本發(fā)明涉及輔助決策，特別涉及一種用于應急指揮輔助決策大模型方法及系統(tǒng)。

背景技術：

1、在企業(yè)安全生產數(shù)智化平臺、企業(yè)安全生產標準化管理系統(tǒng)、應急管理綜合業(yè)務平臺、可視化應急救援智慧平臺、城市安全風險動態(tài)分布圖系統(tǒng)、化工園區(qū)安全風險數(shù)字孿生智能化管控平臺等領域，當發(fā)生煤礦事故、火災事故、交通事故、燃氣泄漏事故、?；肥鹿省⒐べQ事故等風險事故時，通常配置應急指揮輔助決策大模型為指揮人員提供輔助決策。

2、現(xiàn)有應急指揮輔助決策大模型采用語義分析、圖片、視頻、語音識別等技術，清洗匯聚不同數(shù)據和模型算法服務，形成情報服務，從而提取內容形成文本。但無法深入探索風險事故之間的隱性關系，揭示潛在風險點以及自主編寫報告文檔。

技術實現(xiàn)思路

1、本發(fā)明提供一種用于應急指揮輔助決策大模型方法及系統(tǒng)，用以解決背景技術中提出的問題。

2、一種用于應急指揮輔助決策大模型方法，包括：

3、s1：獲取來自待監(jiān)測平臺的安全監(jiān)測數(shù)據，并基于大模型對安全監(jiān)測數(shù)據進行相關檢索，獲取與所述生產生活數(shù)據相關的周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行保存；

4、s2：基于大模型對安全監(jiān)測數(shù)據進行實時監(jiān)測，得到風險事故數(shù)據；

5、s3：對風險事故數(shù)據與周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行關鍵數(shù)據關聯(lián)分析，根據分析結果確定可能發(fā)生的次生事故；

6、s4：基于風險事故數(shù)據和可能發(fā)生的次生事故的具體數(shù)據情況自動生成事故報告文檔。

7、優(yōu)選的，所述s1中，獲取來自待監(jiān)測平臺的安全監(jiān)測數(shù)據，包括：

8、獲取待監(jiān)測平臺的傳感器采集數(shù)據和日常記錄數(shù)據；

9、對所述傳感采集數(shù)據和日常記錄數(shù)據進行預處理，得到標準數(shù)據；

10、基于安全監(jiān)測標準，對所述標準數(shù)據進行特定處理，得到安全監(jiān)測數(shù)據。

11、優(yōu)選的，所述s1中，基于大模型對安全監(jiān)測數(shù)據進行相關檢索，獲取與所述生產生活數(shù)據相關的周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行保存，包括：

12、基于安全監(jiān)測數(shù)據的監(jiān)測區(qū)域范圍，確定相關檢索的數(shù)據獲取區(qū)域，基于數(shù)據類型、數(shù)據名稱和數(shù)據內容，提取安全監(jiān)測數(shù)據中的類型關鍵詞，名稱關鍵詞和內容關鍵詞；

13、對所述類型關鍵詞、名稱關鍵詞和內容關鍵詞進行語義關聯(lián)，根據語義關聯(lián)結果對所述類型關鍵詞、名稱關鍵詞和內容關鍵詞進行整合，得到目標關鍵詞；

14、基于大模型獲取來自數(shù)據獲取區(qū)域的相關數(shù)據目錄，基于所述目標關鍵詞對目標數(shù)據目錄進行相關檢索，得到初始檢索數(shù)據；

15、獲取所述安全監(jiān)測數(shù)據監(jiān)測得到安全事故類型，并獲取與安全事故類型對應的危險源特征；

16、將所述危險源特征與初始檢索數(shù)據進行數(shù)據特征匹配，得到特征匹配結果，基于特征匹配結果獲取二次檢索詞；

17、基于所述二次檢索詞對相關數(shù)據目錄進行橫向檢索，得到第一補充檢索數(shù)據；

18、對所述二次檢索詞進行語義擴展，得到擴展檢索詞，基于擴展檢索詞對初始檢索數(shù)據進行擴展檢索，根據擴展檢索結果從初始檢索數(shù)據中得到深入檢索詞；

19、基于所述深入檢索詞對相關數(shù)據目錄進行深入檢索，得到第二補充檢索數(shù)據；

20、對所述初始檢索數(shù)據、第一補充檢索數(shù)據和第二補充檢索數(shù)據進行整合，根據整合結果，得到相關數(shù)據；

21、基于數(shù)據內容特征，對相關數(shù)據進行劃分得到周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據并進行保存。

22、優(yōu)選的，所述基于特征匹配結果獲取二次檢索詞，包括：

23、從所述特征匹配結果中獲取危險源特征對應的檢索數(shù)據，并提取所述檢索數(shù)據的關鍵詞，將所述危險源特征與關鍵詞進行組合，得到二次檢索詞。

24、優(yōu)選的，所述基于數(shù)據內容特征，對相關數(shù)據進行劃分得到周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據并進行保存，包括：

25、基于周邊生活、周彪應急和相關法律法規(guī)的特定數(shù)據內容，建立數(shù)據內容特征；

26、基于所述數(shù)據內容特征，對相關數(shù)據進行劃分得到周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據；

