CN109920192B - 火灾报警方法、系统及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种火灾报警方法、系统及存储介质，方法包括：接收预警设备发送的预警，其中预警包含预警位置和预警时间；根据预警位置和预警时间，获取至少一种火灾因子的特征值，所述火灾因子包括预警密度、预警设备所在建筑的已建成时间、发送预警时监测温度或发送预警前的温度变化速率；确定至少一种火灾因子的特征值对应的概率和权重，并计算火灾概率；判断所述火灾概率是否大于或等于预设阈值；若火灾概率大于或等于预设阈值，发送火灾报警至用户终端。本发明解决了现有烟感报警系统存在错误报警率高的技术问题。

Description

火灾报警方法、系统及计算机可读存储介质

技术领域

本发明涉及数据处理领域，尤其涉及火灾报警方法、系统及计算机可读存储介质。

背景技术

目前城市管理类系统部署时，会在小区楼栋中安装许多火灾预警设备。当检测到烟雾异常时，火灾预警设备会认为疑似火灾发生，从而产生火灾报警信息，系统接收到该火灾报警信息会推送到相应人员的手机或监控中心，产生相应的报警处理任务，工作人员根据这些报警任务上门核实并解决问题。但火灾报警信息中大多数都是由于用户做饭、炒菜等正常生活产生的烟雾引起的错误火灾报警信息，导致大量人力和时间被用来处理这种错误火灾报警信息。因此现有烟感报警系统存在错误报警率高的问题，进而由于错误火灾报警信息会导致人力和时间的浪费。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种火灾报警方法、系统及计算机可读存储介质，旨在解决现有烟感报警系统存在错误报警率高的技术问题。

