危化品重大危险源全流程管控方法、系统、终端及介质与流程

1.本发明涉及重大危险源智慧管理领域，具体为一种危化品重大危险源全流程管控方法、系统、终端及介质。


背景技术：

2.在工业生产环境中，危化品的应用十分广泛，危化品普遍具有毒性、腐蚀性、爆炸隐患、可燃性等特征，当危化品在存储单元内的数量超过临界值的时候，该单元即可被定义为危化品重大危险源。危化品重大危险源的存在对工业生产带来了极大的隐患。
3.目前工业生产环境内存在大量的不安全因素，由于危化品重大危险源名录错综复杂，目前在大部分场景下，仅靠人力无法实现危化品重大危险源的有效判别，同时，对于危化品重大危险源也没有实现全流程管理、展示、分类和预警，不利于管理人员对危化品重大危险源进行实时监管，从而会给工业生产环境带来极大的安全隐患。


技术实现要素：

4.为了克服上述现有技术存在的缺陷，本发明的目的在于提供一种危化品重大危险源全流程管控方法、系统、终端及介质，以解决现有技术中无法对危化品重大危险源进行智慧辨识、监控、纳管和预警的技术问题。
5.本发明是通过以下技术方案来实现：
6.一种危化品重大危险源全流程管控方法，包括如下步骤：
7.步骤1，建立危化品重大危险源标准目录；
8.步骤2，获取危化品数据信息，并结合危化品重大危险源标准目录辨识所获取的危化品是否为重大危险源；
9.步骤3，对辨识为重大危险源的危化品进行全流程监控；
10.步骤4，通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警，实现危化品重大危险源全流程管控工作。
11.优选的，步骤1中，危化品重大危险源标准目录的建立采用自动同步和手动同步两种方式，其中自动同步危化品重大危险源标准目录为调用webapi接口，从危化品重大危险源标准库实时同步危化品重大危险源标准目录、更新危化品重大危险源标准目录，其中包括危化品重大危险源的组分特征和临界量特征；手动同步危化品重大危险源标准目录为对没有收纳进危化品重大危险源标准库中而生产环境确实存在的危化品重大危险源的组分特征和临界量特征进行同步。
12.优选的，步骤2中，建立危化品管理中心，在危化品管理中心内存储危化品数据信息，其中包括危化品名称、危化品组分、危化品存放位置、危化品所属单位。
13.优选的，步骤2中，建立危化品管理中心，在危化品管理中心内获取危化品数据信息，其中包括危化品名称、危化品组分、危化品存放位置、危化品所属单位。
14.优选的，步骤2中，结合危化品重大危险源标准目录对所获取的危化品的辨识过程
如下：
15.若储存单元内存在的危化品为单一品种时，则该危化品的数量m即为总量，若等于或超过相应的临界量m，即m≥m，则认定该存储单元为重大危险源；
16.若储存单元内存在的危化品种类不唯一时，按照如下公式进行计算：
17.k＝m1/m1+m2/m2+
…
+mn/mn18.式中：k为辨识指标；
19.m1，m2，
…
，mn———每种危化品实际存在量，t；
20.m1，m2，
…
，mn———各危化品相对应的临界量，t；
21.当k值大于等于1时，则认定该存储单元为重大危险源。
22.优选的，步骤3中，全流程监控的具体过程如下：
23.步骤31，建立危化品重大危险源入库平台，采集新形成的危化品重大危险源的名称信息、组分信息、存放位置信息和所属单位信息；
24.步骤32，建立危化品重大危险源监控平台，实时采集重大危险源存储单元实时数据，包括储量参数、位置参数、使用频率参数，以数据驱动的形式，利用三维数字孪生技术，构建三维数字孪生模型，并在三维数字孪生模型的基础上展示重大危险源分布；
25.步骤33，建立危化品重大危险源使用平台，采集使用者对属于重大危险源的危化品使用情况信息；
26.步骤34，建立危化品重大危险源销号平台，对于需要销号的危化品重大危险源进行销号处理，其包括销号申请以及销号审批，实现危化品重大危险源销号的电子化审批。
27.优选的，步骤4中，通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警的具体过程如下：
28.步骤41，选取重大危险源的输入特征，输入特征包括储量a、成分b、位置c、存放时间d、使用频率e，输出特征为危险等级y；
29.步骤42，通过插值法构建历史数据矩阵，并引入随机粒子，按照比例将历史数据随机划分为训练集和测试集；其中历史数据矩阵构建如下：
30.输入：输出：
31.其中n＝1，2，...，n，n代表采集的历史数据数量；
32.步骤43，将训练集历史数据进行归一化处理；
33.获取各特征训练集数据的最大值[a
max b
max c
max d
max e
max
]和最小值[a
min b
mincmin d
min e
min
]；
[0034]
将训练集数据按照如下公式进行归一化处理：
[0035][0036]
步骤44，测试集数据以训练集数据的最大值([a
max b
max c
max d
max e
max
])和最小值
([a
min b
min c
min d
min e
min
])为基础，进行归一化处理；
[0037]
步骤45，训练lstm危险性判别模型；
