本发明专利技术实施例涉及化工园区监测技术领域，公开了一种基于神经网络的危险源分析方法，包括：接收前端各个危化气体探头检测到的气体数据以及与所述危化气体探头相关的探头位置信息；将所述气体数据输入至卷积神经网络模型中进行风险识别，以判断各个位置检测到的危化气体状态；若所述危化气体状态为不正常状态，则将相应的探头位置信息与气体浓度信息输入至位置预测模型中，对其进行危险源空间位置分析，以确定危险源的空间位置；最后，对所述危险源的空间位置进行显示。本发明专利技术实施例中，通过大数据统计以及神经网络分析计算等技术，可以很好的实现化工园区的风险分析和危险源预测，满足园区应急管理方面的需要。满足园区应急管理方面的需要。满足园区应急管理方面的需要。
【技术实现步骤摘要】
一种基于神经网络的危险源分析方法及装置
[0001]本专利技术涉及危化品
，具体涉及一种基于神经网络的危险源分析方法及装置。
技术介绍
[0002]目前，在化工园区这样的环境内设置有众多的环境监测探头，通过不断积累的数据来实现对化工园区的检测。传统的检测系统主要关注的单个检测点的信息变化，对各个监测点的关联信息没有有效处理手段。随着技术的发展，通过大数据统计、神经网络分析计算等技术，可以很好的实现化工园区的风险分析和危险源预测，满足园区应急管理方面的需要。如何有效的上述数据是化工园区风险管理面临的一个问题；特别是面对化工园区这样的环境，如何建立起一套有效的危化气体检测方法，进而时时刻刻掌握园区风险状况，是化工园区安全管理的需要亟待解决的技术问题。
技术实现思路
[0003]针对所述缺陷，本专利技术实施例公开了一种基于神经网络的危险源分析方法，其能够实现化工园区内出现异常情况时，危险源快速定位的效果。
[0004]本专利技术实施例第一方面公开了基于神经网络的危险源分析方法，包括：
[0005]接收前端各个危化气体探头检测到的气体数据以及与所述危化气体探头相关的探头位置信息；
[0006]将所述气体数据输入至卷积神经网络模型中进行风险识别以判断各个位置检测到的危化气体状态；
[0007]若所述危化气体状态为不正常状态，则将相应的探头位置信息与气体浓度信息输入至位置预测模型中对其进行危险源空间位置分析以确定危险源的空间位置；
[0008]对所述危险源的空间位置进行显示。
[0009]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述将所述气体数据输入至训练完成的卷积神经网络模型中进行安全识别以判断各个位置的检测到危化气体的状态，包括：
[0010]将所述气体数据与探头阵列矩阵进行匹配以得到相应的探头数据矩阵；所述探头阵列矩阵为M*N的矩阵；
[0011]将所述探头数据矩阵与2*2的卷积核矩阵进行卷积计算以得到(M
‑
1)*(N
‑
1)的风险输出矩阵；
[0012]对所述风险输出矩阵与历史风险特征值进行比对以确定危化气体的状态。
[0013]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述将相应的探头位置信息与气体数据输入至位置预测模型中对其进行危险源空间位置分析以确定危险源的空间位置，包括：
[0014]将所述气体数据输入至气体浓度衰减公式以得到相应的探头到危险源的距离，所
述气体浓度衰减公式为：M＝K*D，其中，M为气体数据，K为衰减系数，D为探头到危险源的距离；
[0015]将探头到危险源的距离以及探头位置信息输入至距离计算公式中进行计算以得到相应的危险源坐标，所述距离计算公式为
[0016](x，y)为危险源坐标，(a，b)为气体探头坐标。
[0017]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述将探头到危险源的距离以及探头位置信息输入至距离计算公式中进行计算以得到相应的危险源坐标，包括：
[0018]将探头到危险源的距离以及探头位置信息输入至距离计算公式中进行计算以得到多个危险源坐标；
[0019]将多个危险源坐标进行相似性比较以得到实际危险源的坐标信息。
[0020]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述危险源分析方法，还包括：
[0021]接收风向风速传感器检测到的风向信息和风速信息；
[0022]根据所述风向信息和风速信息对所述危险源坐标进行位置修正。
[0023]本专利技术实施例第二方面公开一种基于神经网络的危险源分析系统，包括：
[0024]前端控制单元，用于通过标准接口与相应的危化气体探头进行数据连接，并将接收到的数据传输至后台服务器；
[0025]后台服务器，所述后台服务器用于执行如权利要求1
‑
5中任意一项所述的基于神经网络的危险源分析方法；
[0026]展示终端，所述展示终端用于对后台服务器计算得到的危险源的空间位置进行展示。
[0027]作为一种可选的实施方式，在本专利技术实施例第二方面中，所述后台服务器包括物联网传输模块、探头虚拟化模块、数据存储模块和大数据分析模块；
