CN114358514A - 消防安全风险量化方法、装置及存储介质 - Google Patents
消防安全风险量化方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114358514A CN114358514A CN202111518627.2A CN202111518627A CN114358514A CN 114358514 A CN114358514 A CN 114358514A CN 202111518627 A CN202111518627 A CN 202111518627A CN 114358514 A CN114358514 A CN 114358514A
- Authority
- CN
- China
- Prior art keywords
- fire
- fighting
- safety risk
- risk quantification
- determining
- 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
Links
Images
Landscapes
- Alarm Systems (AREA)
Abstract
本申请提供一种消防安全风险量化方法、装置及存储介质,其中方法包括:获取消防物联网监测的消防监管对象的消防关联数据;基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;对不同消防监管对象的消防安全风险量化结果进行排序。本申请以消防物联网实际监测的消防监管对象的消防关联数据作为基础,通过消防安全风险量化模型输出消防监管对象的消防安全风险量化结果,深化了消防物联网监测数据的算法应用,实现了基于消防物联网监测数据的社会单位消防安全风险量化。
Description
技术领域
本申请涉及消防安全技术领域,尤其涉及一种消防安全风险量化方法、装置及存储介质。
背景技术
在消防监管模式方面,目前的消防监督队伍实施的是“双随机,一公开”的消防监管模式,以减少人为主观干预对检查结果的影响。
随着社会单位数量的不断增加,火灾隐患的风险点不断增多,消防监督检查的压力也不断增大。目前使用“火眼-火灾风险预测系统”进行火灾风险预警,该系统利用大数据及人工智能技术,通过对火灾、单位建筑、隐患、违章行为等历史海量数据进行机器学习,由计算机对所有建筑进行动态的、量化的火灾风险排序,并自动定期输出预警分析结果。
但是,该系统前期需要投入较大的工作量,其中的数据基础来自大量的人工数据,例如消防监督检查人员录入监督管理系统的安全隐患、违法违章行为等,这类数据存在较大的主观性,会影响火灾风险预测结果的准确性。
发明内容
针对现有技术存在的上述问题,本申请实施例提供一种消防安全风险量化方法、装置及存储介质。
本申请提供一种消防安全风险量化方法,包括:
获取消防物联网监测的消防监管对象的消防关联数据;
基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;
将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;
对不同消防监管对象的消防安全风险量化结果进行排序。
可选地,所述基于所述消防关联数据确定参考向量并建立消防安全风险量化模型,包括:
基于所述消防关联数据确定比较向量和所述参考向量;
对所述比较向量和所述参考向量进行无量纲化处理;
确定所述比较向量和所述参考向量之间的关联系数;
根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。
可选地,所述基于所述消防关联数据确定比较向量和所述参考向量,包括:
根据目标指标的理想状态和所述目标指标对应的消防关联数据确定所述参考向量;
根据所述目标指标对应的消防关联数据确定所述比较向量。
可选地,所述目标指标包括:消防控制室值班人员的在位率、火灾自动报警系统的报警准确率和火灾自动报警系统的故障发生率。
可选地,所述消防监管对象为消防监督机构确定并通过消防物联网进行监测的消防安全重点单位。
本申请还提供一种消防安全风险量化装置,包括:
第一获取模块,用于获取消防物联网监测的消防监管对象的消防关联数据;
确定模块,用于基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;
第二获取模块,用于将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;
排序模块,用于对不同消防监管对象的消防安全风险量化结果进行排序。
可选地,所述确定模块还用于:
基于所述消防关联数据确定比较向量和所述参考向量;
对所述比较向量和所述参考向量进行无量纲化处理;
确定所述比较向量和所述参考向量之间的关联系数;
根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。
可选地,所述基于所述消防关联数据确定比较向量和所述参考向量,包括:
根据目标指标的理想状态和所述目标指标对应的消防关联数据确定所述参考向量;
根据所述目标指标对应的消防关联数据确定所述比较向量。
本申请还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述消防安全风险量化方法的步骤。
