一种事故灾情信息实时监测与区域重建方法及系统技术方案

本申请涉及适用于特定应用的数据处理方法技术领域，提供了一种事故灾情信息实时监测与区域重建方法及系统，该方法包括：获取的事故灾情的实时数据，然后基于预先构建的事故灾情信息预测模型，对事故灾情的时空演化规律进行预测，得到事故灾情的预测结果，如此，能够根据实时监测的数据对事故灾情的演化进行快速预判；最后根据事故灾情的预测结果，通过预先构建的事故灾情风险评估模型进行区域风险重建。如此，通过深度学习模型预先构建事故所在地的三维细节流场，大幅度降低事故的流场计算负担；通过事故灾情风险评估模型实现对事故突发时初始信息不足的情况下的区域重建，实现风险预警和应急决策。险预警和应急决策。险预警和应急决策。

【技术实现步骤摘要】
一种事故灾情信息实时监测与区域重建方法及系统


[0001]本申请涉及适用于特定应用的数据处理方法
，特别涉及一种事故灾情信息实时监测与区域重建方法及系统。

技术介绍

[0002]目前，城市发展正处在公共安全事故灾情易发、频发阶段，城市事故灾害总量居高不下，突发事故灾害的风险评估、监测、预测、预警、应急救援和综合保障面临着极大的挑战。
[0003]随着深度学习技术的迅速发展，其在事故灾情预测和处理研究方面表现出了巨大的潜力和应用价值。中国专利申请CN103984708A，公开了一种巨灾风险大数据处理的应急分解分拣方法及系统，该系统能够有效快速地对事故灾情产生的大数据进行应急分拣处理以供事故灾情监测、预测和预警使用，但这种方法依赖大量采集数据，在数据不足的情况下难以达到系统预设效果，存在较大不足。
[0004]因此，需要提供一种针对上述现有技术不足的改进技术方案。

