岭回归的方法进行回归模型的构建,推导出不同风险特征信息对应特征向量的权重。在传统多元线性回归采用的最小二乘法的基础上对各个特征向量的权重进行一定程度的“惩罚”,惩罚可以是指对那些影响较大的特征向量权重降低影响,对于影响较低的权重类似于剔除。随着惩罚力度的增大将冗余的特征向量权重不断缩小,采用交叉验证(RidgeCV)的方法在惩罚力度(alphas值)和风险预警模型准确度(r2_score)之间寻找一个平衡。通过不断改变惩罚力度,使冗余的特征向量被模型自动规避掉,只保留少部分对目标值有明显影响的特征向量,此时训练结果的准确度和误差情况均非常理想,将得到的模型实际输出值与理论值进行比较,将最接近的模型作为最终训练得到的风险预警模型。
示例性地,S130中的“综合风险预警值标签”的确定过程可以包括:基于样本原始数据,确定固有风险信息、危险源危险程度、特殊作业危险程度、安全事故发生数量、事故伤亡人数、事故经济损失和监管工艺危险程度;基于固有风险信息、危险源危险程度、特殊作业危险程度、安全事故发生数量、事故伤亡人数、事故经济损失和监管工艺危险程度,确定样本原始数据对应的综合风险预警值标签。
其中,固有风险信息可以是指企业安全部门对企业安全管理与建设的打分值。危险源危险程度可以是指危险化学品企业中各个具有安全生产风险区域的危险程度。例如,储存有剧毒化合物的罐区可以是重大危险源,存储有无害化合物的罐区可以是低风险危险源。特殊作业危险程度可以是指断路作业、动土作业、受限空间作业、高处作业、吊装作业、动火作业、盲板抽堵作业以及设备检维修作业的危险程度。安全事故发生数量可以是指发生一般事故、较大事故、重大事故和特别重大事故的数量。事故伤亡人数可以是指每月重伤人数与死亡人数。事故经济损失可以是指月度事故经济损失(单位为万元)。监管工艺危险程度可以是指影响企业安全生产的受监管危险化学品的危险程度,可以根据各公司涉及的重点监管工艺装置数量及工艺危险性取值得到,大小为各个监管工艺的装置数量与危险性取值乘积的总和。
具体的,先对企业固有风险信息进行打分,固有风险信息满分可以为100分,然后对企业中的动态监测预警风险、特殊作业风险、安全事故情况、事故伤亡人数、事故经济损失和重点监管工艺加权求和的各个指标进行处理,建立公式计算出综合风险预警值标签,综合风险预警值标签=固有风险+动态监测预警风险+特殊作业危险程度-安全事故情况-事故伤亡人数-事故经济损失-监管工艺危险程度。其中,动态监测预警整体分值为20分,特殊作业风险整体分值为20分;动态监测预警风险=20-重大危险源总体预警情况-重大危险源最高预警别,特殊作业危险程度=20-特殊作业总量加权值=20-20*(当日特殊作业总数-特殊作业量下限)/(特殊作业量上限-特殊作业量下限)。重大危险源总体预警情况,包括:生产装置重大危险源总体预警情况、罐区重大危险源预警总体预警情况和库区重大危险源预警总体预警情况。生产装置重大危险源总体预警情况=(重大风险装置数量*10+较大风险装置数量*5+一般风险装置数量*2+低风险装置数量*1)/企业内重大危险源数量,罐区重大危险源预警总体预警情况=(重大风险装置数量*10+较大风险装置数量*5+一般风险装置数量*2+低风险装置数量*1)/企业内重大危险源数量,库区重大危险源预警总体预警情况=(重大风险装置数量*10+较大风险装置数量*5+一般风险装置数量*2+低风险装置数量*1)/企业内重大危险源数量。重大危险源总体预警情况=(生产装置重大危险源总体预警情况+罐区重大危险源预警总体预警情况+库区重大危险源预警总体预警情况)/重大危险源类别数量。重大危险源最高预警别包括:生产装置重大危险源最高预警级别取值,重大风险,取10,较大风险,取5;罐区重大危险源最高预警级别取值,重大风险,取10,较大风险,取5,一般风险,取2,低风险,取1;库区重大危险源最高预警级别取值,重大风险,取10,较大风险,取5,一般风险,取2,低风险,取1。重大危险源最高预警别=MAX(生产装置重大危险源最高预警级别取值、罐区重大危险源最高预警级别取值、库区重大危险源最高预警级别取值)。需要说明的是,综合风险预警值标签满分为140分,分数越高说明样本原始数据对应的企业安全生产风险越低,分数越低说明企业安全生产风险越高。
实施例二
图2为本发明实施例二提供的一种安全生产风险的预警方法的流程图,本实施例在上述各实施例的基础上,增加了步骤“若所述目标风险预警等级为高风险等级,则基于所述风险预警模型的输出,确定每个所述目标风险特征信息对应的特征风险预警值;基于每个所述目标风险特征信息对应的特征风险预警值,确定导致所述目标危险化学品企业为高风险的原因风险特征信息。”。其中与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图2,本实施例提供的另一种障碍物决策方法具体包括以下步骤:
