[发明专利]一种基于深度神经网络的化学工艺危险自动化分析的方法在审
| 申请号： | 201811614874.0 | 申请日： | 2018-12-27 |
| 公开（公告）号： | CN109767816A | 公开（公告）日： | 2019-05-17 |
| 发明（设计）人： | 舒伟杰;华雷;马家驹;章垆斌;金玉宏 | 申请（专利权）人： | 浙江省天正设计工程有限公司 |
| 主分类号： | G16C20/10 | 分类号： | G16C20/10;G06N3/04;G06N3/08 |
| 代理公司： | 杭州浙科专利事务所(普通合伙) 33213 | 代理人： | 周红芳 |
| 地址： | 310012 浙江省杭州*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的化学工艺危险自动化分析的方法，其特征在于，包括如下步骤：1)训练数据；2)模型训练；3)模型在线学习；4)节点编码；5)前向预测；6)结果后处理：本发明的有益效果是：化学工艺危险分析时间快，训练过程为离线过程，分析过程为秒级，时间快。 | ||
| 搜索关键词： | 化学工艺 自动化分析 神经网络 后处理 分析过程 节点编码 模型训练 前向预测 危险分析 训练过程 训练数据 在线学习 离线 | ||
【主权项】：
1.一种基于深度神经网络的化学工艺危险自动化分析的方法，其特征在于，包括如下步骤：1)训练数据：将已知化工项目中的危险工艺参数按照化学工艺危险分析中的风险类型打上风险等级标签，并将已知化工项目中的每个项目节点中的工艺参数进行编码；2)模型训练：搭建深度神经网络，利用开源训练框架将步骤1)中的训练数据进行迭代训练，直至网络模型收敛，并得到预测模型；3)模型在线学习：将步骤2)中得到的预测模型进行人工纠正后，作为训练数据集合，再次送入深度神经网络中进行迭代训练，从而更新预测模型，并最终得到分析模型；4)节点编码：对新的化工项目的项目节点中的工艺参数进行编码；5)前向预测：利用步骤3)中的分析模型，对步骤4)中编码后的新的化工项目的项目节点中的工艺参数进行预测分析，并输出对应的分析结果；6)结果后处理：对步骤5)中输出的分析结果，按照危险程度进行排序，然后根据响应风险生成对应操作，最后按照用户输入的阈值，进行自动等级分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江省天正设计工程有限公司，未经浙江省天正设计工程有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811614874.0/，转载请声明来源钻瓜专利网。