本申请还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述消防安全风险量化方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述消防安全风险量化方法的步骤。
本申请提供的消防安全风险量化方法及装置,以消防物联网实际监测的消防监管对象的消防关联数据作为基础,通过消防安全风险量化模型输出消防监管对象的消防安全风险量化结果,深化了消防物联网监测数据的算法应用,实现了基于消防物联网监测数据的社会单位消防安全风险量化。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的消防安全风险量化方法的流程示意图;
图2是本申请实施例提供的66家消防安全重点单位的关联度计算结果的示意图之一;
图3是本申请实施例提供的66家消防安全重点单位的关联度计算结果的示意图之二;
图4是本申请实施例提供的66家消防安全重点单位的关联度计算结果的示意图之三;
图5是本申请实施例提供的消防安全重点单位关联度量化排名的示意图;
图6是本申请实施例提供的消防安全风险量化装置的结构示意图;
图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
在消防监管模式方面,目前消防监督队伍实施的是“双随机,一公开”的消防监管模式。该模式通过相应的信息系统随机确定被检查单位、随机匹配监督检查人员并及时向社会公开检查结果。这种模式减少了人为主观干预的情况的发生。但是随着经济的不断发展,社会单位的数量增加,火灾隐患的风险点增多,消防监督检查的压力不断增大。
目前使用“火眼-火灾风险预测系统”进行火灾风险预警,该系统利用大数据及人工智能技术,通过对火灾、单位建筑、隐患、违章行为等历史海量数据进行机器学习,由计算机对所有建筑进行动态的、量化的火灾风险排序,并自动定期输出预警分析结果。
但是“火眼-火灾风险预测系统”中的数据基础来源于大量的人工数据,比如消防监督人员录入监督管理系统的安全隐患、违法违章行为等。由于此类数据存在一定的主观性和不真实性,会影响数据模型预测结果的准确性。并且,该系统在运行前期需要投入较大的工作量,以构建数据库,成本较高,无法大量投入使用。
消防物联网是指通过物联网信息传感与通讯等技术,将传统消防系统中的设备设施通过社会化消防监督管理和消防机构灭火救援涉及的各要素所需的消防信息链接起来,构建高感度的消防基础环境,实现实时、动态、互动、融合的消防信息采集,传递和处理,能全面促进与提高相关机构实施社会消防监督与管理水平,显著增强消防机构灭火救援的指挥、调度、决策和处置能力。
目前智慧消防的物联网建设正在逐步推广,但是物联网监测数据的应用仍然停留在简单的统计分析阶段,并且其主要应用于更加快速和全面的感知火灾的发生,以便快速的开展火灾救援行动以及用于评判消防服务机构的消防技术服务能力。其对于预测功能的开发和应用十分匮乏,在消防监督管理方面的应用更是薄弱。
针对现有技术存在的上述问题,本申请实施例提供一种消防安全风险量化方法、装置及存储介质,将消防物联网获取的数据应用起来,实现对消防监管对象的消防安全风险的量化,进而对消防监管对象进行监督管理。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1是本申请实施例提供的消防安全风险量化方法的流程示意图,如图1所示,本申请实施例提供一种消防安全风险量化方法,其执行主体为消防安全风险量化装置,该方法至少包括以下步骤:
步骤101、获取消防物联网监测的消防监管对象的消防关联数据;
步骤102、基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;
步骤103、将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;
步骤104、对不同消防监管对象的消防安全风险量化结果进行排序。
具体地,消防监管对象是指被消防监督管理部门监督的各类社会单位,消防物联网主要指的是消防监督机构的物联网。
本申请实施例中以消防控制室的物联网监测数据作为基础,获取消防物联网监测的消防监管对象的消防关联数据。其中,消防关联数据是指消防监管对象与消防安全风险关联的数据,例如消防监管对象的名称、位置信息、消防设施的数量,消防值班人员的值班信息,消防救援设备的数量、故障发生率等。
以获取到的消防关联数据输入至消防安全风险量化模型中,以获取消防监管对象的消防安全风险量化结果,以便消防监督机构对消防监管对象进行监督管理。
其中,消防安全风险量化模型是基于灰色关联分析法建立的,以实现消防监管对象的消防安全风险的量化。
具体地,在对消防监管对象的消防安全风险进行量化之前,需要构建消防安全风险量化模型。该模型是基于消防物联网监测下的消防监管对象的实际消防关联数据,通过灰色关联分析法构建的,相对于通过消防监督人员采集数据并录入对应的系统,数据客观真实,并且降低了人工投入。参考向量的确定是通过灰色关联分析法构建消防安全风险量化模型的重要环节。
获取到不同消防监管对象的消防安全风险量化结果后,对消防安全风险量化结果进行可视化排序,指导消防监督管理工作高效有序开展。针对消防安全风险量化结果显示消防安全风险较高的社会单位重点进行监督管理。
本申请实施例提供的消防安全风险量化方法,以消防物联网实际监测的消防监管对象的消防关联数据作为基础,通过消防安全风险量化模型输出消防监管对象的消防安全风险量化结果,深化了消防物联网监测数据的算法应用,实现了基于消防物联网监测数据的社会单位消防安全风险量化,降低了对消防监督管对象的消防安全风险评估的主观影响,增加了消防安全风险量化结果的客观性和准确度。
