CN116362549B - 一种基于数据信息挖掘技术的火灾防控方法 - Google Patents
一种基于数据信息挖掘技术的火灾防控方法 Download PDFInfo
- Publication number
- CN116362549B CN116362549B CN202310572114.2A CN202310572114A CN116362549B CN 116362549 B CN116362549 B CN 116362549B CN 202310572114 A CN202310572114 A CN 202310572114A CN 116362549 B CN116362549 B CN 116362549B
- Authority
- CN
- China
- Prior art keywords
- unit
- fire
- data
- early warning
- function
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 230000002265 prevention Effects 0.000 title claims abstract description 15
- 238000005065 mining Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 65
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 238000007726 management method Methods 0.000 claims abstract description 13
- 230000008878 coupling Effects 0.000 claims abstract description 9
- 238000010168 coupling process Methods 0.000 claims abstract description 9
- 238000005859 coupling reaction Methods 0.000 claims abstract description 9
- 239000000463 material Substances 0.000 claims abstract description 6
- 238000013468 resource allocation Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 46
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 230000003993 interaction Effects 0.000 claims description 17
- 238000004140 cleaning Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 230000004913 activation Effects 0.000 claims description 9
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 210000002569 neuron Anatomy 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 4
- 239000000779 smoke Substances 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 239000004035 construction material Substances 0.000 claims description 3
- 230000001483 mobilizing effect Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- 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
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Alarm Systems (AREA)
- Analytical Chemistry (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
Abstract
