当前位置:主页 > 科技论文 > 软件论文 >

基于安全隐患智慧管控平台的预警系统的设计与实现

发布时间:2018-05-11 03:28

  本文选题:预警模型 + 支持向量机 ; 参考:《中国科学院大学(中国科学院沈阳计算技术研究所)》2017年硕士论文


【摘要】:国家持续关注企业安全生产基础建设,影响企业安全生产的因素复杂多变且难以控制,从生产、存储到经营运输无不隐患重重,我国由于生产条件不足,从业人员素质良莠不齐,管理制度并不完善等原因,安全生产事故在我国时有发生。因此从源头加强对企业的安全监管,对安全隐患做好预警防范势在必行。没有及时规避安全生产隐患是造成事故频发的主要因素,造成安全生产的隐患的主要因素有生产环境,设备设施,人员行为,安全管理等多个方面。随着互联网技术的持续发展,越来越多的安全生产管理采用信息技术进行信息化改造,运用先进的数据挖掘技术,预警技术,隐患及时预测预判。预警技术就是利用前端采集数据或是数据库已有数据,建立预警模型,对定性的或是定量的结果进行预警分析,对隐患导致的事故进行预警,各种互联网技术的发展,为安全生产预警预防提供了技术支持。本文主要基于上述中实际的需求和研究内容,设计并实现了一整套安全隐患预警系统,根据预警模型研究内容为基础,采用J2EE技术进行系统架构,本文对系统进行了深入研究并按照功能需求,将系统划分为几个模块:数据信息获取模块,主要实现各企业预警指标数据的接入;预警分析模块,主要根据预警规则对接入数据进行预警判断,从而得到预警信息;预警管理模块,主要是通过百度地图技术对预警信息的全面展示并发布;模型预警模块包括预警模型的训练以及模型预警,该模块使用支持向量机多分类模型实现安全等级周期预警,为在控企业提供安全隐患状态预警,基本信息管理主要提供企业信息,预警规则等信息的管理。构建安全生产隐患预警系统对安全监管尤为重要,该系统能够全方位的掌控生产过程中安全状态并对未来的安全状态做出趋势判断,发现安全生产中潜在的各类安全隐患,最终使安全隐患整改率达到100%,企业安全生产隐患管理由被动变成主动的预防预控,具有举足轻重的现实意义和社会价值。
[Abstract]:The state continues to pay attention to the construction of enterprise safety production infrastructure, and the factors affecting enterprise safety production are complex and changeable and difficult to control. From production to storage to operation and transportation, there are numerous hidden dangers. Because of the insufficient production conditions in our country, The quality of employees is mixed, the management system is not perfect and other reasons, safety accidents occur from time to time in our country. Therefore, it is imperative to strengthen the safety supervision of enterprises from the source and to make a good forewarning and prevention of the hidden dangers. Failure to avoid the hidden dangers of production safety is the main factor causing frequent accidents, and the main factors of the hidden dangers of production safety include production environment, equipment and facilities, personnel behavior, safety management and so on. With the continuous development of Internet technology, more and more safety production management uses information technology to carry on the information transformation, uses the advanced data mining technology, the early warning technology, the hidden danger forecast in time anticipates. Early-warning technology is the use of front-end data collection or database data, the establishment of early warning model, qualitative or quantitative results of early warning analysis, the hidden dangers of accidents early warning, various Internet technology development, It provides technical support for early warning and prevention of production safety. Based on the actual requirements and research contents mentioned above, this paper designs and implements a set of early warning system for security hidden dangers. According to the research content of early warning model, the system structure is based on J2EE technology. In this paper, the system is deeply studied and divided into several modules according to the functional requirements: data information acquisition module, which mainly realizes the access of enterprise early-warning index data, early-warning analysis module, According to the rules of early warning, the access data can be judged and early warning information can be obtained, and the early warning management module mainly displays and publishes the early warning information through Baidu map technology. The model early warning module includes the training of the early warning model and the early warning of the model. The module uses the support vector machine multi-classification model to realize the early warning of the security grade cycle, which provides the security hidden danger state early warning for the control enterprise. Basic information management mainly provides enterprise information, warning rules and other information management. It is very important for safety supervision to build a safety hidden danger early warning system. This system can control the safety state in the production process and make a trend judgment on the future safety state, and find out all kinds of potential safety hidden dangers in the safety production. Finally, the rate of rectification and improvement of safety hidden dangers is 100, and the management of hidden dangers of production safety in enterprises has changed from passive to active prevention and control, which has important practical significance and social value.
【学位授予单位】:中国科学院大学(中国科学院沈阳计算技术研究所)
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP311.52;TP277

【参考文献】

相关期刊论文 前10条

1 张全贵;王炳超;李凡;王星;;基于SVM的步态识别方法综述[J];测控技术;2016年08期

2 李洪江;刘栋;;基于交叉验证支持向量机的短期负荷预测[J];云南电力技术;2016年03期

3 张沪寅;屈乾松;胡瑞芸;;基于JSON的数据交换模型[J];计算机工程与设计;2015年12期

4 张道斌;;危化品企业安全生产预警预报体系现状探析[J];安全、健康和环境;2014年11期

5 唐永瑞;张达敏;;基于Ajax与MVC模式的信息系统的研究与设计[J];电子技术应用;2014年02期

6 吉卫卫;谭晓阳;;SVM及其鲁棒性研究[J];电子科技;2012年05期

7 伍聂修;马小明;;基于FAHP的危化品企业安全标准化评价体系研究[J];中国安全生产科学技术;2012年01期

8 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

9 李伟;刘鹏飞;;浅谈Java Socket网络编程[J];科技信息;2009年28期

10 张允刚;刘常春;刘伟;何付志;;基于Socket和多线程的远程监控系统[J];控制工程;2006年02期

相关博士学位论文 前2条

1 刘年平;煤矿安全生产风险预警研究[D];重庆大学;2012年

2 金珠;改进的支持向量机分类算法及其在煤矿人因事故安全评价中的应用[D];中国矿业大学;2011年

相关硕士学位论文 前10条

1 张华鑫;基于支持向量机的文本分类研究[D];西南科技大学;2016年

2 魏云峰;基于支持向量机的高校人才评价系统的设计与实现[D];吉林大学;2016年

3 党光远;钢铁企业安全生产事故风险预警模型研究[D];华北理工大学;2015年

4 朱海;基于关联规则Apriori算法的作业风险预警研究[D];吉林大学;2014年

5 翁华萍;掌上气象预警系统的设计与实现[D];电子科技大学;2014年

6 蒲洪涛;高危企业生产安全监管态势预警技术的研究与实现[D];哈尔滨工业大学;2014年

7 陈栋;多源异构农业感知数据接入系统的设计与实现[D];山东农业大学;2014年

8 王素霞;面向Web应用的报表管理系统生成器的设计与实现[D];中国科学院研究生院(沈阳计算技术研究所);2014年

9 郭伟;IDC管理平台监控预警系统的设计与实现[D];北京交通大学;2013年

10 邓振民;家禽肿瘤性疾病WebGIS预警系统设计与实现[D];山东农业大学;2013年



本文编号:1872226

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1872226.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e261d***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com