[發(fā)明專利]基于流程挖掘的風(fēng)險智能預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202310059941.1
• 申請日: 2023-01-16
• 公開（公告）號: CN115952919A
• 公開（公告）日: 2023-04-11
• 發(fā)明（設(shè)計）人: 周學(xué)權(quán);初鈿輝;鄧宇飛;吳吉海;孟凡超;李春山
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（威海）;威海新派信息技術(shù)有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0635;G06Q50/26
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 呂洪娟

本發(fā)明公開了一種基于流程挖掘的風(fēng)險智能預(yù)測方法，所述方法包括如下步驟：步驟一、讀取傳感器實時監(jiān)測數(shù)據(jù)，進行預(yù)處理；步驟二、判定實時監(jiān)測數(shù)據(jù)是否異常及異常等級；步驟三、判斷異常是否為誤報警；步驟四、根據(jù)異常類型生成流程模型候選集；步驟五、根據(jù)異常分級篩選候選集中的流程模型；步驟六、計算篩選后的應(yīng)急管理流程模型適用于當(dāng)前異常的概率；步驟七、對預(yù)測結(jié)果進行排序，發(fā)出預(yù)測預(yù)警。該方法不僅可以通過監(jiān)測數(shù)據(jù)的異常情況發(fā)出預(yù)警，還能夠通過使用流程模型庫和應(yīng)急管理知識庫得到未來可能發(fā)生的事件、險情、傳感器數(shù)值變化及其發(fā)生的概率，甚至對具體情況歷史處理方式及其效果，作為決策支持信息輸出。

技術(shù)領(lǐng)域

本發(fā)明屬于安全生產(chǎn)和應(yīng)急管理技術(shù)領(lǐng)域，涉及一種風(fēng)險預(yù)測方法，具體涉及一種以化工園區(qū)為核心的基于流程挖掘的風(fēng)險智能預(yù)測方法。

背景技術(shù)

截至2020年底，全國重點化工園區(qū)或以石油和化工為主導(dǎo)產(chǎn)業(yè)的工業(yè)園區(qū)共有616家。以傳統(tǒng)園區(qū)為例，園內(nèi)一旦突發(fā)公共事件發(fā)生，上到整體應(yīng)急預(yù)案的制定、下到管理機制和人員管控等多數(shù)工作仍依靠人力完成，難以實現(xiàn)快速管理響應(yīng)及數(shù)據(jù)統(tǒng)計，無法保證信息及時準(zhǔn)確的收集，對于整體事件影響的評估、重建、恢復(fù)產(chǎn)能等方面的建設(shè)并不夠完善，各類應(yīng)急資源配置不合理、應(yīng)急救援能力不強。雖然針對危險化學(xué)品的安全監(jiān)管我國建立了一套自己的法規(guī)體系，并相應(yīng)出臺了一系列危險化學(xué)品的管理規(guī)定和標(biāo)準(zhǔn)，這對有效控制和預(yù)防危險化學(xué)品的危害起到了積極作用，但是我國現(xiàn)行的危險化學(xué)品安全監(jiān)管制度體系已不能適應(yīng)市場經(jīng)濟的需要，制度建設(shè)本身存在著立法滯后、制度體系標(biāo)準(zhǔn)矛盾、與國際不接軌等突出問題。其次，企業(yè)預(yù)防意識薄弱，預(yù)警和監(jiān)控系統(tǒng)不完善。再者，發(fā)生危險化學(xué)品事故時還是處于倉促面對的現(xiàn)象，造成不必要的損失。

風(fēng)險是指在某一特定環(huán)境下，在某一特定時間段內(nèi)，某種損失發(fā)生的可能性。風(fēng)險是由風(fēng)險因素、風(fēng)險事故和風(fēng)險損失等要素組成。風(fēng)險有兩種定義：一種定義強調(diào)了風(fēng)險表現(xiàn)為不確定性；而另一種定義則強調(diào)風(fēng)險表現(xiàn)為損失的不確定性。具體到化工園區(qū)中的風(fēng)險，既有風(fēng)險的不確定性，也有風(fēng)險帶來損失的不確定性，例如化工廢水中有機磷過多會對周圍環(huán)境造成嚴(yán)重的生態(tài)/經(jīng)濟方面的負面影響，但這種超標(biāo)何時發(fā)生與危害的嚴(yán)重性，是不確定的。如果能預(yù)測風(fēng)險，就可以針對具體情況實施降低風(fēng)險發(fā)生概率的具體措施，來降低負面影響，謀求更好的安全水平和經(jīng)濟效益。

風(fēng)險智能預(yù)測是結(jié)合例如流程挖掘等的先進技術(shù)手段進行數(shù)據(jù)處理后輸出決策支持的方法。根據(jù)監(jiān)控監(jiān)測所采集的實時重大應(yīng)急突發(fā)事件信息與同期歷史數(shù)據(jù)，進行智能分析和風(fēng)險識別，對潛在存在風(fēng)險的可能危害范圍及災(zāi)害衍生作出科學(xué)性綜合研判，同時通過圖形化展示功能提供更加精確的預(yù)測、預(yù)警結(jié)果，為應(yīng)急處理爭得先機。這種智能的預(yù)測方法需要結(jié)合流程模型庫、應(yīng)急管理知識庫等模塊，最終以決策支持信息的形式進行輸出。

流程模型庫是指存儲從化工園區(qū)歷史的應(yīng)急處理事件日志中挖掘出應(yīng)急管理預(yù)案流程模型，描述處理過程中處理措施、應(yīng)急資源的配置情況及處理效果等信息的數(shù)據(jù)倉庫。在流程模型庫中可以檢索到不同異常類型(如SO₂泄漏/管道溫度過高)的應(yīng)急管理流程。確定類型后可以根據(jù)該異常的嚴(yán)重程度，例如超標(biāo)濃度的偏差值，進一步檢索符合當(dāng)前異常的流程模型。根據(jù)若干篩選條件，在流程模型庫中最終能確定一個或幾個可能的符合某些要求的應(yīng)急管理流程。應(yīng)急管理知識庫是指存儲化工園區(qū)內(nèi)異常判別、異常事件關(guān)聯(lián)性等知識的數(shù)據(jù)倉庫。從應(yīng)急管理知識庫中可以獲得應(yīng)急管理的知識，例如怎么判斷實時監(jiān)測的數(shù)據(jù)是否異常、數(shù)據(jù)異常的嚴(yán)重程度、針對某種異常某應(yīng)急管理流程適合采用的概率等支持決策的信息。

流程挖掘是指從信息系統(tǒng)收集的實際業(yè)務(wù)執(zhí)行的數(shù)據(jù)中獲取流程知識，并提取結(jié)構(gòu)化流程模型的技術(shù)，可以發(fā)現(xiàn)、監(jiān)控和改進實際的系統(tǒng)行為。α算法是流程挖掘的一個里程碑算法。它通過找出流程中的活動并挖掘日志中的四個基本關(guān)系，即跟隨、并發(fā)、因果和不相關(guān)關(guān)系，來構(gòu)建一個由Petri網(wǎng)表示的流程模型。但由于α算法不能解決噪聲問題和識別異常問題，研究者提出了一系列不同角度的新算法來解決這些問題，如歸納式挖掘算法、啟發(fā)式挖掘算法等。