CN110162549B - 一种火灾数据分析方法、装置、可读存储介质及终端设备 - Google Patents

一种火灾数据分析方法、装置、可读存储介质及终端设备 Download PDF

Info

Publication number
CN110162549B
CN110162549B CN201910257219.2A CN201910257219A CN110162549B CN 110162549 B CN110162549 B CN 110162549B CN 201910257219 A CN201910257219 A CN 201910257219A CN 110162549 B CN110162549 B CN 110162549B
Authority
CN
China
Prior art keywords
fire
topological relation
data
principal component
various
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.)
Active
Application number
CN201910257219.2A
Other languages
English (en)
Other versions
CN110162549A (zh
Inventor
刘海莹
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.)
Zdst Communication Technology Co ltd
Original Assignee
Zdst Communication 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 Zdst Communication Technology Co ltd filed Critical Zdst Communication Technology Co ltd
Priority to CN201910257219.2A priority Critical patent/CN110162549B/zh
Publication of CN110162549A publication Critical patent/CN110162549A/zh
Application granted granted Critical
Publication of CN110162549B publication Critical patent/CN110162549B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Fuzzy Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于空间数据挖掘技术领域，尤其涉及一种火灾数据分析方法、装置、计算机可读存储介质及终端设备。所述方法从预设的火灾事件数据库中获取目标区域内的火灾事件；从预设的地理信息系统中获取所述目标区域内的各类空间对象的地理位置；根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据；对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据；根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系。通过运用空间数据挖掘的方式研究火灾事件与地理位置之间的关系，从而捕捉到火灾这种随机性极强事件的特征，从中能够更好的发现火灾发生的规律，具有较强的实用性。

