智慧燃气管网可靠性安全监测方法和物联网系统及介质转让专利
申请号 : CN202211561845.9
文献号 : CN115619071B
文献日 : 2023-04-07
发明人 : 邵泽华 , 刘彬 , 权亚强 , 魏小军 , 梁永增
申请人 : 成都秦川物联网科技股份有限公司
摘要 :
权利要求 :
1.一种智慧燃气管网可靠性安全监测方法,其特征在于,基于管网可靠性安全监测物联网系统的智慧燃气管网安全管理平台执行;
所述方法包括:
获取管网节点的可靠性影响特征;所述可靠性影响特征包括内在特征、外界特征中至少一种;所述内在特征包括管网特征、运行特征以及维护特征,所述外界特征包括气候特征和施工特征;
基于所述可靠性影响特征,确定所述管网节点的可靠度;
基于所述管网节点的所述可靠度,确定监测方案;所述监测方案包括需要监测的重点管网节点;
其中,所述可靠度包括内在可靠度和外界可靠度;所述基于所述可靠性影响特征,确定所述管网节点的可靠度包括:基于所述管网节点的内在特征,确定所述管网节点的内在可靠度;
基于所述管网节点的外界特征,将所述管网节点划分到由所述外界特征导致的事故的实例集合中的类中,所述类通过预设聚类算法确定;
基于所述类中的历史实例的外界可靠度加权求和,确定所述管网节点的外界可靠度,所述加权求和的权重正相关于所述类中的历史实例对应的历史数据采集精度;
将发生施工事故的概率作为下降因子,对所述管网节点的外界可靠度进行下降,得到下降后的所述管网节点的外界可靠度,所述发生施工事故的概率基于所述施工特征与异常项集合中的异常项的重合度确定,所述异常项是指将发生施工事故时的经常同时出现的特征构建而成的特征项。
2.根据权利要求1所述的方法,其特征在于,所述获取管网节点的可靠性影响特征包括:基于采集频率获取至少部分所述内在特征;所述采集频率相关于施工的作业频率。
3.根据权利要求1所述的方法,其特征在于,所述重点管网节点满足以下至少之一条件:所述可靠度低于预设可靠度阈值;
可靠度降幅大于预设降幅阈值;所述可靠度降幅为所述管网节点的第一时间点可靠度与第二时间点可靠度的之差;所述第一时间点可靠度、所述第二时间点可靠度分别对应基于所述管网节点在第一时间点的可靠性影响特征确定以及在第二时间点的可靠性影响特征确定;所述第一时间点早于所述第二时间点。
4.根据权利要求1所述的方法,其特征在于,所述管网可靠性安全监测物联网系统还包括:智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网传感网络平台、智慧燃气管网对象平台;
所述智慧燃气管网对象平台用于获取所述管网节点的所述可靠性影响特征,并通过所述智慧燃气管网传感网络平台传递至所述智慧燃气管网安全管理平台;
所述方法还包括:
基于所述智慧燃气服务平台将所述监测方案发送至所述智慧燃气用户平台。
5.一种管网可靠性安全监测物联网系统,其特征在于,包括:智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台、智慧燃气管网对象平台;
所述智慧燃气管网对象平台用于:获取管网节点的可靠性影响特征,并通过所述智慧燃气管网传感网络平台将所述可靠性影响特征传递至所述智慧燃气管网安全管理平台;所述可靠性影响特征包括内在特征、外界特征中至少一种;所述内在特征包括管网特征、运行特征以及维护特征,所述外界特征包括气候特征和施工特征;
所述智慧燃气管网安全管理平台用于:
基于所述可靠性影响特征,确定所述管网节点的可靠度;
基于所述管网节点的所述可靠度,确定监测方案;所述监测方案包括需要监测的重点管网节点;
其中,所述可靠度包括内在可靠度和外界可靠度;所述基于所述可靠性影响特征,确定所述管网节点的可靠度包括:基于所述管网节点的内在特征,确定所述管网节点的内在可靠度;
基于所述管网节点的外界特征,将所述管网节点划分到由所述外界特征导致的事故的实例集合中的类中,所述类通过预设聚类算法确定;
基于所述类中的历史实例的外界可靠度加权求和,确定所述管网节点的外界可靠度,所述加权求和的权重正相关于所述类中的历史实例对应的历史数据采集精度;
