CN117521977B - 基于智慧平台的数据处理方法、装置、设备及存储介质 - Google Patents
基于智慧平台的数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117521977B CN117521977B CN202410011219.5A CN202410011219A CN117521977B CN 117521977 B CN117521977 B CN 117521977B CN 202410011219 A CN202410011219 A CN 202410011219A CN 117521977 B CN117521977 B CN 117521977B
- Authority
- CN
- China
- Prior art keywords
- environment
- coding
- environment detection
- matrix
- detection data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 147
- 238000010276 construction Methods 0.000 claims abstract description 99
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims description 99
- 238000012512 characterization method Methods 0.000 claims description 84
- 239000013598 vector Substances 0.000 claims description 42
- 238000000605 extraction Methods 0.000 claims description 23
- 230000005856 abnormality Effects 0.000 claims description 21
- 230000004927 fusion Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000013145 classification model Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002341 toxic gas 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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"
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及数据处理技术领域，提供了基于智慧平台的数据处理方法、装置、设备及存储介质。该方法包括实时获取施工作业区域的第一环境检测数据和预设时间段内的第二环境检测数据；基于所述第一环境检测信息生成第一处理策略信息，并基于所述第二环境检测信息生成第二处理策略信息；将所述第一处理策略信息和所述第二处理策略信息进行融合，得到目标处理策略信息；基于所述区域标识和所述目标处理策略信息对所述施工作业区域采取监管措施。该方法能够通过智慧平台实现对多个施工作业现场的环境监控进行集中管理，降低了环境监控的成本，提高了监控效率。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种基于智慧平台的数据处理方法、装置、设备及存储介质。
背景技术
在同一工程项目的施工过程中，往往会对多个施工作业同时进行施工，而对施工作业现场的环境进行监控是确保工作人员人身安全的重要保障。而现有技术在施工过程中，对施工作业现场的环境监控往往采用一对一的监控方式，即一个施工作业现场匹配一个环境监控平台，这种对施工作业现场的环境进行分散式监控的方式无法实现对多个施工作业现场的环境监控进行集中管理，存在着监控效率低、设备成本高等问题。
发明内容
本申请提供了一种基于智慧平台的数据处理方法、装置、设备及存储介质，以解决上述背景技术提出的问题。
第一方面，本申请提供一种基于智慧平台的数据处理方法，所述方法用于施工作业的环境监控，所述方法包括：
实时获取施工作业区域的第一环境检测数据和预设时间段内的第二环境检测数据；其中，所述第一环境检测数据为即时性环境检测数据，所述第二环境检测数据为预测性环境检测数据，获取所述第一环境检测数据的时刻为所述预设时间段的末端时刻，所述施工作业区域设有区域标识；
将所述第一环境检测数据输入预设的环境异常检测模型，得到所述施工作业区域的环境异常检测结果，并将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果；
基于所述环境异常检测结果生成第一处理策略信息，并基于所述环境风险趋势预测结果生成第二处理策略信息；
对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，并对所述第二处理策略信息进行编码表征，得到第二编码表征矩阵；
对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，并基于所述目标编码表征矩阵生成目标处理策略信息，及基于所述区域标识和所述目标处理策略信息对所述施工作业区域采取监管措施。
在一种可能的实施方式中，所述施工作业包括高空作业和隧道作业。
在一种可能的实施方式中，所述第二环境检测数据包括多种不同类型的第二环境检测值，所述将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果，包括：
将所述第二环境检测数据输入预设的环境风险趋势预测模型；其中，所述环境风险趋势预测模型包括绘图层、特征提取层、多个卷积层和融合层；