Description

一种火灾数据分析方法、装置、可读存储介质及终端设备
技术领域
本发明属于空间数据挖掘技术领域，尤其涉及一种火灾数据分析方法、装置、计算机可读存储介质及终端设备。
背景技术
在各种灾害中，火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一。人类能够对火进行利用和控制，是文明进步的一个重要标志。所以说人类使用火的历史与同火灾作斗争的历史是相伴相生的，人们在用火的同时，不断总结火灾发生的规律，尽可能地减少火灾及其对人类造成的危害。但是由于火灾是一种随机性极强的事件，现有技术中依靠于人工在事后进行分析的方式往往难以发现火灾发生的规律，实用性较差。
发明内容
有鉴于此，本发明实施例提供了一种火灾数据分析方法、装置、计算机可读存储介质及终端设备，以解决现有技术中依靠于人工在事后进行分析的方式往往难以发现火灾发生的规律，实用性较差的问题。
本发明实施例的第一方面提供了一种火灾数据分析方法，可以包括：
从预设的火灾事件数据库中获取目标区域内的火灾事件，其中，每条火灾事件均包括火灾原因和火灾地理位置；
从预设的地理信息系统中获取所述目标区域内的各类空间对象的地理位置；
根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据；
对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据；
根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系。
进一步地，所述对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据包括：
使用核主成分分析方法对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据。
进一步地，所述使用核主成分分析方法对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据包括：
构建与所述拓扑关系数据对应的数据矩阵；
使用预设的核函数计算与所述数据矩阵对应的核矩阵；
计算所述核矩阵的特征值和特征向量；
将所述特征值按降序排列，并调整与所述特征值对应的特征向量；
使用Gram-Schmidt正交化的方法对所述特征向量进行处理，得到单位化的特征向量；
计算所述特征值的累积贡献率，并根据所述累积贡献率提取所述单位化的特征向量中的主分量；
计算所述核矩阵在所述主分量上的投影数据，并将所述投影数据作为所述降维后的拓扑关系数据。
进一步地，所述根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系包括：
对所述降维后的拓扑关系数据进行碎石检验，提取贡献率最大的前两个主成分作为优选主成分；
根据所述优选主成分生成可视化图形，所述可视化图形用于展示各类火灾原因与各类空间对象之间的关系。
进一步地，所述根据所述优选主成分生成可视化图形包括：
分别以第一主成分和第二主成分作为X轴和Y轴建立直角坐标系，所述第一主成分和所述第二主成分均属于所述优选主成分；
在所述直角坐标系下生成所述可视化图形。
本发明实施例的第二方面提供了一种火灾数据分析装置，可以包括：
火灾事件获取模块，用于从预设的火灾事件数据库中获取目标区域内的火灾事件，其中，每条火灾事件均包括火灾原因和火灾地理位置；
空间对象获取模块，用于从预设的地理信息系统中获取所述目标区域内的各类空间对象的地理位置；
拓扑关系建立模块，用于根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据；
降维处理模块，用于对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据；
数据分析模块，用于根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系。
进一步地，所述降维处理模块可以包括：
核主成分分析单元，用于使用核主成分分析方法对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据。
进一步地，所述核主成分分析单元可以包括：
数据矩阵构建子单元，用于构建与所述拓扑关系数据对应的数据矩阵；
核矩阵计算子单元，用于使用预设的核函数计算与所述数据矩阵对应的核矩阵；
特征向量计算子单元，用于计算所述核矩阵的特征值和特征向量；
降序排列子单元，用于将所述特征值按降序排列，并调整与所述特征值对应的特征向量；
正交化处理子单元，用于使用Gram-Schmidt正交化的方法对所述特征向量进行处理，得到单位化的特征向量；
主分量提取子单元，用于计算所述特征值的累积贡献率，并根据所述累积贡献率提取所述单位化的特征向量中的主分量；
投影计算子单元，用于计算所述核矩阵在所述主分量上的投影数据，并将所述投影数据作为所述降维后的拓扑关系数据。
进一步地，所述数据分析模块可以包括：
碎石检验单元，用于对所述降维后的拓扑关系数据进行碎石检验，提取贡献率最大的前两个主成分作为优选主成分；
图形生成单元，用于根据所述优选主成分生成可视化图形，所述可视化图形用于展示各类火灾原因与各类空间对象之间的关系。