将发生施工事故的概率作为下降因子,对所述管网节点的外界可靠度进行下降,得到下降后的所述管网节点的外界可靠度,所述发生施工事故的概率基于所述施工特征与异常项集合中的异常项的重合度确定,所述异常项是指将发生施工事故时的经常同时出现的特征构建而成的特征项;
以及将所述监测方案传递至所述智慧燃气服务平台;
所述智慧燃气服务平台用于通过所述智慧燃气用户平台将所述监测方案反馈至用户。
6.根据权利要求5所述的系统,其特征在于,所述智慧燃气用户平台包括燃气用户分平台、监管用户分平台;
所述智慧燃气服务平台包括与所述燃气用户分平台对应的智慧用气服务分平台、与所述监管用户分平台对应的智慧监管服务分平台;
所述智慧燃气管网安全管理平台包括智慧燃气管网风险评估管理分平台、智慧燃气数据中心;其中,所述智慧燃气管网风险评估管理分平台包括管网基础数据管理模块、管网运行数据管理模块、管网风险评估管理模块;
所述智慧燃气管网传感网络平台包括智慧燃气管网设备传感网络分平台、智慧燃气管网维护工程传感网络分平台;
所述智慧燃气管网对象平台包括智慧燃气管网设备对象分平台、智慧燃气管网维护工程对象分平台。
7.一种计算机可读存储介质,所述存储介质存储计算机指令,其特征在于,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1‑4中任一项所述的智慧燃气管网可靠性安全监测方法。
说明书 :
智慧燃气管网可靠性安全监测方法和物联网系统及介质
技术领域
背景技术
破环(例如,施工等)的频率越来越高,其占燃气管网事故的比例也越来越高。
发明内容
性影响特征;所述可靠性影响特征包括内在特征、外界特征中至少一种;基于所述可靠性影
响特征,确定所述管网节点的可靠度;基于所述管网节点的所述可靠度,确定监测方案;所
述监测方案包括需要监测的重点管网节点。
台、智慧燃气管网对象平台;所述智慧燃气管网对象平台用于:获取管网节点的可靠性影响
特征,并通过所述智慧燃气管网传感网络平台将所述可靠性影响特征传递至所述智慧燃气
管网安全管理平台;所述可靠性影响特征包括内在特征、外界特征中至少一种;所述智慧燃
气管网安全管理平台用于:基于所述可靠性影响特征,确定所述管网节点的可靠度;基于所
述管网节点的所述可靠度,确定监测方案;所述监测方案包括需要监测的重点管网节点;以
及将所述监测方案传递至所述智慧燃气服务平台;所述智慧燃气服务平台用于通过所述智
慧燃气用户平台将所述监测方案反馈至用户。
测方法。
做好应对措施,以避免燃气管网事故的发生,保障燃气管网的安全。
附图说明
中:
具体实施方式
施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附
图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标
号代表相同结构或操作。
则可通过其他表达来替换所述词语。
而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元
素。
处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数
步操作。
板电脑、笔记本电脑、手机等实现数据处理以及数据通信的智能电子设备。
相关数据与燃气问题解决方案,以及发送燃气相关数据查询指令与燃气问题解决方案查询
指令至智慧用气服务分平台;监管用户分平台面向监管用户(如安全监管部门的用户),其
可以用于接收智慧监管服务分平台的发送管网风险提醒信息与监测方案(如管网维护、巡
检、排查策略等),以及发送管网风险评估信息查询指令与监测方案查询指令至智慧监管服
务分平台。
解决方案,以及将燃气问题解决方案发送至智慧燃气用户平台。在一些实施例中,智慧燃气
服务平台可以用于接收智慧燃气用户平台下发的查询指令(如燃气相关数据查询指令、管
网风险评估信息查询指令等),以及发送查询指令至智慧燃气管网安全管理平台的智慧燃
气数据中心。
气数据中心上传的燃气相关数据与燃气问题解决方案,以及将燃气相关数据与燃气问题解
决方案传递至燃气用户分平台;智慧用气服务分平台还可以用于接收燃气用户分平台发送
的燃气相关数据查询指令,并将燃气相关数据查询指令发送至智慧燃气管网安全管理平台
的智慧燃气数据中心。智慧监管服务分平台可以用于接收智慧燃气管网安全管理平台的智
