CN108648403A - 一种自学习消防安全预警方法及系统 - Google Patents

一种自学习消防安全预警方法及系统 Download PDF

Info

Publication number
CN108648403A
CN108648403A CN201810518877.8A CN201810518877A CN108648403A CN 108648403 A CN108648403 A CN 108648403A CN 201810518877 A CN201810518877 A CN 201810518877A CN 108648403 A CN108648403 A CN 108648403A
Authority
CN
China
Prior art keywords
fire
early warning
fighting
security against
alarm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810518877.8A
Other languages
English (en)
Inventor
张轩铭
王利强
梁昆
陈龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HANGZHOU TOP TECHNOLOGY Co Ltd
Original Assignee
HANGZHOU TOP TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HANGZHOU TOP TECHNOLOGY Co Ltd filed Critical HANGZHOU TOP TECHNOLOGY Co Ltd
Priority to CN201810518877.8A priority Critical patent/CN108648403A/zh
Publication of CN108648403A publication Critical patent/CN108648403A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种自学习消防安全预警方法，包括如下步骤：步骤一、传感层数据采集：基于典型的消防物联网的传感配置进行数据采集。步骤二、神经网络训练：采用BP神经网络模型进行监督式学习；步骤三、实时预测预警：将实时采集到信息输入到所述BP神经网络模型，判断是否需要发出消防预警。本发明基于现有已经搭建好的物联网消防平台，不需要额外的平台搭建工作，通过对消防历史数据的持续采集和学习，构建具有消防安全预警的自学习系统。