针对任一类型的所述第二环境检测值，基于所述绘图层绘制所述第二环境检测值在所述预设时间段内随时间变化的曲线图，并将所述曲线图输入所述特征提取层，得到所述曲线图的曲线特征，及将所述曲线特征分别输入各个所述卷积层，得到所述第二环境检测值对应的多个初始环境风险趋势预测信息；
针对任一类型的所述第二环境检测值，基于所述融合层将所述第二环境检测值对应的多个初始环境风险趋势预测信息进行融合，得到所述第二环境检测值对应的目标环境风险趋势预测信息；
基于所有所述目标环境风险趋势预测信息生成所述环境风险趋势预测结果。
在一种可能的实施方式中，所述将所述曲线图输入所述特征提取层，得到所述曲线图的曲线特征，包括：
将所述曲线图输入所述特征提取层后，所述特征提取层在所述曲线图上确定最高值点，并分别计算所述最高值点与所述曲线图上的各个指定点之间的距离值，及分别计算各个所述指定点处的切线斜率绝对值和曲率绝对值；
针对各个所述指定点，所述特征提取层利用第一权重系数乘以所述指定点对应的所述距离值，得到第一乘积，利用第二权重系数乘以所述指定点对应的所述切线斜率绝对值，得到第二乘积，利用第三权重系数乘以所述指定点对应的所述曲率绝对值，得到第三乘积，并将所述第一乘积、所述第二乘积和所述第三乘积相加，得到所述指定点的特征标识；
所述特征提取层基于各个所述特征标识对应的时刻，将各个所述特征标识进行排列，得到特征标识序列，并将所述特征标识序列作为所述曲线图的曲线特征。
在一种可能的实施方式中，所述对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，包括：
获取所述施工作业的属性，并基于所述属性的属性标识在预设的数据库中获取所述施工作业对应的编码文本集；其中，所述编码文本集中的编码文本为加密文本；
获取所述第一处理策略信息的标识矩阵和预设的解码表，并在所述标识矩阵中删除第一目标字符，得到字符空位；其中，所述第一目标字符为在所述标识矩阵和所述解码表中共同出现的字符，所述解码表包括数字列和字母列；
基于所述字符空位的数量在所述属性标识中提取指定位置的第二目标字符，并基于所述解码表对各个所述第二目标字符进行解码，得到解密字符，及将各个所述解密字符依序插入各个所述字符空位，得到解密矩阵；
基于所述解密矩阵分别对所述编码文本集中的各个编码文本进行解密，并将解密成功的所述编码文本作为所述第一处理策略信息的目标编码文本；
基于所述目标编码文本对所述第一处理策略信息进行编码表征，得到所述第一编码表征矩阵。
在一种可能的实施方式中，所述第一处理策略信息包括多个第一处理策略，所述基于所述目标编码文本对所述第一处理策略信息进行编码表征，得到所述第一编码表征矩阵，包括：
针对各个所述第一处理策略，将所述第一处理策略输入预设的分类模型，得到所述第一处理策略的策略标识，并基于所述策略标识在所述目标编码文本中确定所述第一处理策略的编码规则，及基于所述编码规则对所述第一处理策略进行编码，得到所述第一处理策略的编码字符；
针对各个所述第一处理策略，基于预设的字符组合方式将所述第一处理策略对应的策略标识和编码字符进行组合，得到所述第一处理策略对应的第一编码表征向量；
基于预设的编码表征向量排序规则，将各个所述第一编码表征向量进行排列，得到所述第一编码表征矩阵。
在一种可能的实施方式中，所述对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，包括：
针对所述第一编码表征矩阵中的各个所述第一编码表征向量，分别计算所述第一编码表征向量和所述第二编码表征矩阵中的各个第二编码表征向量的相似度，并将各个所述相似度中的最大相似度与预设相似度进行比较，及在所述最大相似度大于所述预设相似度时，将所述第一编码表征向量与所述最大相似度对应的所述第二编码表征向量进行融合，得到融合编码表征向量；
基于所述融合编码表征向量、未参与向量融合的所述第一编码表征向量和未参与向量融合的所述第二编码表征向量得到所述目标编码表征矩阵。
第二方面，本申请提供一种基于智慧平台的数据处理装置，所述装置用于施工作业的环境监控，所述装置包括：
获取模块，用于实时获取施工作业区域的第一环境检测数据和预设时间段内的第二环境检测数据；其中，所述第一环境检测数据为即时性环境检测数据，所述第二环境检测数据为预测性环境检测数据，获取所述第一环境检测数据的时刻为所述预设时间段的末端时刻，所述施工作业区域设有区域标识；
输入模块，用于将所述第一环境检测数据输入预设的环境异常检测模型，得到所述施工作业区域的环境异常检测结果，并将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果；
生成模块，用于基于所述环境异常检测结果生成第一处理策略信息，并基于所述环境风险趋势预测结果生成第二处理策略信息；
编码模块，用于对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，并对所述第二处理策略信息进行编码表征，得到第二编码表征矩阵；
融合模块，用于对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，并基于所述目标编码表征矩阵生成目标处理策略信息，及基于所述区域标识和所述目标处理策略信息对所述施工作业区域采取监管措施。
第三方面，本申请提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上所述的基于智慧平台的数据处理方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中，所述计算机程序被处理器执行时，实现如上所述的基于智慧平台的数据处理方法。