可选地,所述基于所述消防关联数据确定参考向量并建立消防安全风险量化模型,包括:
基于所述消防关联数据确定比较向量和所述参考向量;
对所述比较向量和所述参考向量进行无量纲化处理;
确定所述比较向量和所述参考向量之间的关联系数;
根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。
具体地,本申请实施例中的消防安全风险量化模型是基于灰色关联分析法构建的,包括:
确定比较向量和参考向量;
数据的无量纲化处理;
确定关联系数;
确定关联度。
(1)确定比较向量和参考向量
参考向量作为灰色关联分析法中的重要参考基准,极大的影响计算结果的准确性和合理性,参考向量是比较向量的理想状态。
可选地,确定比较向量和参考向量,包括:
根据目标指标的理想状态和目标指标对应的消防关联数据确定参考向量;
根据所述目标指标对应的消防关联数据确定所述比较向量。
在本申请实施例中对于每一个指标,通过两个数值进行表示。例如,将目标指标确定为三个指标,分别为:消防控制室值班人员在位率、火灾自动报警系统报警准确率和故障发生率。
其中,良好的值班人员在岗情况能够反映社会单位内部对消防安全工作的重视,因此人员在岗率的理想状态记为1。火灾自动报警系统报告火警的准确率高意味着社会单位火灾自动报警系统的运行状态完好有效,因此理想状态记为1。火灾自动报警系统的故障信息发生率则是越低越好,故障发生率低意味着社会单位火灾自动报警系统的运行状态效果好,因此理想状态记为0。
每一个指标都通过两个数进行表示,其中一个数为该指标的理想状态,另一个数对应该指标的实际数据,可以根据需要设置。例如,确定参考向量或特征向量为[1,0,1,0,0,0]。本申请实施例中涉及的特征向量即是参考向量。
比较向量则是消防物联网监测下的各个消防监管对象的目标指标的实际数据,与参考向量进行比较。对于一个参考向量,有若干个比较向量。
(2)数据的无量纲化处理
由于物联网监测下的系统中各类因素的物理意义不同,导致各数据的量纲也不一定相同,不便于比较,或者在比较时难以得到正确的结论,因此在灰色关联分析的过程中需要进行无量纲化的数据处理。
可选地,对数据进行区间化处理,让数据压缩在[a,b]的区间范围内,保持数据数理单位的一致性。a和b的取值根据需要进行设置。例如a=0,b=1,即对数据进行归一化处理。
可选地,对数据进行无量纲化处理可以通过公式一进行转化,公式一的表达式为:
其中,maxkXi(k)表示样本数据的最大值,minkXi(k)表示样本数据最小值,k表示样本数据的序号。
(3)确定关联系数
经过无量纲化处理后的参考向量X’0为:
X’0={X’0(1),X’0(2),…,X’0(n)}
比较向量X’i为:
X’i={X’i(1),X’i(2),…,X’i(n)},i=1,2,…,n
其中,i表示比较向量的序号。
从几何角度来说,关联程度是指参考向量和比较向量曲线形状的相似程度。比较向量和参考向量之间的曲线形状越接近,则表示两者之间的关联程度越大;反之,曲线形状相差越大,则表示两者之间的关联程度越低。因此,可以通过比较向量和参考向量曲线之间的差值大小作为关联程度的衡量标准。
可选地,比较向量和参考向量曲线之间的差值大小可以通过公式二确定,公式二的表达式为:
Δi(k)=|X’0(k)-X’i(k)|,k=1,2,…,n
两级最大差和最小差分别为:
因此,关联系数为:
其中,ρ为分辨系数,用于提高关联系数之间的差异显著性,其取值在0~1之间,例如取0.5。
(4)确定关联度
由于关联系数是比较向量和参考向量曲线的关联程度值,其数值有多个,且数据过于分散不利于从整体上进行比较。因此,有必要对关联系数进行集中处理,将各个关联系数集中为一个值。求平均值为其中一种信息集中的方式,将各个关联系数的平均值作为比较向量和参考向量之间关联程度的数量表示。确定各个关联系数的平均值可以通过公式三进行,公式三的表达式为:
其中,γ0i表示比较向量对参考向量的关联度,或者称为序列关联度、平均关联度、线关联度。γ0i的取值越接近1,说明比较向量和参考向量之间的关联程度越高,两者之间的相关性越好。
在本申请实施例中,关联度越高说明消防安全风险越低,关联度越低说明消防安全风险越高。消防安全风险越高,越需要及时的进行监管处理。
对于同一消防监管对象,将消防物联网监测下的不同时刻的消防关联数据输入消防安全风险量化模型中,可以得到不同时刻的关联度,将多个关联度数值排序,根据关联度数值的变化,可以确定针对该消防监管对象不同时期的监管力度。
对于不同的消防监管对象,将消防物联网监测下的同时期的消防关联数据输入消防安全风险量化模型中,可以得到不同消防监管对象的关联度,根据不同消防监管对象的关联度的数值高低,针对其中关联度数值低于阈值的消防监管对象进行重点监管处理。
本申请实施例提供的消防安全风险量化方法,基于灰色关联分析法对消防监控室物联网数据进行分析,对各消防监管对象的消防安全风险进行量化,突出消防监管的重点社会单位,为监督力量高效的运用到消防安全风险更高的消防监管对象提供了技术依据,实现高效、精准的消防安全风险预测判别。
可选地,所述目标指标包括:消防控制室值班人员的在位率、火灾自动报警系统的报警准确率和火灾自动报警系统的故障发生率。
本申请实施例中以消防控制室物联网数据作为基础,将目标指标确定为:消防控制室值班人员的在位率、火灾自动报警系统的报警准确率和火灾自动报警系统的故障发生率。基于这三个指标构建参考向量,以社会单位自身实际软硬件管理物联网数据作为其消防安全风险量化的基础,数据更加客观真实,且降低了人力的运行成本。
