【技术实现步骤摘要】
本专利技术属于安全生产，尤其涉及一种利用特征筛选和机器学习对安全生产相关数据进行安全生产风险检测和预警的方法及系统。
技术介绍
1、随着工业化、信息化、城镇化的快速发展，安全生产面临着越来越复杂的形势和挑战。目前，安全生产风险检测预警的主要方法有以下几种：
2、基于专家经验的定性分析方法，如风险矩阵法、风险分级法等，这类方法主要依赖于专家对风险因素的判断和评估，具有主观性强、可靠性低、适应性差等缺点；基于数学模型的定量分析方法，如故障树分析法、事件树分析法、贝叶斯网络分析法等，这类方法主要依赖于事故发生的概率和后果的计算，具有数据需求量大、模型建立复杂、参数估计困难等缺点；基于数据挖掘的分析方法，如关联规则挖掘、聚类分析、分类分析等，这类方法主要依赖于海量数据的处理和分析，具有数据质量要求高、算法选择多样、结果解释难等缺点；
3、综上所述，现有的安全生产风险检测预警方法都存在一定的局限性和不足，不能满足安全生产管理的实际需求。因此，如何有效地检测和预警安全生产风险，成为了亟待解决的问题。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供的一种基于数据分析的安全生产风险检测预警方法及系统，通过从多维度、多渠道、多类型的安全生产相关数据中提取出有效的风险特征，利用机器学习或深度学习的相关算法对风险特征进行智能分析和预测，并采用合适的方式传递风险预警信息，解决了难以有效地检测和预警安全生产风险的问题。
2、为了达到上述专利技术目的，本专利技术
3、本专利技术提供的一种基于数据分析的安全生产风险检测预警方法，包括如下步骤：
4、s1、采集安全生产相关数据，并进行数据预处理，得到预处理后的安全生产相关数据；
5、s2、对预处理后的安全生产相关数据进行特征筛选，得到安全生产风险检测预警特征集；
6、s3、利用安全生产风险检测预警特征集对支持向量机进行训练，并通过训练好的支持向量机根据预设的风险等级阈值进行安全生产风险检测预警，得到风险预警信息；
7、s4、将风险预警信息传输到生产安全管理部门，完成基于数据分析的安全生产风险检测预警。
8、本专利技术的有益效果为：本专利技术提供的一种基于数据分析的安全生产风险检测预警方法，从各类安全生产相关数据源中采集数据，获得了全面的信息，实现了更好地了解潜在的风险因素；本专利技术通过预处理提升了安全生产相关数据的准确性，进一步提升支持向量机的分类准确性；本专利技术通过特征筛选减少了不相关或冗余的信息，从而有效提升了模型的效率和性能；本专利技术将筛选得到的安全生产风险检测预警特征集输入到支持向量机中，对支持向量机进行训练，并通过训练好的支持向量机，在不同类别之间建立清晰的决策边界，实现及时识别潜在的风险事件；本专利技术根据预设的风险等级阈值，及时传输风险预警信息到生产安全管理部门，以采取相应的措施来防范或应对风险的过程，本专利技术实现了提高风险管理水平，降低风险损失，保障安全生产。
9、进一步地，所述s1包括如下步骤：
10、s11、根据各类安全生产数据源，采集安全生产相关数据，其中，安全生产相关数据包括时间序列形式的事故报告数据、生产设备检测数据、生产监测视频数据、生产环境参数数据；
11、所述安全生产相关数据的计算表达式如下：
12、
13、其中，表示安全生产相关数据，表示第j类安全生产相关数据中的第i维数据，k表示数据的种类总数，n表示数据的维度总数，i=1，2，…，t，…，n；
14、s12、消除各类安全生产相关数据中的随机噪声，得到第一预处理安全生产相关数据；
15、所述第一预处理安全生产相关数据的计算表达式如下：
16、
17、其中，表示第一预处理安全生产相关数据中的第t维数据，表示安全生产相关数据中的第i维数据；
18、s13、对第一预处理安全生产相关数据进行标准化处理，得到第二预处理安全生产相关数据；
19、所述第二预处理安全生产相关数据的计算表达式如下：
20、
