本文選題：預(yù)警模型 + 支持向量機(jī)　； 參考：《中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所)》2017年碩士論文

【摘要】：國(guó)家持續(xù)關(guān)注企業(yè)安全生產(chǎn)基礎(chǔ)建設(shè),影響企業(yè)安全生產(chǎn)的因素復(fù)雜多變且難以控制,從生產(chǎn)、存儲(chǔ)到經(jīng)營(yíng)運(yùn)輸無(wú)不隱患重重,我國(guó)由于生產(chǎn)條件不足,從業(yè)人員素質(zhì)良莠不齊,管理制度并不完善等原因,安全生產(chǎn)事故在我國(guó)時(shí)有發(fā)生。因此從源頭加強(qiáng)對(duì)企業(yè)的安全監(jiān)管,對(duì)安全隱患做好預(yù)警防范勢(shì)在必行。沒(méi)有及時(shí)規(guī)避安全生產(chǎn)隱患是造成事故頻發(fā)的主要因素,造成安全生產(chǎn)的隱患的主要因素有生產(chǎn)環(huán)境,設(shè)備設(shè)施,人員行為,安全管理等多個(gè)方面。隨著互聯(lián)網(wǎng)技術(shù)的持續(xù)發(fā)展,越來(lái)越多的安全生產(chǎn)管理采用信息技術(shù)進(jìn)行信息化改造,運(yùn)用先進(jìn)的數(shù)據(jù)挖掘技術(shù),預(yù)警技術(shù),隱患及時(shí)預(yù)測(cè)預(yù)判。預(yù)警技術(shù)就是利用前端采集數(shù)據(jù)或是數(shù)據(jù)庫(kù)已有數(shù)據(jù),建立預(yù)警模型,對(duì)定性的或是定量的結(jié)果進(jìn)行預(yù)警分析,對(duì)隱患導(dǎo)致的事故進(jìn)行預(yù)警,各種互聯(lián)網(wǎng)技術(shù)的發(fā)展,為安全生產(chǎn)預(yù)警預(yù)防提供了技術(shù)支持。本文主要基于上述中實(shí)際的需求和研究?jī)?nèi)容,設(shè)計(jì)并實(shí)現(xiàn)了一整套安全隱患預(yù)警系統(tǒng),根據(jù)預(yù)警模型研究?jī)?nèi)容為基礎(chǔ),采用J2EE技術(shù)進(jìn)行系統(tǒng)架構(gòu),本文對(duì)系統(tǒng)進(jìn)行了深入研究并按照功能需求,將系統(tǒng)劃分為幾個(gè)模塊:數(shù)據(jù)信息獲取模塊,主要實(shí)現(xiàn)各企業(yè)預(yù)警指標(biāo)數(shù)據(jù)的接入;預(yù)警分析模塊,主要根據(jù)預(yù)警規(guī)則對(duì)接入數(shù)據(jù)進(jìn)行預(yù)警判斷,從而得到預(yù)警信息;預(yù)警管理模塊,主要是通過(guò)百度地圖技術(shù)對(duì)預(yù)警信息的全面展示并發(fā)布;模型預(yù)警模塊包括預(yù)警模型的訓(xùn)練以及模型預(yù)警,該模塊使用支持向量機(jī)多分類模型實(shí)現(xiàn)安全等級(jí)周期預(yù)警,為在控企業(yè)提供安全隱患狀態(tài)預(yù)警,基本信息管理主要提供企業(yè)信息,預(yù)警規(guī)則等信息的管理。構(gòu)建安全生產(chǎn)隱患預(yù)警系統(tǒng)對(duì)安全監(jiān)管尤為重要,該系統(tǒng)能夠全方位的掌控生產(chǎn)過(guò)程中安全狀態(tài)并對(duì)未來(lái)的安全狀態(tài)做出趨勢(shì)判斷,發(fā)現(xiàn)安全生產(chǎn)中潛在的各類安全隱患,最終使安全隱患整改率達(dá)到100%,企業(yè)安全生產(chǎn)隱患管理由被動(dòng)變成主動(dòng)的預(yù)防預(yù)控,具有舉足輕重的現(xiàn)實(shí)意義和社會(huì)價(jià)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.
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP311.52;TP277

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張全貴;王炳超;李凡;王星;;基于SVM的步態(tài)識(shí)別方法綜述[J];測(cè)控技術(shù);2016年08期

2 李洪江;劉棟;;基于交叉驗(yàn)證支持向量機(jī)的短期負(fù)荷預(yù)測(cè)[J];云南電力技術(shù);2016年03期

3 張滬寅;屈乾松;胡瑞蕓;;基于JSON的數(shù)據(jù)交換模型[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年12期

4 張道斌;;危化品企業(yè)安全生產(chǎn)預(yù)警預(yù)報(bào)體系現(xiàn)狀探析[J];安全、健康和環(huán)境;2014年11期

5 唐永瑞;張達(dá)敏;;基于Ajax與MVC模式的信息系統(tǒng)的研究與設(shè)計(jì)[J];電子技術(shù)應(yīng)用;2014年02期

6 吉衛(wèi)衛(wèi);譚曉陽(yáng);;SVM及其魯棒性研究[J];電子科技;2012年05期

7 伍聶修;馬小明;;基于FAHP的�；菲髽I(yè)安全標(biāo)準(zhǔn)化評(píng)價(jià)體系研究[J];中國(guó)安全生產(chǎn)科學(xué)技術(shù);2012年01期

8 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

9 李偉;劉鵬飛;;淺談Java Socket網(wǎng)絡(luò)編程[J];科技信息;2009年28期

10 張?jiān)蕜?劉常春;劉偉;何付志;;基于Socket和多線程的遠(yuǎn)程監(jiān)控系統(tǒng)[J];控制工程;2006年02期

相關(guān)博士學(xué)位論文 前2條

1 劉年平;煤礦安全生產(chǎn)風(fēng)險(xiǎn)預(yù)警研究[D];重慶大學(xué);2012年

2 金珠;改進(jìn)的支持向量機(jī)分類算法及其在煤礦人因事故安全評(píng)價(jià)中的應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張華鑫;基于支持向量機(jī)的文本分類研究[D];西南科技大學(xué);2016年

2 魏云峰;基于支持向量機(jī)的高校人才評(píng)價(jià)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];吉林大學(xué);2016年

3 黨光遠(yuǎn);鋼鐵企業(yè)安全生產(chǎn)事故風(fēng)險(xiǎn)預(yù)警模型研究[D];華北理工大學(xué);2015年

4 朱海;基于關(guān)聯(lián)規(guī)則Apriori算法的作業(yè)風(fēng)險(xiǎn)預(yù)警研究[D];吉林大學(xué);2014年

5 翁華萍;掌上氣象預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

6 蒲洪濤;高危企業(yè)生產(chǎn)安全監(jiān)管態(tài)勢(shì)預(yù)警技術(shù)的研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2014年

7 陳棟;多源異構(gòu)農(nóng)業(yè)感知數(shù)據(jù)接入系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];山東農(nóng)業(yè)大學(xué);2014年

8 王素霞;面向Web應(yīng)用的報(bào)表管理系統(tǒng)生成器的設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)科學(xué)院研究生院（沈陽(yáng)計(jì)算技術(shù)研究所）;2014年

9 郭偉;IDC管理平臺(tái)監(jiān)控預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京交通大學(xué);2013年

10 鄧振民;家禽腫瘤性疾病WebGIS預(yù)警系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];山東農(nóng)業(yè)大學(xué);2013年

，

本文編號(hào)：1872226