[发明专利]化学品事故分类方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202010061429.7 申请日: 2020-01-19
公开(公告)号: CN111259149A 公开(公告)日: 2020-06-09
发明(设计)人: 师丽;潘世豪 申请(专利权)人: 清华大学
主分类号: G06F16/35 分类号: G06F16/35;G06F16/36;G06F40/289
代理公司: 北京华进京联知识产权代理有限公司 11606 代理人: 朱五云
地址: 100084*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 化学品 事故 分类 方法 装置 计算机 设备 存储 介质
【说明书】:

本申请涉及一种化学品事故分类方法、装置、计算机设备和存储介质。所述方法包括:获取化学品事故信息;采用中文分词算法和危险化学品事故知识图谱对所述化学品事故信息进行去噪和扩充处理,得到预测事故信息;所述危险化学品事故知识图谱包括含有危险化学品领域知识和常识知识的知识图谱;根据所述预测事故信息对应的故障树结合所述预测事故信息,得到所述化学品事故的事故原因;按照所述事故原因对所述化学品事故进行分类,得到所述化学品事故的所属类别。采用本方法能够针对性的得到所述化学品事故的所属类别,无需耗费大量人力物力,避免了单个领域专家知识经验的局限性和主观意识的片面性,从而提高了事故原因分类结果的可信度和可靠性。

技术领域

本申请涉及化学品事故分析技术领域,特别是涉及一种化学品事故分类方法、装置、计算机设备和存储介质。

背景技术

由于危险化学品具有很高的潜在威胁性,一旦发生相关的化工事故,会造成巨大的人员伤亡和财产损失。因此,根据化学品事故信息进行收集和统计分析得到的事故原因分类结果对研究事故规律、减少事故数量、提高事故发生时的应急处置能力和降低事故造成的损失具有重要意义。

目前对于化学品事故的事故原因分类基于传统的故障树分析法。传统的故障树分析法包括两步,第一步需要领域专家从顶层事件出发,逐级分析系统失效的原因,构建得到故障树;第二步需要进一步求解故障树的最小割集,并将所调查具体事故的细节信息与事故树割集进行对比,进而确定事故原因。

而在面对每一起化学品事故均需通过上述分析过程,受不同领域专家主观意识的影响以及专家知识经验的局限性,往往使最终得到的事故原因带有个人偏见和片面性,降低了后续事故原因分类结果的可信度和可靠性。

发明内容

基于此,有必要针对上述技术问题,提供一种化学品事故分类方法、装置、计算机设备和存储介质。

一方面,提供一种化学品事故分类方法,所述方法包括:

获取化学品事故信息;其中,所述化学品事故信息用于表征化学品事故的事故情况;

采用中文分词算法和危险化学品事故知识图谱对所述化学品事故信息进行去噪和扩充处理,得到预测事故信息;其中,所述危险化学品事故知识图谱包括含有危险化学品领域知识和常识知识的知识图谱;

根据所述预测事故信息对应的故障树结合所述预测事故信息,得到所述化学品事故的事故原因;

按照所述事故原因对所述化学品事故进行分类,得到所述化学品事故的所属类别。

在其中一个实施例中,所述采用中文分词算法和危险化学品事故知识图谱对所述化学品事故信息进行去噪和扩充处理,得到预测事故信息,包括:

采用中文分词算法对所述化学品事故信息进行词语分割,得到分词事故信息;其中,所述分词事故信息包括按照在所述化学品事故信息的出现顺序排列的词语;

将所述分词事故信息与所述危险化学品事故知识图谱中的节点进行匹配,得到匹配事故信息;

根据各所述节点的属性和所述节点之间的联系关系对所述匹配事故信息进行歧义消除和信息补全,得到所述预测事故信息;其中,所述节点的属性包括所述节点的所属类型。

在其中一个实施例中,所述根据所述节点的属性和所述节点之间的联系关系对所述匹配事故信息进行歧义消除和信息补全,得到所述预测事故信息,包括:

删除所述匹配事故信息中与所述节点的属性不同的词语含义,并将与目标节点具有直接和间接所述联系关系的所述节点补入所述匹配事故信息中,得到所述预测事故信息;其中,所述目标节点为所述匹配事故信息在所述危险化学品事故知识图谱中对应的所述节点。

在其中一个实施例中,所述根据所述预测事故信息对应的故障树结合所述预测事故信息,得到所述化学品事故的事故原因,包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010061429.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top