慧燃气数据中心上传的管网风险提醒信息与监测方案,以及将管网风险提醒信息与监测方
案传递至监管用户分平台;智慧监管服务分平台还可以用于接收监管用户分平台发送的管
网风险评估信息查询指令,以及将管网风险评估信息查询指令发送至智慧燃气管网安全管
理平台的智慧燃气数据中心。
智慧燃气管网安全管理平台可以用于接收智慧燃气管网传感网络平台传递的管网节点的
可靠性影响特征(如管网环境、管网压力等),对管网风险进行评估,确定监测方案。
础数据管理模块、管网运行数据管理模块以及管网风险评估管理模块。
管网压力、泄露数据、维护情况等信息。管网风险评估管理模块可以用于基于管网基础数
据、管网运行数据,对管网所受风险进行评估。例如,管网风险评估管理模块可以基于管网
基础数据、管网运行数据,利用预设模型(如机器学习模型等),对管网安全进行风险评估,
并根据风险评估情况进行风险等级划分,结合地理信息系统(Geographic Information
System,GIS)进行不同颜色区分的三维可视化管理。
进行处理,当智慧燃气管网风险评估管理分平台处理完成之后再将数据发送至智慧燃气数
据中心,智慧燃气数据中心对处理后的数据进行汇总、储存后发送至智慧燃气服务平台,并
经由智慧燃气服务平台传递给智慧燃气用户平台。在一些实施例中,智慧燃气数据中心还
可以用于接收智慧燃气服务平台发送的查询指令,并将其下发至智慧燃气管网传感网络平
台。
节点的可靠性影响特征,并将其传递至智慧燃气数据中心。在一些实施例中,智慧燃气管网
传感网络平台可以被配置为通信网络和网关。
平台可以用于接收智慧燃气管网设备对象分平台(如管道等)的管网节点的可靠性影响特
征,并将其发送至智慧燃气数据中心;智慧燃气管网设备传感网络分平台还可以用于接收
智慧燃气数据中心下发的管网节点的可靠性影响特征查询指令,并将其发送至智慧燃气管
网设备对象分平台。智慧燃气管网维护工程传感网络分平台可以用于接收智慧燃气数据中
心下发的远程调度管理信息,并将其传递至智慧燃气管网维护工程对象分平台;智慧燃气
管网维护工程传感网络分平台还可以用于接收智慧燃气管网维护工程对象分平台对于远
程调度管理信息的执行反馈,并将其上传至智慧燃气数据中心。
燃气管网传感网络平台传递至智慧燃气数据中心。在一些实施例中,智慧燃气管网对象平
台可以被配置为各类管网设备。
智慧燃气管网传感网络平台传递的管网节点的可靠性影响特征查询指令,当获取管网节点
的可靠性影响特征后,将其经由智慧燃气管网传感网络平台上传至智慧燃气数据中心。智
慧燃气管网维护工程对象分平台可以基于智慧燃气管网传感网络平台传递的远程调度管
理信息,对管网设备进行相应维护,并将其执行结果经由智慧燃气管网传感网络平台反馈
至智慧燃气数据中心。
气用户平台、智慧燃气服务平台、智慧燃气管网传感网络平台和智慧燃气管网对象平台均
采用多个分平台布置的方法,可以保证不同类型的数据之间的对立性,确保数据分类传输、
溯源以及指令的分类下达和处理,使得物联网结构和数据处理清晰可控,方便了物联网的
管控和数据处理。
员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组
合,或者构成子系统与其他模块连接。在一些实施例中,图1中披露的智慧燃气用户平台、智
慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台、智慧燃气管网
对象平台可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模
块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模
块。诸如此类的变形,均在本说明书的保护范围之内。
安全监测物联网系统的智慧燃气管网安全管理平台执行。
如管道的运行年限、管道的材料、管道的长度等特征。运行特征可以是指管网运行参数,例
如各节点额定流量、气压以及各节点实际的流量、气压等。维护特征可以是指与管网维护相
关的特征,例如检修频率、最近一次检修时间等。关于内在特征的更多内容,可以参见图3及
其相关描述。
度、环境湿度等。施工特征可以是指与外界施工情况相关的特征,例如预期施工进度、实际