[0038]
步骤46，将实时储量a、成分b、位置c、存放时间d、使用频率e以训练集数据的最大值([a
max b
max c
max d
max e
max
])和最小值([a
min b
min c
min d
min e
min
])为基础，进行归一化处理，后输入至lstm危险性判别模型中实现对重大危险源危险性的判别。
[0039]
优选的，步骤45中，结合贝叶斯优化的lstm危险性判别模型的构建过程如下：
[0040]
lstm危险性判别模型包括输入层、双层lstm网络、全连接层和softmax层；输入数据经过lstm网络处理后，将输出结果输出至全连接层，全连接层根据计算获得特征向量，并将其发送至softmax层，softmax层对特征向量进行分类，获得输入数据对应的危险性；
[0041]
将lstm危险性判别模型利用贝叶斯优化算法进行超参数寻优，梯度下降算法采用adam算法，损失函数采用交叉熵函数，经过寻优可以获取lstm危险性判别模型的超参数；
[0042]
利用贝叶斯优化算法计算的最优超参数对lstm危险性判别模型进行训练，计算得到最终的lstm危险性判别模型。
[0043]
一种危化品重大危险源全流程管控系统，包括
[0044]
标准信息目录构建模块，用于建立危化品重大危险源标准目录；
[0045]
数据辨识模块，用于获取危化品数据信息，并结合危化品重大危险源标准目录辨识所获取的危化品是否为重大危险源；
[0046]
数据监控模块，用于对辨识为重大危险源的危化品数据进行全流程监控；
[0047]
数据分类和预警模块，用于通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警。
[0048]
一种移动终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述一种危化品重大危险源全流程管控方法的步骤。
[0049]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述一种危化品重大危险源全流程管控方法的步骤。
[0050]
与现有技术相比，本发明具有以下有益的技术效果：
[0051]
本发明提供了一种危化品重大危险源全流程管控方法、系统、终端及介质，最大程度提高管理智慧化程度，减少人员成本以及提升安全生产水平，通过建立危化品重大危险源标准目录中心，可以实时从标准库同步危化品重大危险源标准目录，同时本发明提供手动同步方法，可以针对特殊需求进行个性化的标准维护。
[0052]
本发明通过建立重大危险源辨识中心，可以实现危化品的统一纳管，同时根据内置算法，可以对危化品是否为重大危险源进行自动辨识，解决以往依靠人力无法及时、准确、有效判断重大危险源的问题。
[0053]
本发明通过建立危化品重大危险源全流程管控中心，实现危化品重大危险源入库-出库-使用-报废全生命周期电子化管理，同时通过数字孪生可视化技术，将危化品重大危险源位置、储量、危险等级等内容展示出来，实现对危化品重大危险源的实时监控。
[0054]
本发明通过建立危化品重大危险源预警中心，通过训练历史重大危险源数据，实现危化品重大危险源危险性的实时分类，对于危险性大的危化品重大危险源可以及时发出预警，可以有效抑制潜在事故的发生。
附图说明
[0055]
图1为本发明中危化品重大危险源全流程管控方法的流程图；
[0056]
图2为本发明中危化品重大危险源全流程管控系统的结构示意图。
具体实施方式
[0057]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0058]
下面结合附图对本发明做进一步详细描述：
[0059]
本发明的目的在于提供一种危化品重大危险源全流程管控方法、系统、终端及介质，以解决现有技术中无法对重大危险源进行有效管控，存在安全隐患的技术问题。
[0060]
具体的，该危化品重大危险源全流程管控方法，包括如下步骤：
[0061]
步骤1，建立危化品重大危险源标准目录；
[0062]
具体的，危化品重大危险源标准目录的建立采用自动同步和手动同步两种方式，其中自动同步危化品重大危险源标准目录为调用webapi接口，从危化品重大危险源标准库实时同步危化品重大危险源标准目录、更新危化品重大危险源标准目录，其中包括危化品重大危险源的组分特征和临界量特征；手动同步危化品重大危险源标准目录为对没有收纳进危化品重大危险源标准库中而生产环境确实存在的危化品重大危险源的组分特征和临界量特征进行同步。
[0063]
步骤2，获取危化品数据信息，并结合危化品重大危险源标准目录辨识所获取的危化品是否为重大危险源；
[0064]
具体的，建立危化品管理中心，在危化品管理中心内存储危化品数据信息，其中包括危化品名称、危化品组分、危化品存放位置、危化品所属单位。
[0065]
其中，结合危化品重大危险源标准目录对所获取的危化品的辨识过程如下：
[0066]
若储存单元内存在的危化品为单一品种时，则该危化品的数量m即为总量，若等于或超过相应的临界量m，即m≥m，则认定该存储单元为重大危险源；
[0067]