S210、获取目标危险化学品企业对应的目标原始数据。
S220、对目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息。
S230、基于风险预警模型和各个目标风险特征信息,确定目标危险化学品企业对应的目标综合风险预警值;其中,风险预警模型是预先基于样本原始数据和样本原始数据对应的综合风险预警值标签进行训练获得的。
S240、基于每个风险预警等级对应的综合风险预警值范围和目标综合风险预警值,确定目标危险化学品企业对应的目标风险预警等级。
S250、若目标风险预警等级为高风险等级,则基于风险预警模型的输出,确定每个目标风险特征信息对应的特征风险预警值。
其中,高风险等级可以是预先基于业务需求设置的,需要分析原因的高分险等级。例如,高风险等级可以包括较大风险和重大风险。特征风险预警值可以是指可以是用于表征目标危险化学品企业的目标风险特征信息对应的安全生产风险程度。需要说明的是,风险预警值与风险程度为负相关。也就是,风险预警值越高,风险程度越小。特征风险预警值为正值或者负值,特征风险预警值越高,风险程度越小。特征风险预警值为正值则表示其对企业安全生产风险造成正向影响,特征风险预警值为负值则表示其对企业安全生产风险造成负向影响。
具体的,风险预警模型除了可以输出目标综合风险预警值之外,还可以输出每个目标风险特征信息对应的特征风险预警值,特征风险预警值即为目标风险特征信息与相应的模型权重进行相乘的结果。若风险预警模型输出的综合风险预警值的综合风险预警值范围对应的目标风险预警等级为高风险等级,则根据风险预警模型的输出,可以直接获得该综合风险预警值对应的的每个目标风险特征信息的特征风险预警值。
S260、基于每个目标风险特征信息对应的特征风险预警值,确定导致目标危险化学品企业为高风险的原因风险特征信息。
其中,原因风险特征信息可以是指对综合风险预警值的降低影响较大的目标风险特征信息。
具体的,基于每个目标风险特征信息对应的特征风险预警值,从所有目标风险特征信息中确定出对综合风险预警值造成负向影响的特征风险预警值,从这些特征风险预警值对应的目标风险特征信息中再次确定出导致目标危险化学品企业为高风险的原因风险特征信息。例如,确定出对综合风险预警值的降低影响较大的目标风险特征信息,将对综合风险预警值的降低影响较大的目标风险特征信息确定为导致目标危险化学品企业为高风险的原因风险特征信息,从而可以及时找到引起企业安全生产风险的原因,能够自动输出企业需改进的业务点。
示例性地,S260可以包括:将特征风险预警值小于预设预警值的目标风险特征信息确定为导致目标危险化学品企业为高风险的原因风险特征信息。
具体的,将每个目标风险特征信息对应的特征风险预警值与每个目标风险特征信息对应的预设预警值进行比较,特征风险预警值小于预设预警值的目标风险特征信息则为导致目标危险化学品企业为高风险的原因风险特征信息。
本发明实施例的技术方案,在确定目标危险化学品企业对应的目标风险预警等级之后,若目标风险预警等级为高风险等级,则基于风险预警模型的输出,确定每个目标风险特征信息对应的特征风险预警值,基于每个目标风险特征信息对应的特征风险预警值,确定导致目标危险化学品企业为高风险的原因风险特征信息。从而及时找到引起企业安全生产风险的原因,能够自动输出企业需改进的业务点,具备良好的指导性,有效地预防危险事故的发生,保证企业生产安全。
实施例三
图3为本发明实施例三提供的一种安全生产风险的预警装置的结构示意图。如图3所示,该装置包括:原始数据获取模块310、风险特征信息确定模块320、综合风险预警值确定模块330和风险预警等级确定模块340。
其中,原始数据获取模块310,用于获取目标危险化学品企业对应的目标原始数据;
风险特征信息确定模块320,用于对所述目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息;
综合风险预警值确定模块330,用于基于风险预警模型和各个所述目标风险特征信息,确定所述目标危险化学品企业对应的目标综合风险预警值;其中,所述风险预警模型是预先基于样本原始数据和所述样本原始数据对应的综合风险预警值标签进行训练获得的;
