-
公开(公告)号：CN111784060A
公开(公告)日：2020-10-16
申请号：CN202010644533.9
申请日：2020-07-07
Applicant: 中国人民公安大学 , 中国矿业大学(北京)
Abstract: 本发明公开了一种城市社区社会安全链式耦合风险演化情景推测方法，属于应用信息技术领域。推测方法首先通过风险情景识别模型，动态识别社会安全事件的各类风险事故及各阶段风险情景状态发生发展要素的SCJ模型情景基元，确定一条事件演化的最坏事故场景和其中情景状态。再将最坏事故场景及情景状态运用于风险情景演化模型，通过演化模型的节点定义与演化规则，得到基于情景推测路图的各社会安全事件风险演化情景库。最后通过定义以GERT网络推理函数为原理的情景推测路图风险表达方式，逐个分析社会安全耦合风险的链式演化情景中的单个评估单元，确定各条事件演化通路的风险状态值，从而对城市社区社会安全事件的应急处理与决策提供依据。
-
公开(公告)号：CN111784060B
公开(公告)日：2021-04-23
申请号：CN202010644533.9
申请日：2020-07-07
Applicant: 中国人民公安大学 , 中国矿业大学(北京)
Abstract: 本发明公开了一种城市社区社会安全链式耦合风险演化情景推测方法，属于应用信息技术领域。推测方法首先通过风险情景识别模型，动态识别社会安全事件的各类风险事故及各阶段风险情景状态发生发展要素的SCJ模型情景基元，确定一条事件演化的最坏事故场景和其中情景状态。再将最坏事故场景及情景状态运用于风险情景演化模型，通过演化模型的节点定义与演化规则，得到基于情景推测路图的各社会安全事件风险演化情景库。最后通过定义以GERT网络推理函数为原理的情景推测路图风险表达方式，逐个分析社会安全耦合风险的链式演化情景中的单个评估单元，确定各条事件演化通路的风险状态值，从而对城市社区社会安全事件的应急处理与决策提供依据。
-
公开(公告)号：CN114840584A
公开(公告)日：2022-08-02
申请号：CN202210786553.9
申请日：2022-07-06
Applicant: 中国矿业大学(北京)
IPC: G06F16/2458 , G06N3/04 , G06N3/08 , G06Q10/06 , G06Q50/26
Abstract: 本申请涉及适用于特定应用的数据处理方法技术领域，提供了一种事故灾情信息实时监测与区域重建方法及系统，该方法包括：获取的事故灾情的实时数据，然后基于预先构建的事故灾情信息预测模型，对事故灾情的时空演化规律进行预测，得到事故灾情的预测结果，如此，能够根据实时监测的数据对事故灾情的演化进行快速预判；最后根据事故灾情的预测结果，通过预先构建的事故灾情风险评估模型进行区域风险重建。如此，通过深度学习模型预先构建事故所在地的三维细节流场，大幅度降低事故的流场计算负担；通过事故灾情风险评估模型实现对事故突发时初始信息不足的情况下的区域重建，实现风险预警和应急决策。
-
Patent Agency Ranking
公开(公告)号：CN116542185B
公开(公告)日：2023-09-01
申请号：CN202310824920.4
申请日：2023-07-06
Applicant: 中国矿业大学(北京)
IPC: G06F30/28 , G06F16/28 , G06F113/08 , G06F119/14
Abstract: 本申请提供一种基于降阶仿真模型和实时校准算法的数字孪生管廊系统。该系统中，通过大数据汇聚单元采集综合管廊的静态属性数据和实时动态数据；实时动态数据包括：固定监测数据和移动监测数据，固定监测数据由燃气舱内固定安装的燃气传感器采集，移动监测数据由燃气舱内设置的能够在综合管廊内进行移动的移动传感器采集；实时仿真推演单元中，通过正向预测模块实现计算密集型流体仿真模型的合理降维，极大提升仿真推演的时效性，实时预测综合管廊内的扩散物理场；通过反演校准模块基于实时校准算法，融合大数据汇聚单元的实时动态数据，对预测的扩散物理场进行实时校准，解决流体仿真模型在实际应用过程中出现的预测偏差问题。
-