进一步地，所述图形生成单元可以包括：
坐标系建立子单元，用于分别以第一主成分和第二主成分作为X轴和Y轴建立直角坐标系，所述第一主成分和所述第二主成分均属于所述优选主成分；
图形生成子单元，用于在所述直角坐标系下生成所述可视化图形。
本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述任一种火灾数据分析方法的步骤。
本发明实施例的第四方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述任一种火灾数据分析方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例从预设的火灾事件数据库中获取目标区域内的火灾事件，其中，每条火灾事件均包括火灾原因和火灾地理位置；从预设的地理信息系统中获取所述目标区域内的各类空间对象的地理位置；根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据；对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据；根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系。通过本发明实施例，以火灾事件中的地理位置作为落脚点，运用空间数据挖掘的方式研究火灾事件与地理位置之间的关系，突破了数据之间关联性弱的瓶颈，从而捕捉到火灾这种随机性极强事件的特征，从中能够更好的发现火灾发生的规律，具有较强的实用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例中一种火灾数据分析方法的一个实施例流程图；
图2为根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据的示意图；
图3为二维的可视化图形的示意图；
图4为本发明实施例中一种火灾数据分析装置的一个实施例结构图；
图5为本发明实施例中一种终端设备的示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例中一种火灾数据分析方法的一个实施例可以包括：
步骤S101、从预设的火灾事件数据库中获取目标区域内的火灾事件。
其中，每条火灾事件均包括火灾原因和火灾地理位置，所述火灾事件数据库为由各条火灾事件所组成的数据集合，所述目标区域可以由用户根据实际进行设置，例如，用户可以选取一个或多个城市作为火灾数据分析的目标区域，也可以选取一个或多个片区作为火灾数据分析的目标区域，本实施例对此不作具体限定。
为了便于分析，本实施例中可以将所有的火灾事件按照火灾原因(如电气设备故障、车辆起火等)划分为多个分组，以下步骤中针对各个分组分别进行火灾数据分析。
步骤S102、从预设的地理信息系统中获取所述目标区域内的各类空间对象的地理位置。
地理信息系统(Geographic Information System，GIS)是以地理空间数据为基础，在计算机软硬件的支持下，对空间相关数据进行采集、管理、操作、模拟、分析和显示，并采用地理模型分析方法,适时提供多种空间和动态的地理信息，为地理研究和地理决策服务而建立起来的计算机应用系统。空间对象是GIS空间分析的客体，它们是现实世界中客观存在的实体或现象。人们能够感知空间对象的存在是因为其具有多重的属性，如，空间位置、发生时间、大小、颜色、质地、位置等等。本实施例中所针对的各类空间对象包括但不限于道路、桥梁、警察局等等。
步骤S103、根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据。
在本实施例中，可以预先设置一组空间谓词，用于表述火灾地理位置与各类空间对象的地理位置之间的拓扑关系。
空间谓词是计算机中表示地理空间关系的方式，它表明了存在于两个空间对象之间的特殊关系，本实施例中所设置的空间谓词可以包括但不限于以下具体内容：
相等(Equals)：几何形状拓扑上相等。
脱节(Disjoint)：几何形状没有共有的点。
相交(Intersects)：几何形状至少有一个共有点。
接触(Touches)：几何形状有至少一个公共的边界点，但是没有内部点。
交叉(Crosses)：几何形状共享一些但不是所有的内部点。
包含(Contains)：几何形状B的线都在几何形状A内部。
重叠(Overlaps)：几何形状共享一部分但不是所有的公共点，而且相交处有他们自己相同的区域。
在GIS系统中，使用每个空间谓词均可以比较两个空间对象并返回一个布尔变量值作为结果，具体地，若返回的布尔变量值为1，则说明这两个空间之间对象存在该空间谓词所表明的特殊关系，若返回的布尔变量值为0，则说明这两个空间之间对象不存在该空间谓词所表明的特殊关系。如图2所示，使用各个空间谓词分别比较各条火灾事件的火灾地理位置和各类空间对象的地理位置，通过程序判断输出，即可得到各类火灾原因与各类空间对象之间的拓扑关系数据。
步骤S104、对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据。