为实现上述目的，本申请提供一种火灾报警方法，包括步骤：

接收预警设备发送的预警，其中预警包含预警位置和预警时间；

根据预警位置和预警时间，获取至少一种火灾因子的特征值，所述火灾因子包括预警密度、预警设备所在建筑的已建成时间、发送预警时监测温度或发送预警前的温度变化速率；

确定至少一种火灾因子的特征值对应的概率和权重，并计算火灾概率；

判断所述火灾概率是否大于或等于预设阈值；

若火灾概率大于或等于预设阈值，发送火灾报警至用户终端。

可选地，所述根据预警位置和预警时间，获取发送预警时监测温度的步骤包括：

根据预警位置和预警时间，获取发送预警时距预警位置第一预设范围内的最高温度值，并作为发送预警时监测温度。

可选地，所述根据预警位置和预警时间，获取发送预警前的温度变化速率的步骤包括：

根据预警位置，获取预警前的第一预设时间内，所述预警设备多个时刻分别监测到的距预警位置第一预设范围内最高温度值；

根据获得的预警前第一预设时间内各时刻监测到的最高温度值，计算出预警前第一预设时间内最高温度变化速率，并作为发送预警前的温度变化速率。

可选地，所述根据预警位置和预警时间，获取预警密度的步骤包括：

根据预警位置和预警时间，获取预警前的第二预设时间内，距所述预警位置第二预设范围内的发送了预警的其他预警设备总数量，并作为预警密度。

可选地，所述根据预警位置和预警时间，获取所述预警设备所在建筑的已建成时间的步骤包括：

根据预警位置，获取所述预警设备所在建筑的建立时间；

根据预警时间和所述预警设备所在建筑的建立时间，计算所述预警设备所在建筑的已建成时间。

可选地，其特征在于，所述确定至少一种火灾因子的特征值对应的概率和权重步骤包括：

根据各火灾因子特征值，从预先建立的火灾因子概率对应关系表和预先建立的火灾因子权重对应关系表中查询各火灾因子特征值对应的概率和权重。

可选地，所述建立火灾因子概率对应关系表和火灾因子权重对应关系表的步骤包括：

获取预警前多个预警信息作为训练样本集；

根据训练样本集，获得各火灾因子特征值对应的概率和权重；

根据所述各火灾因子特征值对应的概率和权重，建立火灾因子概率对应关系表和火灾因子权重对应关系表。

可选地，所述计算火灾概率的步骤包括：

将各火灾因子特征值对应的概率和权重输入楼栋火灾概率模型

中，以输出火灾概率，其中P为火灾概率，N为火灾因子总数量， p_n为第n种火灾因子特征值对应的概率，w_n为第n种火灾因子特征值对应的权重。

此外，为实现上述目的，本发明还提供一种系统，所述系统包括：通信模块、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的火灾报警方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质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如上所述的火灾报警方法的步骤。

本发明实施例提出的一种火灾报警方法、系统及计算机可读存储介质，通过接收预警设备发送的预警，其中预警包含预警位置和预警时间；根据预警位置和预警时间，获取至少一种火灾因子的特征值，所述火灾因子包括预警密度、预警设备所在建筑的已建成时间、发送预警时监测温度或发送预警前的温度变化速率；确定至少一种火灾因子的特征值对应的概率和权重，并计算火灾概率；判断所述火灾概率是否大于或等于预设阈值；若火灾概率大于或等于预设阈值，发送火灾报警至用户终端。从而提高了火灾报警的准确率，降低了由于错误火灾报警导致的人力和时间的浪费。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的结构示意图；

图2为本发明火灾报警方法第一实施例的流程示意图；

图3为本发明火灾报警方法第二实施例中步骤S20的细化流程示意图；

图4为本发明火灾报警方法第三实施例中步骤S30的细化流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参照图1，图1为本发明各个实施例所提供的系统的硬件结构示意图，所述系统包括通信模块10、存储器20及处理器30等部件。本领域技术人员可以理解，图1中所示出的系统还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中，所述处理器30分别与所述存储器20和所述通信模块10连接，所述存储器20上存储有计算机程序，所述计算机程序同时被处理器30执行。

通信模块10，可通过网络与外部设备连接。通信模块10可以接收外部通讯设备发送的预警信息，还可发送报警至所述外部通讯设备。所述外部通讯设备可以是预警设备、各种传感器(包括烟雾传感器、温度传感器)、手机、平板电脑、笔记本电脑、台式电脑及监控设备等电子设备。

存储器20，可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如计算火灾概率)等；存储数据区可存储根据系统的使用所创建的数据或信息等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器30，是系统的控制中心，利用各种接口和线路连接整个系统的各个部分，通过运行或执行存储在存储器20内的软件程序和/或模块，以及调用存储在存储器20内的数据，执行系统的各种功能和处理数据，从而对广播信息记录装置进行整体监控。处理器30可包括一个或多个处理单元；优选的，处理器30可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器30中。

尽管图1未示出，但上述系统还可以包括电路控制模块，用于与市电连接，实现电源控制，保证其他部件的正常工作。

本领域技术人员可以理解，图1中示出的系统结构并不构成对系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

根据上述硬件结构，提出本发明方法各个实施例。

参照图2，在本发明火灾报警方法的第一实施例中，所述火灾报警方法包括步骤：

步骤S10，接收预警设备发送的预警，其中预警包含预警位置和预警时间；

在本方案中，预警设备可以为具有温度传感器的装置，也可以为集成了温度传感器和其他多个传感器(例如烟雾传感器、CO(carbon monoxide，一氧化碳)传感器等)的装置或者系统，预警设备的安装位置可以建筑物中任何位置，例如卧室、客厅、厨房、过道或楼道等。预警设备和火灾报警系统通过无线或有线网络连接。