本申请提供了一种基于智慧平台的数据处理方法、装置、设备及存储介质。其中，所述方法用于施工作业的环境监控，所述方法包括：实时获取施工作业区域的第一环境检测数据和预设时间段内的第二环境检测数据；其中，所述第一环境检测数据为即时性环境检测数据，所述第二环境检测数据为预测性环境检测数据，获取所述第一环境检测数据的时刻为所述预设时间段的末端时刻，所述施工作业区域设有区域标识；将所述第一环境检测数据输入预设的环境异常检测模型，得到所述施工作业区域的环境异常检测结果，并将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果；基于所述环境异常检测结果生成第一处理策略信息，并基于所述环境风险趋势预测结果生成第二处理策略信息；对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，并对所述第二处理策略信息进行编码表征，得到第二编码表征矩阵；对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，并基于所述目标编码表征矩阵生成目标处理策略信息，及基于所述区域标识和所述目标处理策略信息对所述施工作业区域采取监管措施。该方法一方面，能够通过智慧平台实现对多个施工作业现场的环境监控进行集中管理，降低了环境监控的成本，提高了监控效率，另一方面，能够对所述施工作业区域未来的环境风险进行预测，为工作人员的人身安全提供了更加可靠的保障。
附图说明
为了更清楚地说明本发明实施例的技术方案，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为本申请实施例提供的基于智慧平台的数据处理方法的流程示意图；
图2为本申请实施例提供的基于智慧平台的数据处理装置的结构示意性框图；
图3为本申请实施例提供的终端设备的结构示意性框图。
具体实施方式
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做出创造性劳动的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。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在同一工程项目的施工过程中，往往会对多个施工作业同时进行施工，而对施工作业现场的环境进行监控是确保工作人员人身安全的重要保障。而现有技术在施工过程中，对施工作业现场的环境监控往往采用一对一的监控方式，即一个施工作业现场匹配一个环境监控平台，这种对施工作业现场的环境进行分散式监控的方式无法实现对多个施工作业现场的环境监控进行集中管理，存在着监控效率低、设备成本高、管理维护困难等问题。为此，本申请实施例提供一种基于智慧平台的数据处理方法、装置、设备及存储介质，以解决上述问题。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述实施例及实施例中的特征可以相互结合。
请参阅图1，图1为本申请实施例提供的基于智慧平台的数据处理方法的流程示意图，本申请实施例提供的基于智慧平台的数据处理方法用于施工作业的环境监控，如图1所示，本申请实施例提供的基于智慧平台的数据处理方法包括步骤S100至步骤S500。
步骤S100、实时获取施工作业区域的第一环境检测数据和预设时间段内的第二环境检测数据；其中，所述第一环境检测数据为即时性环境检测数据，所述第二环境检测数据为预测性环境检测数据，获取所述第一环境检测数据的时刻为所述预设时间段的末端时刻，所述施工作业区域设有区域标识。
需要说明的是，本申请实施例提供的方法通过智慧平台实现，所述智慧平台能够实现对多个施工作业现场的环境监控进行集中管理。
需要说明的是，本申请实施例提供的方法能够应用于基础设施建设、石油开采和煤矿开采等施工现场。
其中，所述施工作业包括一般施工作业和危险施工作业（如：高空作业和隧道作业）。
其中，即时性检测数据是指通过实时对该数据进行评估，以判断所述施工作业区域是否存在安全隐患的数据，例如：空气中的有毒气体含量、工作人员距离危险物的距离等。
其中，预测性检测数据是指通过对一段时间内的该数据的变化情况进行分析，以预测所述施工作业区域的环境风险趋势的数据。例如：通过所述施工作业区域在一段时间内的温度变化预测所述施工作业区域在未来的温度变化，通过所述施工作业区域在一段时间内的湿度变化预测所述施工作业区域在未来的湿度变化等。
其中，通过各类传感器（例如：温度传感器、热感应颜色变化温度计、湿度传感器、气体检测传感器和红外摄像仪等）获取所述第一环境检测数据和所述第二环境检测数据，所述各类传感器可以为设于所述施工作业区域的固定装置，也可以为工作人员佩戴的可穿戴设备。
可以理解地，所述施工作业区域为同一工程项目的任一施工作业区域，通过为同一工程项目的每个施工作业区域设置区域标识，有助于所述智慧平台对各个所述施工作业区域的环境监控进行有效管理。
步骤S200、将所述第一环境检测数据输入预设的环境异常检测模型，得到所述施工作业区域的环境异常检测结果，并将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果。
其中，所述环境异常检测模型包括第一输入层、第一深度网络学习层和第一输出层，其中，所述第一输入层用于接收所述第一环境检测数据，所述第一深度网络学习层用于对所述第一环境检测数据进行深度学习，得到所述施工作业区域的环境异常检测结果，所述第一输出层用于输出所述环境异常检测结果。
需要说明的是，所述第二环境检测数据包括多种不同类型的第二环境检测值，所述将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果，包括以下步骤：
将所述第二环境检测数据输入预设的环境风险趋势预测模型；其中，所述环境风险趋势预测模型包括绘图层、特征提取层、多个卷积层和融合层；
针对任一类型的所述第二环境检测值，基于所述绘图层绘制所述第二环境检测值在所述预设时间段内随时间变化的曲线图，并将所述曲线图输入所述特征提取层，得到所述曲线图的曲线特征，及将所述曲线特征分别输入各个所述卷积层，得到所述第二环境检测值对应的多个初始环境风险趋势预测信息；
针对任一类型的所述第二环境检测值，基于所述融合层将所述第二环境检测值对应的多个初始环境风险趋势预测信息进行融合，得到所述第二环境检测值对应的目标环境风险趋势预测信息；
基于所有所述目标环境风险趋势预测信息生成所述环境风险趋势预测结果。