若储存单元内存在的危化品种类不唯一时，按照如下公式进行计算：
[0068]
k＝m1/m1+m2/m2+
…
+mn/mn[0069]
式中：k为辨识指标；
[0070]
m1，m2，
…
，mn———每种危化品实际存在量，t；
[0071]
m1，m2，
…
，mn———各危化品相对应的临界量，t；
[0072]
当k值大于等于1时，则认定该存储单元为重大危险源。
[0073]
步骤3，对辨识为重大危险源的危化品进行全流程监控；
[0074]
具体的，全流程监控的具体过程如下：
[0075]
步骤31，建立危化品重大危险源入库平台，采集新形成的危化品重大危险源的名称信息、组分信息、存放位置信息和所属单位信息；
[0076]
步骤32，建立危化品重大危险源监控平台，实时采集重大危险源存储单元实时数
据，包括储量参数、位置参数、使用频率参数，以数据驱动的形式，利用三维数字孪生技术，构建三维数字孪生模型，并在三维数字孪生模型的基础上展示重大危险源分布；
[0077]
步骤33，建立危化品重大危险源使用平台，采集使用者对属于重大危险源的危化品使用情况信息；
[0078]
步骤34，建立危化品重大危险源销号平台，对于需要销号的危化品重大危险源进行销号处理，其包括销号申请以及销号审批，实现危化品重大危险源销号的电子化审批。
[0079]
步骤4，通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警，实现危化品重大危险源全流程管控工作。
[0080]
具体的，通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警的具体过程如下：
[0081]
步骤41，选取重大危险源的输入特征，输入特征包括储量a、成分b、位置c、存放时间d、使用频率e，输出特征为危险等级y；
[0082]
步骤42，通过插值法构建历史数据矩阵，并引入随机粒子，按照比例将历史数据随机划分为训练集和测试集；其中历史数据矩阵构建如下：
[0083]
输入：输出：
[0084]
其中n＝1，2，...，n，n代表采集的历史数据数量；
[0085]
步骤43.将训练集历史数据进行归一化处理；
[0086]
获取各特征训练集数据的最大值[a
max b
max c
max d
max e
max
]和最小值[a
min b
mincmin d
min e
min
]；
[0087]
将训练集数据按照如下公式进行归一化处理：
[0088][0089]
步骤44，测试集数据以训练集数据的最大值([a
max b
max c
max d
max e
max
])和最小值([a
min b
min c
min d
min e
min
])为基础，进行归一化处理；
[0090]
步骤45，训练lstm危险性判别模型；
[0091]
步骤46，将实时储量a、成分b、位置c、存放时间d、使用频率e以训练集数据的最大值([a
max b
max c
max d
max e
max
])和最小值([a
min b
min c
min d
min e
min
])为基础，进行归一化处理，后输入至lstm危险性判别模型中实现对重大危险源危险性的判别。
[0092]
其中，步骤45中，结合贝叶斯优化的lstm危险性判别模型的构建过程如下：
[0093]
lstm危险性判别模型包括输入层、双层lstm网络、全连接层和softmax层；输入数据经过lstm网络处理后，将输出结果输出至全连接层，全连接层根据计算获得特征向量，并将其发送至softmax层，softmax层对特征向量进行分类，获得输入数据对应的危险性；
[0094]
将lstm危险性判别模型利用贝叶斯优化算法进行超参数寻优，梯度下降算法采用adam算法，损失函数采用交叉熵函数，经过寻优可以获取lstm危险性判别模型的超参数；
[0095]
利用贝叶斯优化算法计算的最优超参数对lstm危险性判别模型进行训练，计算得到最终的lstm危险性判别模型。
[0096]
根据图2所示，本发明还提供了一种危化品重大危险源全流程管控系统，包括标准信息目录构建模块、数据辨识模块、数据监控模块和数据分类和预警模块；
[0097]
标准信息目录构建模块，用于建立危化品重大危险源标准目录；
[0098]
数据辨识模块，用于获取危化品数据信息，并结合危化品重大危险源标准目录辨识所获取的危化品是否为重大危险源；
[0099]
数据监控模块，用于对辨识为重大危险源的危化品数据进行全流程监控；
[0100]
数据分类和预警模块，用于通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警。
[0101]
本发明还提供了一种移动终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如危化品重大危险源全流程管控程序。
[0102]
所述处理器执行所述计算机程序时实现上述危化品重大危险源全流程管控方法的步骤，例如：
[0103]
建立危化品重大危险源标准目录；
[0104]
获取危化品数据信息，并结合危化品重大危险源标准目录辨识所获取的危化品是否为重大危险源；
