[发明专利]基于物联网和人工智能的安全生产指标异常快速感知方法

权利要求书

1.一种基于物联网和人工智能的安全生产指标异常快速感知方法，其特征在于，该方法包括：

综合生产环境的多个安全参数得到安全生产指标；根据安全参数的历史数据获取安全生产指标序列；

获取多个安全生产指标序列对应的表征向量，并对表征向量进行降维，得到多个二维投影点；多个二维投影点聚类后得到的点簇质心点为离散点构建泰森多边形；

在每个泰森多边形中的点簇处生成高斯热斑，并为泰森多边形的边进行像素赋值，像素值为设定值，得到泰森多边形图；

运用阶段：每个时刻的表征向量投影到泰森多边形图中得到投影图，将时序上的多张投影图输入异常感知模型中判断安全生产指标是否异常，所述异常感知模型基于多个投影点的变化趋势判断安全生产指标的指标状态类别，当多个投影点的变化趋势趋向于渐变异常的泰森多边形时，则安全生产指标发生渐变异常，当多个投影点的变化趋势趋向于突变异常的泰森多边形时，则安全生产指标发生突变异常，所述异常感知模型包括卷积神经网络、时序编码器和全连接网络。

2.如权利要求1所述的方法，其特征在于，所述高斯热斑大小和点簇中点的分布有关，具体地，根据点簇中的点与该点簇质心间的平均距离确定高斯热斑的大小。

3.如权利要求1所述的方法，其特征在于，每个泰森多边形都对应一个指标状态类别，所述指标状态类别包括正常、渐变异常、突变异常。

4.如权利要求1所述的方法，其特征在于，所述每个时刻的特征向量投影到泰森多边形图中得到投影图包括：以投影点为中心点生成预设大小的高斯热斑。

5.如权利要求4所述的方法，其特征在于，若所述多张投影图中的投影点处的高斯热斑均位于指标状态类别为渐变异常或突变异常的泰森多边形的高斯热斑区域内，则不需异常感知模型，直接判断安全生产指标异常。

6.如权利要求5所述的方法，其特征在于，所述异常感知模型中包括卷积神经网络、时序编码器和全连接网络。

7.如权利要求1所述的方法，其特征在于，利用向量获取神经网络获取安全生产指标序列对应的表征向量。

8.如权利要求1所述的方法，其特征在于，利用DBSCAN算法对所述多个二维投影点进行聚类。

9.如权利要求1所述的方法，其特征在于，利用主成分分析法对表征向量进行降维。