可以理解地，上述方法通过基于所述融合层将所述第二环境检测值对应的多个初始环境风险趋势预测信息进行融合，得到所述第二环境检测值对应的目标环境风险趋势预测信息，有助于提高所述环境风险趋势预测结果的准确性，从而提高基于智慧平台的数据处理方法的可靠性。
步骤S300、基于所述环境异常检测结果生成第一处理策略信息，并基于所述环境风险趋势预测结果生成第二处理策略信息。
其中，所述第一处理策略信息和所述第二处理策略信息均包括但不限于人员疏散指引、物资调度和现场设备的调节等。
步骤S400、对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，并对所述第二处理策略信息进行编码表征，得到第二编码表征矩阵。
需要说明的是，所述对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，包括以下步骤：
获取所述施工作业的属性，并基于所述属性的属性标识在预设的数据库中获取所述施工作业对应的编码文本集；其中，所述编码文本集中的编码文本为加密文本；
获取所述第一处理策略信息的标识矩阵和预设的解码表，并在所述标识矩阵中删除第一目标字符，得到字符空位；其中，所述第一目标字符为在所述标识矩阵和所述解码表中共同出现的字符，所述解码表包括数字列和字母列；
基于所述字符空位的数量在所述属性标识中提取指定位置的第二目标字符，并基于所述解码表对各个所述第二目标字符进行解码，得到解密字符，及将各个所述解密字符依序插入各个所述字符空位，得到解密矩阵；
基于所述解密矩阵分别对所述编码文本集中的各个编码文本进行解密，并将解密成功的所述编码文本作为所述第一处理策略信息的目标编码文本；
基于所述目标编码文本对所述第一处理策略信息进行编码表征，得到所述第一编码表征矩阵。
需要说明的是，所述对所述第二处理策略信息进行编码表征，得到第二编码表征矩阵的方法参考上述所述对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵的方法，这里不再赘述。
步骤S500、对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，并基于所述目标编码表征矩阵生成目标处理策略信息，及基于所述区域标识和所述目标处理策略信息对所述施工作业区域采取监管措施。
需要说明的是，所述对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，包括以下步骤：
针对所述第一编码表征矩阵中的各个所述第一编码表征向量，分别计算所述第一编码表征向量和所述第二编码表征矩阵中的各个第二编码表征向量的相似度，并将各个所述相似度中的最大相似度与预设相似度进行比较，及在所述最大相似度大于所述预设相似度时，将所述第一编码表征向量与所述最大相似度对应的所述第二编码表征向量进行融合，得到融合编码表征向量；
基于所述融合编码表征向量、未参与向量融合的所述第一编码表征向量和未参与向量融合的所述第二编码表征向量得到所述目标编码表征矩阵。
可以理解地，当所述最大相似度大于所述预设相似度时，说明所述最大相似度对应的所述第二编码表征向量代表的处理策略与所述第一编码表征向量代表的处理策略一致，将两者进行融合，能够实现对所述第一处理策略信息和所述第二处理策略信息中的重复处理策略进行去重处理，避免所述目标处理策略信息中出现重复的处理策略，从而防止出现重复的监管措施。
其中，所述监管措施包括但不限于通知工作人员疏散、调节设备参数和通知工作人员对现场物资进行调度等。
本实施例提供的方法，一方面，能够通过智慧平台实现对多个施工作业现场的环境监控进行集中管理，降低了环境监控的成本，提高了监控效率，另一方面，能够对所述施工作业区域未来的环境风险进行预测，为工作人员的人身安全提供了更加可靠的保障。
在一些实施例中，所述将所述曲线图输入所述特征提取层，得到所述曲线图的曲线特征，包括以下步骤：
将所述曲线图输入所述特征提取层后，所述特征提取层在所述曲线图上确定最高值点，并分别计算所述最高值点与所述曲线图上的各个指定点之间的距离值，及分别计算各个所述指定点处的切线斜率绝对值和曲率绝对值；
针对各个所述指定点，所述特征提取层利用第一权重系数乘以所述指定点对应的所述距离值，得到第一乘积，利用第二权重系数乘以所述指定点对应的所述切线斜率绝对值，得到第二乘积，利用第三权重系数乘以所述指定点对应的所述曲率绝对值，得到第三乘积，并将所述第一乘积、所述第二乘积和所述第三乘积相加，得到所述指定点的特征标识；
所述特征提取层基于各个所述特征标识对应的时刻，将各个所述特征标识进行排列，得到特征标识序列，并将所述特征标识序列作为所述曲线图的曲线特征。
其中，所述指定点是指指定时刻在所述曲线上对应的点。
本实施例提供的方法，通过对所述曲线上的各个指定点分别进行所述距离值、所述切线斜率绝对值和所述曲率绝对值的分析，实现了对所述曲线进行多维度分析，提高了所述曲线特征的可靠性，有助于提高所述环境风险趋势预测结果的可靠性。
在一些实施例中，所述第一处理策略信息包括多个第一处理策略，所述基于所述目标编码文本对所述第一处理策略信息进行编码表征，得到所述第一编码表征矩阵，包括：
针对各个所述第一处理策略，将所述第一处理策略输入预设的分类模型，得到所述第一处理策略的策略标识，并基于所述策略标识在所述目标编码文本中确定所述第一处理策略的编码规则，及基于所述编码规则对所述第一处理策略进行编码，得到所述第一处理策略的编码字符；
针对各个所述第一处理策略，基于预设的字符组合方式将所述第一处理策略对应的策略标识和编码字符进行组合，得到所述第一处理策略对应的第一编码表征向量；
基于预设的编码表征向量排序规则，将各个所述第一编码表征向量进行排列，得到所述第一编码表征矩阵。
其中，所述分类模型包括第三输入层、第三深度网络学习层和第三输出层，其中，所述第三输入层用于接收所述第一处理策略，所述第三深度网络学习层用于对所述第一处理策略进行深度学习，得到所述第一处理策略的策略标识，所述输出层用于输出所述策略标识。
本实施例提供的方法，针对各个所述第一处理策略，基于所述第一处理策略对应的策略标识和所述第一处理策略对应的编码规则对所述第一处理策略进行编码表征，提高了所述第一编码表征向量的可靠性，从而提高了所述第一编码表征矩阵的可靠性，进而提高了基于智慧平台的数据处理方法的可靠性。
