CN114849101B - 用于大型仓储空间的火灾预警方法 - Google Patents

Abstract

本发明涉及一种用于大型仓储空间的火灾预警方法，包括：步骤S1，构建所述火灾预警模型以判断仓库内的火灾危险指数；步骤S2，在火灾危险指数超过设定阈值时，发出预警信号和/或生成喷水启动信号。本发明根据大型仓储空间当前区域监测参数并结合火灾预警模型，给出大型仓储空间当前区域的危险度指数，并根据设定的阈值进行预警，启动喷头喷水。本系统可以在火灾发生初期甚至火灾尚未发生时就进行预警，最大程度降低火灾可能造成的损失。

Description

用于大型仓储空间的火灾预警方法

技术领域

本发明涉及一种用于大型仓储空间的火灾预警方法。

背景技术

火灾是可燃物在一定的条件下发生燃烧并导致生命财产受到损害的灾害性事件。火灾发生所需要的条件如下：(1)存在可燃物；(2)有空气的流通或存在助燃物；(3)有可能使可燃物质燃烧的着火点。

大型仓储空间的占地面积一般比较大，一旦发生火灾造成的危害也大并且难以控制火势，不易扑灭。由于仓库内部物品数量大，价值高，火灾荷载及起火原因较复杂，一旦发生火灾，造成的危害及损失也特别巨大，危险情况下的灭火救援工作也相当困难。

火灾初期或阴燃阶段是火灾防治的最佳时期，一旦火灾扩大，则火势变得不能够控制，并且对灭火救援等造成极大的困难并造成巨大的损失，如果能够在这个阶段尽早的发现火灾对减少火灾损失起到非常大的作用。

发明内容

本发明的目的是提供一种用于大型仓储空间的火灾预警方法，以实现在火灾发生初期甚至火灾尚未发生时就进行预警，最大程度降低火灾可能造成的损失。

为了解决上述技术问题，本发明提供了一种用于大型仓储空间的火灾预警方法，包括：

步骤S1，构建所述火灾预警模型以判断仓库内的火灾危险指数；

步骤S2，在火灾危险指数超过设定阈值时，发出预警信号和/或生成喷水启动信号。

本发明的有益效果是，本发明的用于大型仓储空间的火灾预警方法根据相关大型仓储空间火灾历史数据，建立火灾预警模型；根据大型仓储空间当前区域监测参数并结合火灾预警模型，给出大型仓储空间当前区域的危险度指数，并根据设定的阈值进行预警，启动喷头喷水。本火灾预警方法根可以在火灾发生初期甚至火灾尚未发生时就进行预警，最大程度降低火灾可能造成的损失。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的大型仓储空间火灾预警系统的原理框图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1所示，本实施例提供了一种用于大型仓储空间的火灾预警方法，包括：

步骤S1，构建所述火灾预警模型以判断仓库内的火灾危险指数；

步骤S2，在火灾危险指数超过设定阈值时，发出预警信号和/或生成喷水启动信号。

具体的，大型仓储空间(仓库)内设置有至少一个温度传感器，采集仓库内的温度数据；至少一个湿度传感器，采集仓库内的湿度数据；以及

控制模块，与温度传感器、湿度传感器电性连接，并将温度数据、湿度数据通过通讯模块上传至服务器；

所述服务器执行所述用于大型仓储空间的火灾预警方法，即通过火灾预警模型判断仓库内的火灾危险指数，当火灾危险指数超过设定阈值时，向控制模块发送喷水启动信号。

在本实施例中，控制模块可以但不限于采用嵌入式控制系统，通讯模块可以但不限于采用无线或者有线通讯方式实现。

在本实施例中，所述火灾预警模型包括：

获取历史数据中火灾关联数据并获得其对应系数，通过软间隔SVM计算得到最优分类超平面的法向量w^*；通过法向量w^*构建当前状态与有和无火灾类别历史数据的均方误差算式，以获得相应均方误差；以及通过上述均方误差构建火灾预警模型。

在本实施例中，获取历史数据中火灾关联数据并获得其对应系数，通过软间隔SVM计算得到最优分类超平面的法向量w^*的方法包括：

获取历史数据中火灾关联数据并获得其对应系数，即

设定数据向量，即x＝(x⁽¹⁾，x⁽²⁾，x⁽³⁾)；

其中，x⁽¹⁾为库存物品易燃等级，x⁽²⁾为温度，x⁽³⁾为湿度；

建立与上述数据向量对应的权值系数向量w＝(w⁽¹⁾，w⁽²⁾，w⁽³⁾)；其中，w⁽¹⁾为库存物品易燃等级系数；w⁽²⁾为温度系数；w⁽³⁾为湿度系数；以及

通过软间隔SVM计算得到最优分类超平面的法向量w^*，即

使用软间隔SVM，以得到最优分类超平面的法向量w^*：

s.t y_i(w·x_i+b)≥1-ξ_i

ξ_i≥0 i＝1,2,....N

式中C为惩罚系数，ξ_i为松弛变量,b为偏置；以及x_i为第i个训练数据向量，y_i为x_i的类标记；y_i为-1时表示有火灾类别，y_i为+1时表示无火灾类别，N为训练数据数目；

