[发明专利]环境安全预测方法、电子装置及存储介质

说明书

本发明提供一种环境安全预测方法，包括：筛选多个预设环境状态下环境数据的有效采集点及有效变化区域；获取位于所述有效采集点及所述有效变化区域的采集装置采集的环境参数及环境参数变化值；将获取的所述环境参数及所述环境参数变化值作为训练集对神经网络模型进行训练，以生成预测模型；将所述采集装置采集的当前环境参数及当前环境参数变化值输入所述预测模型，得到环境特征数据；及根据所述环境特征数据确定当前环境安全的预测结果。本发明还提供一种电子装置及存储介质。本发明基于采集的环境数据进行深度学习训练以建立环境安全预测模型，通过预测模型对环境安全进行预测，有效提高了预测结果的准确性。

技术领域

本发明涉及环境安全管理技术领域，尤其涉及一种环境安全预测方法、电子装置及存储介质。

背景技术

随着工业技术的发展，工业生产环境也趋于复杂化，例如，生产环境的温度变化频繁、有害气体容易扩散等。因此，为保障员工的人身安全，有必要经常对现场环境安全进行评估。现有技术在对环境安全进行评估时，通常通过感测器侦测现场环境数据，例如温度、气体浓度等，然后对侦测到的环境数据进行统计、加权、平均等处理，以评估环境数据的动态变化。然而，由于部署的感测器数量有限，侦测到的环境数据也有限，得到的评估结果容易产生误差，导致环境评估结果与实际情况不符，容易造成环境安全防护过度或不足。

发明内容

鉴于以上内容，有必要提出一种环境安全预测方法、电子装置及存储介质可以根据采集的环境数据建立环境安全预测模型，从而精确预测环境安全。

本发明的第一方面提供一种环境安全预测方法，所述方法包括：

筛选多个预设环境状态下环境数据的有效采集点及有效变化区域；

获取位于所述有效采集点及所述有效变化区域的采集装置采集的环境参数及环境参数变化值；

将获取的所述环境参数及所述环境参数变化值作为训练集对神经网络模型进行训练，以生成预测模型；

将所述采集装置采集的当前环境参数及当前环境参数变化值输入所述预测模型，得到环境特征数据；及

根据所述环境特征数据确定当前环境安全的预测结果。

优选地，所述方法还包括：

根据环境参数最大值及环境参数变化最大值对获取的所述环境参数及所述环境参数变化值进行二值化处理；及

将经过所述二值化处理的所述环境参数及所述环境参数变化值作为训练集输入所述神经网络模型。

优选地，所述将获取的所述环境参数及所述环境参数变化值作为训练集对神经网络模型进行训练，以生成预测模型包括：

将所述环境参数及所述环境参数变化值作为预设的反向传播神经网络模型的输入层；

判断所述预设的反向传播神经网络模型的输出值与期望输出值的误差是否符合第一预设条件；

当所述预设的反向传播神经网络模型的输出值与期望输出值的误差不符合所述第一预设条件时，对所述预设的反向传播神经网络模型的参数进行调整，直至输出值与期望输出值的误差符合所述第一预设条件，以生成所述预测模型。

优选地，所述方法还包括：

将参考环境状态下所述采集装置采集的环境参数及环境参数变化值作为验证集输入所述预测模型；

判断所述预测模型的输出值与期望输出值的误差是否符合第二预设条件；

当所述预测模型的输出值与期望输出值的误差符合所述第二预设条件时，确定所述预测模型通过验证；或

当所述预测模型的输出值与期望输出值的误差不符合所述第二预设条件时，继续对所述神经网络模型进行训练。