请参阅图2，图2为本申请实施例提供的基于智慧平台的数据处理装置100的结构示意性框图，基于智慧平台的数据处理装置100用于施工作业的环境监控，如图2所示，基于智慧平台的数据处理装置100包括：
获取模块110，用于实时获取施工作业区域的第一环境检测数据和预设时间段内的第二环境检测数据；其中，所述第一环境检测数据为即时性环境检测数据，所述第二环境检测数据为预测性环境检测数据，获取所述第一环境检测数据的时刻为所述预设时间段的末端时刻，所述施工作业区域设有区域标识。
输入模块120，用于将所述第一环境检测数据输入预设的环境异常检测模型，得到所述施工作业区域的环境异常检测结果，并将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果。
生成模块130，用于基于所述环境异常检测结果生成第一处理策略信息，并基于所述环境风险趋势预测结果生成第二处理策略信息。
编码模块140，用于对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，并对所述第二处理策略信息进行编码表征，得到第二编码表征矩阵。
融合模块150，用于对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，并基于所述目标编码表征矩阵生成目标处理策略信息，及基于所述区域标识和所述目标处理策略信息对所述施工作业区域采取监管措施。
需要说明的是，所属技术领域的技术人员可以清楚了解到，为了描述的方便和简洁，上述描述的装置和各个模块的具体工作过程，可以参考前述基于智慧平台的数据处理方法实施例中的对应过程，在此不再赘述。
上述实施例提供的基于智慧平台的数据处理装置100可以实现为一种计算机程序的形式，该计算机程序可以在如图3所示的终端设备200上运行。
请参阅图3，图3为本申请实施例提供的终端设备200的结构示意性框图，终端设备200包括处理器201和存储器202，处理器201和存储器202通过系统总线203连接，其中，存储器202可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储计算机程序。该计算机程序包括程序指令，该程序指令被处理器201执行时，可使得处理器201执行上述任一种基于智慧平台的数据处理方法。
处理器201用于提供计算和控制能力，支撑整个终端设备200的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器201执行时，可使得处理器201执行上述任一种基于智慧平台的数据处理方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所涉及的终端设备200的限定，具体的终端设备200可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器201可以是中央处理单元 (Central Processing Unit，CPU)，该处理器201还可以是其他通用处理器、数字信号处理器 (Digital SignalProcessor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一些实施例中，处理器201用于运行存储在存储器中的计算机程序，以实现如下步骤：
实时获取施工作业区域的第一环境检测数据和预设时间段内的第二环境检测数据；其中，所述第一环境检测数据为即时性环境检测数据，所述第二环境检测数据为预测性环境检测数据，获取所述第一环境检测数据的时刻为所述预设时间段的末端时刻，所述施工作业区域设有区域标识；
将所述第一环境检测数据输入预设的环境异常检测模型，得到所述施工作业区域的环境异常检测结果，并将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果；
基于所述环境异常检测结果生成第一处理策略信息，并基于所述环境风险趋势预测结果生成第二处理策略信息；
对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，并对所述第二处理策略信息进行编码表征，得到第二编码表征矩阵；
对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，并基于所述目标编码表征矩阵生成目标处理策略信息，及基于所述区域标识和所述目标处理策略信息对所述施工作业区域采取监管措施。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端设备200的具体工作过程，可以参考前述基于智慧平台的数据处理方法的对应过程，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时使所述一个或多个处理器实现如本申请实施例提供的基于智慧平台的数据处理方法。
其中，所述计算机可读存储介质可以是前述实施例终端设备200的内部存储单元，例如终端设备200的硬盘或内存。所述计算机可读存储介质也可以是终端设备200的外部存储设备，例如终端设备200配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种基于智慧平台的数据处理方法，其特征在于，所述方法用于施工作业的环境监控，所述方法包括：
实时获取施工作业区域的第一环境检测数据和预设时间段内的第二环境检测数据；其中，所述第一环境检测数据为即时性环境检测数据，所述第二环境检测数据为预测性环境检测数据，获取所述第一环境检测数据的时刻为所述预设时间段的末端时刻，所述施工作业区域设有区域标识；
将所述第一环境检测数据输入预设的环境异常检测模型，得到所述施工作业区域的环境异常检测结果，并将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果；
基于所述环境异常检测结果生成第一处理策略信息，并基于所述环境风险趋势预测结果生成第二处理策略信息；