一般地，所述拓扑关系数据中的变量数量会非常庞大，因此需要首先对其进行降维处理。目前，数据降维方法主要分为两类：线性降维和非线性降维。本实施例中优选使用非线性降维方法当中的核主成分分析(KPCA)方法对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据。KPCA在具备了PCA所有数学特性的前提下，还具有比PCA提供更优的识别性，以及计算复杂度不因变换空间的维数增加而加大，仅与输入空间的维数相关等特征。其基本原理是通过非线性函数把输入空间映射到高维空间，在特征空间中进行数据处理，其关键在于通过引入核函数，把非线性变换后的特征空间内积运算转换为原始空间的核函数计算，从而简化了计算量。
具体地，可以首先根据下式构建与所述拓扑关系数据对应的数据矩阵：
Figure BDA0002014124660000081
其中，A即为所述数据矩阵，该数据矩阵中包括m条数据记录，每条数据记录有n个属性，amn即为第m条数据记录的第n个属性。
然后，使用预设的核函数计算与所述数据矩阵对应的核矩阵。本实施例中优选使用如下所示的高斯径向基(Radial Basis Function，RBF)核函数：
Figure BDA0002014124660000082
计算得到的核矩阵记为K，进一步地，还可以对该核矩阵进行修正，得到修正后的核矩阵KL。
接着，计算所述核矩阵的特征值和特征向量。在本实施例中，可以将KL的特征值分别记为λ1,λ2,...,λn，将KL的特征向量分别记为v1,v2,...,vn。再将所述特征值按降序排列，并调整与所述特征值对应的特征向量，使用Gram-Schmidt正交化的方法对所述特征向量进行处理，得到单位化的特征向量a1,a2,...,an。
计算所述特征值的累积贡献率B1,B2,...,Bn，并根据所述累积贡献率提取所述单位化的特征向量中的主分量。例如，可以预先设置一个提取效率p，如果满足：Bt≥p，则提取所述单位化的特征向量中的前t个特征向量a1,a2,...,at作为主分量。
最后，根据下式计算所述核矩阵在所述主分量上的投影数据：Y＝KL·a，其中，a＝(a1,a2,...,at)，所得的投影数据Y即为所述降维后的拓扑关系数据。
步骤S105、根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系。
具体地，首先可以对所述降维后的拓扑关系数据进行碎石检验，提取贡献率最大的前两个主成分作为优选主成分。
碎石检验是根据碎石图来决定因素数的方法。在主轴因素法中，公共因素的方差贡献等于该因素对应的特征根的值，计算累积方差贡献率可用计算累积特征根百分比来代替，甚至可通过直接观察特征根的变化来决定因素数。当某个特征根较前一特征根的值出现较大的下降，而这个特征根较小，其后面的特征根变化不大，说明添加相应于该特征根的因素只能增加很少的信息，所以前几个特征根就是应抽取的公共因素数。
本实施例中可以根据累计贡献率提取优选主成分，将主成分按贡献率降序排列，当顺序靠前的两个主成分的累积贡献率达到阈值时，则提取这两个主成分作为优选主成分。当然，也可以根据实际提取累积贡献率最大的前三个主成分作为优选主成分。
然后，根据所述优选主成分生成可视化图形。
以两个优选主成分为例，即分别以第一主成分和第二主成分作为X轴和Y轴建立直角坐标系，并在所述直角坐标系下生成所述可视化图形。所述第一主成分和所述第二主成分均属于所述优选主成分。
例如，可以根据投影数据Y得到所述第一主成分(PC1)的表达式：
PC1＝-0.373*close_to_road-0.01*close_to_crossroad+0.45*close_to_overpass
和所述第二主成分(PC2)的表达式：
PC2＝0.25*close_to_road-0.27*close_to_crossroad+0.15*close_to_overpass其中，close_to_road、close_to_crossroad、close_to_overpass分别表示靠近道路、靠近交叉路口及靠近立交桥等因子。利用各因子的系数作为因子在前述直角坐标系中的坐标值，例如用(-0.373,0.25)作为close_to_road因子的坐标值，依次类推，则可以生成如图3所示的二维的可视化图形来展示各类火灾原因与各类空间对象之间的关系。
类似地，若提取了三个优选主成分。则可以根据这三个优选主成分生成三维的可视化图形。
综上所述，本发明实施例从预设的火灾事件数据库中获取目标区域内的火灾事件，其中，每条火灾事件均包括火灾原因和火灾地理位置；从预设的地理信息系统中获取所述目标区域内的各类空间对象的地理位置；根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据；对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据；根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系。通过本发明实施例，以火灾事件中的地理位置作为落脚点，运用空间数据挖掘的方式研究火灾事件与地理位置之间的关系，突破了数据之间关联性弱的瓶颈，从而捕捉到火灾这种随机性极强事件的特征，从中能够更好的发现火灾发生的规律，具有较强的实用性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的一种火灾数据分析方法，图4示出了本发明实施例提供的一种火灾数据分析装置的一个实施例结构图。