施工进度、施工人数、施工范围等。关于外界特征的更多内容,可以参见图3及其相关描述。
网设备对象分平台获取管网节点的可靠性影响特征。智慧燃气管网设备对象分平台可以配
置有管网设备的监测装置,用于获取管网节点的可靠性影响特征。例如,智慧燃气管网设备
对象分平台可以分别采用压力传感器、温度传感器获取燃气管道段内的压力以及燃气管道
周围的环境温度。
方式。在一些实施例中,管网节点的可靠度可以基于0‑100%之间的数值进行表示。在一些实
施例中,管网节点的可靠度还可以基于等级划分进行表示。数值越大或可靠度等级越高,则
表示燃气管网的安全性越高,发生事故的概率就越低。等级划分的规则可以基于实际情况
进行确定。
网节点的可靠度为98%。历史数据可以是包括管网节点的可靠性影响特征的历史所有数据
的集合。
现基于可靠性影响特征,确定管网节点的可靠度。例如,智慧燃气管网风险评估管理分平台
可以通过比较管网节点的可靠性影响特征与参考可靠性影响特征来确定管网节点的可靠
度。参考可靠性影响特征可以是指燃气管网处于安全运行情况下的相关信息。例如,燃气管
网安全运行时的管道内的流量、气压等。与参考可靠性影响特征的相似度越高,则管网节点
的可靠度越高。
重可以基于历史事故中,由于内在因素和外界因素导致的事故数量之比确定。其中,历史事
故可以是过往所有事故的集合。内在因素可以是指与管网自身相关的因素,如管网材料老
化等。外界因素可以是指与管网周围环境有关的因素,如施工深度过深造成的燃气管网破
损等。
网节点的可靠度的具体内容,可以参见图3及其相关描述。
案基础上延长监测周期、增加监测频率等得到的新方案。又例如,当发现上述管网节点的可
靠度呈平稳状态时,对其的监测方案可以是在原监测方案基础上减少监测频率得到的新方
案。在一些实施例中,监测方案可以包括需要监测的重点管网节点。
为54%)时,即可以认为该管网节点为重点管网节点。重点管网节点在后续应用中,比较容易
发生事故,因此需要对其进行重点监测。关于如何确定重点管网节点的更多内容,可以参见
图4及其相关描述。
方案。关于收据采集精度的更多内容,可以参见图5及其相关描述。
响特征后给出监测频率为50次/天,监测周期为1周的监测方案,可以用(50,1)表示。
由智慧燃气管网风险评估管理分平台确定监测方案。其中,智慧燃气管网风险评估管理分
平台可以基于管网节点的可靠度,预设多种监测方案。例如,55%<管网节点的可靠度≤60%
时,对应的监测方案为(20,1);50%<管网节点的可靠度≤55%时,对应的监测方案为(50,1)
等。则基于当前管网节点的可靠度,即可确定其对应的监测方案。
发送至智慧燃气用户平台的监管用户分平台。监管用户可以在智慧燃气用户平台获取监测
方案。
测,可以使监管用户提前做好应对措施,以避免燃气管网事故的发生,保障燃气管网的安
全。
正和改变。然而,这些修正和改变仍在本说明书的范围之内。
现基于内在可靠度和外界可靠度,确定管网节点的可靠度。例如,智慧燃气管网风险评估管
理分平台可以取内在可靠度和外界可靠度的平均值作为管网节点的可靠度。
由人工统计获取。例如,导致事故的原因中内在因素占比60%,外界因素占比40%,则确定内
在可靠度的权重为0.6,外界可靠度的权重为0.4。
存储设备、数据库或传感器获取运行特征。例如,从存储设备或者数据库中直接调取燃气管
网额定的运行参数(如,预先设置的温度、气压参数等),通过传感器获取实际的运行参数
(如,通过流量计获取实际的燃气流量,通过温度计获取实际的温度,通过压力传感器获取
实际的气压等)。在一些实施例中,可以从存储设备或者数据库中直接获取维护特征。例如,
从存储设备或者数据库中直接调取检修频率等。
洞等可能影响管网节点的安全性的施工操作。在一些实施例中,可以通过传感器采集施工
现场信息来确定施工的作业频率。如,通过摄像设备进行图像识别用于确定施工的作业频
率,或者通过录音设备采集现场施工声音用于确定施工的作业频率等。
率。例如,施工的作业频率为0小时/天‑6小时/天,则对应采集频率为1次/周,施工的作业频
率为6小时/天‑12小时/天,则对应采集频率为2次/周,施工的作业频率为12小时/天‑18小
时/天,则对应采集频率为3次/周,施工的作业频率为18小时/天‑24小时/天,则对应采集频