风险预警等级确定模块340,用于基于每个风险预警等级对应的综合风险预警值范围和所述目标综合风险预警值,确定所述目标危险化学品企业对应的目标风险预警等级。
本实施例的技术方案,通过获取目标危险化学品企业对应的目标原始数据,对目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息,基于风险预警模型和各个目标风险特征信息,确定目标危险化学品企业对应的目标综合风险预警值,基于每个风险预警等级对应的综合风险预警值范围和目标综合风险预警值,确定目标危险化学品企业对应的目标风险预警等级,从而实现企业安全生产风险的预警,有效地预防危险事故的发生,保证企业生产安全。
可选地,所述目标风险特征信息包括:所述目标危险化学品企业对应的设备设施风险特征信息、生产装置风险特征信息、罐区风险特征信息、库区风险特征信息、特殊作业及重点环节风险特征信息、自然灾害风险特征信息、人员风险特征信息、管理风险特征信息、物质危险性特征信息、重点监管工艺风险特征信息和周边设施风险特征信息。
可选地,综合风险预警值确定模块330,包括:
特征向量确定单元,用于对每个所述目标风险特征信息进行向量编码,确定每个所述目标风险特征信息对应的目标特征向量;
特征向量处理单元,用于将各个所述目标特征向量输入至风险预警模型中进行处理;
目标综合风险预警值确定单元,用于基于所述风险预警模型的输出,获得所述目标危险化学品企业对应的目标综合风险预警值。
可选地,该装置还包括:
模型训练模块,用于对所述样本原始数据进行特征提取,确定不同风险类型下的多个样本风险特征信息:基于岭回归和交叉训练方式,根据各个所述样本风险特征信息对待训练的风险预警模型进行训练,获得训练后的风险预警模型。
可选地,该装置还包括:
综合风险预警值标签确定模块,用于基于所述样本原始数据,确定固有风险信息、危险源危险程度、特殊作业危险程度、安全事故发生数量、事故伤亡人数、事故经济损失和监管工艺危险程度,基于所述固有风险信息、所述危险源危险程度、所述特殊作业危险程度、所述安全事故发生数量、所述事故伤亡人数、所述事故经济损失和所述监管工艺危险程度,确定所述样本原始数据对应的综合风险预警值标签。
可选的,该装置还包括:
特征风险预警值确定模块,若所述目标风险预警等级为高风险等级,则基于所述风险预警模型的输出,确定每个所述目标风险特征信息对应的特征风险预警值;
原因风险特征信息确定模块,用于基于每个所述目标风险特征信息对应的特征风险预警值,确定导致所述目标危险化学品企业为高风险的原因风险特征信息。
可选地,风险预警值与风险程度为负相关;所述特征风险预警值为正值或者负值;
原因风险特征信息确定模块,具体用于:将所述特征风险预警值小于预设预警值的目标风险特征信息确定为导致所述目标危险化学品企业为高风险的原因风险特征信息。
本发明实施例所提供的安全生产风险的预警装置可执行本发明任意实施例所提供的安全生产风险的预警方法,具备执行方法相应的功能模块和有益效果。
图4示出了可以用来实施本发明的实施例的电子设备12的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,台式计算机、工作台、服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的一种安全生产风险的预警方法步骤,该方法包括:
获取目标危险化学品企业对应的目标原始数据;
对所述目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息;
基于风险预警模型和各个所述目标风险特征信息,确定所述目标危险化学品企业对应的目标综合风险预警值;其中,所述风险预警模型是预先基于样本原始数据和所述样本原始数据对应的综合风险预警值标签进行训练获得的;
基于每个风险预警等级对应的综合风险预警值范围和所述目标综合风险预警值,确定所述目标危险化学品企业对应的目标风险预警等级。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的安全生产风险的预警方法的技术方案。
本实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的安全生产风险的预警方法步骤,该方法包括:
获取目标危险化学品企业对应的目标原始数据;
对所述目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息;
基于风险预警模型和各个所述目标风险特征信息,确定所述目标危险化学品企业对应的目标综合风险预警值;其中,所述风险预警模型是预先基于样本原始数据和所述样本原始数据对应的综合风险预警值标签进行训练获得的;