当预警设备的温度传感器监测到预设范围内最高温度或平均温度超过预设的阈值温度时，或者预警设备的烟雾传感器监测到预设范围内烟雾浓度超过预设的烟雾阈值浓度时，或者预警设备中的CO传感器监测到预设范围内 CO浓度超过预设的CO阈值浓度时，又或者烟雾传感器监测到的预设范围内烟雾浓度和温度传感器监测到的预设范围内最高温度或平均温度都达到或超过各自对应的预设烟雾阈值浓度和预设阈值温度时，预警设备通过无线或有线网络发送预警至火灾报警系统。火灾报警系统此时会接收到预警设备发送的预警，并且其中预警包含了预警位置和预警时间。

步骤S20，根据预警位置和预警时间，获取至少一种火灾因子的特征值，所述火灾因子包括预警密度、预警设备所在建筑的已建成时间、发送预警时监测温度或发送预警前的温度变化速率；

火灾报警系统接收到预警设备发送的预警后，火灾报警系统会通过有线或无线网络发送获取温度数据请求至产生预警的该预警设备，预警设备接收到火灾报警系统发送的获取温度数据请求后，会将发送预警时监测温度传感器监测的温度数据和预警前预设时间内的温度传感器实时或间隔一定时间监测到的温度数据发送至火灾报警系统。火灾报警系统会根据距预警前的预设时间内温度传感器实时监测到的温度数据，计算出温度变化速率。

需要说明的是，预警设备的温度传感器监测的温度数据可以为距温度传感器预设范围内最高温度，还可以为距温度传感器预设范围内平均温度。

火灾报警系统接收到预警后，还会获取在该预警时间前预设时间内接收到的距该预警位置预设范围内其他预警设备发送的预警数量，并将该预警数量作为预警设备附近预警密度。

火灾报警系统接收到预警后，同时会根据预警中的预警位置信息，从火灾系统内部存储的预警位置和预警设备所在建筑的建立时间对应关系表中查询到该预警设备所在建筑的建立时间，从而根据预警时间和所在建筑建立时间计算出所在建筑在预警时所在建筑的已建成时间。

需要说明的是，火灾报警系统接收到预警后，除了向预警设备发送获取温度数据请求，还可以向预警设备发送获取由预警设备中的除温度传感器外其他传感器监测到的数据。例如烟雾传感器监测到的烟雾数据、CO传感器监测到的CO浓度数据。

步骤S30，确定至少一种火灾因子的特征值对应的概率和权重，并计算火灾概率；

本方案中，各火灾因子除了包括根据预警位置和预警时间获得的预警密度、预警设备所在建筑的已建成时间、发送预警时的监测温度和发送预警前的温度变化速率等，还包括了预警位置和预警时间的火灾因子。

火灾报警系统获得各火灾因子后，调用预先建立的火灾因子与概率对应关系表和火灾因子与权重对应关系表，根据各火灾因子特征值，从表中查询获得各火灾因子特征值对应的概率和权重。

火灾因子与概率对应关系表中各火灾因子对应的概率可以通过主观赋权法，根据经验丰富的专家给出各因素的概率，也可以通过大量真实样本数据放入模型中进行学习，从而得出更准确的各火灾因子对应的概率；火灾因子与权重对应关系表中各权重值可以通过通过大量真实样本数据放入模型中进行学习，从而得出更准确的各火灾因子对应的概率，也可以通过赋权法获得的，赋权法可以为主观赋权法、客观赋权法、熵值赋权法或者摇摆赋权法等。

火灾报警系统根据获得的各火灾因子特征值对应的概率和权重的方案还可以通过将各火灾因子输入到火灾报警系统中预设的概率生成模型和权重生成模型中，直接输出各火灾因子特征值对应的概率和权重，预设的概率生成模型和权重生成模型可以为决策树模型或者神经网络模型等。

需要说明的是，火灾因子除了上述提到的预警位置、预警时间、发送发送预警时监测温度、发送预警前的温度变化速率、预警密度和所述预警设备所在建筑的已建成时间，还可以包括预警时烟雾浓度、烟雾浓度变化速率、预警时CO浓度和CO浓度变化速率等。

