一种多源异构数据相融合的动态风险评估方法与系统与流程

1.本发明属于施工预警技术领域，更具体地说，是涉及一种多源异构数据相融合的动态风险评估方法与系统。


背景技术：

2.近年来，随着经济和社会发展，基建行业在我国国民经济中地位日益提高，然而基建施工现场作为施工生产因素的集中实施场所，其作业环境时刻发生变化，存在较大的安全隐患。一方面，基建施工现场的场地环境条件复杂多变，且存在大量的露天作业和高处作业；施工作业过程中涉及了施工构件、施工机械、操作设备、运输车辆等多种作业流程，当前技术条件难以对现场环境中存在的各种不安全因素进行有效的识别、跟踪和监控。另一方面，施工人员密集众多，人员流动性大，施工过程中还会涉及到多工种综合性交叉作业以及大型机械设备的操作，机械施工与手工操作同时存在。
3.随着计算机行业的不断发展，通过放置单一传感器，对危险区域人员进行检测和预警已经应用于大多数危险作业的行业；然而，上述技术仅能对施工现场的局部进行预警，且预警精度也不高。


技术实现要素：

4.本发明的目的在于提供一种多源异构数据相融合的动态风险评估方法与系统，旨在解决施工现场预警效果差的问题。
5.为实现上述目的，本发明采用的技术方案是：一种多源异构数据相融合的动态风险评估方法，包括：
6.步骤1：获取各个传感器在施工现场采集的环境参数信号；
7.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；
8.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；
9.步骤4：根据所述环境参数构建异常值筛选矩阵；
10.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；
11.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；
12.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。
13.优选的，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：
14.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；
15.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：
[0016][0017]
其中，σi表示噪声标准差，median(xi)表示在第i个分解尺度下高频小波系数的中
值；
[0018]
步骤2.3：根据所述噪声标准差构建自调节阈值；
[0019]
步骤2.4：根据所述自调节阈值构建自调节滤波函数；
[0020]
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。
[0021]
优选的，所述步骤2.3：根据所述噪声标准差构建自调节阈值，包括：
[0022]
采用公式：
[0023]
δi＝in(e+2
1-i-1)
×
σi[0024]
构建自调节阈值；其中，δi表示第i个分解尺度下的自调节阈值。
[0025]
优选的，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：
[0026]
采用公式：
[0027][0028]
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]。
[0029]
优选的，所述步骤4：根据所述环境参数构建异常值筛选矩阵，包括：
[0030]
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：
[0031][0032]
式中，pi(x/xi)表示第i个传感器的信任度特征方程，xi表示第i个传感器在t时刻采集的环境参数，σi表示传感器i采集的环境参数的标准差；
[0033]
步骤4.2：根据所述信任度特征方程构建异常值筛选矩阵。
[0034]
优选的，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：
[0035]
采用公式：
[0036][0037]
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。
[0038]
优选的，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：
[0039]
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；
[0040]
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。
[0041]
优选的，所述步骤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，包括：
[0042]
采用公式：
[0043][0044]
对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；其中，表示施工风险评估值，wi表示第i个传感器的融合权值，xi表示多源异构数据融合集中的第i个传感器采集的数据。
[0045]
本发明还提供了一种多源异构数据相融合的动态风险评估系统，包括：
[0046]
环境参数信号获取模块，用于获取各个传感器在施工现场采集的环境参数信号；
[0047]
滤波模块，用于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；
[0048]
环境参数解析模块，用于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；
[0049]
筛选矩阵构建模块，用于根据所述环境参数构建异常值筛选矩阵；
[0050]
数据融合集筛选模块，用于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；
[0051]
融合模块，用于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；
[0052]
预警模块，用于当施工风险评估值大于报警阈值时，发出施工风险预警。
[0053]
优选的，所述滤波模块，包括：
[0054]
小波分解单元，用于对所述环境参数信号进行小波分解得到多个小波系数；
[0055]
噪声标准差计算单元，用于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：
[0056][0057]
其中，σi表示噪声标准差，median(xi)表示在第i个分解尺度下高频小波系数的中值；
[0058]
自调节阈值构建单元，用于根据所述噪声标准差构建自调节阈值；
[0059]
自调节滤波函数构建单元，用于根据所述自调节阈值构建自调节滤波函数；
[0060]
滤波单元，用于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。
[0061]
本发明提供的一种多源异构数据相融合的动态风险评估方法与系统的有益效果在于：与现有技术相比，本发明通过对滤波后的环境参数信号进行解析得到环境参数可以使传感器采集到的环境参数更加准确，然后基于多源异构数据融合集对所有的环境参数进行融合得到施工风险评估值，可以综合多种因素提高报警信息的准确性。
附图说明
[0062]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0063]