公开(公告)号：CN114840584B
公开(公告)日：2022-09-20
申请号：CN202210786553.9
申请日：2022-07-06
Applicant: 中国矿业大学(北京)
IPC: G06F16/2458 , G06N3/04 , G06N3/08 , G06Q10/06 , G06Q50/26
Abstract: 本申请涉及适用于特定应用的数据处理方法技术领域，提供了一种事故灾情信息实时监测与区域重建方法及系统，该方法包括：获取的事故灾情的实时数据，然后基于预先构建的事故灾情信息预测模型，对事故灾情的时空演化规律进行预测，得到事故灾情的预测结果，如此，能够根据实时监测的数据对事故灾情的演化进行快速预判；最后根据事故灾情的预测结果，通过预先构建的事故灾情风险评估模型进行区域风险重建。如此，通过深度学习模型预先构建事故所在地的三维细节流场，大幅度降低事故的流场计算负担；通过事故灾情风险评估模型实现对事故突发时初始信息不足的情况下的区域重建，实现风险预警和应急决策。
-
公开(公告)号：CN116542185A
公开(公告)日：2023-08-04
申请号：CN202310824920.4
申请日：2023-07-06
Applicant: 中国矿业大学(北京)
IPC: G06F30/28 , G06F16/28 , G06F113/08 , G06F119/14
Abstract: 本申请提供一种基于降阶仿真模型和实时校准算法的数字孪生管廊系统。该系统中，通过大数据汇聚单元采集综合管廊的静态属性数据和实时动态数据；实时动态数据包括：固定监测数据和移动监测数据，固定监测数据由燃气舱内固定安装的燃气传感器采集，移动监测数据由燃气舱内设置的能够在综合管廊内进行移动的移动传感器采集；实时仿真推演单元中，通过正向预测模块实现计算密集型流体仿真模型的合理降维，极大提升仿真推演的时效性，实时预测综合管廊内的扩散物理场；通过反演校准模块基于实时校准算法，融合大数据汇聚单元的实时动态数据，对预测的扩散物理场进行实时校准，解决流体仿真模型在实际应用过程中出现的预测偏差问题。
-
公开(公告)号：CN118797574B
公开(公告)日：2024-12-27
申请号：CN202411278717.2
申请日：2024-09-12
Applicant: 中国矿业大学(北京)
Abstract: 本申请涉及智能防护技术领域，提供了一种基于深度学习的无创人体核心温度预测方法及系统。该方法中，基于人工环境实验舱在模拟环境下进行暖体假人实验，构建人体热反应数据集，以反演人体热反应数据集中的皮肤模拟温度、模拟心率和核心模拟温度之间的回归模型；并基于回归模型，通过深度学习算法自动调整卡尔曼滤波器中的模型参数，对目标个体的实测数据进行优化矫正，并基于长时序预测网络的核心温度预测模型，对目标个体的核心温度进行预测。有效避免获取人体核心温度时对人体的侵入式测量，实现无需直接侵入人体而通过人体的皮肤温度和心率即可精确预测获取人体核心温度，降低人体核心温度测量时的难度，以支撑人体热应激预警响应和辅助决策。
-
公开(公告)号：CN118797574A
公开(公告)日：2024-10-18
申请号：CN202411278717.2
申请日：2024-09-12
Applicant: 中国矿业大学(北京)
Abstract: 本申请涉及智能防护技术领域，提供了一种基于深度学习的无创人体核心温度预测方法及系统。该方法中，基于人工环境实验舱在模拟环境下进行暖体假人实验，构建人体热反应数据集，以反演人体热反应数据集中的皮肤模拟温度、模拟心率和核心模拟温度之间的回归模型；并基于回归模型，通过深度学习算法自动调整卡尔曼滤波器中的模型参数，对目标个体的实测数据进行优化矫正，并基于长时序预测网络的核心温度预测模型，对目标个体的核心温度进行预测。有效避免获取人体核心温度时对人体的侵入式测量，实现无需直接侵入人体而通过人体的皮肤温度和心率即可精确预测获取人体核心温度，降低人体核心温度测量时的难度，以支撑人体热应激预警响应和辅助决策。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.044 seconds)