对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，并对所述第二处理策略信息进行编码表征，得到第二编码表征矩阵；
对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，并基于所述目标编码表征矩阵生成目标处理策略信息，及基于所述区域标识和所述目标处理策略信息对所述施工作业区域采取监管措施；
其中，所述第二环境检测数据包括多种不同类型的第二环境检测值，所述将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果，包括：
将所述第二环境检测数据输入预设的环境风险趋势预测模型；其中，所述环境风险趋势预测模型包括绘图层、特征提取层、多个卷积层和融合层；
针对任一类型的所述第二环境检测值，基于所述绘图层绘制所述第二环境检测值在所述预设时间段内随时间变化的曲线图，并将所述曲线图输入所述特征提取层，得到所述曲线图的曲线特征，及将所述曲线特征分别输入各个所述卷积层，得到所述第二环境检测值对应的多个初始环境风险趋势预测信息；
针对任一类型的所述第二环境检测值，基于所述融合层将所述第二环境检测值对应的多个初始环境风险趋势预测信息进行融合，得到所述第二环境检测值对应的目标环境风险趋势预测信息；
基于所有所述目标环境风险趋势预测信息生成所述环境风险趋势预测结果。
2.根据权利要求1所述的基于智慧平台的数据处理方法，其特征在于，所述施工作业包括高空作业和隧道作业。
3.根据权利要求1所述的基于智慧平台的数据处理方法，其特征在于，所述将所述曲线图输入所述特征提取层，得到所述曲线图的曲线特征，包括：
将所述曲线图输入所述特征提取层后，所述特征提取层在所述曲线图上确定最高值点，并分别计算所述最高值点与所述曲线图上的各个指定点之间的距离值，及分别计算各个所述指定点处的切线斜率绝对值和曲率绝对值；
针对各个所述指定点，所述特征提取层利用第一权重系数乘以所述指定点对应的所述距离值，得到第一乘积，利用第二权重系数乘以所述指定点对应的所述切线斜率绝对值，得到第二乘积，利用第三权重系数乘以所述指定点对应的所述曲率绝对值，得到第三乘积，并将所述第一乘积、所述第二乘积和所述第三乘积相加，得到所述指定点的特征标识；
所述特征提取层基于各个所述特征标识对应的时刻，将各个所述特征标识进行排列，得到特征标识序列，并将所述特征标识序列作为所述曲线图的曲线特征。
4.根据权利要求1所述的基于智慧平台的数据处理方法，其特征在于，所述对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，包括：
获取所述施工作业的属性，并基于所述属性的属性标识在预设的数据库中获取所述施工作业对应的编码文本集；其中，所述编码文本集中的编码文本为加密文本；
获取所述第一处理策略信息的标识矩阵和预设的解码表，并在所述标识矩阵中删除第一目标字符，得到字符空位；其中，所述第一目标字符为在所述标识矩阵和所述解码表中共同出现的字符，所述解码表包括数字列和字母列；
基于所述字符空位的数量在所述属性标识中提取指定位置的第二目标字符，并基于所述解码表对各个所述第二目标字符进行解码，得到解密字符，及将各个所述解密字符依序插入各个所述字符空位，得到解密矩阵；
基于所述解密矩阵分别对所述编码文本集中的各个编码文本进行解密，并将解密成功的所述编码文本作为所述第一处理策略信息的目标编码文本；
基于所述目标编码文本对所述第一处理策略信息进行编码表征，得到所述第一编码表征矩阵。
5.根据权利要求4所述的基于智慧平台的数据处理方法，其特征在于，所述第一处理策略信息包括多个第一处理策略，所述基于所述目标编码文本对所述第一处理策略信息进行编码表征，得到所述第一编码表征矩阵，包括：
针对各个所述第一处理策略，将所述第一处理策略输入预设的分类模型，得到所述第一处理策略的策略标识，并基于所述策略标识在所述目标编码文本中确定所述第一处理策略的编码规则，及基于所述编码规则对所述第一处理策略进行编码，得到所述第一处理策略的编码字符；
针对各个所述第一处理策略，基于预设的字符组合方式将所述第一处理策略对应的策略标识和编码字符进行组合，得到所述第一处理策略对应的第一编码表征向量；
基于预设的编码表征向量排序规则，将各个所述第一编码表征向量进行排列，得到所述第一编码表征矩阵。
6.根据权利要求5所述的基于智慧平台的数据处理方法，其特征在于，所述对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，包括：
针对所述第一编码表征矩阵中的各个所述第一编码表征向量，分别计算所述第一编码表征向量和所述第二编码表征矩阵中的各个第二编码表征向量的相似度，并将各个所述相似度中的最大相似度与预设相似度进行比较，及在所述最大相似度大于所述预设相似度时，将所述第一编码表征向量与所述最大相似度对应的所述第二编码表征向量进行融合，得到融合编码表征向量；
基于所述融合编码表征向量、未参与向量融合的所述第一编码表征向量和未参与向量融合的所述第二编码表征向量得到所述目标编码表征矩阵。
7.一种基于智慧平台的数据处理装置，其特征在于，所述装置用于施工作业的环境监控，所述装置包括：
获取模块，用于实时获取施工作业区域的第一环境检测数据和预设时间段内的第二环境检测数据；其中，所述第一环境检测数据为即时性环境检测数据，所述第二环境检测数据为预测性环境检测数据，获取所述第一环境检测数据的时刻为所述预设时间段的末端时刻，所述施工作业区域设有区域标识；
输入模块，用于将所述第一环境检测数据输入预设的环境异常检测模型，得到所述施工作业区域的环境异常检测结果，并将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果；
生成模块，用于基于所述环境异常检测结果生成第一处理策略信息，并基于所述环境风险趋势预测结果生成第二处理策略信息；
编码模块，用于对所述第一处理策略信息进行编码表征，得到第一编码表征矩阵，并对所述第二处理策略信息进行编码表征，得到第二编码表征矩阵；