基于每个风险预警等级对应的综合风险预警值范围和所述目标综合风险预警值,确定所述目标危险化学品企业对应的目标风险预警等级。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种安全生产风险的预警方法,其特征在于,包括:
获取目标危险化学品企业对应的目标原始数据;
对所述目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息;
基于风险预警模型和各个所述目标风险特征信息,确定所述目标危险化学品企业对应的目标综合风险预警值;其中,所述风险预警模型是预先基于样本原始数据和所述样本原始数据对应的综合风险预警值标签进行训练获得的;
基于每个风险预警等级对应的综合风险预警值范围和所述目标综合风险预警值,确定所述目标危险化学品企业对应的目标风险预警等级。
2.根据权利要求1所述的方法,其特征在于,所述目标风险特征信息包括:所述目标危险化学品企业对应的设备设施风险特征信息、生产装置风险特征信息、罐区风险特征信息、库区风险特征信息、特殊作业及重点环节风险特征信息、自然灾害风险特征信息、人员风险特征信息、管理风险特征信息、物质危险性特征信息、重点监管工艺风险特征信息和周边设施风险特征信息。
3.根据权利要求1所述的方法,其特征在于,基于风险预警模型和各个所述目标风险特征信息,确定所述目标危险化学品企业对应的目标综合风险预警值,包括:
对每个所述目标风险特征信息进行向量编码,确定每个所述目标风险特征信息对应的目标特征向量;
将各个所述目标特征向量输入至风险预警模型中进行处理;
基于所述风险预警模型的输出,获得所述目标危险化学品企业对应的目标综合风险预警值。
4.根据权利要求1所述的方法,其特征在于,基于样本原始数据和所述样本原始数据对应的综合风险预警值标签进行训练,获得所述风险预警模型,包括:
对所述样本原始数据进行特征提取,确定不同风险类型下的多个样本风险特征信息;
基于岭回归和交叉训练方式,根据各个所述样本风险特征信息对待训练的风险预警模型进行训练,获得训练后的风险预警模型。
5.根据权利要求1所述的方法,其特征在于,所述综合风险预警值标签的确定过程包括:
基于所述样本原始数据,确定固有风险信息、危险源危险程度、特殊作业危险程度、安全事故发生数量、事故伤亡人数、事故经济损失和监管工艺危险程度;
基于所述固有风险信息、所述危险源危险程度、所述特殊作业危险程度、所述安全事故发生数量、所述事故伤亡人数、所述事故经济损失和所述监管工艺危险程度,确定所述样本原始数据对应的综合风险预警值标签。
6.根据权利要求1-5任一项所述的方法,其特征在于,在确定所述目标危险化学品企业对应的目标风险预警等级之后,还包括:
若所述目标风险预警等级为高风险等级,则基于所述风险预警模型的输出,确定每个所述目标风险特征信息对应的特征风险预警值;
基于每个所述目标风险特征信息对应的特征风险预警值,确定导致所述目标危险化学品企业为高风险的原因风险特征信息。
7.根据权利要求6所述的方法,其特征在于,风险预警值与风险程度为负相关;所述特征风险预警值为正值或者负值;
所述基于每个所述目标风险特征信息对应的特征风险预警值,确定导致所述目标危险化学品企业为高风险的原因风险特征信息,包括:
将所述特征风险预警值小于预设预警值的目标风险特征信息确定为导致所述目标危险化学品企业为高风险的原因风险特征信息。
8.一种安全生产风险的预警装置,其特征在于,包括:
原始数据获取模块,用于获取目标危险化学品企业对应的目标原始数据;
风险特征信息确定模块,用于对所述目标原始数据进行特征提取,确定目标危险化学品企业对应的不同风险类型下的多个目标风险特征信息;
综合风险预警值确定模块,用于基于风险预警模型和各个所述目标风险特征信息,确定所述目标危险化学品企业对应的目标综合风险预警值;其中,所述风险预警模型是预先基于样本原始数据和所述样本原始数据对应的综合风险预警值标签进行训练获得的;