率为4次/周。
集频率为2次/周,则每周2次通过传感器获取实际的运行参数。
网,所以对应的采集频率越高。由此,基于采集频率获取至少部分内在特征可以提高采集数
据的准确性。
及维护特征(如检修频率等)发生事故的概率。内在可靠度越高,则代表燃气管网由于内在
特征发生事故的概率越低。内在可靠度的表示方式可以参见图2中可靠度的表示方式。
其中,历史实例是指历史某个管网节点的数据,历史实例可以包括:发生的事故类型,事故
成因(用于确定事故由内在特征导致还是外界特征导致),发生事故时或发生事故之前某个
时间或时间段的内在特征、外界特征。历史实例可以存储在存储设备或者数据库中。
方法(DBSCAN)等。
合。在由于内在特征导致的事故的实例集合中,通过聚类算法对由于内在特征导致的事故
的实例进行聚类,得到若干个分类。由于内在特征导致的事故的实例可以由内在特征向量
表示,内在特征向量中的元素可以与内在特征的参数值对应。例如,内在特征向量可以为
(a,b,c,d,e,f,g),a可以表示管道的运行年限,b可以表示管道的材料,c可以表示管道的长
度,d可以表示各节点额定流量,e可以表示各节点实际的流量,f可以表示检修频率,g可以
表示最近一次检修时间。在一些实施例中,智慧燃气管网安全管理平台可以通过聚类算法
对内在特征向量的集合进行聚类,并确定各个聚类集合的聚类中心。
实施例中,前述预设聚类中心数量可以根据实际情况设定。
可以通过聚类算法对由于内在特征导致的事故的实例集合进行聚类,确定第一聚类中心集
合。聚类算法可以包括但不限于K‑Means(K均值)聚类和/或基于密度的聚类方法(DBSCAN)
等。
类中心对应的内在特征向量的向量距离确定该新的实例所属的聚类,例如,新的实例可以
属于与其向量距离最小的聚类中心所在的聚类,其中,计算向量距离的方法可以包括但不
限于欧式距离、余弦距离、马氏距离、切比雪夫距离和/或曼哈顿距离等。
特征之间的向量距离,将其划分到离聚类中心距离最近的对应分类中。再基于该类中的历
史实例的内在可靠度,确定内在可靠度。例如,将该类中包含的各个历史实例的内在可靠度
取平均值作为内在可靠度。
历史实例,该历史实例的内在特征对应的时刻为t0,若该历史实例所在的施工现场在t0时
刻的同时(或很短的时间内,如1小时等),发生了由于内在特征导致的事故,那么该历史实
例的内在可靠度可以很低(例如,为0);若该历史实例所在的施工现场隔了很久才发生由于
内在特征导致的事故,甚至一直没发生由于内在特征导致的事故,那该历史实例的内在可
靠度就很高(例如,接近1)。
据采集精度。
采集精度越高,可以设置等级上限,如10级。在一些实施例中,历史数据采集精度可以从数
据采集记录中查询获取,或者从存储历史数据采集精度的存储设备或数据库中调取。
据采集精度为2级,历史实例2的历史数据采集精度为3级,历史实例3的历史数据采集精度
为5级,则历史实例1的内在可靠度权重为0.2,历史实例2的内在可靠度权重为0.3,历史实
例3的内在可靠度权重为0.5。则聚类中的历史实例的内在可靠度为0.2*历史实例1的内在
可靠度+0.3*历史实例2的内在可靠度+0.5*历史实例3的内在可靠度。
数据准确性相关联,也使得确定的内在可靠度更为准确。
气候特征构成的序列。施工特征用于表示与施工相关的特征。例如,预期施工进度、实际施
工进度、施工人数、施工设备、施工范围等,其中施工范围可以包括施工深度与施工面积等。
在一些实施例中,施工特征还包括施工的作业频率。关于施工的作业频率参见上文相关描
述。
可以通过施工队预先报备的信息确定施工特征。例如,施工队预先报备预期施工进度、实际
施工进度、施工人数、施工设备、施工范围等。
的概率。外界可靠度越高,则代表燃气管网由于外界特征发生事故的概率越低。外界可靠度
的表示方式可以参见图2中可靠度的表示方式。
历史实例参见上文相关描述。
的实例集合中,通过聚类算法对由于外界特征导致的事故的实例进行聚类,得到若干个分
类。由于外界特征导致的事故的实例可以由外界特征向量表示,外界特征向量中的元素可
以与外界特征的参数值对应。例如,外界特征向量可以为(a,b,c,d,e,f),a可以表示环境温
度,b可以表示环境湿度,c可以表示预期施工进度,d可以表示实际施工进度,e可以表示施
