[发明专利]危化品仓储环境风险预警方法

说明书

本发明提供了一种危化品仓储环境风险预警方法，本发明基于LSTM和/或YOLO的模型精确率高，泛化性强，能够得到极大的应用。解决了危化品仓储因外界环境因素而造成的事故无法提前预警，未来一段时间内危化品的状态因环境变换的变化趋势预测，以及因爆炸、火灾这些不可控因素造成的事故信息无法保存的问题。

技术领域

本发明涉及一种危化品仓储环境风险预警方法。

背景技术

伴随国家科学技术的不断创新，人民日益增长的多样化需求推动了工业化进程，化学品的制造和使用也越来越广泛。市面上经常使用的有7万多种化学品，大部分均为危险化学品(下面简称危化品)。随着对危化品的需求逐步增大，危化品仓储量也在与日俱增，发生危化品事故的事件也随之增加。

目前危化品仓储环境的监管系统主要集中领域在于实时安全监测监控预警系统，如美国Animetrics公司ForensicaGPS分部发布的人脸识别的系统，在监测监控基础上，加上了人脸识别的检测系统，根据人工智能的行为交叉分析，得出监控所在地的安全现状。美国的SecurOSFace系统，主动对比人脸图像以及相关周围影响，判断所应做出的反应，在迅速反应之后，通过有权限人员的联系方式，如内线与网络语音视频、Email、SNS等发送预警或相关指示信息等。这些系统都只能得出事故发生的实时情况，而无法对因为环境因素或危化品状态改变造成的事故危险进行提前预警，而且危化品事故大多为爆炸、火灾等，这类事故经常造成信息无法保存，从而无法分析事故原因。

发明内容

本发明的目的在于提供一种危化品仓储环境风险预警方法。

为解决上述问题，本发明提供一种危化品仓储环境风险预警方法，包括：

步骤1：获取过去一段时间内的危化品仓储环境的数据和危化品本身的数据，并分别对危化品仓储环境的数据和危化品本身的数据进行数据预处理；

步骤2：针对仓储环境建立相应的LSTM预测模型并进行训练，得到训练完成的LSTM预测模型；

步骤3：将数据预处理过的实时的危化品仓储环境的数据和危化品本身的数据放入训练完成的LSTM预测模型，以得出未来一段时间内的预测值；

步骤4：建立危化品安全存储环境因素临界值表，所述危化品安全存储环境因素临界值表用于与得到的未来一段时间内的预测值进行比较，以判断未来一段时间内是否达到危化品发生事故的临界值；

步骤5：如果未来一段时间内的预测值没有达到临界值，则重复步骤1，继续正常检测；如果未来一段时间内的预测值达到临界值，就发出危险事故预警并给出处理建议，并记录预警信息。

进一步的，在上述方法中，步骤1：获取过去一段时间内的危化品仓储环境的数据，并对危化品仓储环境的数据进行数据预处理包括：

步骤1.1：获取危化品仓储环境过去一年内的温湿度值和影响危化品发生事故的因素数据作为过去一段时间内的危化品仓储环境的数据，所述因素数据包括：危化品浓度、PH值、压力值的数据；

步骤1.2：对获取到的危化品仓储环境的数据进行数据清洗处理、格式转换，以筛选掉不可用的危化品仓储环境的数据和危化品本身的数据。

进一步的，在上述方法中，步骤2：对LSTM预测模型并进行训练，得到训练完成的LSTM预测模型包括：

步骤3.1：将数据预处理过的危化品仓储环境的数据和危化品本身的数据输入LSTM模型进行训练，以得到训练结果；

步骤3.2：对训练结果进行误差反向分析，基于所述反向分析调整LSTM预测模型的训练参数，以得到训练完成的LSTM预测模型。

进一步的，在上述方法中，步骤5：如果未来一段时间内的预测值达到临界值，就发出危险事故预警并给出处理建议，并记录预警信息，还包括：