火灾自动报警系统是由触发装置、火灾报警装置、联动输出装置以及具有其它辅助功能装置组成,其报警准确率和故障发生率都可以有效的评价消防监管对象的消防救援能力。
可选地,所述消防监管对象为消防监督机构确定并通过消防物联网进行监测的消防安全重点单位。
具体地,对社会单位的消防安全风险进行评估前,可以重点针对消防监督管理机构部筛选出的消防安全重点单位,克服无差别的盲目、随机检查模式,提升火灾风险判别的精准度和效率,节省成本投入。
消防安全重点单位一般是:①火灾危险性大,火灾后造成经济损失大的单位。如甲、乙类火灾危险性的厂房、库房、油库,液体堆场,易燃材料堆场;棚户区等。②发生火灾后人员集中且伤亡大的单位:如人民大会堂、礼堂、影剧院、医院、高级旅馆以及住宅。③火灾发生后经济损失大的单位。如百货大楼仓库、图书馆、国家物资仓库、档案馆、大中型电子计算机房以及有贵重设备的建筑物等。④发生火灾后政治影响大的单位。如电信楼、广播楼、邮政楼、展览楼。⑤发生火灾后,易造成大面积火灾,需要消防用水量大的单位,如纺织厂、亚麻厂,木材加工厂等批发大市场。
消防安全重点单位是消防监督机构根据消防安全管理规定确定后,通过消防物联网进行监测的消防监管对象。
下面以一个具体的示例对本申请实施例提供的消防安全风险量化方法进行说明。
示例一:特征向量确定为[1,0,1,0,0,0],结合灰色关联分析法的公式构建消防安全风险量化模型,对消防监管对象的消防安全风险进行量化。其伪代码为:
图2是本申请实施例提供的66家消防安全重点单位的关联度计算结果的示意图之一;图3是本申请实施例提供的66家消防安全重点单位的关联度计算结果的示意图之二;图4是本申请实施例提供的 66家消防安全重点单位的关联度计算结果的示意图之三。如图2至图4所示,其中记载了某市66家消防安全重点单位的单位名称和序号,以及以周为周期对消防物联网监测数据进行归一化处理后与参考向量[1,0,1,0,0,0]做关联度计算后得到的多个关联度计算结果,最终对多个关联度求平均值。
图5是本申请实施例提供的消防安全重点单位关联度量化排名的示意图,如图5所示,对图2至图4中计算得到的关联度平均值结果进行排序,得到部分消防安全重点单位的关联度量化排名,横坐标对应消防安全重点单位对应图2至图4中的序号,纵坐标对应关联度平均值计算结果。关联度数值越低,说明需要针对该社会单位重点进行监管管理。
图6是本申请实施例提供的消防安全风险量化装置的结构示意图,如图6所示,本申请实施例提供一种消防安全风险量化装置,该装置包括:
第一获取模块601,用于获取消防物联网监测的消防监管对象的消防关联数据;
确定模块602,用于基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;
第二获取模块603,用于将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;
排序模块604,用于对不同消防监管对象的消防安全风险量化结果进行排序。
可选地,所述确定模块还用于:
基于所述消防关联数据确定比较向量和所述参考向量;
对所述比较向量和所述参考向量进行无量纲化处理;
确定所述比较向量和所述参考向量之间的关联系数;
根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。
可选地,所述基于所述消防关联数据确定比较向量和所述参考向量,包括:
根据目标指标的理想状态和所述目标指标对应的消防关联数据确定所述参考向量;
根据所述目标指标对应的消防关联数据确定所述比较向量。
可选地,所述目标指标包括:消防控制室值班人员的在位率、火灾自动报警系统的报警准确率和火灾自动报警系统的故障发生率。
可选地,所述消防监管对象为消防监督机构确定并通过消防物联网进行监测的消防安全重点单位。。
在此需要说明的是,本申请实施例提供的上述消防安全风险量化装置,能够实现上述消防安全风险量化方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图7是本申请实施例提供的电子设备的结构示意图,如图7所示,该电子设备可以包括:处理器(processor)701、通信接口 (Communications Interface)702、存储器(memory)703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信。处理器701可以调用存储器703中的逻辑指令,以执行消防安全风险量化方法,该方法包括:
获取消防物联网监测的消防监管对象的消防关联数据;
基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;
将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;
对不同消防监管对象的消防安全风险量化结果进行排序。
可选地,所述基于所述消防关联数据确定参考向量并建立消防安全风险量化模型,包括:
基于所述消防关联数据确定比较向量和所述参考向量;
对所述比较向量和所述参考向量进行无量纲化处理;
确定所述比较向量和所述参考向量之间的关联系数;
根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。
可选地,所述基于所述消防关联数据确定比较向量和所述参考向量,包括:
根据目标指标的理想状态和所述目标指标对应的消防关联数据确定所述参考向量;
根据所述目标指标对应的消防关联数据确定所述比较向量。
可选地,所述目标指标包括:消防控制室值班人员的在位率、火灾自动报警系统的报警准确率和火灾自动报警系统的故障发生率。
可选地,所述消防监管对象为消防监督机构确定并通过消防物联网进行监测的消防安全重点单位。
此外,上述的存储器703中的逻辑指令可以通过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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的消防安全风险量化方法,该方法包括:
获取消防物联网监测的消防监管对象的消防关联数据;
基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;
将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;
对不同消防监管对象的消防安全风险量化结果进行排序。
又一方面,本申请还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的消防安全风险量化方法,该方法包括:
获取消防物联网监测的消防监管对象的消防关联数据;
基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;
将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;
对不同消防监管对象的消防安全风险量化结果进行排序。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种消防安全风险量化方法,其特征在于,包括:
获取消防物联网监测的消防监管对象的消防关联数据;
基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;
将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;
对不同消防监管对象的消防安全风险量化结果进行排序。
2.根据权利要求1所述的消防安全风险量化方法,其特征在于,所述基于所述消防关联数据确定参考向量并建立消防安全风险量化模型,包括:
基于所述消防关联数据确定比较向量和所述参考向量;
对所述比较向量和所述参考向量进行无量纲化处理;
确定所述比较向量和所述参考向量之间的关联系数;
根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。
3.根据权利要求2所述的消防安全风险量化方法,其特征在于,所述基于所述消防关联数据确定比较向量和所述参考向量,包括:
根据目标指标的理想状态和所述目标指标对应的消防关联数据确定所述参考向量;
根据所述目标指标对应的消防关联数据确定所述比较向量。
4.根据权利要求3所述的消防安全风险量化方法,其特征在于,所述目标指标包括:消防控制室值班人员的在位率、火灾自动报警系统的报警准确率和火灾自动报警系统的故障发生率。
5.根据权利要求1所述的消防安全风险量化方法,其特征在于,所述消防监管对象为消防监督机构确定并通过消防物联网进行监测的消防安全重点单位。
6.一种消防安全风险量化装置,其特征在于,包括:
第一获取模块,用于获取消防物联网监测的消防监管对象的消防关联数据;
确定模块,用于基于所述消防关联数据确定参考向量并建立消防安全风险量化模型;
第二获取模块,用于将所述消防关联数据输入至所述消防安全风险量化模型中,获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果;
排序模块,用于对不同消防监管对象的消防安全风险量化结果进行排序。
7.根据权利要求6所述的消防安全风险量化装置,其特征在于,所述确定模块还用于:
基于所述消防关联数据确定比较向量和所述参考向量;
对所述比较向量和所述参考向量进行无量纲化处理;
确定所述比较向量和所述参考向量之间的关联系数;
根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。
8.根据权利要求7所述的消防安全风险量化装置,其特征在于,所述基于所述消防关联数据确定比较向量和所述参考向量,包括:
根据目标指标的理想状态和所述目标指标对应的消防关联数据确定所述参考向量;
根据所述目标指标对应的消防关联数据确定所述比较向量。
9.一种电子设备,包括存储器、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,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述消防安全风险量化方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述消防安全风险量化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111518627.2A CN114358514A (zh) | 2021-12-13 | 2021-12-13 | 消防安全风险量化方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111518627.2A CN114358514A (zh) | 2021-12-13 | 2021-12-13 | 消防安全风险量化方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114358514A true CN114358514A (zh) | 2022-04-15 |