火灾报警系统获得各火灾因子特征值对应的概率和权重后，将各火灾因子特征值对应的概率和权重输入楼栋火灾概率模型

中，以输出火灾概率，其中P为火灾概率，N为火灾因子总数量，p_n为第n种火灾因子特征值对应的概率，w_n为第n种火灾因子特征值对应的权重。

步骤S40，判断所述火灾概率是否大于或等于预设阈值；

火灾报警系统通过预设的火灾概率计算公式获得该预警的火灾概率后，判断该火灾概率是否大于预设阈值。

步骤S50，若火灾概率大于或等于预设阈值，发送火灾报警至用户终端。

当火灾报警系统确定该预警对应的发生火灾概率大于或等于预设阈值时，火灾报警系统会发送火灾报警至工作人员的终端和该预警地点所在楼栋的居民的终端，该用户终端可以为台式电脑、笔记本、智能手机。工作人员通过终端接收到的火灾报警后，会根据火灾报警中包含的火灾报警地点去进行处理。

例如，当火灾报警系统接收到某一预警设备发送的预警，预警时间为14 点35分，预警位置地点为某小区3栋一单元6层楼道内。火灾报警系统根据预警时间和预警地点，获得发送预警时监测温度为68℃，发送预警前2分钟内温度变化速率为20℃/min，预警设备所在楼栋已建成时间为5年，在预警前5分钟内该预警设备附近出现了5次预警。火灾报警系统根据这些火灾因子，通过预先建立的火灾因子与概率和权重对应关系表，获得各火灾因子对应的概率和权重：时间不在早中晚吃饭时间内，此时概率p₁，权重为w₁，楼栋火灾概率增加p₁*w₁；该预警设备在楼道内，此时概率为p₂，权重为w₂，楼栋火灾概率增加p₂*w₂；发送预警时监测的温度为68℃左右，此时概率为 p₃，权重为w₃，楼栋火灾概率增加p₃*w₃；该小区3栋是一期项目，已建成时间5年，此时概率为p₄，权重为w₄，楼栋火灾概率增加p₄*w₄；发送预警前前2分钟内温度变化速率为20℃/min，此时概率为p₅，权重为w₅，楼栋火灾概率增加p₅*w₅；该预警时间前5分钟内，该楼层有5个烟感类感知设备都产生了烟感告警，其中602室的感知设备最先产生烟感告警，此时概率为p₆，权重为w₆，楼栋火灾概率增加p₆*w₆。通过模型分析得出当前楼栋火灾发生概率为85％，高于预设的火灾概率，系统立即发出报警至工作人员手机app 和附近住户手机app，以此通知相关工作人员某小区3栋一单元疑似发生火灾，概率高于85％，请立即处理，以及通知附近住户做好预防工作。

本实施例通过接收预警设备发送的预警，其中预警包含预警位置和预警时间；根据预警位置和预警时间，获取至少一种火灾因子的特征值，所述火灾因子包括预警密度、预警设备所在建筑的已建成时间、发送预警时监测温度或发送预警前的温度变化速率；确定至少一种火灾因子的特征值对应的概率和权重，并计算火灾概率；判断所述火灾概率是否大于或等于预设阈值；若火灾概率大于或等于预设阈值，发送火灾报警至用户终端。由于该火灾报警系统综合考虑了预警位置、预警时间、预警密度、预警设备所在建筑的已建成时间、发送预警时监测温度和发送预警前的温度变化速率多个影响火灾产生的因子，计算出的预警对应的火灾概率是融合了这些火灾因子对应的概率和权重，其判断预警是否发生火灾的正确性更高，从而提高了火灾报警的准确率，降低了由于错误火灾报警导致的人力和时间的浪费。

