多元变量集成的事故动态预警预测方法

    公开(公告)号:CN119005449A

    公开(公告)日:2024-11-22

    申请号:CN202411464877.6

    申请日:2024-10-21

    Abstract: 本发明公开了多元变量集成的事故动态预警预测方法,涉及事故预测技术领域。本发明与之前的事故预测方法相比,解决了如何有效地优化变量选择,提高多变量灰色预测模型的预测精度的问题;通过全排列算法对不同变量组合进行分析,优化变量选择,确保选取的变量组合具有较高的预测精度。引入滚动预测的思路,通过动态更新数据和模型参数,使预测模型能够适应数据的变化,提高了多变量灰色预测模型的精度和适应性;综合考虑多个变量的相互作用,使得预测模型能够更准确地反映复杂系统的变化,提高了事故预测能力,具有较高的实用价值和广阔的应用前景。

    一种基于双超材料的快插型应急油水分离装置

    公开(公告)号:CN119321116A

    公开(公告)日:2025-01-17

    申请号:CN202411397600.6

    申请日:2024-10-09

    Abstract: 本发明公开了一种基于双超材料的快插型应急油水分离装置,涉及环境保护技术领域,本方案能够通过滤膜将油液过滤存储到储油罐内,且随着储油罐内油液增加,油浮随着油液提供的较大浮力,使其带着垂直滑筒向上移动,垂直滑筒向上移动时,基于浮力调节罐处于浸没状态,其油浮以油液为载体提供的较大浮力,使其浮力抵消浮力调节活塞的水压力并向上滑动在浮力调节罐的内壁,浮力调节罐内水体通过过水孔排出,外界的空气通过吸力穿过垂直滑筒进入到浮力调节罐内,使其浮力增加,抵消内部存储的油液重量,该方式能够实现随着油液的增加,自重不断增加,通过油液的量自动控制浮力的大小进而保障持续分离油液过程中滤膜的吃水深度始终处于最佳状态。

    一种基于时序网络分析的化工隐患管理方法与系统

    公开(公告)号:CN119205010A

    公开(公告)日:2024-12-27

    申请号:CN202411256147.7

    申请日:2024-09-09

    Abstract: 本发明公开了一种基于时序网络分析的化工隐患管理方法与系统,涉及隐患管理技术领域。本发明与之前的隐患排查方法相比,解决了传统隐患排查方法依赖人工,现有静态知识图谱及系统存在诸多不足,如无法反映动态特性、缺时序分析等,难以精准判断隐患和提供动态查询服务的问题;对化工企业数据进行建模,并以此构建时序知识图谱,能够记录和分析实体及其关系随时间变化的动态过程,反映数据的动态特性;还根据时序分析及风险点随时间的变化,精确判断可能存在的隐患;还利用复杂网络分析技术对时序知识图谱进行深入分析,并结合动态自动提醒机制,帮助管理者更好地管理和预防安全问题;进一步集成智能问答系统,帮助管理者进行智能化集中管理。

    一种基于机器学习和指标筛选的交通事故损失预测方法

    公开(公告)号:CN119204740A

    公开(公告)日:2024-12-27

    申请号:CN202411301376.6

    申请日:2024-09-18

    Abstract: 本发明公开了一种基于机器学习和指标筛选的交通事故损失预测方法,属于交通事故预测技术领域;本发明基于极度随机树(Extra‑Trees)构建交通事故损失预测模型,通过模型构建和数据训练,针对交通事故损失值进行预测;运用创新的指标筛选方式显著提高了预测精度;通过多次预测验证找到了事故损失的预测精度区间,保证了预测结果的稳定性,在现有预测研究的基础上进一步地提高了预测性能;本发明运用指标降维方法进行两种方式的指标筛选,在降维的过程中提高预测精度。通过对比不同的筛选方式的结果,以预测精度为标准逐步确定多影响指标;建立指标重要性评价体系,从多角度量化计算得出交通运输事故中的重要指标;提出针对性的措施及建议,为行业安全发展提供参考。

    一种基于机器学习和指标筛选的交通事故损失预测方法

    公开(公告)号:CN119204740B

    公开(公告)日:2025-04-15

    申请号:CN202411301376.6

    申请日:2024-09-18

    Abstract: 本发明公开了一种基于机器学习和指标筛选的交通事故损失预测方法,属于交通事故预测技术领域;本发明基于极度随机树(Extra‑Trees)构建交通事故损失预测模型,通过模型构建和数据训练,针对交通事故损失值进行预测;运用创新的指标筛选方式显著提高了预测精度;通过多次预测验证找到了事故损失的预测精度区间,保证了预测结果的稳定性,在现有预测研究的基础上进一步地提高了预测性能;本发明运用指标降维方法进行两种方式的指标筛选,在降维的过程中提高预测精度。通过对比不同的筛选方式的结果,以预测精度为标准逐步确定多影响指标;建立指标重要性评价体系,从多角度量化计算得出交通运输事故中的重要指标;提出针对性的措施及建议,为行业安全发展提供参考。

    一种智能保护的本质安全类焊接装置

    公开(公告)号:CN118682247A

    公开(公告)日:2024-09-24

    申请号:CN202410920009.8

    申请日:2024-07-10

    Abstract: 本发明公开了一种智能保护的本质安全类焊接装置,涉及金属焊接设备技术领域,本方案通过精确控制电弧的稳定性和保护气体的流量,实现了高温合金的高效焊接,利用边缘供电器和断电响应器的设计,自动调节焊接过程中的通断电状态,提高了焊接的安全性。通过光电传感器和气体传感器的联动系统,确保在适宜的条件下启动焊接,并在检测到可燃气体时迅速断电,防止意外发生。焊接过程中,设备能够在垂直和倾斜焊接情况下有效控制焊渣的飞溅,防护套件的灵活设计保证了焊接操作的稳定性和安全性。同时,磁力吸附和橡胶套板的配合增加了设备的适配性,适用于不同形状工件的焊接,进一步提高了使用安全和操作效率。

    一种基于图神经网络的化工企业隐患预测方法及系统

    公开(公告)号:CN118428745A

    公开(公告)日:2024-08-02

    申请号:CN202410891873.X

    申请日:2024-07-04

    Abstract: 本发明公开了一种基于图神经网络的化工企业隐患预测方法及系统,涉及风险预测技术领域。本发明与之前的隐患排查方法相比,解决了现有的隐患排查方法依赖单一数据源和静态数据分析,忽视了风险因素的动态特性,难以全面捕捉潜在隐患和风险;无法及时识别和应对潜在的安全隐患;且依赖人工检查,效率较低的问题;通过构建化工企业的隐患时序知识图谱,整合多源数据,全面记录和分析隐患、风险点和潜在事故之间的动态关系,实现对多源数据的综合利用;同时结合图神经网络技术以及基于数据驱动的概率分数阈值设定方法,进行深度学习和分析,能够显著提高对隐患和风险进行动态预测和评估的准确性;还通过自动化系统减少对人工检查的依赖,提高效率。

Patent Agency Ranking