[0028]所述物联网传输模块用于实现对前端控制单元的配置以及将接收到的探头测量数据存储至云端；所述探头虚拟化模块用于通过数据表格描述每一个探头信息以实现测量数据存储的格式化功能；所述数据存储模块用于实现对众多不同种类探头的进行数据管理及服务的功能；所述大数据分析模块用于通过神经网络实现危险信号的分析，且通过危险源分析模型实现对危险源的预测。
[0029]作为一种可选的实施方式，在本专利技术实施例第二方面中，所述前端控制单元一般为单片机系统；所述前端控制单元还用于配置危化气体相关探头的位置信息以构建起探头在二维平面空间的与位置相关的数据信息。
[0030]本专利技术实施例第三方面公开一种基于神经网络的危险源分析装置，包括：
[0031]接收模块：用于接收前端各个危化气体探头检测到的气体数据以及与所述危化气体探头相关的探头位置信息；
[0032]风险识别模块：用于将所述气体数据输入至卷积神经网络模型中进行风险识别以判断各个位置的检测到危化气体的状态；
[0033]位置分析模块：用于若所述危化气体的状态为不正常状态，则将相应的探头位置信息与气体浓度信息输入至位置预测模型中对其进行危险源空间位置分析以确定危险源
的空间位置；
[0034]显示模块：用于对所述危险源的空间位置进行显示。
[0035]本专利技术实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本专利技术实施例第一方面公开的基于神经网络的危险源分析方法。
[0036]与现有技术相比，本专利技术实施例具有以下有益效果：
[0037]本专利技术实施例中的基于神经网络的危险源分析方法通过采用卷积神经网络计算，来感知各个检测点的相关关系，并判断风险的发生；当监测到存在异常的时候，利用相关关系通过预测模型给出危险信号的发生地，即给出危险源的位置信息。本专利技术实施例中通过大数据统计以及神经网络分析计算等技术，可以很好的实现化工园区的风险分析和危险源预测，满足园区应急管理方面的需要。
附图说明
[0038]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，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。
[0039]图1是本专利技术实施例公开的基于神经网络的危险源分析方法的流程示意图；
[0040]图2是本专利技术实施例公开的基于神经网络的危险源分析方法具体流程示意图；
[0041]图3是本专利技术实施例公开的卷积神经网络风险分析内部流程示意图；
[0042]图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的危险源分析方法，其特征在于，包括：接收前端各个危化气体探头检测到的气体数据以及与所述危化气体探头相关的探头位置信息；将所述气体数据输入至卷积神经网络模型中进行风险识别以判断各个位置检测到的危化气体状态；若所述危化气体状态为不正常状态，则将相应的探头位置信息与气体浓度信息输入至位置预测模型中，对其进行危险源空间位置分析以确定危险源的空间位置；对所述危险源的空间位置进行显示。2.如权利要求1所述的基于神经网络的危险源分析方法，其特征在于，所述将所述气体数据输入至训练完成的卷积神经网络模型中进行安全识别以判断各个位置检测到的危化气体状态，包括：将所述气体数据与探头阵列矩阵进行匹配以得到相应的探头数据矩阵；所述探头阵列矩阵为M*N的矩阵；将所述探头数据矩阵与2*2的卷积核矩阵进行卷积计算以得到(M
‑
1)*(N
‑
1)的风险输出矩阵；对所述风险输出矩阵与历史风险特征值进行比对以确定危化气体的状态。3.如权利要求1所述的基于神经网络的危险源分析方法，其特征在于，所述将相应的探头位置信息与气体数据输入至位置预测模型中对其进行危险源空间位置分析以确定危险源的空间位置，包括：将所述气体数据输入至气体浓度衰减公式以得到相应的探头到危险源的距离，所述气体浓度衰减公式为：M＝K*D，其中，M为气体数据，K为衰减系数，D为探头到危险源的距离；将探头到危险源的距离以及探头位置信息输入至距离计算公式中进行计算以得到相应的危险源坐标，所述距离计算公式为(x，y)为危险源坐标，(a，b)为气体探头坐标。4.如权利要求3所述的基于神经网络的危险源分析方法，其特征在于，所述将探头到危险源的距离以及探头位置信息输入至距离计算公式中进行计算以得到相应的危险源坐标，包括：将探头到危险源的距离以及探头位置信息输入至距离计算公式中进行计算以得到多个危险源坐标；将多个危险源坐标进行相似性比较以得到实际危险源的坐标信息。5.如权利要求3所述的基于神经网络的危险源分析方法，其特征在于，所述危险源分析方法，还包括：接收风向...
【专利技术属性】
技术研发人员：周宁，
申请(专利权)人：广东蓝盾乐庚信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。