用于安监的政企二级联防预警防控云服务平台的制作方法

：
1.本发明涉及企业安全技术领域，特别涉及一种用于安监的政企二级联防预警防控云服务平台连接以及制备方法。


背景技术：

2.随着经济社会的不断发展，各种生产单位大量涌现，安全生产监管领域日趋广泛，安全生产形势十分严峻，随着重大安全事故的时有发生，对国家和人民的生命财产造成了巨大的损失。
3.但现有的安全生产监管使用无线互联网移动应用还相对比较薄弱，难以实现便携式的移动快速隐患排查及监管，同时各子关系独立运行、无法实现融合，导致出现信息孤岛问题，使得有限的监管力量和量大面广的监管任务之间的矛盾日益突出。
4.因此，面对海量多源数据，如何快速、高效的利用现有人工智能及信息化算法进行孕灾评估，成为重大风险管控的关键所在。


技术实现要素：

5.鉴于此，有必要设计一种用于安监的政企二级联防预警防控云服务平台对企业生产安全进行及时监测以及预警，避免意外的发生。
6.一种用于安监的政企二级联防预警防控云服务平台，其特征在于，包括：构建企业生产工况数据；
7.通过信息感知层采集所述企业生产工况数据的危险源识别数据，对所述危险源识别数据基于多源异构融合，建立危险预警数据；
8.对所述危险预警数据进行危险工况评估；
9.通过数据可视化技术将所述危险工况评估的信息构建成企业以及政府监管两层同时监测的企业安全生产风险工况的评估数据库。
10.优选的，在构建所述生产工况数据时，包括多个监测设备采集生产工况的储存和/或生产中的危险工况。
11.优选的，在所述危险工况中采集多种所述危险源识别数据。
12.优选的，还包括有样本数据库，所述样本数据库包括多种所述危险识别数据。
13.优选的，还包括有数据处理层；所述数据处理层根据所述样本数据库对多种所述危险识别数据进行分析后，建立所述危险预警数据。
14.优选的，在对所述危险预警数据进行危险工况评估时，采用风险控制模块进行评估。
15.优选的，所述风险控制模块包括：多状态识别模块、基于突变理论的预警模块以及危险工况评估专家数据库；
16.所述多状态识别模块、所述基于突变理论的预警模块以及所述危险工况评估专家数据库均对所述危险预警数据中的多种危险识别数据对应进行识别、比对和评估。
17.优选的，还包括有突变模型，所述危险工况的评估的信息根据与所述突变模型进行比对后，构建成所述评估数据库。
18.优选的，所述评估数据库包括有用于预警的企业安全预警的预警模块。
19.优选的，所述企业和所述政府监管通过移动互联网监测所述评估数据库。
20.本发明中，在通过构建评估数据库对企业安全生产风险工况进行及时预警，并企业和政府监管两层同时监测，对工况风险进行把控，防止企业生产过程中的事故的发生。
附图说明：
21.图1为本发明提供的构建企业生产工况数据的流程框图；
22.图2为本发明提供的用于安监的政企二级联防预警防控云服务平台的流程图。
具体实施方式：
23.需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
24.本说明书实施例中的监测通信，例如可以包括近场通信(near field communication，nfc)、wifi、3g/4g/5g、蓝牙、红外、多媒体消息(multimedia message service，mms)等。
25.如附图1中所示，一种用于安监的政企二级联防预警防控云服务平台，包括：构建企业生产工况数据。本技术示例中个构建企业生产工况数据的方式为监测企业中的储存和生产过程中的危险状况，具体采用多个监测设备进行监测。
26.在对企业存储状态进行监测时，采用多个传感器对企业储存状态工况的室温(温度传感器a)、室内气压(压力传感器b)、空气杂质浓度(空气浓度传感器c)、室内空气相对湿度(湿度传感器d)以及室内存储气体浓度(气体浓度传感器e)分别进行监测，获得多源异构数据。
27.另外，在对生产过程中进行监测时，采用信息感知技术对生产过程中的物料性质、工艺参数、安全控制进行监测；从而使企业当中的存储以及生产过程均处于可识别状态。