本发明公开一种基于数据信息挖掘技术的火灾防控方法,涉及大数据处理技术领域,解决了火灾防护问题,火灾防控方法包括:获取城市和乡村建筑物的历史数据及建筑特点材质和周围环境;将建筑物及周围环境划分为不同火灾风险等级;根据火灾风险等级进行消防资源分配及重点监测;进行每次火灾事件数据分析并及时反馈给相关人员;建立远程监控系统,将火灾事件溯源;采用改进型脉冲耦合神经网络模型接收遥感信息并进行处理,采用并行调度算法进行消防资源的调度,通过改进型GoogleNet+网络模型进行管理人员验证及纵火人员追踪,便于进行分散信息管理,提高了消防系统的互联性,提高了火灾防护的能力。
Description
技术领域
本发明涉及大数据处理技术领域,且更具体地涉及一种基于数据信息挖掘技术的火灾防控方法。
背景技术
随着我国社会经济的快速发展,信息技术的应用带来了极大的便利,数据采集、储存和应用为决策管理提供了直接依据。信息化时代的主要特征就是大量信息的共享和交汇。随着互联网技术的不断发展,为数据的全面采集和集中管理提供了技术支持,而数据的收集与分析也成为了解决社会问题的重要方法。在城市消防中,大数据的收集和分析有利于数据的合理应用,对于提升城市预防火灾和火灾发生过程中的控制能力具有积极影响,为城市公共安全提供了保障。处于这样的大数据时代背景下,城市建设和公共安全的联系更加紧密,在消防领域中的应用价值日益凸显。大数据时代的发展和科技的进步有密切关联,总体来说大数据时代特征主要体现在以下几个方面:首先,数据量大,因为数据的存储量较大,可能由多个数据库集合而成,-般信息量在10T左右[1];其次,数据类别较多,因为多种数据集合在数据库中,造成数据源多种多样;然后,处理速度较快,在数据考量较大且类别较多的情况下,可以根据人们的个性化需求进行处理分析。
在此背景下,当前地区大面积建立大量的业务系统,积累了丰富的数据源,但是因为建设时间不同,且受到当前技术水平的限制,对于大数据的认知也存在不同,造成数据分散,且存在过量的数据冗余、不同步,在处理消防业务时难以直接访问、管理数据。同时,已经建立的消防业务系统都是分散独立的,互联性差,信息管理分散,形成了很多信息孤岛,系统间缺乏信息共享机制。另外,大数据时代消防工作面临的最大挑战就是对大数据进行处理和合理应用,若想要充分发挥出大数据技术的促进作用,就必须突破传统工作模式的限制,积极应用新型技术以顺应新时代消防工作的形势,满足现代化管理的需求。如何应用大数据技术实现火灾数据信息分析,以提高火宅防控能力是亟待解决的技术问题。
发明内容
针对上述技术的不足,本发明公开一种基于数据信息挖掘技术的火灾防控方法,通过采用改进型脉冲耦合神经网络模型接收遥感信息并进行处理,通过采用并行调度算法进行消防资源的调度,通过选择混合算法检测异常数据并进行异常报警处理,通过预警单元采用改进型密度聚类算法划分预警等级,通过改进型GoogleNet+网络模型进行管理人员验证及纵火人员,便于进行分散信息管理,提高了消防系统的互联性,提高了火灾防护的能力。
有鉴于此,本发明提供了一种基于数据信息挖掘技术的火灾防控方法,其包括以下步骤:
步骤1、获取城市和乡村建筑物的历史数据及建筑特点材质和周围环境;
通过遥感卫星采集的城市和乡村建筑物及周围环境数据信息,所述数据信息包括建筑物高度、易燃物分布、住宅聚集程度、气象温度和农林分布数据信息;通过查阅文献资料或实时采集来收集当地建筑物的建造时间、竣工时间和施工物料数据信息,通过网络爬虫获取当地的火灾发生潜在因素数据信息以及天气温度数据信息;
步骤2、根据获取的历史数据信息将建筑物及周围环境划分为不同火灾风险等级;
通过设置数据处理模块采用改进型脉冲耦合神经网络模型获取的历史数据信息进行初步处理,所述数据处理模块包括数据转换单元、数据分组单元、数据清洗单元和数据排序单元,所述数据转换单元用于把信息转换成机器接收的形式,所述数据分组单元用于将转换后的数据按照编码进行分组,所述数据清洗单元包括遗漏数据处理子单元和噪声数据处理子单元,所述遗漏数据处理子单元用于填补数据残缺的部分,所述噪声数据处理子单元用于修正数据的异常部分,所述数据排序单元将清洗后的数据按照火灾次数及灾情程度排成次序,所述数据转换单元连接数据分组单元,所述数据分组单元连接数据清洗单元,所述数据清洗单元连接数据排序单元;
步骤3、根据火灾风险等级进行消防资源分配,对于火灾风险等级高的地区进行重点监测;
采用监测模块将火灾高风险地区进行360°视角采样扫描构建地形、植被和路线分布模型,所述监测模块包括主控制器、无线传感器网络单元、预警单元、调度单元和通知单元,所述主控制器用于调节每个模块的工作状态,所述无线传感器网络单元用于检测温度、湿度、光照强度和烟雾浓度,所述预警单元采用改进型密度聚类算法根据天气的干燥和炎热程度划分预警等级并向消防总部发送火灾预警信息,所述调度单元用于根据预警等级调配消防人员及消防装备,所述通知单元用于通知附近地区的医院、居民区提前准备火灾应对措施,所述无线传感器网络单元连接预警单元,所述预警单元连接调度单元,所述调度单元连接通知单元。