使用KKT条件，求对偶问题的最优解，得到最优分类超平面的法向量w^*，

其中α^*为拉格朗日乘子向量中对偶问题的解。

在本实施例中，通过法向量w^*构建当前状态与有和无火灾类别历史数据的均方误差算式，以获得相应均方误差，即

设当前状态与有火灾类别历史数据的均方误差M_n，

设计算当前状态与无火灾类别历史数据的均方误差M_P，

上式中，N_n为类别y＝+1(无火灾类别)的样本数，N_P为类别y＝-1(有火灾类别)的样本数；x_c为当前状态数据向量。

在本实施例中，通过上述均方误差构建火灾预警模型的方法包括：

建立火灾预警模型，

式中，γ为当前状态下大型仓储空间当前区域火灾危险度，γ的值在0-1之间，越大则表示火灾危险度越大。

以下通过具体数据对本大型仓储空间火灾预警系统的实施过程进行说明。

构建历史数据集，其中易燃等级采用以下方法确定：根据将火焰移动至材料样品下方并停留10s后，火焰再持续少的时间决定，分为1-8共8个等级，

例如：某数据向量为(5,26,0.32)其中5对应易燃等级，26对应温度，0.32对应湿度。

利用软间隔SVM，可以训练数据并得到最优分类超平面的法向量w^*，如(0.417，-0.121,2.33)。

具体计算过程如下：

假设x₁＝(2,16,0.8)，y₁＝+1，

x₂＝(6,30,0.15)，y₂＝-1，

……；

以此类推，代入

得到法向量w^*；

此时，

是拉格朗日乘子向量，在求解对偶最优化问题的过程中得到。

假设当前状态数据向量x_c＝(7,33,0.1)，火灾样本数2000个(N_p)，无火灾样本个数7000个(N_n)；

计算当前状态与有火灾和无火灾样本数据的均方误差，具体计算过程如下：

N_n＝7000，w^*＝(0.417，-0.121,2.33)，x_c＝(7,33,0.1)，x₁＝(2,16,0.8)；

||w^*(x_c-x_i)||＝||(0.417，-0.121,2.33)·(5,17，-0.7)||＝1.6

同理可计算||w^*(x_c-x_i)||,……,||w^*(x_c-x₇₀₀₀)||，代入

得到均方误差M_n＝1.84，同理可得均方误差M_P＝3.69，则代入

得出0.8，大于设定阈值0.5，立刻灭火，向控制模块发送喷水启动信号。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (1)

1.一种用于大型仓储空间的火灾预警方法，其特征在于，包括：

步骤S1，构建火灾预警模型以判断仓库内的火灾危险指数；

步骤S2，在火灾危险指数超过设定阈值时，发出预警信号和/或生成喷水启动信号；

所述步骤S1中构建所述火灾预警模型的方法包括：

获取历史数据中火灾关联数据并获得其对应系数，通过软间隔SVM计算得到最优分类超平面的法向量w^*；

通过法向量w^*构建当前状态与有和无火灾类别历史数据的均方误差算式，以获得相应均方误差；以及

通过上述均方误差构建火灾预警模型；

获取历史数据中火灾关联数据并获得其对应系数，通过软间隔SVM计算得到最优分类超平面的法向量w^*的方法包括：

获取历史数据中火灾关联数据并获得其对应系数，即

设定数据向量，即x＝(x⁽¹⁾，x⁽²⁾，x⁽³⁾；

其中，x⁽¹⁾为库存物品易燃等级，x⁽²⁾为温度，x⁽³⁾为湿度；

建立与上述数据向量对应的权值系数向量w＝(w⁽¹⁾，w⁽²⁾，w⁽³⁾)；其中，w⁽¹⁾为库存物品易燃等级系数；w⁽²⁾为温度系数；w⁽³⁾为湿度系数；以及

通过软间隔SVM计算得到最优分类超平面的法向量w^*，即

使用软间隔SVM，以得到最优分类超平面的法向量w^*：

s.t y_i(w·x_i+b)≥1-ξ_i

ξ_i≥0 i＝1,2,....N

式中C为惩罚系数，ξ_i为松弛变量,b为偏置；以及x_i为第i个训练数据向量，y_i为x_i的类标记；y_i为-1时表示有火灾类别，y_i为+1时表示无火灾类别，N为训练数据数目；

使用KKT条件，求对偶问题的最优解，得到最优分类超平面的法向量w^*，

其中α^*为拉格朗日乘子向量中对偶问题的解；

通过法向量w^*构建当前状态与有和无火灾类别历史数据的均方误差算式，以获得相应均方误差，即

设当前状态与有火灾类别历史数据的均方误差M_n，

设计算当前状态与无火灾类别历史数据的均方误差M_P，

上式中，N_n为类别y＝+1(无火灾类别)的样本数，N_P为类别y＝-1(有火灾类别)的样本数；x_c为当前状态数据向量；

通过上述均方误差构建火灾预警模型的方法包括：

建立火灾预警模型，

式中，γ为当前状态下大型仓储空间当前区域火灾危险度，γ的值在0-1之间，越大则表示火灾危险度越大。

Images