本实施例中，一种火灾数据分析装置可以包括：
火灾事件获取模块401，用于从预设的火灾事件数据库中获取目标区域内的火灾事件，其中，每条火灾事件均包括火灾原因和火灾地理位置；
空间对象获取模块402，用于从预设的地理信息系统中获取所述目标区域内的各类空间对象的地理位置；
拓扑关系建立模块403，用于根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据；
降维处理模块404，用于对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据；
数据分析模块405，用于根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系。
进一步地，所述降维处理模块可以包括：
核主成分分析单元，用于使用核主成分分析方法对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据。
进一步地，所述核主成分分析单元可以包括：
数据矩阵构建子单元，用于构建与所述拓扑关系数据对应的数据矩阵；
核矩阵计算子单元，用于使用预设的核函数计算与所述数据矩阵对应的核矩阵；
特征向量计算子单元，用于计算所述核矩阵的特征值和特征向量；
降序排列子单元，用于将所述特征值按降序排列，并调整与所述特征值对应的特征向量；
正交化处理子单元，用于使用Gram-Schmidt正交化的方法对所述特征向量进行处理，得到单位化的特征向量；
主分量提取子单元，用于计算所述特征值的累积贡献率，并根据所述累积贡献率提取所述单位化的特征向量中的主分量；
投影计算子单元，用于计算所述核矩阵在所述主分量上的投影数据，并将所述投影数据作为所述降维后的拓扑关系数据。
进一步地，所述数据分析模块可以包括：
碎石检验单元，用于对所述降维后的拓扑关系数据进行碎石检验，提取贡献率最大的前两个主成分作为优选主成分；
图形生成单元，用于根据所述优选主成分生成可视化图形，所述可视化图形用于展示各类火灾原因与各类空间对象之间的关系。
进一步地，所述图形生成单元可以包括：
坐标系建立子单元，用于分别以第一主成分和第二主成分作为X轴和Y轴建立直角坐标系，所述第一主成分和所述第二主成分均属于所述优选主成分；
图形生成子单元，用于在所述直角坐标系下生成所述可视化图形。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
图5示出了本发明实施例提供的一种终端设备的示意框图，为了便于说明，仅示出了与本发明实施例相关的部分。
如图5所示，该实施例的终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个火灾数据分析方法实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至模块405的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，图5仅仅是终端设备5的示例，并不构成对终端设备5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，例如所述终端设备5还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备5所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.一种火灾数据分析方法，其特征在于，包括：
从预设的火灾事件数据库中获取目标区域内的火灾事件，其中，每条火灾事件均包括火灾原因和火灾地理位置；
从预设的地理信息系统中获取所述目标区域内的各类空间对象的地理位置；
根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据，包括：
预先设置一组空间谓词，用于表述火灾地理位置与各类空间对象的地理位置之间的拓扑关系；在GIS系统中，使用每个空间谓词比较两个空间对象并返回一个布尔变量值作为结果，若返回的布尔变量值为1，则说明这两个空间之间对象存在该空间谓词所表明的特殊关系，若返回的布尔变量值为0，则说明这两个空间之间对象不存在该空间谓词所表明的特殊关系；使用各个空间谓词分别比较各条火灾事件的火灾地理位置和各类空间对象的地理位置，通过程序判断输出，得到各类火灾原因与各类空间对象之间的拓扑关系数据；
对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据；
根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系，包括：
对所述降维后的拓扑关系数据进行碎石检验，提取贡献率最大的前两个主成分作为优选主成分；
根据所述优选主成分生成可视化图形，所述可视化图形用于展示各类火灾原因与各类空间对象之间的关系，包括：
分别以第一主成分和第二主成分作为X轴和Y轴建立直角坐标系，所述第一主成分和所述第二主成分均属于所述优选主成分；
在所述直角坐标系下生成所述可视化图形，包括：
