[发明专利]基于应急安全生产的隐患识别方法、设备及介质在审

专利信息
申请号: 202011613793.6 申请日: 2020-12-30
公开(公告)号: CN112862241A 公开(公告)日: 2021-05-28
发明(设计)人: 罗敏静;马超 申请(专利权)人: 广州智能科技发展有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06F16/33;G06Q50/26
代理公司: 广州哲力智享知识产权代理有限公司 44494 代理人: 汤喜友
地址: 510000 广东省广州市天河区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 应急 安全生产 隐患 识别 方法 设备 介质
【说明书】:

发明提供的基于应急安全生产的隐患识别方法,包括分别获取事故案例库中的事故数据和隐患上报库中的隐患数据,事故数据包括事故类型和事故风险因子;根据预设标准隐患词汇将隐患数据进行词向量转换得到含有若干隐患词汇的已转换隐患数据;根据事故类型中每个事故风险因子的占有比例确定每个事故风险因子在事故类型中的事故权重;根据已转换隐患数据中的隐患词汇从事故风险因子专题库中筛选出对应的事故类型和事故权重,将事故权重作为隐患词汇与事故类型对应的事故相似度;将事故相似度排序结果实时推送至监管部门管理后台。本发明的基于应急安全生产的隐患识别方法,降低了事故的发生率,提高了隐患识别的效率,减轻了监管人员的压力。

技术领域

本发明涉及隐患识别领域,尤其涉及基于应急安全生产的隐患识别方法、设备及介质。

背景技术

隐患是指作业场所、设备及设施的不安全状态,人的不安全行为和管理上的缺陷。隐患是引发安全事故的直接原因,重大事故隐患是指可能导致重大人身伤亡或者重大经济损失的事故隐患,因此加强对重大事故隐患的控制管理,对于预防特大安全事故有重要的意义。

目前随着政府监管的监管措施的不断加强以及监管手段不断增加,隐患的收集渠道越来越广,数据量也越来越大,隐患审核流程和督办流程工作量巨大,而现有的对于隐患审核流程和督办流程都是由应急监管人员操作,但是这种人工隐患识别的流程已经完全不能满足强化监管的需要,而且整个识别过程效率较低,识别结果会有误差。

发明内容

为了克服现有技术的不足,本发明的目的之一在于提供基于应急安全生产的隐患识别方法,其能解决人工隐患识别的流程已经完全不能满足强化监管的需要,而且整个识别过程效率较低,识别结果会有误差的问题。

本发明的目的之二在于提供一种电子设备,其能解决人工隐患识别的流程已经完全不能满足强化监管的需要,而且整个识别过程效率较低,识别结果会有误差的问题。

本发明的目的之三在于提供一种计算机可读存储介质,其能解决人工隐患识别的流程已经完全不能满足强化监管的需要,而且整个识别过程效率较低,识别结果会有误差的问题。

本发明的目的之一采用以下技术方案实现:

基于应急安全生产的隐患识别方法,包括以下步骤:

数据采集,分别获取事故案例库中的事故数据和隐患上报库中的隐患数据,所述事故数据包括事故类型和事故风险因子,每个所述事故类型与至少一所述事故风险因子对应;

词向量转换,根据预设标准隐患词汇将所述隐患数据进行词向量转换得到含有若干隐患词汇的已转换隐患数据;

生成事故风险因子专题库,根据所述事故类型中每个所述事故风险因子的占有比例确定每个所述事故风险因子在所述事故类型中的事故权重,将所述事故权重与所述事故风险因子、所述事故类型建立关联并存储得到事故风险因子专题库;

生成事故相似度,根据所述已转换隐患数据中的隐患词汇从所述事故风险因子专题库中筛选出对应的事故类型和所述事故权重,将所述事故权重作为所述隐患词汇与所述事故类型对应的事故相似度;

事故相似度排序,将所有所述隐患词汇对应所述事故相似度由高到低进行排序,得到与每个所述隐患词汇对应的排序序号,将所述排序序号、所述隐患词汇、所述事故相似度建立关联,得到含有所述排序序号、所述隐患词汇、所述事故相似度的事故相似度排序结果;

事故相似度排序结果推送,将所述事故相似度排序结果实时推送至监管部门管理后台。

进一步地,所述生成事故风险因子专题库具体为:利用预设分词模型并采用自然语言处理算法对所述事故数据进行处理,所述预设分词模型根据所述事故类型中每个所述事故风险因子的占有比例输出每个所述事故风险因子在所述事故类型中的事故权重,将所述事故权重与所述事故风险因子、所述事故类型建立关联并存储得到事故风险因子专题库。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州智能科技发展有限公司,未经广州智能科技发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011613793.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top