图1为本发明实施例提供的一种多源异构数据相融合的动态风险评估方法流程图；
[0064]
图2为本发明实施例提供的一种多源异构数据相融合的动态风险评估系统原理图。
具体实施方式
[0065]
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0066]
本发明的目的在于提供一种多源异构数据相融合的动态风险评估方法与系统，旨在解决施工现场预警效果差的问题。
[0067]
请参阅图1，一种多源异构数据相融合的动态风险评估方法，包括：
[0068]
步骤1：获取各个传感器在施工现场采集的环境参数信号；
[0069]
在实际应用中，本发明首先需要在施工现场布置多个传感器用来采集不同的环境参数信号，然后通过无线传输的方式将其上传到上位机。
[0070]
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；
[0071]
由于本发明的环境参数信号是通过无线通信的方式获取的，因此容易受到外界的电磁干扰，为了保证环境参数的准确性，本发明需要对环境参数信号进行滤波处理。
[0072]
进一步的，步骤2包括：
[0073]
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；
[0074]
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：
[0075][0076]
其中，σi表示噪声标准差，median(xi)表示在第i个分解尺度下高频小波系数的中值；
[0077]
步骤2.3：根据所述噪声标准差构建自调节阈值；
[0078]
小波阈值的取值对最后去噪效果有着重要影响，小波阈值应该能够最大程度上分离噪声和原始信号的小波系数。随着小波分解层数增加，噪声所在的小波系数区域应该逐渐减小,在较高层次分解的小波系数大部分都是来自原始信号。因此本发明基于分解尺度构建了自调节阈值，其具体过程如下：
[0079]
具体的，所述步骤2.3包括：
[0080]
采用公式：
[0081]
δi＝in(e+2
1-i-1)
×
σi[0082]
构建自调节阈值；其中，δi表示第i个分解尺度下的自调节阈值。
[0083]
步骤2.4：根据所述自调节阈值构建自调节滤波函数；其中，自调节滤波函数为：
[0084][0085]
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]。
[0086]
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。
[0087]
本发明通过利用自调节滤波函数，对每一尺度下的小波系数进行自调节阈值变换，这样可以对每一尺度下的小波系数进行筛选使得最终的环境参数更加精准。
[0088]
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；
[0089]
步骤4：根据所述环境参数构建异常值筛选矩阵；
[0090]
进一步的，所述步骤4包括：
[0091]
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：
[0092][0093]
式中，pi(x/xi)表示第i个传感器的信任度特征方程，xi表示第i个传感器在t时刻采集的环境参数，σi表示传感器i采集的环境参数的标准差；
[0094]
步骤4.2：根据所述信任度特征方程构建异常值筛选矩阵。在本发明实施例中，异常值筛选矩阵为：
[0095][0096]
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。
[0097]
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；
[0098]
具体的，所述步骤5包括：
[0099]
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；
[0100]
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。
[0101]
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；需要说明的是，本发明可采用公式：
[0102][0103]
对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；其中，表示施工风险评估值，wi表示第i个传感器的融合权值，xi表示多源异构数据融合集中的第i个传感器采集的数据。进一步的，本发明中的融合权值可根据同源传感器采集的方差值确定，一般的当方差值越小时，融合权值就会变大。
[0104]
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。
[0105]
本发明通过对滤波后的环境参数信号进行解析得到环境参数可以使传感器采集到的环境参数更加准确，然后基于多源异构数据融合集对所有的环境参数进行融合得到施工风险评估值，可以综合多种因素提高报警信息的准确性。
[0106]
请参阅图2，本发明还提供了一种多源异构数据相融合的动态风险评估系统，包括：
[0107]
环境参数信号获取模块，用于获取各个传感器在施工现场采集的环境参数信号；
[0108]
滤波模块，用于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；
[0109]
环境参数解析模块，用于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；
[0110]
筛选矩阵构建模块，用于根据所述环境参数构建异常值筛选矩阵；
[0111]
数据融合集筛选模块，用于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；
[0112]
融合模块，用于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；
[0113]
预警模块，用于当施工风险评估值大于报警阈值时，发出施工风险预警。
[0114]
优选的，所述滤波模块，包括：
[0115]
小波分解单元，用于对所述环境参数信号进行小波分解得到多个小波系数；
[0116]
噪声标准差计算单元，用于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：
[0117][0118]
其中，σi表示噪声标准差，median(xi)表示在第i个分解尺度下高频小波系数的中值；
[0119]
自调节阈值构建单元，用于根据所述噪声标准差构建自调节阈值；
[0120]
自调节滤波函数构建单元，用于根据所述自调节阈值构建自调节滤波函数；
[0121]
滤波单元，用于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。
[0122]
本发明提供的一种多源异构数据相融合的动态风险评估方法与系统的有益效果在于：与现有技术相比，本发明通过对滤波后的环境参数信号进行解析得到环境参数可以使传感器采集到的环境参数更加准确，然后基于多源异构数据融合集对所有的环境参数进行融合得到施工风险评估值，可以综合多种因素提高报警信息的准确性。
[0123]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精
神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。