工人数,f可以表示施工范围。在一些实施例中,智慧燃气管网安全管理平台可以通过聚类
算法对外界特征向量的集合进行聚类,并确定各个聚类集合的聚类中心。在一些实施例中,
上述聚类过程可以在预设聚类中心数量后进行,例如预设2个聚类中心,即将由于外界特征
导致的事故的实例集合中的实例进行聚类得到2个分类。在一些实施例中,前述预设聚类中
心数量可以根据实际情况设定。
可以通过聚类算法对由于外界特征导致的事故的实例集合进行聚类,确定第一聚类中心集
合。聚类算法可以包括但不限于K‑Means(K均值)聚类和/或基于密度的聚类方法(DBSCAN)
等。
类中心对应的外界特征向量的向量距离确定该新的实例所属的聚类,例如,新的实例可以
属于与其向量距离最小的聚类中心所在的聚类,其中,计算向量距离的方法可以包括但不
限于欧式距离、余弦距离、马氏距离、切比雪夫距离和/或曼哈顿距离等。
特征之间的向量距离,将其划分到离聚类中心距离最近的对应分类中。再基于该类中的历
史实例的外界可靠度,确定外界可靠度。例如,将该类中包含的各个历史实例的外界可靠度
取平均值作为外界可靠度。
类似,历史实例的外界可靠度的确定方法可以参见历史实例的内在可靠度的确定方法。
及历史数据采集精度的更多内容参见上文相关描述。
为4级,历史实例5的历史数据采集精度为6级,则历史实例4的外界可靠度权重为0.4,历史
实例5的外界可靠度权重为0.6。则聚类中的历史实例的外界可靠度为0.4*历史实例4的外
界可靠度+0.6*历史实例5的外界可靠度。
数据准确性相关联,也使得确定的外界可靠度更为准确。
全信息表获取施工相关信息,凭施工经验得到发生施工事故的概率。在一些实施例中,可以
将目前的施工特征与历史施工过程中发生事故时的历史施工特征进行比对,基于相似度确
定概率。例如,目前的施工特征与历史施工特征的相似度为50%,则确定发生施工事故的概
率为50%。
行综合考虑。例如,发生施工事故的概率可以作为一个下降因子,对基于历史实例确定的外
界可靠度进行下降,下降幅度可以是预设值,例如,施工事故概率越大下降幅度越大。
特征对应的发生施工事故的概率与历史实例的施工特征对应的发生施工事故的概率之比
正相关。
示实际施工进度,C可以表示施工人数,D可以表示施工设备。则发生施工事故的历史施工特
征(55,45,10,A)则表示预期施工进度为55,实际施工进度45,施工人数为10,施工设备为A。
若发生施工事故1的历史施工特征(55,45,10,A),发生施工事故2的历史施工特征(53,36,
5,B),发生施工事故3的历史施工特征(53,36,5,A),(53,36,5)这个特征项反复同时出现,如出现次数或占比超过阈值,则可以认为(53,36,5)为异常项。
确定该特征项为异常项。出现阈值可以人工指定,如5次等。
征中,也在未发生施工事故的特征中,则该特征项的正向支持度(该特征项在发生施工事故
的施工特征中出现的次数)大于正向支持度阈值,且逆向支持度(该特征项在未发生施工事
故的施工特征中出现的次数)小于逆向支持度阈值时,才确定为异常项。仅作为示例的,当
正向支持度阈值设置为10,逆向支持度阈值设置为5时,若(53,36,5)在发生施工事故的施
工特征中出现的次数的20次,(53,36,5)在未发生施工事故的施工特征中出现的次数的3
次,正向支持度20大于正向支持度阈值10,逆向支持度3小于逆向支持度阈值5,则可以确定
(53,36,5)为异常项。
中出现的频率。
特征项数量确定异常项。其中,第二数据集中每个数据的值指该数据在第一数据集中的出
现的次数。基于第二数据集中每个数据的值确定第三数据集,可以包括确定第二数据集中
数据的值大于支持度的数据,并且确定值大于支持度的数据为第三数据集。在一些实施例
中,可以使用预设算法(如FP‑Growth、Apriori等算法)确定第三数据集。
每相邻的k个元素形成一个k元组,而跟其他因素(例如,时间)无关。例如,当k元组为二元组
时,每2个元素为一组即:“(55,45)”、“(45,10)”、“(10,A)”、“(55,36)”、“(36,5)”、“(5,B)”等。又例如,当k元组为三元组时,每相邻三个元素为一组,即:“(55,45,10)”、“(45,10,A)”、“(55,36,5)”等。第三数据集可以包括所有符合条件的k元组。该条件为k元组在施工特征集