Family
ID=81099844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111518627.2A Pending CN114358514A (zh) | 2021-12-13 | 2021-12-13 | 消防安全风险量化方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114358514A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273444A (zh) * | 2023-09-19 | 2023-12-22 | 石家庄万锦科技有限公司 | 一种基于智慧小区的住户安全管控方法及系统 |
CN117521978A (zh) * | 2024-01-04 | 2024-02-06 | 深圳市一广建设工程有限公司 | 一种智能化高层建筑消防监控系统 |
-
2021
- 2021-12-13 CN CN202111518627.2A patent/CN114358514A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273444A (zh) * | 2023-09-19 | 2023-12-22 | 石家庄万锦科技有限公司 | 一种基于智慧小区的住户安全管控方法及系统 |
CN117521978A (zh) * | 2024-01-04 | 2024-02-06 | 深圳市一广建设工程有限公司 | 一种智能化高层建筑消防监控系统 |
CN117521978B (zh) * | 2024-01-04 | 2024-04-26 | 深圳市一广建设工程有限公司 | 一种智能化高层建筑消防监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Albert et al. | Empirical measurement and improvement of hazard recognition skill | |
CN113379267B (zh) | 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质 | |
CN114358514A (zh) | 消防安全风险量化方法、装置及存储介质 | |
CN107886235A (zh) | 一种耦合确定性与不确定分析的火灾风险评估方法 | |
CN110555617A (zh) | 一种基于物联网的建筑火灾风险实时动态定量评估方法 | |
CN111310803B (zh) | 环境数据处理方法和装置 | |
CN112783101A (zh) | 存储器、危险化学品罐区安全风险预警方法、设备和装置 | |
CN109064050A (zh) | 基于大数据的多元线性回归火灾风险评估方法 | |
CN111178732A (zh) | 基于大数据赋能条件下的区域动态火灾风险评估方法 | |
CN114841660B (zh) | 一种基于现场信息的企业智慧安全管控云平台 | |
CN111639864A (zh) | 一种用于港口作业人员岗位安全胜任力定量评估方法 | |
CN118172213B (zh) | 一种基于多源数据融合的工伤预防培训管理系统 | |
CN117670028A (zh) | 基于物联网监测的除尘系统风险动态评估及分级预警方法 | |
CN113807751B (zh) | 一种基于知识图谱的安全风险等级评定方法及系统 | |
CN115018291A (zh) | 一种大型桥梁工程风险评估方法 | |
CN111047098A (zh) | 一种建筑工程进度及造价管理系统、计算机设备及计算机可读存储介质 | |
CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
CN111242448B (zh) | 一种基于关联分析的火灾隐患评估方法和装置 | |
Liu | Artificial Intelligence and Machine Learning based Financial Risk Network Assessment Model | |
CN113657788A (zh) | 一种企业安全生产标准化智能监管系统及方法 | |
Zhang et al. | Analysis and research on fire safety of university dormitory based on Bayesian network | |
CN116859842A (zh) | 一种化工生产线安全评估系统 | |
CN107087284A (zh) | 一种网络小区的质量监控方法及监控系统、服务器 | |
CN114021969B (zh) | 一种涉农企业安全生产风险指数分析系统 | |
CN113656452B (zh) | 调用链指标异常的检测方法、装置、电子设备及存储介质 |
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 |