买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福州无比欢信息科技有限公司

摘要：本发明公开了一种基于人工智能的安全生产事故隐患预警系统，涉及安全生产事故隐患预警技术领域，包括数据收集模块，用于部署传感器实时收集生产环境监测数据和历史数据，预处理数据后将数据整合存储进数据库中，并基于数据库构建知识图谱；异常检测模块，用于根据预处理后的实时监测数据进行异常检测；事故预测模块，用于根据异常检测结果进行事故预测并进行风险评估；应急响应模块，用于生成预警信息并制定应急响应措施。本发明通过构建知识图谱，对实时数据进行异常检测并进行事故预测和风险评估，生成预警信息制定应急措施，能够自动识别和预测事故隐患，提高预警的智能化水平。

主权项：1.基于人工智能的安全生产事故隐患预警系统，其特征在于：包括，数据收集模块，用于部署传感器实时收集生产环境监测数据和历史数据，预处理数据后将数据整合存储进数据库中，并基于数据库构建知识图谱；异常检测模块，用于根据预处理后的实时监测数据进行异常检测；事故预测模块，用于根据异常检测结果进行事故预测并进行风险评估；应急响应模块，用于生成预警信息并制定应急响应措施；评估优化模块，用于评估系统性能并进行优化；所述基于数据库构建知识图谱包括如下步骤，使用BERT模型对历史数据的文本中的关键实体进行识别，并标注实体类型；构建基于注意力机制的神经网络模型进行关系抽取： ，式中，是关系抽取结果向量，是Softmax函数，是文本中关键实体的数量，是权重向量的转置，是双曲正切激活函数，是权重矩阵，是偏置项，是经BERT模型编码后第q个实体的隐藏状态向量，是指在对实体进行编码后得到的第j个实体的隐藏状态向量，是关系抽取任务的权重矩阵，是指数函数；利用图数据库根据提取的实体和关系构建安全生产领域的知识图谱；所述根据预处理后的实时监测数据进行异常检测包括如下步骤，对于实时数据流中的每个数据点，计算数据点的加权移动平均值和加权移动标准差： ，，式中，是包含当前数据点在内的最近N个数据点在第d个特征维度上的加权移动平均值，是第i个数据点权重系数，是第i个数据点在第d个特征维度上的值，是包含当前数据点在内的最近N个数据点在第d个特征维度上的加权移动标准差；分别计算数据的每个维度的异常分数： ，式中，是第t个数据点的综合异常分数，D是数据的特征维度数量，是第t个数据点在第d个特征维度上的值，是加权移动平均值，是加权移动标准差；定义异常阈值为： ，式中，是在时刻t的异常阈值，是第i个数据点的异常检测分数，是异常分数数量，是历史异常分数的移动平均值，是调节因子；将异常阈值与异常检测结果进行对比，判断数据的异常情况，若，则说明数据存在异常，若，则说明数据不存在异常；所述根据异常检测结果进行事故预测并进行风险评估包括如下步骤，使用自编码器提取异常数据的深度特征，使用聚类算法对提取的特征进行分类，通过图神经网络提取知识图谱特征，使用统计方法提取实时数据的向量，综合构建事故预测模型： ，式中，是事故发生的概率，是激活函数，，和分别是与深度聚类结果、图神经网络提取的知识图谱特征和实时数据特征对应的权重向量，是偏置项，表示转置操作；将异常数据输入到事故预测模型中，事故预测模型自动处理输入数据并输出预测事故发生概率；创建风险矩阵，通过知识图谱分析得出事故的严重程度，将事故发生概率和事故的严重程度进行量化，根据两者的组合确定不同的风险等级；计算事故的风险指数： ，式中，是事故的风险指数，是事故发生的概率，是事故的潜在严重性，出，是第l个附加风险因素的权重系数，是第l个附加风险因素的量化值，是附加风险因素的总数，是权重系数；将整体风险指数与风险判断阈值和进行对比判断事故风险等级，其中＜，若小于，则为低风险，若≤＜，则为中风险，若≥，则高风险；所述生成预警信息并制定应急响应措施是指根据风险等级决定预警信息的生成以及制定对应的应急响应措施，若为低风险等级，则不生成预警信息，继续对低风险区域进行日常监控，记录低风险情况的详细信息，定期对低风险区域进行安全检查；若为中风险和高风险等级，则生成预警信息，包括事故类型、风险等级，导致的原因和应对措施，通过通讯网络将预警信息发布给相关的管理人员和操作人员，根据预警信息中的建议措施制定应急响应措施，包括对潜在风险区域进行隔离和安全检查，紧急停机、疏散人员和调整生产参数。

全文数据：

权利要求：

百度查询： 福州无比欢信息科技有限公司 基于人工智能的安全生产事故隐患预警系统