27、對周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行存儲保存。

28、優(yōu)選的，所述s2中，基于大模型對安全監(jiān)測數(shù)據進行實時監(jiān)測，得到風險事故數(shù)據，包括：

29、獲取每個風險事故的事故判斷標準；

30、基于大模型將所述安全監(jiān)測數(shù)據與事故判斷標準進行比較，當出現(xiàn)異常時，確定出現(xiàn)風險事故；

31、將出現(xiàn)異常的安全監(jiān)測數(shù)據作為風險事故數(shù)據。

32、優(yōu)選的，所述s3中，對風險事故數(shù)據與周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行關鍵數(shù)據關聯(lián)分析，根據分析結果確定可能發(fā)生的次生事故，包括：

33、從風險事故數(shù)據中提取出關于事故類型和事故情況的關鍵數(shù)據，從信息關聯(lián)數(shù)據庫中獲取與所述關鍵數(shù)據匹配的關聯(lián)信息特征；

34、基于所述關聯(lián)數(shù)據特征與周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行關聯(lián)處理，得到關聯(lián)生活數(shù)據、關聯(lián)應急數(shù)據和關聯(lián)法律法規(guī)數(shù)據；

35、基于預設關聯(lián)算法計算風險事故數(shù)據與關聯(lián)生活數(shù)據、關聯(lián)應急數(shù)據和關聯(lián)法律法規(guī)數(shù)據的關聯(lián)性，選關聯(lián)性大于預設關聯(lián)閾值的目標關聯(lián)生活數(shù)據、目標關聯(lián)應急數(shù)據和目標關聯(lián)法律法規(guī)數(shù)據；

36、獲取所述風險事故數(shù)據可能帶來的次生事故類型，基于次生事故類型與風險事故類型之間的數(shù)據關聯(lián)情況，對所述風險事故數(shù)據的事故類型與目標關聯(lián)生活數(shù)據中的生活類型進行關聯(lián)，得到類型關聯(lián)度，并對所述風險事故數(shù)據的事故數(shù)值與目標關聯(lián)生活數(shù)據中的生活數(shù)值進行關聯(lián)，得到數(shù)值關聯(lián)度；

37、基于所述類型關聯(lián)度，確定風險事故數(shù)據可能產生的次生事故；

38、基于所述類型關聯(lián)度和數(shù)值關聯(lián)度的乘積，確定可能產生的次生事故的發(fā)生概率。

39、優(yōu)選的，在確定風險事故數(shù)據可能產生的次生事故后還包括：

40、將所述次生事故的事故特征與目標關聯(lián)應急數(shù)據進行關聯(lián)處理，得到相關應急信息；

41、將所述次生事故的事故特征與目標關聯(lián)法律法規(guī)數(shù)據進行關聯(lián)處理，得到相關法律法規(guī)信息；

42、將所述相關應急信息和相關法律法規(guī)信息進行整合，加入至次生事故的具體數(shù)據情況中。

43、優(yōu)選的，所述s4中，基于風險事故數(shù)據和可能發(fā)生的次生事故的具體數(shù)據情況自動生成事故報告文檔，包括：

44、對風險事故數(shù)據和可能發(fā)生的次生事故的具體數(shù)據情況進行整合，得到數(shù)據集合；

45、從大模型中調取用戶選取的文檔模板，將所述數(shù)據集合與文檔模板進行匹配，根據匹配結果生成事故報告文檔。

46、一種用于應急指揮輔助決策大模型系統(tǒng)，包括：

47、數(shù)據獲取模塊，用于獲取來自待監(jiān)測平臺的安全監(jiān)測數(shù)據，并基于大模型對安全監(jiān)測數(shù)據進行相關檢索，獲取與所述生產生活數(shù)據相關的周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行保存；

48、實時監(jiān)測模塊，用于基于大模型對安全監(jiān)測數(shù)據進行實時監(jiān)測，得到風險事故數(shù)據；

49、關聯(lián)分析模塊，用于對風險事故數(shù)據與周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行關鍵數(shù)據關聯(lián)分析，根據分析結果確定可能發(fā)生的次生事故；

50、報告生成模塊，用于基于風險事故數(shù)據和可能發(fā)生的次生事故的具體數(shù)據情況自動生成事故報告文檔。

51、與現(xiàn)有技術相比，本發(fā)明取得了以下有益效果：

52、通過獲取來自待監(jiān)測平臺的安全監(jiān)測數(shù)據，并基于大模型對安全監(jiān)測數(shù)據進行相關檢索，獲取與所述生產生活數(shù)據相關的周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行保存，實現(xiàn)基于大模型的數(shù)據全面獲取，基于大模型對安全監(jiān)測數(shù)據進行實時監(jiān)測，得到風險事故數(shù)據，實現(xiàn)對待監(jiān)測平臺的實時監(jiān)測，對風險事故數(shù)據與周邊生活數(shù)據，周邊應急數(shù)據和相關法律法規(guī)數(shù)據進行關鍵數(shù)據關聯(lián)分析，根據分析結果確定可能發(fā)生的次生事故，基于數(shù)據關聯(lián)實現(xiàn)深入探索風險事故之間的隱性關系揭示潛在風險，實現(xiàn)深入挖掘數(shù)據之間的關聯(lián)，為應急指揮輔助提供準確的事故信息，基于風險事故數(shù)據和可能發(fā)生的次生事故的具體數(shù)據情況自動生成事故報告文檔，為指揮人員提供輔助決策。

53、本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在本技術文件中所特別指出的結構來實現(xiàn)和獲得。

54、下面通過附圖和實施例，對本發(fā)明的技術方案做進一步的詳細描述。