根据投影数据得到所述第一主成分和所述第二主成分的表达式，利用表达式中各因子的系数作为因子在所述直角坐标系中的坐标值，生成二维的可视化图形来展示各类火灾原因与各类空间对象之间的关系。
2.根据权利要求1所述的火灾数据分析方法，其特征在于，所述对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据包括：
使用核主成分分析方法对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据。
3.根据权利要求2所述的火灾数据分析方法，其特征在于，所述使用核主成分分析方法对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据包括：
构建与所述拓扑关系数据对应的数据矩阵；
使用预设的核函数计算与所述数据矩阵对应的核矩阵；
计算所述核矩阵的特征值和特征向量；
将所述特征值按降序排列，并调整与所述特征值对应的特征向量；
使用Gram-Schmidt正交化的方法对所述特征向量进行处理，得到单位化的特征向量；
计算所述特征值的累积贡献率，并根据所述累积贡献率提取所述单位化的特征向量中的主分量；
计算所述核矩阵在所述主分量上的投影数据，并将所述投影数据作为所述降维后的拓扑关系数据。
4.一种火灾数据分析装置，其特征在于，包括：
火灾事件获取模块，用于从预设的火灾事件数据库中获取目标区域内的火灾事件，其中，每条火灾事件均包括火灾原因和火灾地理位置；
空间对象获取模块，用于从预设的地理信息系统中获取所述目标区域内的各类空间对象的地理位置；
拓扑关系建立模块，用于根据火灾地理位置和各类空间对象的地理位置建立各类火灾原因与各类空间对象之间的拓扑关系数据，包括：
预先设置一组空间谓词，用于表述火灾地理位置与各类空间对象的地理位置之间的拓扑关系；在GIS系统中，使用每个空间谓词比较两个空间对象并返回一个布尔变量值作为结果，若返回的布尔变量值为1，则说明这两个空间之间对象存在该空间谓词所表明的特殊关系，若返回的布尔变量值为0，则说明这两个空间之间对象不存在该空间谓词所表明的特殊关系；使用各个空间谓词分别比较各条火灾事件的火灾地理位置和各类空间对象的地理位置，通过程序判断输出，得到各类火灾原因与各类空间对象之间的拓扑关系数据；
降维处理模块，用于对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据；
数据分析模块，用于根据所述降维后的拓扑关系数据确定各类火灾原因与各类空间对象之间的关系，包括：
对所述降维后的拓扑关系数据进行碎石检验，提取贡献率最大的前两个主成分作为优选主成分；
根据所述优选主成分生成可视化图形，所述可视化图形用于展示各类火灾原因与各类空间对象之间的关系，包括：
分别以第一主成分和第二主成分作为X轴和Y轴建立直角坐标系，所述第一主成分和所述第二主成分均属于所述优选主成分；
在所述直角坐标系下生成所述可视化图形，包括：
根据投影数据得到所述第一主成分和所述第二主成分的表达式，利用表达式中各因子的系数作为因子在所述直角坐标系中的坐标值，生成二维的可视化图形来展示各类火灾原因与各类空间对象之间的关系。
5.根据权利要求4所述的火灾数据分析装置，其特征在于，所述降维处理模块包括：
核主成分分析单元，用于使用核主成分分析方法对所述拓扑关系数据进行降维处理，得到降维后的拓扑关系数据。
6.根据权利要求5所述的火灾数据分析装置，其特征在于，所述核主成分分析单元可以包括：
数据矩阵构建子单元，用于构建与所述拓扑关系数据对应的数据矩阵；
核矩阵计算子单元，用于使用预设的核函数计算与所述数据矩阵对应的核矩阵；
特征向量计算子单元，用于计算所述核矩阵的特征值和特征向量；
降序排列子单元，用于将所述特征值按降序排列，并调整与所述特征值对应的特征向量；
正交化处理子单元，用于使用Gram-Schmidt正交化的方法对所述特征向量进行处理，得到单位化的特征向量；
主分量提取子单元，用于计算所述特征值的累积贡献率，并根据所述累积贡献率提取所述单位化的特征向量中的主分量；
投影计算子单元，用于计算所述核矩阵在所述主分量上的投影数据，并将所述投影数据作为所述降维后的拓扑关系数据。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如权利要求1至3中任一项所述的火灾数据分析方法的步骤。
8.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至3中任一项所述的火灾数据分析方法的步骤。
CN201910257219.2A 2019-04-01 2019-04-01 一种火灾数据分析方法、装置、可读存储介质及终端设备 Active CN110162549B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910257219.2A CN110162549B (zh) 2019-04-01 2019-04-01 一种火灾数据分析方法、装置、可读存储介质及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910257219.2A CN110162549B (zh) 2019-04-01 2019-04-01 一种火灾数据分析方法、装置、可读存储介质及终端设备