融合模块，用于对所述第一编码表征矩阵和所述第二编码表征矩阵进行融合，得到目标编码表征矩阵，并基于所述目标编码表征矩阵生成目标处理策略信息，及基于所述区域标识和所述目标处理策略信息对所述施工作业区域采取监管措施；
其中，所述第二环境检测数据包括多种不同类型的第二环境检测值，所述将所述第二环境检测数据输入预设的环境风险趋势预测模型，得到所述施工作业区域的环境风险趋势预测结果，包括：
将所述第二环境检测数据输入预设的环境风险趋势预测模型；其中，所述环境风险趋势预测模型包括绘图层、特征提取层、多个卷积层和融合层；
针对任一类型的所述第二环境检测值，基于所述绘图层绘制所述第二环境检测值在所述预设时间段内随时间变化的曲线图，并将所述曲线图输入所述特征提取层，得到所述曲线图的曲线特征，及将所述曲线特征分别输入各个所述卷积层，得到所述第二环境检测值对应的多个初始环境风险趋势预测信息；
针对任一类型的所述第二环境检测值，基于所述融合层将所述第二环境检测值对应的多个初始环境风险趋势预测信息进行融合，得到所述第二环境检测值对应的目标环境风险趋势预测信息；
基于所有所述目标环境风险趋势预测信息生成所述环境风险趋势预测结果。
8.一种终端设备，其特征在于，所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至6中任一项所述的基于智慧平台的数据处理方法。
9.一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上存储有计算机程序，其中，所述计算机程序被处理器执行时，实现如权利要求1至6中任一项所述的基于智慧平台的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410011219.5A CN117521977B (zh) | 2024-01-04 | 2024-01-04 | 基于智慧平台的数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410011219.5A CN117521977B (zh) | 2024-01-04 | 2024-01-04 | 基于智慧平台的数据处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117521977A CN117521977A (zh) | 2024-02-06 |
| CN117521977B true CN117521977B (zh) | 2024-04-30 |
Family
ID=89755244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410011219.5A Active CN117521977B (zh) | 2024-01-04 | 2024-01-04 | 基于智慧平台的数据处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117521977B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107829452A (zh) * | 2017-11-12 | 2018-03-23 | 湖南科技大学 | 一种融合多传感器及地基sar的深基坑施工监测预警技术 |
| KR102042616B1 (ko) * | 2019-04-10 | 2019-11-08 | (주)영신디엔씨 | ＩｏＴ 기반 도심지 건설현장 상시 안전관리 시스템 |
| KR102191382B1 (ko) * | 2020-06-18 | 2020-12-15 | (주)휴먼플래닛 | 통합 물환경 관리 지원을 위한 스마트 조사 서비스 시스템 |
| CN115203877A (zh) * | 2021-04-08 | 2022-10-18 | 中国石油化工股份有限公司 | 一种实时仿真模拟钻井状态的闭环钻井优化系统及方法 |
| CN116777713A (zh) * | 2023-08-24 | 2023-09-19 | 湖南天成新宇网络科技有限公司 | 基于数据分析的智慧园区安全管理方法和系统 |
| CN116929456A (zh) * | 2023-07-31 | 2023-10-24 | 中国工商银行股份有限公司 | 机房环境监控方法、装置、设备及存储介质 |
| CN117114454A (zh) * | 2023-10-25 | 2023-11-24 | 南京中鑫智电科技有限公司 | 一种基于Apriori算法的直流套管状态评估方法及系统 |
-
2024
- 2024-01-04 CN CN202410011219.5A patent/CN117521977B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107829452A (zh) * | 2017-11-12 | 2018-03-23 | 湖南科技大学 | 一种融合多传感器及地基sar的深基坑施工监测预警技术 |
| KR102042616B1 (ko) * | 2019-04-10 | 2019-11-08 | (주)영신디엔씨 | ＩｏＴ 기반 도심지 건설현장 상시 안전관리 시스템 |
| KR102191382B1 (ko) * | 2020-06-18 | 2020-12-15 | (주)휴먼플래닛 | 통합 물환경 관리 지원을 위한 스마트 조사 서비스 시스템 |
| CN115203877A (zh) * | 2021-04-08 | 2022-10-18 | 中国石油化工股份有限公司 | 一种实时仿真模拟钻井状态的闭环钻井优化系统及方法 |
| CN116929456A (zh) * | 2023-07-31 | 2023-10-24 | 中国工商银行股份有限公司 | 机房环境监控方法、装置、设备及存储介质 |