21、其中，表示第二预处理安全生产相关数据中的第t维数据，表示第二预处理安全生产相关数据中的最大数据值，表示第二预处理安全生产相关数据中的最小数据值；
22、s14、对第二预处理安全生产相关数据进行归一化处理，得到第三预处理安全生产相关数据；
23、s15、对第三预处理安全生产相关数据进行等宽离散化处理，得到第四预处理安全生产相关数据，并为第四预处理安全生产相关数据中的每个类别区间赋予一个类别标签；
24、所述等宽离散化处理的计算表达式如下：
25、
26、其中，表示第四预处理安全生产相关数据中的第t个类别区间的类别标签，表示第三预处理安全生产相关数据，表示类别区间宽度；
27、s16、对第四预处理安全生产相关数据进行缺失值处理，得到第五预处理安全生产相关数据；
28、所述缺失值处理的计算表达式如下：
29、
30、其中，表示第i维缺失数据，表示第i维缺失数据的在前相邻维数据，表示第i维缺失数据的在后相邻维数据；
31、s17、对第五预处理安全生产相关数据进行异常值处理，得到预处理后的安全生产相关数据；
32、所述异常值处理的计算表达式如下：
33、
34、其中，表示对第五预处理安全生产相关数据进行z-score异常检测的函数，表示第五预处理安全生产相关数据，表示第五预处理安全生产相关数据的均值，表示第五预处理安全生产相关数据的标准差。
35、采用上述进一步方案的有益效果为：本专利技术从多维度、多时序、多方面获取安全生产相关数据，获取了全面的信息，更好地了解了潜在的风险因素，并通过数据预处理消除了安全生产相关数据中的随机噪声，将数据转换为了具有相同尺度的形式，识别并处理了异常值，对缺失值和不一致的数据进行了清洗处理，确保了数据的完整性和准确性。
36、进一步地，所述s2包括如下步骤：
37、s21、基于预处理后的安全生产相关数据，对应得到若干安全生产风险检测预警特征；
38、s22、通过随机森林法评估各安全生产风险检测预警特征的重要性，得到各安全生产风险检测预警特征的特征平均重要性值；
39、s23、根据重采样方法，选择特征平均重要性值大于预设平均值阈值的若干安全生产风险检测预警特征，得到由若干待用特征构成的待用特征集；
40、s24、根据随机森林递归式特征消除法，重复次剔除待用特征集中重要性最低的若干待用特征，每次剔除后得到对应的一个待选安全生产风险检测预警特征集，次后，得到若干待选安全生产风险检测预警特征集，其中，为整数次的预设剔除次数阈值；
41、s25、通过随机森林法评估各待选安全生产风险检测预警特征集在安全生产风险检测预警训练下的本文档来自技高网...
【技术保护点】
1.一种基于数据分析的安全生产风险检测预警方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于数据分析的安全生产风险检测预警方法，其特征在于，所述S1包括如下步骤：
3.根据权利要求1所述的基于数据分析的安全生产风险检测预警方法，其特征在于，所述S2包括如下步骤：
4.根据权利要求1所述的基于数据分析的安全生产风险检测预警方法，其特征在于，所述S3包括如下步骤：
5.根据权利要求4所述的基于数据分析的安全生产风险检测预警方法，其特征在于，所述S31中对支持向量机进行训练的方法包括如下步骤：
6.一种根据权利要求1-5任意一项的基于数据分析的安全生产风险检测预警方法的预警系统，其特征在于，包括：
【技术特征摘要】
1.一种基于数据分析的安全生产风险检测预警方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于数据分析的安全生产风险检测预警方法，其特征在于，所述s1包括如下步骤：
3.根据权利要求1所述的基于数据分析的安全生产风险检测预警方法，其特征在于，所述s2包括如下步骤：
4.根据权利要求1所述的...
【专利技术属性】
技术研发人员：秦迪梅，王毅，
申请(专利权)人：四川省寰宇众恒科技有限公司，
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。