Publications (2)

Publication Number Publication Date
CN110162549A CN110162549A (zh) 2019-08-23
CN110162549B true CN110162549B (zh) 2021-09-21

Family

ID=67638386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910257219.2A Active CN110162549B (zh) 2019-04-01 2019-04-01 一种火灾数据分析方法、装置、可读存储介质及终端设备

Country Status (1)

Country Link
CN (1) CN110162549B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112634214A (zh) * 2020-12-15 2021-04-09 太原理工大学 一种结合节点属性与多层次拓扑的脑网络分类方法
CN113674423A (zh) * 2021-08-27 2021-11-19 中德（珠海）人工智能研究院有限公司 一种火灾原因判定方法、装置、服务器及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489036A (zh) * 2013-09-27 2014-01-01 上海交通大学 基于混合空间关联分析的应急预警网格划分系统及方法
CN103971114A (zh) * 2014-04-23 2014-08-06 天津航天中为数据系统科技有限公司 基于航空遥感的森林火灾探测方法
KR101877625B1 (ko) * 2016-09-22 2018-08-09 (주)아이넷테크 Gis 연계 위치 정보 확인 시스템 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104282185A (zh) * 2014-07-15 2015-01-14 南京火眼金睛信息科技有限公司 楼宇消防火灾逃生智能体验系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103489036A (zh) * 2013-09-27 2014-01-01 上海交通大学 基于混合空间关联分析的应急预警网格划分系统及方法
CN103971114A (zh) * 2014-04-23 2014-08-06 天津航天中为数据系统科技有限公司 基于航空遥感的森林火灾探测方法
KR101877625B1 (ko) * 2016-09-22 2018-08-09 (주)아이넷테크 Gis 연계 위치 정보 확인 시스템 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于核主成分分析的数据流降维研究;高宏宾;《计算机工程与应用》;20131231;第49卷(第11期);第105-109页 *

Also Published As

Publication number Publication date
CN110162549A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
Yao et al. Simulating urban land-use changes at a large scale by integrating dynamic land parcel subdivision and vector-based cellular automata
Chen et al. Uncertainty-aware multidimensional ensemble data visualization and exploration
CN113254549B (zh) 人物关系挖掘模型的训练方法、人物关系挖掘方法及装置
CN109949219B (zh) 一种超分辨率图像的重构方法、装置及设备
Huang et al. A visualization approach for frauds detection in financial market
US20110202326A1 (en) Modeling social and cultural conditions in a voxel database
CN110162549B (zh) 一种火灾数据分析方法、装置、可读存储介质及终端设备
CN107507275B (zh) 基于大数据的输电线路跳闸影响范围确定的方法及装置
CN112257578A (zh) 人脸关键点检测方法、装置、电子设备及存储介质
CN109087138A (zh) 数据处理方法及系统、计算机系统和可读存储介质
Aydin et al. SKATER-CON: Unsupervised regionalization via stochastic tree partitioning within a consensus framework using random spanning trees
CN110349013A (zh) 风险控制方法及装置
Radhwan et al. Forecasting exchange rates: a chaos-based regression approach
CN111931707A (zh) 基于对抗补丁的人脸图像预测方法、装置、设备和介质
CN110689230A (zh) 一种区域的贫困程度确定方法、电子装置及存储介质
CN113808044B (zh) 加密掩膜确定方法、装置、设备以及存储介质
Huang et al. An effective inversion strategy for fractal–multifractal encoding of a storm in Boston
Feng et al. Combining vector and raster data in regionalization: A unified framework for delineating spatial unit boundaries for socio-environmental systems analyses
CN110232090B (zh) 一种多视角时间序列异常点集成检测和可视化方法
CN114358186A (zh) 一种数据处理方法、装置及计算机可读存储介质
Manzhosov et al. Method of constructing a visualization of threat model of information security
Moreno et al. A geographic object-based approach in cellular automata modeling
Chen et al. Explainable Global Wildfire Prediction Models using Graph Neural Networks
CN113836293B (zh) 基于知识图谱的数据处理方法、装置、设备及存储介质
CN117314756B (zh) 基于遥感图像的验保方法、装置、计算机设备及存储介质

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
GR01 Patent grant
GR01 Patent grant