进一步地，参照图3，根据本申请火灾报警方法的第一实施例提出本申请火灾报警方法的第二实施例，在本实施例中，所述步骤S20包括：

步骤S21，根据预警位置和预警时间，获取发送预警时距预警位置第一预设范围内的最高温度值，并作为发送预警时监测温度；

步骤S22，根据预警位置，获取预警前的第一预设时间内，所述预警设备多个时刻分别监测到的距预警位置第一预设范围内最高温度值，并根据获得的各时刻监测到的最高温度值，计算出预警前第一预设时间内最高温度变化速率，并作为发送预警前的温度变化速率；

步骤S23，根据预警位置和预警时间，获取预警时间前第二预设时间内，距所述预警位置第二预设范围内的发送了预警的其他预警设备总数量，并作为预警密度；

步骤S24，根据预警位置，获取所述预警设备所在建筑的建立时间，根据预警时间和所述预警设备所在建筑的建立时间，计算所述预警设备所在建筑的已建成时间。

在本方案中，火灾报警系统接收到预警后，火灾报警系统会通过有线或无线网络发送获取最高温度数据请求至产生预警的该预警设备，预警设备接收到火灾报警系统发送的获取最高温度数据请求后，会将发送预警时温度传感器监测到的最高温度值和发送预警前预设时间内的温度传感器监测到的各个时刻的最高温度数据发送至火灾报警系统。火灾报警系统会根据预设时间内温度传感器实时监测到的最高温度，计算出最高温度变化速率。

火灾报警系统接收到预警后，还会获取在该预警时间前预设时间内接收到的距该预警位置预设范围内其他预警设备发送的预警数量，并将该预警数量作为预警设备附近预警密度。

火灾报警系统接收到预警后，同时会根据预警中的预警位置信息，从火灾系统内部存储的预警位置和预警设备所在建筑的建立时间对应关系表中查询到该预警设备所在建筑的建立时间，从而根据预警时间和所在建筑建立时间推断出所在建筑在预警时的已建成时间，例如预警时间和建筑建立时间的时间差即是已建成时间。

需要说明的是，火灾系统根据预警位置和预警时间获取预警密度、获取预警设备所在建筑的已建成时间、获取发送预警时监测温度和获取发送预警前的温度变化速率的顺序可以同时进行，也可以先后执行，在此不做限定。

本实施例提出了一种根据预警位置和预警时间获取根据预警位置和预警时间，获取预警密度、预警设备所在建筑的已建成时间、发送预警时监测温度和发送预警前的温度变化速率等其他火灾因子策略，从而为火灾报警系统判断该预警是否正确提供了客观的数据。

进一步地，参照图4，根据本申请火灾报警方法的第一实施例提出本申请火灾报警方法的第三实施例，在本实施例中，所述步骤S30包括：

步骤S31，根据各火灾因子特征值，从预先建立的火灾因子和概率对应关系表中查询各火灾因子特征值对应的概率；

在本方案中，火灾报警系统建立火灾因子概率对应关系表是通过获取预警前多个预警信息作为训练样本集；根据训练样本集，获得各火灾因子特征值对应的概率；根据所述各火灾因子特征值对应的概率，建立火灾因子概率对应关系表。火灾报警系统根据训练样本集获得各火灾因子特征值对应的概率可以通过根据训练样本集和赋权法(例如：主观赋权法、客观赋权法等) 获得各火灾因子对应的概率，也可以通过根据训练样本集，获得各火灾因子的信息增益，并作为各火灾因子对应的概率。

其中根据训练样本集，获得各火灾因子的信息增益，并作为各火灾因子对应的概率的具体过程如下：

获取预警前多个包含了各火灾因子特征值的预警以及各预警对应的是否发生火灾的结果，该训练样本数据集的样本总数为D；

根据各预警对应的火灾是否发生，将训练样本数据集分为火灾类子样本集和非火灾类子样本集，所述两类子样本集中样本数量分别为C₁和C₂， D＝C₁+C₂；

根据训练样本集样本数、火灾类子样本集的样本数和非火灾类子样本集的样本数，获得训练样本集的经验熵，其中H(D)的计算公式为

根据各火灾因子预设的多个特征值或特征值区间，将训练样本数据集划分为多个火灾因子特征子集D_ni，其中D_ni为包含了第n种火灾因子，并且该火灾因子的特征值等于预设的第i个特征值或属于预设的第i个特征区间的特征值的预警组成样本集合，其中n＝1，2...，N，i＝1，2...，I_n，I_n为第n种火灾因子预设的特征值或特征值区间数量，各火灾因子特征子集的样本数为C_ni。