| CN116777713A (zh) * | 2023-08-24 | 2023-09-19 | 湖南天成新宇网络科技有限公司 | 基于数据分析的智慧园区安全管理方法和系统 |
| CN117114454A (zh) * | 2023-10-25 | 2023-11-24 | 南京中鑫智电科技有限公司 | 一种基于Apriori算法的直流套管状态评估方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117521977A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11921566B2 (en) | Abnormality detection system, abnormality detection method, abnormality detection program, and method for generating learned model | |
| Schlegel et al. | Towards a rigorous evaluation of XAI methods on time series | |
| WO2013011745A1 (ja) | 設備状態監視方法およびその装置 | |
| US10810508B1 (en) | Methods and apparatus for classifying and discovering historical and future operational states based on Boolean and numerical sensor data | |
| KR20160148911A (ko) | 산업유형별 공정 데이터 분석 및 검증 기술과 hw-sw 융합 프레임워크 기반의 정보통합 시스템 | |
| CN109871002B (zh) | 基于张量标签学习的并发异常状态识别与定位系统 | |
| US20140019215A1 (en) | System for assessing procedure compliance level of human operators in nuclear power plants and method thereof | |
| KR102359090B1 (ko) | 실시간 기업정보시스템 이상행위 탐지 서비스를 제공하는 방법과 시스템 | |
| US20180165845A1 (en) | Method of Analysis of Visualised Data | |
| CN114662618B (zh) | 一种基于联邦学习的故障诊断方法、装置及相关设备 | |
| CN111274202B (zh) | 电子合同生成方法、装置、计算机设备及存储介质 | |
| Mohammadi et al. | A bi-objective robust inspection planning model in a multi-stage serial production system | |
| Wang et al. | Linear approximation fuzzy model for fault detection in cyber-physical system for supply chain management | |
| CN113538370A (zh) | 电网巡检方法、装置、计算机设备和存储介质 | |
| WO2021064144A1 (en) | Method and system for continuous estimation and representation of risk | |
| CN111639360A (zh) | 智能数据脱敏方法、装置、计算机设备及存储介质 | |
| Nikolaev et al. | Hybrid data-driven and physics-based modelling for prescriptive maintenance of gas-turbine power plant | |
| CN117521977B (zh) | 基于智慧平台的数据处理方法、装置、设备及存储介质 | |
| CN113609216A (zh) | 基于区块链的产品质量诊断方法、装置、设备及存储介质 | |
| Yan et al. | Machinery degradation inspection and maintenance using a cost-optimal non-fixed periodic strategy | |
| EP3839680A1 (en) | Method and device for controlling a machine using principal component analysis | |
| Bautista-Hernández et al. | Monte Carlo Simulation Applicable for Predictive Algorithm Analysis in Aerospace | |
| Hu et al. | Estimate remaining useful life for predictive railways maintenance based on LSTM autoencoder | |
| Kuwano et al. | ATT&CK Behavior Forecasting based on Collaborative Filtering and Graph Databases | |
| Kannammal et al. | Predictive maintenance for remote field IoT devices—A deep learning and cloud-based approach |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |