一种航标系统安全评估与预警方法、装置及电子设备与流程
本发明属于计算机，特别是涉及一种航标系统安全评估与预警方法、装置及电子设备。
背景技术：
1、水上航标是支撑内河、沿海船舶安全通航的核心助航基础设施，航标运行状态直接决定航道通航风险等级。航标运行过程中同时受到多重耦合干扰因素作用，涵盖水文气象类动态环境变量、航标自身硬件健康参数、周边船舶通航行为三类异构监测信息，但各类影响因素的关联强度会随潮汐、季节、极端天气发生实时变化，存在显著的时序动态耦合特征，给航标全域安全量化评估与提前风险预警带来较大技术难点。
2、当前行业内针对航标安全风险评估、预警存在四类主流技术方案，但各类方案均存在固有技术缺陷，难以兼顾动态耦合建模、多源数据融合、时序风险预测与自适应预警的综合需求。第一类方案采用固定拓扑结构的静态贝叶斯网络进行风险评估，但这类方案预先设定网络节点连接关系与离线训练完成的条件概率参数，无法随水域环境突变调整风险因素间的关联逻辑，当台风、强潮汐等极端工况出现时，固定网络结构无法匹配风险耦合关系的实时变化，易出现评估结果与现场真实风险大幅偏离的问题，同时这类方案仅依靠固定离线样本完成参数赋值，无法基于持续新增的时序监测数据迭代更新概率参数，模型适配性随水域工况变化持续衰减。第二类方案基于熵权-topsis、层次分析法等静态多指标评价模型开展风险分级，但这类方法依赖人工预先锁定各评价指标固定权重，仅能实现单一时间断面下的风险静态排序，不具备刻画风险因素时序演化规律的能力，无法输出未来时段的风险变化趋势，仅能完成事后风险研判，不具备提前预警的工程能力。
3、具体的，第三类方案采用bp神经网络、传统浅层机器学习模型识别航标故障风险，但传统神经网络模型存在易陷入局部极值、梯度弥散的固有缺陷，对长周期时序监测数据内部的周期性、长期依赖特征捕捉能力不足，难以区分潮汐、昼夜、季节带来的周期性风险波动与突发风浪、船舶近距离靠近造成的瞬时风险扰动，风险识别精度受限。第四类方案基于arima等线性时序模型进行航标监测数据趋势预测，但这类线性模型仅能拟合平稳、线性变化的时序数据，而航标监测数据受多物理场耦合作用呈现明显非线性、非平稳特性，模型拟合误差大，无法精准预判极端海况下的风险快速攀升过程。
4、此外，现有各类航标安全评估预警技术中通常将实时状态诊断、时序风险预测设置为两套独立运算流程，评估结果无法作为先验特征传导至预测模型，存在信息断层，预警输出存在明显滞后，并且预警触发阈值采用全局固定数值，无法适配水域季节性通航规律、潮汐周期、极端天气模式的差异化需求，固定阈值会造成平静水域大量虚警、台风高风险时段频繁漏警，难以平衡虚警率与漏警率。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种航标系统安全评估与预警方法、装置及电子设备，旨在提高航标系统安全风险评估对动态环境耦合变化的适配精度，增强风险趋势预测的时序感知精度与预警时效性，并提升预警阈值对不同水文气象条件及季节性通航规律的差异化自适应调节能力。
2、第一方面，本技术提供了一种航标系统安全评估与预警方法，包括：
3、s1、对航标系统的多源监测数据进行预处理，得到初始矩阵，根据初始矩阵计算关键风险指数，将关键风险指数加入初始矩阵，得到多维时间序列数据矩阵；
4、s2、根据多维时间序列数据矩阵中的环境特征列，识别当前时刻的环境模式概率分布，根据环境模式概率分布对预定义的多种环境模式下的贝叶斯网络拓扑模板进行加权混合，根据加权混合结果对贝叶斯网络拓扑模板中的有向边进行激活或去激活处理，生成动态贝叶斯网络结构；