不同火灾因子预设的特征值或特征值区间的种类数量可以相同或不同，即I_n值不同，例如预警位置预设的特征值为客厅、厨房、卧室、楼道，则其预警位置对应I_n值为4，根据该预设的特征值，划分训练样本数据集，会划分为4个样本子集。对于发送预警时监测温度，可以划分预设特征值区间为[40℃， 60℃]、[61℃，80℃]、[81℃，100℃]、[101℃，150℃]和[151℃，∞]，发送预警时监测温度对应的I_n值则为5，根据发送预警时监测温度划分训练数据样本集，会划分为5个样本子集。

根据训练样本数据集、火灾类子样本集、非火灾类子样本集和各火灾因子特征值子样本集的D_ni，计算出各火灾因子对训练样本数据集D的经验条件熵，该计算公式为：

其中H(第n种火灾因子)为第n种火灾因子对训练样本集的经验条件熵，I_n为根据第n种火灾因子预设的特征值或特征值区间数，C_ni为火灾因子特征值子集中样本数量，C_nik为同时属于子样本集D_ni和子样本集的样本数，其中k＝1 或2。

根据获得的训练样本集的经验熵H(D)和各火灾因子对训练样本集的经验条件熵H(第n种火灾因子)，计算出各火灾因子的信息增益，并作为各火灾因子对应的概率，该计算公式为：g(第n种火灾因子)＝H(D)-H(第n种火灾因子)，其中 g(第n种火灾因子)为第n种火灾因子对应的信息增益。

火灾报警系统接收到任一预警设备发送的预警后，根据获得的该预警对应的各火灾因子特征值，从预警前预设的各火灾因子和概率对应关系表中查询各火灾因子对应的概率。该表中同一火灾因子不同特征值对应的概率是相同的，例如预警位置，可能预警位置处于楼道或者厨房内，其对应的概率都是相同的；不同火灾因子对应的概率可能相同也可能不同。

步骤S32，根据各火灾因子特征值，从预先建立的火灾因子和权重对应关系表中查询各火灾因子特征值对应的权重。

在本方案中，火灾报警系统建立火灾因子权重对应关系表是通过获取预警前多个预警信息作为训练样本集；根据训练样本集，获得各火灾因子特征值对应的权重；根据所述各火灾因子特征值对应的权重，建立火灾因子权重对应关系表。火灾报警系统根据训练样本集获得各火灾因子特征值对应的权重可以通过根据训练样本集和赋权法(例如：主观赋权法、客观赋权法等) 获得各火灾因子对应的权重，也可以根据训练样本集，获得各火灾因子预设的特征值或特征值区间对应的基尼指数，进而获得各火灾因子特征值或特征值区间对应的权重。

其中根据训练样本集，获得各火灾因子特征值或特征值区间对应基尼指数，进而获得各火灾因子特征值或特征值区间对应的权重的具体过程如下：

获取预警前多个包含了各火灾因子特征值的预警以及各预警对应的是否发生火灾的结果，该训练样本数据集的样本总数为D；

根据各预警对应的火灾是否发生，将训练样本数据集分为火灾类子样本集和非火灾类子样本集，所述两类子样本集中样本数量分别为C₁和C₂， D＝C₁+C₂；根据各火灾因子预设的多个特征值或特征值区间，将训练样本数据集划分为多个火灾因子特征子集D_ni，其中D_ni为包含了第n种火灾因子，并且该火灾因子的特征值等于预设的第i个特征值或属于预设的第i个特征区间的特征值的预警组成样本集合，其中n＝1，2...，N，i＝1，2...，I_n，I_n为第n种火灾因子预设的特征值或特征值区间数量，各火灾因子特征值子集的样本数为C_ni。

根据训练样本集、火灾类子样本集、各火灾因子特征值子集，获得各火灾因子预设的特征值或特征值区间对应基尼指数。将训练样本集、火灾类子样本集、各火灾因子特征值子集对应的样本数输入基尼指数生成模型，获得各火灾因子预设的特征值或特征值区间对应基尼指数。

基尼指数生成模型为

其中G_ni为第n种火灾因子第i个预设的特征值或特征值区间对应的基尼指数，C₁为火灾类子样本集的样本数，D为训练样本集的样本数，C_ni为各火灾因子特征值子集的样本数。

根据获得的各火灾因子预设的特征值或特征值区间对应基尼指数G_ni输入权重生成模型，获得各火灾因子预设的特征值或特征值区间对应权重w_ni。所述权重生成模型为

w_ni为第n种火灾因子中第i个特征值或特征区间对应的权重。

火灾报警系统接收到任一预警设备发送的预警后，获得的该预警对应的各火灾因子特征值，判断该预警的各火灾因子特征值等于或属于火灾因子和权重对应关系表中预设的特征值或特征值区间，从火灾因子和权重对应关系表中查询到该预警的各火灾因子特征值所属的特征值或特征值区间对应的权重。

需要说明的是，在预设的火灾因子与权重对应关系表中，同一火灾因子，不同特征值对应的权重可能相同也可能不同。例如火灾因子为预警时间，当预警时间处于分为7-8点、11-12点和17-19点时间段内，比处于其他时间段内对应的权重大；火灾因子为预警位置，当预警位置的特征值为楼道时，其对应的权重会大于预警位置特征值为卧室对应的权重；火灾因子为预警密度时，预警密度越大，其对应的权重越大；火灾因子为发送预警时监测温度，发送预警时监测温度越大，其对应的权重越大；火灾因子为预警前温度变化速率，预警前温度变化速率越大，其对应的权重越大；火灾因子为预警设备所在建筑已建成时间，预警设备所在建筑已建成时间越长，其对应的权重越大。

火灾系统根据包括预警位置、预警时间、预警密度、预警设备所在建筑的已建成时间、发送预警时监测温度和发送预警前的温度变化速率的各火灾因子特征值，获取各火灾因子特征值对应的概率和权重的顺序可以同时进行，也可以先后执行，在此不做限定。

本实施例提出了一种从预设的火灾因子与概率对应关系表和火灾因子与权重对应关系表中查询获得预警的各火灾因子特征值对应的概率和权重策略。从而相比根据预警各火灾因子特征值输入概率和权重生成模型中实时生成各火灾因子特征值对应的概率和权重，能够更快速的获得预警的各火灾因子特征值对应的概率和权重，减少获得该预警对应的火灾概率的整个过程的时间，使得火灾报警系统更高效。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序。所述计算机可读存储介质可以是图1的系统中的存储器20，也可以是如ROM (Read-OnlyMemory，只读存储器)/RAM(Random Access Memory，随机存取存储器)、磁碟、光盘中的至少一种，所述计算机可读存储介质包括若干信息用以使得系统执行本发明各个实施例所述的方法。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种火灾报警方法，其特征在于，包括步骤：

接收预警设备发送的预警，其中预警包含预警位置和预警时间；

根据预警位置和预警时间，获取至少一种火灾因子的特征值，所述火灾因子包括预警时间、预警位置、预警密度、预警设备所在建筑的已建成时间、发送预警时监测温度或发送预警前的温度变化速率；