风险预警等级确定模块,用于基于每个风险预警等级对应的综合风险预警值范围和所述目标综合风险预警值,确定所述目标危险化学品企业对应的目标风险预警等级。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的安全生产风险的预警方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的安全生产风险的预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311047634.8A CN117078012A (zh) | 2023-08-18 | 2023-08-18 | 一种安全生产风险的预警方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311047634.8A CN117078012A (zh) | 2023-08-18 | 2023-08-18 | 一种安全生产风险的预警方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117078012A true CN117078012A (zh) | 2023-11-17 |
Family
ID=88703748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311047634.8A Pending CN117078012A (zh) | 2023-08-18 | 2023-08-18 | 一种安全生产风险的预警方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078012A (zh) |
-
2023
- 2023-08-18 CN CN202311047634.8A patent/CN117078012A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348718B (zh) | 业务指标监控方法、装置及电子设备 | |
US11906112B2 (en) | Methods for safety management of compressors in smart gas pipeline network and internet of things systems thereof | |
CN110401660B (zh) | 虚假流量的识别方法、装置、处理设备及存储介质 | |
CN114331046A (zh) | 一种告警事件处理方法、装置、设备及计算机存储介质 | |
CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN111339933A (zh) | 基于深度学习的变电站安全监控方法及装置 | |
CN115169779A (zh) | 一种企业安全风险预警预测系统及方法 | |
CN111381567B (zh) | 一种用于工业控制系统的安全检测系统和方法 | |
CN113610338A (zh) | 轨道交通信号系统安全风险评价和风险预警方法及装置 | |
CN117078012A (zh) | 一种安全生产风险的预警方法、装置、电子设备及存储介质 | |
CN116978180A (zh) | 一种炼钢厂环境安全检测方法、装置、介质及电子设备 | |
CN114186738A (zh) | 一种故障预警方法、装置、电子设备和存储介质 | |
CN109377378B (zh) | 行业关联度风险确定装置及系统 | |
CN112150010A (zh) | 炼化装置腐蚀完整性操作窗口的创建方法、系统和设备 | |
CN114120580B (zh) | 一种远程监控信息系统 | |
CN115269879B (zh) | 知识结构数据的生成方法、数据搜索方法和风险告警方法 | |
CN116976674A (zh) | 一种基于危险操作特征识别的调度业务实时管控方法及系统 | |
CN117575418A (zh) | 用于生产企业的安全设施综合评估管理方法及系统 | |
CN111582763A (zh) | 保险业绩数据监控方法及装置 | |
CN116911617A (zh) | 一种基于风险数据库的双重预防机制方法及装置 | |
CN115794989A (zh) | 核电厂系统的缺陷状态报告定级方法及装置 | |
CN113723811A (zh) | 基于机器学习的设备维保单位评估方法、装置及电子设备 | |
CN117670024A (zh) | 一种光伏电站的风险等级评估方法及系统 | |
CN116739299A (zh) | 一种任务信息处理方法与系统 | |
CN115509880A (zh) | 业务系统安全情况预测方法、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 |