步骤4、对于每次火灾事件,进行数据分析并及时反馈给相关人员;对数据进行分析,建立远程监控系统,将火灾事件中的异常情况进行溯源;
采用数据分析模块和报警处理模块,所述报警处理模块包括检测单元和处理单元,所述检测单元用于检测数据异常并触发异常报警,所述处理单元用于根据异常原因调动相应处理措施并进行相应处理,所述数据分析模块用于对每次火灾事件进行全面分析,找出火灾发生原因并及时反馈给相关人员;
步骤5、将发生火灾地点进行可视化展示,以方便消防总部查看火灾扑灭全过程中的火势变化趋势,及时进行人员和灭火装备的调度;
采用人机交互模块将高风险地区以及重点保护区在多终端进行实时显示和异常警报的实时处理,所述人机交互模块包括人脸识别单元、触觉交互单元、虚拟现实单元和显示单元,所述人脸识别单元用于管理人员的验证以及纵火人员的识别追踪,所述触觉交互单元用于全方位观察高风险地区及重点保护区的三维模型,所述虚拟现实单元用于消防人员、消防装备和居民疏散的调度演练,所述显示单元用于显示火灾风险预警信息、灾情波及范围和人员安全状况,所述人脸识别单元连接触觉交互单元,所述触觉交互单元连接虚拟现实单元,所述虚拟现实单元连接显示单元。
作为本发明进一步的实施例,所述改进型脉冲耦合神经网络模型包括接收单元、调制单元和脉冲发生单元,所述接收单元用于接收遥感图像信息,所述调制单元用于图像强度调整,所述脉冲发生单元用于控制输出图像的状态,所述接收单元通过接收函数将遥感图像强度改变,所述接收函数为:
(1)
式(1)中,为第t次迭代中神经元的连接输入,/>为衰减系数,/>为权重,为调制函数,V为连接输入幅度的参数,/>为输出图像,i为行,j为列;
将改变后的图像通过调制单元进行调制,所述调制函数为:
(2)
式(2)中,为反馈输入,/>为连接强度,h为静态阈值;
将调制后的图像经脉冲发生单元处理后输出分辨率更高的图像,所述脉冲发生函数为: (3)
(4)
式(3)-(4)中,为动态阈值,G为连接强度值。
作为本发明进一步的实施例,所述主控制器包含FPGA+DSP处理模块,所述DSP处理模块为ATMega328型号的采集芯片,所述DSP处理模块集成14路GPIO接口、6路PWM接口、12位ADC接口、UART串口、1路SPI接口和1路I2C接口,所述FPGA处理模块为ARTIX-7系列XC7A100T-2FGG484I芯片。
作为本发明进一步的实施例,所述调度单元采用结合优先级调度算法和多级反馈队列算法的并行调度算法,所述并行调度算法首先根据火灾风险等级优先为高风险地区和重点保护区调度消防人员和装备,然后根据预警等级设置多级就绪队列,灾情发生放入第一级队列,按照先来先服务原则排队分配消防人员和装备,直到灾情消失,所调度人员前往第二级队列进行灭火或防火工作。
作为本发明进一步的实施例,所述检测单元采用基于连通性的异常值因子和随机异常值选择混合算法,所述选择混合算法首先获取p点的链式距离,所述链式距离公式为: (5)
式(5)中,k为总点数,i为当前点数,为第i个点对应的最短距离;
然后获取异常概率值,所述异常概率函数为:
(6)
式(6)中,为正常距离点集合,/>为两个点的关联度;
最后获取连通性异常值因子,所述异常值因子函数为:
(7)
式(7)中,为异常值因子函数,/>为异常点集合,o为异常点,/>为距离函数。
作为本发明进一步的实施例,所述改进型密度聚类算法首先查询每个节点的欧氏平均距离邻域,然后分别计算每个节点密度和所有节点平均密度进而得到每个节点的方差,然后采用基于等深度分块法进行数据分割,最后在每个数据分区运行密度聚类算法,根据得到的聚类结果将预警等级分为4个等级。
作为本发明进一步的实施例,所述人脸识别单元采用改进型GoogleNet+网络模型,所述改进型GoogleNet+网络模型结构为:将GoogleNet+特征网络中的Inception结构替换为Faster-Inception结构,激活函数采用P-Switsh函数,分类器采用Sigmoid函数,全连接层的神经元个数为16个;然后,将GoogleNet+模型中原有的Inception模块中的3×3卷积核和5×5卷积核替换为1×3和3×1卷积组合,所述P-Switsh函数表达式为:
(8)
式(8)中,x为输入参数,为旧激活函数,/>为新激活函数。
积极有益效果:
本发明公开一种基于数据信息挖掘技术的火灾防控方法,通过采用改进型脉冲耦合神经网络模型接收遥感信息并进行处理,通过采用并行调度算法进行消防资源的调度,通过选择混合算法检测异常数据并进行异常报警处理,通过预警单元采用改进型密度聚类算法划分预警等级,通过改进型GoogleNet+网络模型进行管理人员验证及纵火人员,便于进行分散信息管理,提高了消防系统的互联性,提高了火灾防护的能力。
附图说明
为了更清楚地说明本发明实施例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他的附图,其中:
图1为本发明的整体架构示意图;
图2为本发明所采用的模块连接示意图;
图3为本发明所采用的人机交互模块架构图;
图4为本发明数据处理模块架构图;
图5为本发明监测模块架构图。
具体实施方式
下面将结合本文实施例中的附图,对本文实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本文一部分实施例,而不是全部的实施例。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1-图5所示,一种基于数据信息挖掘技术的火灾防控方法,包括以下步骤:
步骤1、获取城市和乡村建筑物的历史数据及建筑特点材质和周围环境;
通过遥感卫星采集的城市和乡村建筑物及周围环境数据信息,所述数据信息包括建筑物高度、易燃物分布、住宅聚集程度、气象温度和农林分布数据信息;通过查阅文献资料或实时采集来收集当地建筑物的建造时间、竣工时间和施工物料数据信息,通过网络爬虫获取当地的火灾发生潜在因素数据信息以及天气温度数据信息;
步骤2、根据获取的历史数据信息将建筑物及周围环境划分为不同火灾风险等级;
通过设置数据处理模块采用改进型脉冲耦合神经网络模型获取的历史数据信息进行初步处理,所述数据处理模块包括数据转换单元、数据分组单元、数据清洗单元和数据排序单元,所述数据转换单元用于把信息转换成机器接收的形式,所述数据分组单元用于将转换后的数据按照编码进行分组,所述数据清洗单元包括遗漏数据处理子单元和噪声数据处理子单元,所述遗漏数据处理子单元用于填补数据残缺的部分,所述噪声数据处理子单元用于修正数据的异常部分,所述数据排序单元将清洗后的数据按照火灾次数及灾情程度排成次序,所述数据转换单元连接数据分组单元,所述数据分组单元连接数据清洗单元,所述数据清洗单元连接数据排序单元;
步骤3、根据火灾风险等级进行消防资源分配,对于火灾风险等级高的地区进行重点监测;
采用监测模块将火灾高风险地区进行360°视角采样扫描构建地形、植被和路线分布模型,所述监测模块包括主控制器、无线传感器网络单元、预警单元、调度单元和通知单元,所述主控制器用于调节每个模块的工作状态,所述无线传感器网络单元用于检测温度、湿度、光照强度和烟雾浓度,所述预警单元采用改进型密度聚类算法根据天气的干燥和炎热程度划分预警等级并向消防总部发送火灾预警信息,所述调度单元用于根据预警等级调配消防人员及消防装备,所述通知单元用于通知附近地区的医院、居民区提前准备火灾应对措施,所述无线传感器网络单元连接预警单元,所述预警单元连接调度单元,所述调度单元连接通知单元。
步骤4、对于每次火灾事件,进行数据分析并及时反馈给相关人员;对数据进行分析,建立远程监控系统,将火灾事件中的异常情况进行溯源;
采用数据分析模块和报警处理模块,所述报警处理模块包括检测单元和处理单元,所述检测单元用于检测数据异常并触发异常报警,所述处理单元用于根据异常原因调动相应处理措施并进行相应处理,所述数据分析模块用于对每次火灾事件进行全面分析,找出火灾发生原因并及时反馈给相关人员;
步骤5、将发生火灾地点进行可视化展示,以方便消防总部查看火灾扑灭全过程中的火势变化趋势,及时进行人员和灭火装备的调度;
采用人机交互模块将高风险地区以及重点保护区在多终端进行实时显示和异常警报的实时处理,所述人机交互模块包括人脸识别单元、触觉交互单元、虚拟现实单元和显示单元,所述人脸识别单元用于管理人员的验证以及纵火人员的识别追踪,所述触觉交互单元用于全方位观察高风险地区及重点保护区的三维模型,所述虚拟现实单元用于消防人员、消防装备和居民疏散的调度演练,所述显示单元用于显示火灾风险预警信息、灾情波及范围和人员安全状况,所述人脸识别单元连接触觉交互单元,所述触觉交互单元连接虚拟现实单元,所述虚拟现实单元连接显示单元。
在本发明中,所述改进型脉冲耦合神经网络模型包括接收单元、调制单元和脉冲发生单元,所述接收单元用于接收遥感图像信息,所述调制单元用于图像强度调整,所述脉冲发生单元用于控制输出图像的状态,所述接收单元通过接收函数将遥感图像强度改变,所述接收函数为:
(1)
式(1)中,为第t次迭代中神经元的连接输入,/>为衰减系数,/>为权重,为调制函数,V为连接输入幅度的参数,/>为输出图像,i为行,j为列;