Description

一种自学习消防安全预警方法及系统
技术领域
本发明属于消防安全领域，具体是一种自学习消防安全预警方法及系统。
背景技术
目前，主流的消防安全系统多是以报警为主，即消防安全事故发生后的一种报警通知手段。而对于减少人员伤亡率，消防预警比消防报警更有意义。消防预警更重要的功能是将消防事故消除或防范在未然中。
在之前消防设备物联网化程度不高的阶段，消防数据样本的采集是一个难题。随着物联网化的快速发展而带来的大数据，给消防预警提供了大量的学习样本。
发明内容
为了解决现有技术中存在的上述技术问题，本发明提供了一种自学习消防安全预警系统，基于现有已经搭建好的物联网消防平台，不需要额外的平台搭建工作，通过对消防历史数据的持续采集和学习，构建具有消防安全预警的自学习系统。具体技术方案如下：
一种自学习消防安全预警方法，包括如下步骤：
步骤一、传感层数据采集：基于典型的消防物联网的传感配置进行数据采集。
步骤二、神经网络训练：采用BP神经网络模型进行监督式学习；
步骤三、实时预测预警：将实时采集到信息输入到所述BP神经网络模型，判断是否需要发出消防预警。
进一步的，采集的传感数据包括：
温度传感器：环境温度F1、线路温度F2；
湿度传感器：环境湿度F3；
电流电压：线路电流F4、线路电压F5；
消防巡查：消防设备故障数F6、巡查频率F7；
手动报警：人工手动触发的消防安全报警L1；
烟感报警：烟雾报警探测器触发的有效报警(L2)；
其中，温度传感器、湿度传感器、电流电压、消防巡查的相关数据作为数据样本，手动报警和烟感报警的输出作为样本标签；手动报警或者有效的烟感报警发生时，则该样本的标签值为1，否则该样本的标签为0。
进一步的，所述神经网络训练过程如下：
(1)定义网路结构
a.输入层:7个节点
b.2个隐含层:分别为5个节点、3个节点
c.Softmax层：SoftMax函数
d.输出层:2个节点
e.传递函数:sigmoid
f.学习率0.8。
(2)训练数样本采集
T＝{(x1,y1),(x2,y2),...,(xm,ym)}，
其中
BP神经网络的输入是4维的特征，输出是y。
(3)训练并模型调优得出BP神经网络的输出模型。
进一步的，所述实时预测预警如下：
(1)将实时采集到信息F1，F2，…，F7转化为特征向量记为：
x＝{F1,F2,F3,.....F7}；
(2)将特征向量x输入到模型中进行预测得到softmax层输出的概率
[p1 p2]T；
(3)如果p1大于设定的阈值，阈值取大于0.5的值，则判断结果为需要发出消防预警；否则判断结果为不需要发出消防预警。
附图说明
图1是本发明的自学习消防安全预警方法的流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明利用已经搭建好的消防物联网平台，收集大数据并自主的进行神经网络训练，预测的准确度会随着样本数据量的增加而不断提高。
如图1所示，本发明的自学习消防安全预警方法，包括如下步骤：
1.传感层数据采集
区域级的消防物联网平台通常传感器配置统一，并且数据同一平台共享。
本发明基于典型的消防物联网的传感配置进行数据采集，包括以下几种：
温度传感器：环境温度(F1)、线路温度(F2)；
湿度传感器：环境湿度(F3)；
电流电压：线路电流(F4)、线路电压(F5)；
消防巡查：(消防巡查为本发明中的一种虚拟传感器)消防设备故障数(F6)、巡查频率(F7)；
手动报警：人工手动触发的消防安全报警(L1)；
烟感报警：烟雾报警探测器触发的有效报警(L2)；
其中，温度传感器、湿度传感器、电流电压、消防巡查的相关数据作为数据样本，手动报警和烟感报警的输出作为样本标签。手动报警或者有效的烟感报警发生时，则该样本的标签值为1(即代表发生了消防安全事故)，否则该样本的标签为0。
2.神经网络训练
由数据样本及样本标签就可以构成典型的监督式学习。本发明采用BP神经网络模型进行监督式学习。当采集到的样本足够量时，进行神经网络学习，并且在有新样本引入时周期性地持续学习，不断通过更大的样本提升预测准确性。网络定义和描述如下：
(4)定义网路结构
g.输入层:7个节点
h.2个隐含层:分别为5个节点、3个节点
i.Softmax层：SoftMax函数
j.输出层:2个节点
k.传递函数:sigmoid
l.学习率0.8。
(5)训练数样本采集
T＝{(x1,y1),(x2,y2),...,(xm,ym)}，
其中
BP神经网络的输入是4维的特征，输出是y。
(6)训练并模型调优得出BP神经网络的输出模型。
3.实时预测层
(4)将实时采集到信息F1，F2，…，F7转化为特征向量记为：
x＝{F1,F2,F3,.....F7}；
(5)将特征向量x输入到模型中进行预测得到softmax层输出的概率
[p1 p2]T；
(6)如果p1大于设定的阈值，阈值取大于0.5的值，则判断结果为需要发出消防预警；否则判断结果为不需要发出消防预警。

Claims (4)

1.一种自学习消防安全预警方法，包括如下步骤：
步骤一、传感层数据采集：基于典型的消防物联网的传感配置进行数据采集。
步骤二、神经网络训练：采用BP神经网络模型进行监督式学习；
步骤三、实时预测预警：将实时采集到信息输入到所述BP神经网络模型，判断是否需要发出消防预警。
2.如权利要求1所述的自学习消防安全预警方法，其特征在于：
采集的传感数据包括：
温度传感器：环境温度F1、线路温度F2；
湿度传感器：环境湿度F3；
电流电压：线路电流F4、线路电压F5；
消防巡查：消防设备故障数F6、巡查频率F7；
手动报警：人工手动触发的消防安全报警L1；
烟感报警：烟雾报警探测器触发的有效报警(L2)；
其中，温度传感器、湿度传感器、电流电压、消防巡查的相关数据作为数据样本，手动报警和烟感报警的输出作为样本标签；手动报警或者有效的烟感报警发生时，则该样本的标签值为1，否则该样本的标签为0。
3.如权利要求2所述的自学习消防安全预警方法，其特征在于：
所述神经网络训练过程如下：
(1)定义网路结构
a.输入层:7个节点
b.2个隐含层:分别为5个节点、3个节点
c.Softmax层：SoftMax函数
d.输出层:2个节点
e.传递函数:sigmoid
f.学习率0.8。
(2)训练数样本采集
T＝{(x1,y1),(x2,y2),...,(xm,ym)}，
其中n＝7，
BP神经网络的输入是4维的特征，输出是y。
(3)训练并模型调优得出BP神经网络的输出模型。
4.如权利要求3所述的自学习消防安全预警方法，其特征在于：所述实时预测预警如下：
(1)将实时采集到信息F1，F2，…，F7转化为特征向量记为：
x＝{F1,F2,F3,.....F7}；
(2)将特征向量x输入到模型中进行预测得到softmax层输出的概率[p1 p2]T；
(3)如果p1大于设定的阈值，阈值取大于0.5的值，则判断结果为需要发出消防预警；否则判断结果为不需要发出消防预警。
CN201810518877.8A 2018-05-25 2018-05-25 一种自学习消防安全预警方法及系统 Pending CN108648403A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810518877.8A CN108648403A (zh) 2018-05-25 2018-05-25 一种自学习消防安全预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810518877.8A CN108648403A (zh) 2018-05-25 2018-05-25 一种自学习消防安全预警方法及系统

