[發明專利]一種多源異構數據相融合的動態風險評估方法與系統

在審

• 申請號: 202210832176.8
• 申請日: 2022-07-14
• 公開（公告）號: CN115204675A
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 郭飛;孔恒;梁志海;王文正;王富強;王凱麗;韓雪剛;常揚;姚洋;史永杰;張印;王愛新;王昊;張國慶;張天卓;于洋;尤波濤;鄭睿;劉穎;韓春梅
• 申請（專利權）人: 北京市政建設集團有限責任公司;北京高新市政工程科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/00;G06K9/62
• 代理公司: 北京一枝筆知識產權代理事務所(普通合伙) 11791
• 代理人: 張慶瑞

1.一種多源異構數據相融合的動態風險評估方法，其特征在于，包括：

步驟1：獲取各個傳感器在施工現場采集的環境參數信號；

步驟2：對所述環境參數信號進行濾波得到濾波后的環境參數信號；

步驟3：對所述濾波后的環境參數信號進行解析得到環境參數；所述環境參數包括溫度、濕度、一氧化碳濃度、粉塵濃度和硫化氫濃度；

步驟4：根據所述環境參數構建異常值篩選矩陣；

步驟5：利用所述異常值篩選矩陣去除異常值得到多源異構數據融合集；

步驟6：對所述多源異構數據融合集中的數據進行融合得到施工風險評估值；

步驟7：當施工風險評估值大于報警閾值時，發出施工風險預警。

2.如權利要求1所述的一種多源異構數據相融合的動態風險評估方法，其特征在于，所述步驟2：對所述環境參數信號進行濾波得到濾波后的環境參數信號，包括：

步驟2.1：對所述環境參數信號進行小波分解得到多個小波系數；

步驟2.2：根據所述小波系數計算噪聲標準差；其中，所述噪聲標準差計算公式為：

其中，σ_i表示噪聲標準差，median(X_i)表示在第i個分解尺度下高頻小波系數的中值；

步驟2.3：根據所述噪聲標準差構建自調節閾值；

步驟2.4：根據所述自調節閾值構建自調節濾波函數；

步驟2.5：利用所述自調節濾波函數對所述環境參數信號進行濾波得到濾波后的環境參數信號。

3.如權利要求2所述的一種多源異構數據相融合的動態風險評估方法，其特征在于，所述步驟2.3：根據所述噪聲標準差構建自調節閾值，包括：

采用公式：

δ_i＝In(e+2^1-i-1)×σ_i

構建自調節閾值；其中，δ_i表示第i個分解尺度下的自調節閾值。

4.如權利要求3所述的一種多源異構數據相融合的動態風險評估方法，其特征在于，所述步驟2.4：根據所述自調節閾值構建自調節濾波函數，包括：

采用公式：

構建自調節濾波函數；其中，W_δi表示濾波后的小波系數，W_ij表示第i個分解尺度下第j個小波系數，k表示調節因子，T表示自適應系數，取值范圍為[1，3]。

5.如權利要求1所述的一種多源異構數據相融合的動態風險評估方法，其特征在于，所述步驟4：根據所述環境參數構建異常值篩選矩陣，包括：

步驟4.1：根據所述環境參數的方差構建各個傳感器的信任度特征方程；其中，所述信任度特征方程為：

式中，p_i(x/x_i)表示第i個傳感器的信任度特征方程，x_i表示第i個傳感器在t時刻采集的環境參數，σ_i表示傳感器i采集的環境參數的標準差；

步驟4.2：根據所述信任度特征方程構建異常值篩選矩陣。

6.如權利要求5所述的一種多源異構數據相融合的動態風險評估方法，其特征在于，所述步驟4.2：根據所述信任度特征方程構建異常值篩選矩陣，包括：

采用公式：

構建異常值篩選矩陣；其中，表示傳感器i和傳感器j之間的距離測度。

7.如權利要求6所述的一種多源異構數據相融合的動態風險評估方法，其特征在于，所述步驟5：利用所述異常值篩選矩陣去除異常值得到多源異構數據融合集，包括：

步驟5.1：將所述異常值篩選矩陣中大于預設閾值的元素值去除得到可信度矩陣；

步驟5.2：提取出所述可信度矩陣中相應的環境參數得到多源異構數據融合集。