5、s3、获取当前时刻之前预设数量个历史时刻的观测数据，基于观测数据更新动态贝叶斯网络结构中各风险因素节点的条件概率表参数，将多维时间序列数据矩阵中当前时刻的数据向量输入更新后的动态贝叶斯网络结构，得到当前时刻的风险评估结果向量和关键贡献因素列表，并存储当前时刻之前历史时刻各自对应的历史风险评估结果向量，得到历史风险评估结果序列；
6、s4、从多维时间序列数据矩阵中提取关键时序特征列，将关键时序特征列与历史风险评估结果序列进行拼接，得到多维时序特征矩阵，将多维时序特征矩阵输入transformer编码器进行编码，得到全局上下文特征表示，将全局上下文特征表示输入transformer解码器进行解码，输出未来多个预测时刻的总体风险等级概率预测序列；
7、s5、根据多维时间序列数据矩阵、总体风险等级概率预测序列和环境模式概率分布，计算各预测时刻的自适应动态阈值；将各预测时刻的总体风险等级概率预测序列中的概率值与对应预测时刻的自适应动态阈值进行比较，根据比较结果进行预警，生成预警指令。
8、第二方面，本技术还提供了一种航标系统安全评估与预警装置，包括：
9、数据预处理模块，用于对航标系统的多源监测数据进行预处理，得到初始矩阵，根据初始矩阵计算关键风险指数，将关键风险指数加入初始矩阵，得到多维时间序列数据矩阵；
10、动态网络生成模块，用于根据多维时间序列数据矩阵中的环境特征列，识别当前时刻的环境模式概率分布，根据环境模式概率分布对预定义的多种环境模式下的贝叶斯网络拓扑模板进行加权混合，根据加权混合结果对贝叶斯网络拓扑模板中的有向边进行激活或去激活处理，生成动态贝叶斯网络结构；
11、风险评估计算模块，用于获取当前时刻之前预设数量个历史时刻的观测数据，基于观测数据更新动态贝叶斯网络结构中各风险因素节点的条件概率表参数，将多维时间序列数据矩阵中当前时刻的数据向量输入更新后的动态贝叶斯网络结构，得到当前时刻的风险评估结果向量和关键贡献因素列表，并存储当前时刻之前历史时刻各自对应的历史风险评估结果向量，得到历史风险评估结果序列；
12、风险预测模块，用于从多维时间序列数据矩阵中提取关键时序特征列，将关键时序特征列与历史风险评估结果序列进行拼接，得到多维时序特征矩阵，将多维时序特征矩阵输入transformer编码器进行编码，得到全局上下文特征表示，将全局上下文特征表示输入transformer解码器进行解码，输出未来多个预测时刻的总体风险等级概率预测序列；
13、动态预警模块，用于根据多维时间序列数据矩阵、总体风险等级概率预测序列和环境模式概率分布，计算各预测时刻的自适应动态阈值；将各预测时刻的总体风险等级概率预测序列中的概率值与对应预测时刻的自适应动态阈值进行比较，根据比较结果进行预警，生成预警指令。
14、第三方面，本技术还提供了一种计算机电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中的步骤。
15、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中的步骤。
16、上述一种航标系统安全评估与预警方法、装置及电子设备，首先对多源监测数据进行预处理并计算关键风险指数，实现了多源监测数据的结构化融合与风险特征增强。其次，通过识别环境模式概率分布并加权混合贝叶斯网络拓扑模板，解决了固定网络结构无法适配环境突变的问题，实现了风险因素关联逻辑的实时动态重构。进一步的，基于历史观测数据迭代更新条件概率表参数，实现了网络概率参数的时序自适应优化。将风险评估结果与时序特征拼接后输入transformer进行编解码，解决了评估与预测流程信息断层、长周期依赖捕捉不足的问题，实现了风险演化趋势的全局上下文感知与未来多步精准预测。最后，根据环境模式与预测结果计算自适应动态阈值，解决了固定阈值虚警漏警失衡的问题，实现了差异化工况下预警灵敏度的动态平衡与闭环联动。