Publications (1)

Publication Number Publication Date
CN108648403A true CN108648403A (zh) 2018-10-12

Family

ID=63758330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810518877.8A Pending CN108648403A (zh) 2018-05-25 2018-05-25 一种自学习消防安全预警方法及系统

Country Status (1)

Country Link
CN (1) CN108648403A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785572A (zh) * 2019-03-11 2019-05-21 上海荷福人工智能科技（集团）有限公司 一种基于神经网络的消防预警方法及系统
CN109859431A (zh) * 2019-03-25 2019-06-07 软通智慧科技有限公司 一种火灾安全隐患的检测方法、系统、设备及介质
CN110220554A (zh) * 2019-06-05 2019-09-10 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN110288789A (zh) * 2019-06-27 2019-09-27 吉林建筑大学 一种建筑物电气消防报警装置及其控制方法
CN110414736A (zh) * 2019-07-30 2019-11-05 浙江长元科技有限公司 一种基于物联网的智慧消防安全预测方法及系统
CN110910615A (zh) * 2019-11-22 2020-03-24 华中科技大学 一种楼宇火警报警分类方法及系统
CN112465119A (zh) * 2020-12-08 2021-03-09 武汉理工光科股份有限公司 一种基于深度学习的消防险情预警方法及装置
EP4177592A4 (en) * 2020-07-06 2024-01-17 Panasonic Intellectual Property Management Co., Ltd. CHARACTER DETERMINATION SYSTEM, INTEGRATED SYSTEM, CHARACTER DETERMINATION METHOD AND PROGRAM
CN117893385A (zh) * 2024-03-18 2024-04-16 四川银谷碳汇再生资源有限公司 一种保障仓储安全的消防预警方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933841A (zh) * 2015-04-30 2015-09-23 重庆三峡学院 一种基于自组织神经网络的火灾预测方法
CN105788143A (zh) * 2016-05-23 2016-07-20 北京林业大学 一种林火监测方法及系统
CN107564231A (zh) * 2017-09-15 2018-01-09 山东建筑大学 基于物联网的建筑物火灾预警及火灾态势评估系统及方法
CN107729716A (zh) * 2017-11-27 2018-02-23 西安建筑科技大学 一种基于长短时记忆神经网络的煤矿突水预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933841A (zh) * 2015-04-30 2015-09-23 重庆三峡学院 一种基于自组织神经网络的火灾预测方法
CN105788143A (zh) * 2016-05-23 2016-07-20 北京林业大学 一种林火监测方法及系统
CN107564231A (zh) * 2017-09-15 2018-01-09 山东建筑大学 基于物联网的建筑物火灾预警及火灾态势评估系统及方法
CN107729716A (zh) * 2017-11-27 2018-02-23 西安建筑科技大学 一种基于长短时记忆神经网络的煤矿突水预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱江等: "基于深度自编码网络的安全态势要素获取机制", 《计算机应用》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785572A (zh) * 2019-03-11 2019-05-21 上海荷福人工智能科技（集团）有限公司 一种基于神经网络的消防预警方法及系统
CN109785572B (zh) * 2019-03-11 2021-06-22 上海荷福人工智能科技（集团）有限公司 一种基于神经网络的消防预警方法及系统
CN109859431A (zh) * 2019-03-25 2019-06-07 软通智慧科技有限公司 一种火灾安全隐患的检测方法、系统、设备及介质
CN110220554A (zh) * 2019-06-05 2019-09-10 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN110288789A (zh) * 2019-06-27 2019-09-27 吉林建筑大学 一种建筑物电气消防报警装置及其控制方法
CN110414736A (zh) * 2019-07-30 2019-11-05 浙江长元科技有限公司 一种基于物联网的智慧消防安全预测方法及系统
CN110910615A (zh) * 2019-11-22 2020-03-24 华中科技大学 一种楼宇火警报警分类方法及系统
CN110910615B (zh) * 2019-11-22 2021-04-06 华中科技大学 一种楼宇火警报警分类方法及系统
EP4177592A4 (en) * 2020-07-06 2024-01-17 Panasonic Intellectual Property Management Co., Ltd. CHARACTER DETERMINATION SYSTEM, INTEGRATED SYSTEM, CHARACTER DETERMINATION METHOD AND PROGRAM
CN112465119A (zh) * 2020-12-08 2021-03-09 武汉理工光科股份有限公司 一种基于深度学习的消防险情预警方法及装置
CN117893385A (zh) * 2024-03-18 2024-04-16 四川银谷碳汇再生资源有限公司 一种保障仓储安全的消防预警方法及系统
CN117893385B (zh) * 2024-03-18 2024-06-04 四川银谷碳汇再生资源有限公司 一种保障仓储安全的消防预警方法及系统

