System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种智能预警应急管理方法及系统技术方案_技高网

一种智能预警应急管理方法及系统技术方案

技术编号:40232191 阅读:7 留言:0更新日期:2024-02-02 22:33
本发明专利技术涉及智能预警技术领域,尤其是涉及一种智能预警应急管理方法及系统。方法,包括获取在线监测数据;基于深度学习方法构建智能预警分析模型;根据在线监测数据并利用智能预警分析模型,得到预警分析结果。本发明专利技术通过对深度学习神经网络训练后获得深度学习模型,在模型预测过程后,能够实现对监测数据和监控数据的特征分析,从而能够实现提前较长时间预警,且准确性高,能够对灾害起到有效的提前预警。

【技术实现步骤摘要】

本专利技术涉及智能预警,尤其是涉及一种智能预警应急管理方法及系统


技术介绍

1、现有的风险防范化解机制,要坚持从源头上防范化解重大安全风险,要依靠科技,提高应急管理的四化水平,即科学化、专业化、智能化、精细化;同时要重点提升五方面能力:监测预警能力、监管执法能力、辅助指挥决策能力、救援实战能力和社会动员能力 。

2、而加强信息化建设,需要把握互联网规律特点,将大数据、云计算、物联网、人工智能等科技手段与传统手段相结合,推动管理方式变革,提高多灾种和灾害链综合监测、风险早期识别和预报预警能力。

3、然而现有技术中,尚未针对供热、供气、建筑、交通、消防、危化六大行业,围绕关键场所与重点设施,并利用行业风险辨识评估模型,进行风险研判。无法通过试点建设健全公共安全体系,打造共建共治共享的城市安全格局,阻碍全面提高城市安全保障水平的提高,因此亟需一种智能预警应急管理方法及系统。


技术实现思路

1、为了解决上述提到的问题,本专利技术提供一种智能预警应急管理方法及系统。

2、第一方面,本专利技术提供的一种智能预警应急管理方法,采用如下的技术方案:

3、一种智能预警应急管理方法,包括:

4、获取在线监测数据;

5、基于深度学习方法构建智能预警分析模型;

6、根据在线监测数据并利用智能预警分析模型,得到预警分析结果。

7、进一步地,所述在线监测数据包括获取气象、水利、住建相关的监测数据。

8、进一步地,所述在线监测数据包括利用热成像获取无人机和地面高点的监控数据。

9、进一步地,所述构建智能预警分析模型包括基于fast rcnn算法构建深度学习模型。

10、进一步地,所述根据在线监测数据并利用智能预警分析模型,得到预警分析结果,包括基于视频图像处理对监测数据和监控数据进行深度学习,建立与预警分析有关的特征向量集合,并将特征向量集合分为训练集和验证集。

11、进一步地,所述根据在线监测数据并利用智能预警分析模型,得到预警分析结果,还包括利用训练集对智能预警分析模型进行训练,利用验证集对训练结果进行验证,实现对模型的优化迭代。

12、进一步地,所述根据在线监测数据并利用智能预警分析模型,得到预警分析结果,还包括利用智能预警分析模型的卷积层提取训练集的向量特征,通过池化层进行降维后,将得到的数据映射到特征空间,最后经过分类器输出风险等级。

13、第二方面,一种智能预警应急管理系统,包括:

14、数据获取模块,被配置为,获取在线监测数据;

15、模型构建模块,被配置为,基于深度学习方法构建智能预警分析模型;

16、分析模块,被配置为,根据在线监测数据并利用智能预警分析模型,得到预警分析结果。

17、第三方面,本专利技术提供一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的一种智能预警应急管理方法。

18、第四方面,本专利技术提供一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种智能预警应急管理方法。

19、综上所述,本专利技术具有如下的有益技术效果:

20、本专利技术通过对深度学习神经网络训练后获得深度学习模型,在模型预测过程后,能够实现对监测数据和监控数据的特征分析,从而能够实现提前较长时间预警,且准确性高,能够对灾害起到有效的提前预警。

本文档来自技高网...

【技术保护点】

1.一种智能预警应急管理方法,其特征在于,包括:

2.根据权利要求1所述的一种智能预警应急管理方法,其特征在于,所述在线监测数据包括获取气象、水利、住建相关的监测数据。

3.根据权利要求2所述的一种智能预警应急管理方法,其特征在于,所述在线监测数据包括利用热成像获取无人机和地面高点的监控数据。

4.根据权利要求3所述的一种智能预警应急管理方法,其特征在于,所述构建智能预警分析模型包括基于Fast RCNN算法构建深度学习模型。

5.根据权利要求4所述的一种智能预警应急管理方法,其特征在于,所述根据在线监测数据并利用智能预警分析模型,得到预警分析结果,包括基于视频图像处理对监测数据和监控数据进行深度学习,建立与预警分析有关的特征向量集合,并将特征向量集合分为训练集和验证集。

6.根据权利要求5所述的一种智能预警应急管理方法,其特征在于,所述根据在线监测数据并利用智能预警分析模型,得到预警分析结果,还包括利用训练集对智能预警分析模型进行训练,利用验证集对训练结果进行验证,实现对模型的优化迭代。

7.根据权利要求6所述的一种智能预警应急管理方法,其特征在于,所述根据在线监测数据并利用智能预警分析模型,得到预警分析结果,还包括利用智能预警分析模型的卷积层提取训练集的向量特征,通过池化层进行降维后,将得到的数据映射到特征空间,最后经过分类器输出风险等级。

8.一种智能预警应急管理系统,其特征在于,包括:

9.一种计算机可读存储介质,其中存储有多条指令,其特征在于,所述指令适于由终端设备的处理器加载并执行如权利要求1所述的一种智能预警应急管理方法。

10.一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,其特征在于,所述指令适于由处理器加载并执行如权利要求1所述的一种智能预警应急管理方法。

...

【技术特征摘要】

1.一种智能预警应急管理方法,其特征在于,包括:

2.根据权利要求1所述的一种智能预警应急管理方法,其特征在于,所述在线监测数据包括获取气象、水利、住建相关的监测数据。

3.根据权利要求2所述的一种智能预警应急管理方法,其特征在于,所述在线监测数据包括利用热成像获取无人机和地面高点的监控数据。

4.根据权利要求3所述的一种智能预警应急管理方法,其特征在于,所述构建智能预警分析模型包括基于fast rcnn算法构建深度学习模型。

5.根据权利要求4所述的一种智能预警应急管理方法,其特征在于,所述根据在线监测数据并利用智能预警分析模型,得到预警分析结果,包括基于视频图像处理对监测数据和监控数据进行深度学习,建立与预警分析有关的特征向量集合,并将特征向量集合分为训练集和验证集。

6.根据权利要求5所述的一种智能预警应急管理方法,其特征在于,所述根据在线监测数据并利用智...

【专利技术属性】
技术研发人员:张传笙
申请(专利权)人:山东壹品文化科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1