合(即,第一数据集)中出现的次数超过支持度。支持度可以预先设置或采用默认值,例如,
支持度为2,第三数据集可以包括“(55,36)”、“(36,5)”、“(55,36,5)”。在第三数据集中,“(55,36,5)”涵盖的特征项数量最多,所以智慧燃气管网安全管理平台可以确定“(55,36,
5)”为异常项。
作为示例性的,异常项集合中的异常项包括(53,36,5),当前管网节点的施工特征为(50,
30,5,A)时,施工特征中施工人数5与异常项中施工人数5重合,则重合度=1/4,表示为25%。
的概率越高,两者可以是数值相等的关系,也可以是其他正相关关系。
管网节点被确定为重点管网节点。
管网节点被确定为重点管网节点。
提高了判断管网节点的准确性。
如10级。
精度越低。
工事故的关联越密切,即该异常项越容易导致发生施工事故。例如,异常项1的正向支持度
为10,异常项2的正向支持度为5,则相较于异常项2,异常项1更容易导致发生施工事故。关
于正向支持度的更多内容,可以参见图3及其相关描述。
60),异常项2为(20,B,50),异常项3为(80,75,15,B,50),异常项1与当前管网节点的施工特征中的2个特征项相同,则重合度为2/5,表示为40%,异常项2与当前管网节点的施工特征中
的1个特征项相同,则重合度为1/5,表示为20%,异常项3与当前管网节点的施工特征中的4
个特征项相同,则重合度为4/5,表示为80%。异常项3与当前管网节点的施工特征的重合度
(80%)大于重合度阈值(如70%),因此异常项3为与施工特征满足重合度要求的异常项。
据采集精度越大。
的置信度较低。基于异常项的正向支持度确定数据采集精度,能够修正正向支持度较小的
异常项导致可靠度的置信度较低的不利影响,从而提高确定的数据采集精度的准确性。
会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所
以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一
个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个
实施例中的某些特征、结构或特点可以进行适当的组合。
过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说
明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本
说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过
硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设
备上安装所描述的系统。
图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要
求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例
中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点
可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的
方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体
实施例中,此类数值的设定在可行范围内尽可能精确。
不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当
前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、
定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、
定义和/或术语的使用为准。
配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介
绍和描述的实施例。