Similar Documents

Publication Publication Date Title
CN108648403A (zh) 一种自学习消防安全预警方法及系统
CN111627181B (zh) 融合多源参数及其梯度信息的综合管廊火灾预警方法
CN112766909A (zh) 适用于舰船消防安全的智能管控系统及方法、计算机介质
CN104933841B (zh) 一种基于自组织神经网络的火灾预测方法
CN116246407A (zh) 一种基于人工智能的农林区域火灾预警监管系统
CN107332698A (zh) 一种面向明长城智能感知系统的安全态势感知系统及方法
CN108898528A (zh) 一种面向危险化学品事故应急辅助决策的案例推理方法
CN117151478B (zh) 一种基于卷积神经网络的化工企业风险预警方法及系统
CN105608842A (zh) 一种核反应堆燃料破损在线监测报警装置
CN114023399B (zh) 一种基于人工智能的空气颗粒物分析预警方法和装置
CN106780235A (zh) 一种社会安全事件监测及追溯方法
Zhang et al. Data-driven AI emergency planning in process industry
CN112765257A (zh) 一种基于时序序列预测温度的环境采集系统设计的方法
CN113053063A (zh) 基于移动端的灾害在线处置流程实现方法
CN112862188A (zh) 一种多传感器环境预测方法及系统
CN116827764A (zh) 一种基于神经网络的物联网故障检测控制方法及系统
CN205621238U (zh) 一种核反应堆燃料破损在线监测报警装置
Li et al. Developing a fire monitoring and control system based on IoT
Wang et al. Forest fire detection system based on Fuzzy Kalman filter
CN113281616A (zh) 一种基于专家系统的输电线路故障诊断方法、系统及架构
CN115496127B (zh) 一种基于管廊环境的多传感器融合判定方法及系统
CN116961237A (zh) 一种配电安全作业智能监管系统
Wang et al. Research of the early warning analysis of crop diseases and insect pests
CN116546043A (zh) 电缆隧道巡检人员环境安全监测装置及方法
CN103577700B (zh) 一种船舶消防系统连锁性失效的预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181012