[发明专利]一种短中长期风险的告警方法及装置

说明书

本发明公开了一种短中长期风险的告警方法及装置，通过词嵌入获取风险告警目标的特征向量，将风险告警目标的特征向量输入卷积神经网络，提取风险告警目标的目标画像特征向量，并根据多次发生风险事故对象在每次发生风险事故时对应的监测数据样本得到时间序列特征向量，采用递归神经网络模型对时间序列特征向量进行递归操作，提取发生风险倾向特征向量，最后将目标画像特征向量与发生风险倾向特征向量进行融合，输入到全连接神经网络模型，预测出风险告警目标对应的风险值，在风险值大于预设的阈值时，发出告警。本发明有效提升了再次发生风险的预测精度，创新了短中长期风险评估方法体系，且促进了短中长期风险评估效率与智能化水平。

技术领域

本申请属于安全生产技术领域，尤其涉及一种短中长期风险的告警方法及装置。

背景技术

安全一直是生产及社会安定的重要环节，不注重安全，往往会带来巨大的代价。安全不仅仅体现在安全生产，还体现在社会生活的方方面面，例如消防安全、交通安全、危险品处理、治安、踩踏事件等等。

“安全第一、预防为主”是我国的安全生产基本方针，如何预警并消除安全隐患，一直是重中之重，安全预警和监督检查工作是“预防为主”的主要手段和措施。

目前对于安全的预警，往往是在事发前根据各个危险源进行预判，在进行预判时很少考虑以前曾经发生的事故对今后二次发生事故的影响，更很少考虑对曾经发生的事故在新的环境下再次发生的情况进行预警。

发明内容

本申请的目的是提供一种短中长期风险的告警方法及装置，克服了现有技术对再次发生风险判断不准确的问题。

为了实现上述目的，本申请技术方案如下：

一种短中长期风险的告警方法，包括：

通过词嵌入获取风险告警目标的特征向量X⁰，将风险告警目标的特征向量X⁰输入卷积神经网络，提取风险告警目标的目标画像特征向量X¹；

获取多次发生风险事故对象在每次发生风险事故时对应的监测数据样本，通过词嵌入得到时间序列特征向量H⁰，采用递归神经网络模型RNN对时间序列特征向量H⁰进行递归操作，提取N次发生风险倾向特征向量H^N；

将目标画像特征向量X¹与N次发生风险倾向特征向量H^N进行融合，将融合特征X²输入到全连接神经网络模型，预测出风险告警目标对应的风险值，在风险值大于预设的阈值时，发出告警。

进一步的，所述将风险告警目标的特征向量X⁰输入卷积神经网络，提取风险告警目标的目标画像特征向量X¹，其数学表达式如下：

X¹＝CNN(X⁰)。

进一步的，所述采用递归神经网络模型RNN对时间序列特征向量H⁰进行递归操作，提取N次发生风险倾向特征向量H^N，其数学表达式如下：

H^N＝RNN(H⁰)。

进一步的，所述将目标画像特征向量X¹与N次发生风险倾向特征向量H^N进行融合，其数学表达式为：

X²＝concat(X¹,H^N)。

进一步的，所述将融合特征X²输入到全连接神经网络模型，预测出风险告警目标对应的风险值，包括：