[0105]
对辨识为重大危险源的危化品进行全流程监控；
[0106]
通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警，实现危化品重大危险源全流程管控工作。
[0107]
或者，所述处理器执行所述计算机程序时实现上述系统中各模块的功能，例如：
[0108]
标准信息目录构建模块，用于建立危化品重大危险源标准目录；
[0109]
数据辨识模块，用于获取危化品数据信息，并结合危化品重大危险源标准目录辨识所获取的危化品是否为重大危险源；
[0110]
数据监控模块，用于对辨识为重大危险源的危化品数据进行全流程监控；
[0111]
数据分类和预警模块，用于通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警。
[0112]
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述移动终端中的执行过程。例如，所述计算机程序可以被分割成标准信息目录构建模块、数据辨识模块、数据监控模块和数据分类和预警模块；各模块具体功能如下：
[0113]
标准信息目录构建模块，用于建立危化品重大危险源标准目录；
[0114]
数据辨识模块，用于获取危化品数据信息，并结合危化品重大危险源标准目录辨识所获取的危化品是否为重大危险源；
[0115]
数据监控模块，用于对辨识为重大危险源的危化品数据进行全流程监控；
[0116]
数据分类和预警模块，用于通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警。
[0117]
所述移动终端可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述移动终端可包括，但不仅限于，处理器、存储器。
[0118]
所述处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述移动中心的控制中心，利用各种接口和线路连接整个移动中心的各个部分。
[0119]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述移动中心的各种功能。
[0120]
所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0121]
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述一种危化品重大危险源全流程管控方法的步骤。
[0122]
所移动终端集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
[0123]
基于这样的理解，本发明实现上述方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述危化品重大危险源全流程管控方法的步骤的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
[0124]
所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。
[0125]
需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0126]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种危化品重大危险源全流程管控方法，其特征在于，包括如下步骤：步骤1，建立危化品重大危险源标准目录；步骤2，获取危化品数据信息，并结合危化品重大危险源标准目录辨识所获取的危化品是否为重大危险源；步骤3，对辨识为重大危险源的危化品进行全流程监控；步骤4，通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警，实现危化品重大危险源全流程管控工作。2.根据权利要求1所述的一种危化品重大危险源全流程管控方法，其特征在于，步骤1中，危化品重大危险源标准目录的建立采用自动同步和手动同步两种方式，其中自动同步危化品重大危险源标准目录为调用webapi接口，从危化品重大危险源标准库实时同步危化品重大危险源标准目录、更新危化品重大危险源标准目录，其中包括危化品重大危险源的组分特征和临界量特征；手动同步危化品重大危险源标准目录为对没有收纳进危化品重大危险源标准库中而生产环境确实存在的危化品重大危险源的组分特征和临界量特征进行同步。3.根据权利要求1所述的一种危化品重大危险源全流程管控方法，其特征在于，步骤2中，建立危化品管理中心，在危化品管理中心内存储危化品数据信息，其中包括危化品名称、危化品组分、危化品存放位置、危化品所属单位。4.根据权利要求1所述的一种危化品重大危险源全流程管控方法，其特征在于，步骤2中，结合危化品重大危险源标准目录对所获取的危化品的辨识过程如下：若储存单元内存在的危化品为单一品种时，则该危化品的数量m即为总量，若等于或超过相应的临界量m，即m≥m，则认定该存储单元为重大危险源；若储存单元内存在的危化品种类不唯一时，按照如下公式进行计算：k＝m1/m1+m2/m2+
