[发明专利]一种多源异构数据相融合的动态风险评估方法与系统

权利要求书

1.一种多源异构数据相融合的动态风险评估方法，其特征在于，包括：

步骤1：获取各个传感器在施工现场采集的环境参数信号；

步骤2：对所述环境参数信号进行滤波得到滤波后的环境参数信号；

步骤3：对所述滤波后的环境参数信号进行解析得到环境参数；所述环境参数包括温度、湿度、一氧化碳浓度、粉尘浓度和硫化氢浓度；

步骤4：根据所述环境参数构建异常值筛选矩阵；

步骤5：利用所述异常值筛选矩阵去除异常值得到多源异构数据融合集；

步骤6：对所述多源异构数据融合集中的数据进行融合得到施工风险评估值；

步骤7：当施工风险评估值大于报警阈值时，发出施工风险预警。

2.如权利要求1所述的一种多源异构数据相融合的动态风险评估方法，其特征在于，所述步骤2：对所述环境参数信号进行滤波得到滤波后的环境参数信号，包括：

步骤2.1：对所述环境参数信号进行小波分解得到多个小波系数；

步骤2.2：根据所述小波系数计算噪声标准差；其中，所述噪声标准差计算公式为：

其中，σ_i表示噪声标准差，median(X_i)表示在第i个分解尺度下高频小波系数的中值；

步骤2.3：根据所述噪声标准差构建自调节阈值；

步骤2.4：根据所述自调节阈值构建自调节滤波函数；

步骤2.5：利用所述自调节滤波函数对所述环境参数信号进行滤波得到滤波后的环境参数信号。

3.如权利要求2所述的一种多源异构数据相融合的动态风险评估方法，其特征在于，所述步骤2.3：根据所述噪声标准差构建自调节阈值，包括：

采用公式：

δ_i＝In(e+2^1-i-1)×σ_i

构建自调节阈值；其中，δ_i表示第i个分解尺度下的自调节阈值。

4.如权利要求3所述的一种多源异构数据相融合的动态风险评估方法，其特征在于，所述步骤2.4：根据所述自调节阈值构建自调节滤波函数，包括：

采用公式：

构建自调节滤波函数；其中，W_δi表示滤波后的小波系数，W_ij表示第i个分解尺度下第j个小波系数，k表示调节因子，T表示自适应系数，取值范围为[1，3]。

5.如权利要求1所述的一种多源异构数据相融合的动态风险评估方法，其特征在于，所述步骤4：根据所述环境参数构建异常值筛选矩阵，包括：

步骤4.1：根据所述环境参数的方差构建各个传感器的信任度特征方程；其中，所述信任度特征方程为：

式中，p_i(x/x_i)表示第i个传感器的信任度特征方程，x_i表示第i个传感器在t时刻采集的环境参数，σ_i表示传感器i采集的环境参数的标准差；

步骤4.2：根据所述信任度特征方程构建异常值筛选矩阵。

6.如权利要求5所述的一种多源异构数据相融合的动态风险评估方法，其特征在于，所述步骤4.2：根据所述信任度特征方程构建异常值筛选矩阵，包括：

采用公式：

构建异常值筛选矩阵；其中，表示传感器i和传感器j之间的距离测度。

7.如权利要求6所述的一种多源异构数据相融合的动态风险评估方法，其特征在于，所述步骤5：利用所述异常值筛选矩阵去除异常值得到多源异构数据融合集，包括：

步骤5.1：将所述异常值筛选矩阵中大于预设阈值的元素值去除得到可信度矩阵；

步骤5.2：提取出所述可信度矩阵中相应的环境参数得到多源异构数据融合集。