一种生产过程中实时风险判断方法及系统技术方案

本发明专利技术公开一种生产过程中实时风险判断方法及系统，用于港口区域生产过程中的风险判断，该方法包括：实时获取港口区域生产过程中的时间序列数据，形成训练数据集，找出所述时间序列数据中未出风险时的时间序列数据，作为未出风险训练数据集；设置异常检测模型，根据所述未出风险训练数据集训练所述异常检测模型，找出与未出风险时的时间序列数据相对应的超平面和决策边界，将所述训练数据集输入到所述异常检测模型中，从而对港口区域进行风险异常检测；设置风险预测模型，根据所述训练数据集，对所述风险预测模型进行训练，找出港口区域发生风险的概率。域发生风险的概率。域发生风险的概率。

【技术实现步骤摘要】
一种生产过程中实时风险判断方法及系统


[0001]本专利技术属于生产过程中实时风险判断
，更具体地，涉及一种生产过程中实时风险判断方法及系统。

技术介绍

[0002]生产过程中实时风险判断是确保生产安全和高效运作的重要环节。以下是一些常用的实时风险判断方法：1.数据监测与传感器技术：在生产现场设置传感器，实时监测关键参数如温度、压力、湿度、流量等。数据监测可以帮助及时察觉异常情况并采取措施。
[0003]2.故障预警系统：利用数据监测技术和先进的算法建立故障预警系统，通过对历史数据的学习，预测潜在风险，并在问题发生前发出警报。
[0004]但是现有技术中，并没有一种技术方案先对港口区域进行异常检测，然后再对风险进行预测。

技术实现思路

[0005]为解决以上技术特征，本专利技术提出一种生产过程中实时风险判断方法，用于港口区域生产过程中的风险判断，包括：实时获取港口区域生产过程中的时间序列数据，形成训练数据集，找出所述时间序列数据中未出风险时的时间序列数据，作为未出风险训练数据集；设置异常检测模型，根据所述未本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生产过程中实时风险判断方法，用于港口区域生产过程中的风险判断，其特征在于，包括：实时获取港口区域生产过程中的时间序列数据，形成训练数据集，找出所述时间序列数据中未出风险时的时间序列数据，作为未出风险训练数据集；设置异常检测模型，根据所述未出风险训练数据集训练所述异常检测模型，找出与未出风险时的时间序列数据相对应的超平面和决策边界，将所述训练数据集输入到所述异常检测模型中，从而对港口区域进行风险异常检测；设置风险预测模型，根据所述训练数据集，对所述风险预测模型进行训练，找出港口区域发生风险的概率。2.如权利要求1所述的一种生产过程中实时风险判断方法，其特征在于，所述异常检测模型为：，其中，为第个拉格朗日乘子，为第个拉格朗日乘子，为第个类别标签，为第个类别标签，为第个未出风险时的时间序列数据，为第个核函数的权重，为第个核函数的计算结果，为用于控制第个核函数偏移的常数，为第个核函数的次数。3.如权利要求2所述的一种生产过程中实时风险判断方法，其特征在于，还包括：设置所述异常检测模型的约束条件，查找满足所述约束条件的一组拉格朗日乘子，并计算超平面和决策边界，从而进行异常检测。4.如权利要求1所述的一种生产过程中实时风险判断方法，其特征在于，所述风险预测模型为： ，其中，为权重向量, 为权重向量的第个分量，为正则化参数，为第个训练样本的第一松弛变量，为第个训练样本的第二松弛变量，为L2正则化的参数。5.如权利要求4所述的一种生产过程中实时风险判断方法，其特征在于，还包括：设置所述风险预测模型的约束条件，用于对预测误差进行控制，提高所述风险预测模型的泛化能力。6.一种生产过程中实时风险判断系统，用于港...

【专利技术属性】
技术研发人员：任勤雷，范垂荣，朱静，张肇伦，王雪，安小刚，
申请(专利权)人：交通运输部水运科学研究所，
类型：发明
国别省市：