28.通过以上描述可以看出，多个传感器和信息感知技术，对企业生产当中的存储以及生产进行数据采集，并通过信息感知层对企业生产工况数据通过深度学习数据样本库进行比对，对多种危险源识别数据进行多源异构融合，从而能够获得预警信息。
29.参考图2，信息感知层企业生产工况数据的环境、操作标准等进行采集，并根据多个传感器和信息感知技术反馈回的企业生产工况数据的危险源识别数据进行采集。并根据多个传感器和信息感知技术反馈回的检测信息，在危险工况中采集多种危险源识别数据。
30.随后对多个危险源识别数据基于多源异构融合，建立危险预警数据。通过储存温
度超出设定值、空气杂质浓度超出设定值、室内空气相对湿度超出设定值、室内存储气体浓度超出设定值、生产工艺不符合标准、安全控制操作不当等一系列当中任意一个出现不符合标准值时，均构成危险预警数据。
31.具体在对多项检测超出设定值时，还包括有样本数据库，样本数据库包括多种标准数据。该标准数据为室温、室内气压、空气杂质浓度、室内空气相对湿度以及室内存储气体浓度均处于设定标准范围值，物料性质、工艺参数、安全控制均处于安全、规范范围值中。
32.继续参阅图2，还包括有数据处理层；数据处理层根据样本数据库与多种危险识别数据进行分析后，建立危险预警数据。数据处理层为根据样本数据库内部的多源检测范围值，在与多个传感器和信息感知技术监测到的异常信息后，将采集到的数据建立为危险预警数据。
33.危险预警数据在经过评估后将整个企业工况评估为危险工况。具体的，在对危险预警数据进行危险工况评估时，采用风险控制模块进行评估。
34.风险控制模块包括：多状态识别模块、基于突变理论的预警模块以及危险工况评估专家数据库；多状态识别模块、基于突变理论的预警模块以及危险工况评估专家数据库均对危险预警数据中的多种危险识别数据对应进行识别、比对和评估。
35.随后，通过数据可视化技术将危险工况评估的信息构建成企业以及政府监管两层同时监测的企业安全生产风险工况的评估数据库。评估数据库包括有用于预警的企业安全预警的预警模块。
36.另外，还包括有突变模型，突变模型为储存有应用于企业工况中的突发状况的模型参数。具有根据不同的参数组合描述生产状态、根据不同的突变模型进行数据参比、对企业生产提出预警等方式，危险工况的评估的信息根据与突变模型进行比对后，构建成评估数据库。
37.需要具体说明的，本项目主要目标是搭建基于多源异构数据的重大危险源孕灾及高危生产部门生产与存储等的政企二级联动实时监控，从数据传感识别、数据同构同步、信息论与人工智能集成、融合信息论与ai的集成状态识别算法、基于突变理论的预警及危险工况评估专家数据库建设。另外关于政企二级管理平台建设、后台数据库以及应用示范为具体业务层面工作，其中核心模块主要是基于稀疏编码器和卷积神经网络的数据融合技术、基于克隆和lvq神经网络及突变理论模型。
38.利用克隆选择算法中免疫克隆算法相关理论，在lvq神经网络的网络结构中生成抗体种群，设定并调整参数，形成基于选择克隆算法与学习矢量量化(lvq)神经网络的化工状态辨识算法，在生产与存储等工业化稳定状态向危险警示区演化的过程中，根据不同的参数选择突变理论势函数，分析突变模型的分叉集和平衡曲面图形确定企业生产状态，从而对企业生产风险达到提前预警的效果，最终建立企业安全生产风险工况评估数据库。
39.本发明中，在通过构建评估数据库对企业安全生产风险工况进行及时预警，并企业和政府监管两层同时监测，对工况风险进行把控，防止企业生产过程中的事故的发生。
40.尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。
41.本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有
这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。