[發明專利]一種基于數據復合多級綜合管廊風險管控方法及方法

在審

• 申請號: 202011376844.8
• 申請日: 2020-12-01
• 公開（公告）號: CN113326964A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 王祥軻;趙青松;張文超;王文娟;王凱;劉安愿;暢佳寧;戶靜雅
• 申請（專利權）人: 河南匯祥通信設備有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/08;G06N3/04;G06N3/08;G06F16/29;G06T17/00
• 代理公司: 鄭州銀河專利代理有限公司 41158
• 代理人: 嚴艷麗

1.一種基于數據復合多級綜合管廊風險管控方法，其特征在于：所述的基于數據復合多級綜合管廊風險管控方法包括以下步驟：

S1，構建數據采集網絡，首先構建一個基于BP神經網絡風險管控綜合服務平臺，然后由基于BP神經網絡風險管控綜合服務平臺通過市政規劃資料庫、地質結構數據、管廊建筑結構圖及管廊內部設備布局結構圖，然后分別根據管廊建筑內部建筑結構、管廊建筑內部設備分布結構及類型、管廊建筑外部對應地質結構及地質結構中形變帶分布位置、管廊建筑對應地表及地下城市建筑及設施分布位置設定若干風險管控信息采集節點，并將各信息采集節點的三維坐標錄入到基于BP神經網絡風險管控綜合服務平臺中，然后為各信息采集節點分別設置一個固定風險信息數據采集終端，同時以直線距離50—500米為檢測單位，將該距離范圍內的各固定風險信息數據采集終端構成一個移動檢測組，并為每個移動檢測組中設置至少一個風險移動監控終端，最后將各固定風險信息數據采集終端和風險移動監控終端通過通訊網路與基于BP神經網絡風險管控綜合服務平臺建立連接，并將各固定風險信息數據采集終端和風險移動監控終端的自的硬件識別號和軟件版本號進行匯編，得到相應固定風險信息數據采集終端和風險移動監控終端的設備身份識別信息，并將各設備身份識別信息在基于BP神經網絡風險管控綜合服務平臺中保存，并通過基于BP神經網絡風險管控綜合服務平臺為各固定風險信息數據采集終端和風險移動監控終端分配獨立數據尋址地址，從而完成數據采集網絡構建；

S2，三維建模，完成S1步驟后，由基于BP神經網絡風險管控綜合服務平臺根據S1步驟獲取的管廊相關數據及設備數據，首先利用BIM對光纜系統及其內部及外部的設施和地址結構進行三維建模，獲得整體的電子地圖模型，然后通過GIS系統對三維模型信息數據庫中各坐標點進行渲染賦值，從而獲得當前管廊系統三維模型數據庫，并在當前管廊系統三維模型數據庫中對各風險管控信息采集節點坐標，及各坐標位置的固定風險信息數據采集終端和風險移動監控終端信息進行同步標，最后通過基于BP神經網絡風險管控綜合服務平臺對各固定風險信息數據采集終端和風險移動監控終端信息運行狀態、數據采集靈敏度及數據采集范圍值進行賦值設定，并將各賦值數據保存在基于BP神經網絡風險管控綜合服務平臺中備用；

S3，系統訓練，完成S2步驟后，將在基于BP神經網絡風險管控綜合服務平臺中錄入中錄入相關預設的管廊運行風險事件及相應的風險事件應急處理管理辦法，然后利用基于LSTM的智能預測系統為基礎的和深度學習神經網絡系統，對錄入的管廊運行風險事件及相應的風險事件應急處理管理辦法進行學習，并根據學習結果BP神經網絡進行訓練，形成管廊系統風險評估判斷邏輯，并生成風險管控數據匯總列表，同時根據風險時間對管廊系統運行安全性的危害，進行處理優先級劃分，并根據優先級對風險管控數據匯總列表中數據進行排序；

S4，風險管控，完成S3步驟后即可進行管廊風險監控及評估作業，在風險監控及評估作業中，一方面通過各固定風險信息數據采集終端同時對各風險管控信息采集節點，持續對光纜系統建筑結構、管廊內部設備運行狀態及管廊系統周邊的地質結構形變及地表市政建筑設備的變化情況24小時連續監控，另一方面驅動各檢測單位中以5—30分鐘/次的頻率對各監控單元進行定期巡邏，同時將各固定風險信息數據采集終端和各風險移動監控終端采集數據同步輸送至基于BP神經網絡風險管控綜合服務平臺中并保存備用，同時將數據在保存的同時生成同步映射數據，然后將同步映射數據帶入到BP神經網絡中，由BP神經網絡對采集數據進行運算，并將運算后的風險隱患及風險威脅等級根據S3步驟中風險管控數據匯總列表進行評價，然后將評價結果及發生風險事件位置，通過匯編后在管廊系統三維模型中進行突出顯示，同時通過基于BP神經網絡風險管控綜合服務平臺對輸出風險事件處理推薦方案；并直至相應固定風險信息數據采集終端和各風險移動監控終端采集數據恢復正常后消除報警，并將風險事故發生、處置過程及處置信息在BP神經網絡風險管控綜合服務平臺中保存；

S5，系統拓展，在S4步驟過程中，同時基于BP神經網絡風險管控綜合服務平臺定期進行系統拓展及更新，其中系統拓展及更新分為主動更新及被動更新，其中：

主動更新，在完成風險事件處置后，將保存的的風險事件處置方法及處置結果數據生成映射文件，然后將映射文件帶入到S2步驟中，通過LSTM的智能預測系統為基礎的、深度學習神經網絡系統及BP神經網絡進行進一步學習及邏輯運算，并將實際發生風險事件數據通過學習納入到風險管控數據匯總列表中，并對風險管控數據匯總列表數據進行更新；

被動更新，在S4步驟過程中采集的數據超出S3步驟中預訓練時采用的基礎數據時，將新采集的數據直接代入到LSTM的智能預測系統為基礎的、深度學習神經網絡系統中進行運算，并通過運算結果對BP神經網絡進行培訓學習，使BP神經網絡根據初始培訓學習形成的風險事件處理邏輯，對超出基礎數據部分的風險事件生成相應的風險預判及風險等級匯編，并將風險預判及等級預判結果發送至風險管控數據匯總列表，從而實現對風險管控數據匯總列表進行數據更新。