技术实现思路

[0005]本申请的目的在于提供一种事故灾情信息实时监测与区域重建方法及系统，以解决或缓解上述现有技术中存在的问题。
[0006]为了实现上述目的，本申请提供如下技术方案：本申请提供了一种事故灾情信息实时监测与区域重建方法，该方法包括：获取所述事故灾情的实时数据；所述事故灾情的实时数据通过事故现场处理人员携带的可穿戴式实时监测设备采集得到；根据所述事故灾情的实时数据，基于预先构建的事故灾情信息预测模型，对所述事故灾情的时空演化规律进行预测，得到所述事故灾情的预测结果；其中，所述事故灾情信息预测模型至少包括深度学习模型，所述深度学习模型基于卷积神经网络与长短时记忆神经网络构建；根据所述事故灾情的预测结果，通过预先构建的事故灾情风险评估模型，对所述事故灾情进行区域风险重建。
[0007]优选地，所述获取所述事故灾情的实时数据，包括：通过所述可穿戴式实时监测设备采集事故现场的原始实时数据；对所述原始实时数据依次进行主成分分析和局部线性嵌入分析，得到分析结果；对所述分析结果进行数据特征筛选，得到所述事故灾情的实时数据。
[0008]优选地，所述可穿戴式实时监测设备至少包括金属氧化物半导体传感器和红外气体传感器，所述金属氧化物半导体传感器与所述红外气体传感器通过微机电传感系统集成于较小的单元中，且可动态切换，实现实时监测设备的微型化。
[0009]优选地，所述方法还包括：
基于所述深度学习模型，根据所述事故灾情的实时数据和预先获取的所述事故灾情的环境数据，构建所述事故灾情的三维细节流场；根据所述事故灾情的三维细节流场和所述事故灾情的实时数据，基于所述事故灾情信息预测模型中的数据同化模型，对所述事故灾情的泄漏源项信息进行反演，以对所述事故灾情中的危险物质的时空演化规律进行预测，得到所述事故灾情的预测结果。
[0010]优选地，所述深度学习模型为根据预先获取的所述事故灾情的环境数据进行训练得到的。
[0011]优选地，所述事故灾情的环境数据包括所述事故所在地的气象数据、所述事故所在地的流场数据、所述事故所在地的三维地图、所述事故所在地的地下管网数据中的一种或多种。
[0012]优选地，所述方法还包括：基于不同的存储策略，分别对所述事故灾情的实时数据和所述事故灾情的环境数据进行存储。
[0013]优选地，所述事故灾情风险评估模型包括剂量反应模型、概率后果模型、人员密度模型、等效气体云模型中的一个或多个；其中，所述剂量反应模型用于计算所述事故中有毒气体对人体伤害的风险；所述等效气体云模型用于根据所述实时数据中的泄漏物质浓度评估爆炸蒸汽云的体积；所述概率后果模型和所述人员密度模型用于根据所述剂量反应模型的计算结果以及所述等效气体云模型的评估结果，计算所述事故中的个人风险。
[0014]优选地，所述方法还包括：通过预先布设在所述事故灾情现场的物联网设备，获取所述事故灾情的实时数据。
[0015]本申请实施例还提供一种事故灾情信息实时监测与区域重建系统，包括：数据获取单元，配置为获取所述事故灾情的实时数据；所述事故灾情的实时数据通过事故现场处理人员携带的可穿戴式实时监测设备采集得到；灾情预测单元，配置为根据所述事故灾情的实时数据，基于预先构建的事故灾情信息预测模型，对所述事故灾情的时空演化规律进行预测，得到所述事故灾情的预测结果；其中，所述事故灾情信息预测模型至少包括深度学习模型，所述深度学习模型基于卷积神经网络与长短时记忆神经网络构建；区域重建单元，配置为根据所述事故灾情的预测结果，通过预先构建的事故灾情风险评估模型，对所述事故灾情进行区域风险重建。
[0016]有益效果：本申请实施例提供一种事故灾情信息实时监测与区域重建方法及系统，首先，获取的事故灾情的实时数据，然后基于预先构建的事故灾情信息预测模型，对事故灾情的时空演化规律进行预测，得到事故灾情的预测结果，这样，能够实时提供事故现场信息，并且根据实时监测的数据对事故灾情的演化进行快速预判，为事故现场处理人员提供所处环境的安全性预判与预警；最后根据事故灾情的预测结果，通过预先构建的事故灾情风险评估模型进行区域风险重建。这样，通过深度学习模型预先构建事故所在地的三维细节流场，大幅度降低事故的流场计算负担；同时，通过事故灾情风险评估模型实现对事故突发时初始
信息不足的情况下的区域重建，实现风险预警和应急决策。
附图说明
[0017]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。其中：图1为根据本申请的一些实施例提供的一种事故灾情信息实时监测与区域重建方法的流程示意图；图2为根据本申请的一些实施例提供的一种事故灾情信息实时监测与区域重建方法的技术逻辑图；图3为根据本申请的一些实施例提供的深度学习模型的结构示意图；图4为根据本申请的一些实施例提供的深度学习模型的训练步骤示意图；图5为根据本申请的一些实施例提供的数据同化模型对泄漏源项信息进行反演的流程示意图；图6为根据本申请的一些实施例提供的基于该方法对城市燃气泄漏事故的泄漏源项中泄漏位置的预测结果示意图；图7为根据本申请的一些实施例提供的基于该方法对城市燃气泄漏事故的泄漏源项中泄漏速率的预测结果示意图；图8为根据本申请的一些实施例提供的基于该方法对城市燃气泄漏事故的危险物质分布的预测结果示意图；图9为根据本申请的一些实施例提供的基于该方法对城市地下燃气泄漏事故扩散场景下的区域风险重构结果示意图；图10为根据本申请的一些实施例提供的一种事故灾情信息实时监测与区域重建系统的结构示意图。
具体实施方式
[0018]下面将参考附图并结合实施例来详细说明本申请。各个示例通过本申请的解释的方式提供而非限制本申请。实际上，本领域的技术人员将清楚，在不脱离本申请的范围或精神的情况下，可在本申请中进行修改和变型。例如，示为或描述为一个实施例的一部分的特征可用于另一个实施例，以产生又一个实施例。因此，所期望的是，本申请包含归入所附权利要求及其等同物的范围内的此类修改和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种事故灾情信息实时监测与区域重建方法，其特征在于，包括：获取所述事故灾情的实时数据；所述事故灾情的实时数据通过事故现场处理人员携带的可穿戴式实时监测设备采集得到；根据所述事故灾情的实时数据，基于预先构建的事故灾情信息预测模型，对所述事故灾情的时空演化规律进行预测，得到所述事故灾情的预测结果；其中，所述事故灾情信息预测模型至少包括深度学习模型，所述深度学习模型基于卷积神经网络与长短时记忆神经网络构建；根据所述事故灾情的预测结果，通过预先构建的事故灾情风险评估模型，对所述事故灾情进行区域风险重建。2.根据权利要求1所述的事故灾情信息实时监测与区域重建方法，其特征在于，所述获取所述事故灾情的实时数据，包括：通过所述可穿戴式实时监测设备采集事故现场的原始实时数据；对所述原始实时数据依次进行主成分分析和局部线性嵌入分析，得到分析结果；对所述分析结果进行数据特征筛选，得到所述事故灾情的实时数据。3.根据权利要求1所述的事故灾情信息实时监测与区域重建方法，其特征在于，所述可穿戴式实时监测设备至少包括金属氧化物半导体传感器和红外气体传感器。4.根据权利要求1所述的事故灾情信息实时监测与区域重建方法，其特征在于，所述方法还包括：基于所述深度学习模型，根据所述事故灾情的实时数据和预先获取的所述事故灾情的环境数据，构建所述事故灾情的三维细节流场；根据所述事故灾情的三维细节流场和所述事故灾情的实时数据，基于所述事故灾情信息预测模型中的数据同化模型，对所述事故灾情的泄漏源项信息进行反演，以对所述事故灾情中的危险物质的时空演化规律进行预测，得到所述事故灾情的预测结果。5.根据权利要求1所述的事故灾情信息实时监测与区域重建方法，其特征在于，所述深度学习模型为根据预先获取的所述事故灾情的环境数据进行训练得到的。6.根据权利要求4或5所述的事故灾情信息实...

【专利技术属性】
技术研发人员：吴建松，蔡继涛，韩昕格，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：