根据各火灾因子特征值，从预先建立的火灾因子概率对应关系表和预先建立的火灾因子权重对应关系表中查询各火灾因子特征值对应的概率和权重，并计算火灾概率；

判断所述火灾概率是否大于或等于预设阈值；

若火灾概率大于或等于预设阈值，发送火灾报警至用户终端；

其中，所述根据预警位置和预警时间，获取预警密度的步骤包括：

根据预警位置和预警时间，获取预警前的第二预设时间内，距所述预警位置第二预设范围内的发送了预警的其他预警设备总数量，并作为预警密度；

所述建立火灾因子概率对应关系表和火灾因子权重对应关系表的步骤包括：

获取预警前多个预警信息作为训练样本集；

根据训练样本集，获得各火灾因子的信息增益，并作为各火灾因子对应的概率；

根据训练样本集，获得各火灾因子特征值对应的权重；

其中，获得各火灾因子的信息增益包括，将训练样本数据集的样本总数D，分为火灾类子样本集C₁和非火灾类子样本集C₂，D＝C₁+C₂；

根据所述样本数据集获得训练样本集的经验熵H(D)，其中H(D)的计算公式为：

根据各火灾因子预设的多个特征值或特征值区间，将训练样本数据集划分为多个火灾因子特征子集Dni，其中Dni为包含了第n种火灾因子，并且该火灾因子的特征值等于预设的第i个特征值或属于预设的第i个特征区间的特征值的预警组成样本集合，其中各火灾因子特征值子集的样本数为C_ni；

根据训练样本数据集、火灾类子样本集、非火灾类子样本集和多个火灾因子特征值子样本集的D_ni，计算出各火灾因子对训练样本数据集D的经验条件熵，计算公式为：

其中，H(第n种火灾因子)为第n种火灾因子对训练样本集的经验条件熵，I_n为根据第n种火灾因子预设的特征值或特征值区间数，C_ni为火灾因子特征值子集中样本数量，C_nik为同时属于子样本集D_ni和子样本集的样本数，其中k＝1或2；

根据所述H(D)和所述H(第n种火灾因子)，计算出各火灾因子的信息增益g(第n种火灾因子)，并作为各火灾因子对应的概率，计算公式为：g(第n种火灾因子)＝H(D)-H(第n种火灾因子)；

根据所述各火灾因子特征值对应的概率和权重，建立火灾因子概率对应关系表和火灾因子权重对应关系表。

2.如权利要求1所述的火灾报警方法，其特征在于，所述根据预警位置和预警时间，获取发送预警时监测温度的步骤包括：

根据预警位置和预警时间，获取发送预警时距预警位置第一预设范围内的最高温度值，并作为发送预警时监测温度。

3.如权利要求1所述的火灾报警方法，其特征在于，所述根据预警位置和预警时间，获取发送预警前的温度变化速率的步骤包括：

根据预警位置，获取预警前的第一预设时间内，所述预警设备多个时刻分别监测到的距预警位置第一预设范围内最高温度值；

根据获得的预警前第一预设时间内各时刻监测到的最高温度值，计算出预警前第一预设时间内最高温度变化速率，并作为发送预警前的温度变化速率。

4.如权利要求1所述的火灾报警方法，其特征在于，所述根据预警位置和预警时间，获取所述预警设备所在建筑的已建成时间的步骤包括：

根据预警位置，获取所述预警设备所在建筑的建立时间；

根据预警时间和所述预警设备所在建筑的建立时间，计算所述预警设备所在建筑的已建成时间。

5.如权利要求1至4中任一项所述的火灾报警方法，其特征在于，所述计算火灾概率的步骤包括：

将各火灾因子特征值对应的概率和权重输入楼栋火灾概率模型

中，以输出火灾概率，其中P为火灾概率，N为火灾因子总数量，p_n为第n种火灾因子特征值对应的概率，w_n为第n种火灾因子特征值对应的权重。

6.一种火灾报警系统，其特征在于，所述系统包括：通信模块、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的火灾报警方法的步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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如权利要求1至5中任一项所述的火灾报警方法的步骤。

Images