…
+m
n
/m
n
式中：k为辨识指标；m1，m2，
…
，m
n
———每种危化品实际存在量，t；m1，m2，
…
，m
n
———各危化品相对应的临界量，t；当k值大于等于1时，则认定该存储单元为重大危险源。5.根据权利要求1所述的一种危化品重大危险源全流程管控方法，其特征在于，步骤3中，全流程监控的具体过程如下：步骤31，建立危化品重大危险源入库平台，采集新形成的危化品重大危险源的名称信息、组分信息、存放位置信息和所属单位信息；步骤32，建立危化品重大危险源监控平台，实时采集重大危险源存储单元实时数据，包括储量参数、位置参数、使用频率参数，以数据驱动的形式，利用三维数字孪生技术，构建三维数字孪生模型，并在三维数字孪生模型的基础上展示重大危险源分布；步骤33，建立危化品重大危险源使用平台，采集使用者对属于重大危险源的危化品使用情况信息；步骤34，建立危化品重大危险源销号平台，对于需要销号的危化品重大危险源进行销号处理，其包括销号申请以及销号审批，实现危化品重大危险源销号的电子化审批。6.根据权利要求1所述的一种危化品重大危险源全流程管控方法，其特征在于，步骤4
中，通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警的具体过程如下：步骤41，选取重大危险源的输入特征，输入特征包括储量a、成分b、位置c、存放时间d、使用频率e，输出特征为危险等级y；步骤42，通过插值法构建历史数据矩阵，并引入随机粒子，按照比例将历史数据随机划分为训练集和测试集；其中历史数据矩阵构建如下：输入：输出：其中n＝1，2，...，n，n代表采集的历史数据数量；步骤43.将训练集历史数据进行归一化处理；获取各特征训练集数据的最大值[a
max b
max c
max d
max e
max
]和最小值[a
min b
min
c
min d
min e
min
]；将训练集数据按照如下公式进行归一化处理：步骤44，测试集数据以训练集数据的最大值([a
max b
max c
max d
max e
max
])和最小值([a
min b
min c
min d
min e
min
])为基础，进行归一化处理；步骤45，训练lstm危险性判别模型；步骤46，将实时储量a、成分b、位置c、存放时间d、使用频率e以训练集数据的最大值([a
max b
max c
max d
max e
max
])和最小值([a
min b
min c
min d
min e
min
])为基础，进行归一化处理，后输入至lstm危险性判别模型中实现对重大危险源危险性的判别。7.根据权利要求6所述的一种危化品重大危险源全流程管控方法，其特征在于，步骤45中，结合贝叶斯优化的lstm危险性判别模型的构建过程如下：lstm危险性判别模型包括输入层、双层lstm网络、全连接层和softmax层；输入数据经过lstm网络处理后，将输出结果输出至全连接层，全连接层根据计算获得特征向量，并将其发送至softmax层，softmax层对特征向量进行分类，获得输入数据对应的危险性；将lstm危险性判别模型利用贝叶斯优化算法进行超参数寻优，梯度下降算法采用adam算法，损失函数采用交叉熵函数，经过寻优可以获取lstm危险性判别模型的超参数；利用贝叶斯优化算法计算的最优超参数对lstm危险性判别模型进行训练，计算得到最终的lstm危险性判别模型。8.一种危化品重大危险源全流程管控系统，其特征在于，包括标准信息目录构建模块，用于建立危化品重大危险源标准目录；数据辨识模块，用于获取危化品数据信息，并结合危化品重大危险源标准目录辨识所获取的危化品是否为重大危险源；数据监控模块，用于对辨识为重大危险源的危化品数据进行全流程监控；
数据分类和预警模块，用于通过建立深度学习模型，对所监控的危化品重大危险源进行分类和预警。9.一种移动终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述一种危化品重大危险源全流程管控方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述一种危化品重大危险源全流程管控方法的步骤。

技术总结
本发明涉及危化品重大危险源智慧管理领域，公开了一种危化品重大危险源全流程管控方法、系统、终端及介质，有效提高危化品重大危险源管理智慧化程度，减少人员成本，提升安全生产水平。本发明通过建立危化品重大危险源标准目录中心、危化品重大危险源辨识中心以及危化品重大危险源全流程监控中心，实现了危化品重大危险源的自动辨识、实时监控和统一纳管，同时依托深度学习模型，对危化品重大危险源危险等级进行判定分类，解决以往依靠人力无法及时、准确、有效管理危化品重大危险源的问题。有效管理危化品重大危险源的问题。有效管理危化品重大危险源的问题。


技术研发人员：王子豪 柴胜凯 杜保华 吴智群 赵威
受保护的技术使用者：西安西热电站信息技术有限公司
技术研发日：2023.06.28
技术公布日：2023/9/7