将改变后的图像通过调制单元进行调制,所述调制函数为:
(2)
式(2)中,为反馈输入,/>为连接强度,h为静态阈值;
将调制后的图像经脉冲发生单元处理后输出分辨率更高的图像,所述脉冲发生函数为: (3)
(4)
式(3)-(4)中,为动态阈值,G为连接强度值,
所述改进型脉冲耦合神经网络模型的工作原理为:网络中的神经元是分层排列的,输入层中每个神经元的脉冲序列表示一个具体问题的输入数据编码,并将其输入到脉冲神经网络的下一层,最后一层是输出层,这一层各神经元输出的脉冲序列构成网络的输出,可以在输入层和输出层之间设置一个或多个隐藏层,并且具有反馈环。
为了验证上述技术方案,本发明输入不同的参数数据信息,以验证改进型脉冲耦合神经网络模型运算机制能力。如表1可知,改进型脉冲耦合神经网络模型的处理遥感图像的运算机制为高风险地区的遥感图像信息通过接收单元传输到调制单元进行处理,最后通过脉冲发生单元进行输出归类,改进型脉冲耦合神经网络模型运算机制参数数据信息如表1所示。
表1改进型脉冲耦合神经网络模型运算机制
通过4个组别的对比可知,改进型脉冲耦合神经网络模型将遥感信息分为三大类,分别为高风险地区1、中风险地区0和低风险地区-1,对于高风险地区消防总部进行24小时不间断观察,特殊季节还会安排巡逻检查,对于中风险地区 消防总部通过远程监控进行监视,并通知周边消防支部进行8小时一巡逻,对于低风险地区消防总部安排居民群众进行民兵联合巡逻以及建立火灾及时相应机制,居民在不威胁自身的情况下参与火灾救援,具有很强的时效性,加快了消防总部的资源调度效率。
在本发明中,所述主控制器包含FPGA+DSP处理模块,所述DSP处理模块为ATMega328型号的采集芯片,所述DSP处理模块集成14路GPIO接口、6路PWM接口、12位ADC接口、UART串口、1路SPI接口和1路I2C接口,所述FPGA处理模块为ARTIX-7系列XC7A100T-2FGG484I芯片,
所述主控制器的工作过程为:所述主控制器通过控制数据处理模块将遥感卫星和网络爬虫获取的数据进行数据转换、数据分组、数据清洗和数据排序,再将处理排序后的数据进行存储,再控制监测模块对火灾高风险地区进行温度、湿度、光照强度和烟雾浓度数据的收集,由预警单元向划分预警等级和向消防总部发送预警信息从而进行消防人员和装备的调度预防火灾的发生,然后控制数据分析模块对火灾事件进行全面分析并寻找火灾发生原因,对火灾报警事件进行处理和反馈,控制人机交互模块将发生火灾的地区创建三维模型,并对其进行全方位剖析观察显示,以便于进行火灾原因的确定或纵火人员的追踪与追责。
在本发明中,所述调度单元采用结合优先级调度算法和多级反馈队列算法的并行调度算法,所述并行调度算法首先根据火灾风险等级优先为高风险地区和重点保护区调度消防人员和装备,然后根据预警等级设置多级就绪队列,灾情发生放入第一级队列,按照先来先服务原则排队分配消防人员和装备,直到灾情消失,所调度人员前往第二级队列进行灭火或防火工作,
所述调度单元的工作原理为:优化资源管理和任务分配,以提高系统的效率和响应速度。调度算法是实现这个过程的重要组成部分。通过合理的调度算法选择,调度系统可以实现更加高效的任务管理和资源管理,从而为计算机系统带来更优质的体验。任务分配是指调度系统决定哪个任务在何时、何地执行的过程。任务分配可以分为三种类型:抢占式调度、非抢占式调度和协作式调度。抢占式调度允许系统中最高优先级的任务在任何时候都有机会获取资源。非抢占式调度允许任务在其自主完成之前占用所需的资源。协作式调度则要求任务必须要有明确的让出资源的机制,以确保其他任务也有机会获取资源。
在本发明中,所述检测单元采用基于连通性的异常值因子和随机异常值选择混合算法,所述选择混合算法首先获取p点的链式距离,所述链式距离公式为: (5)
式(5)中,k为总点数,i为当前点数,为第i个点对应的最短距离;
然后获取异常概率值,所述异常概率函数为:
(6)
式(6)中,为正常距离点集合,/>为两个点的关联度;
最后获取连通性异常值因子,所述异常值因子函数为:
(7)
式(7)中,为异常值因子函数,/>为异常点集合,o为异常点,/>为距离函数,
所述检测单元的工作过程为:通过遍历收集的所有数据,基于改进型脉冲耦合神经网络模型将遥感数据进行分类的情况下,将其与三类模型数据进行比对,以便于快速发现其中的异常情况,并及时进行有效处理,由表2可知,
表2选择混合算法异常处理机制
由表2可知,通过选择混合算法可快速发现实时检测数据的异常位置,并根据当时的天气情况调整火灾风险等级,将单一的异常点纳入整体布局并进行评判,从而更有效率的对消防资源进行调度,以便于消防总部、消防支部和群众居民形成三级联动快速响应。通过上述案例说明,本发明具有突出的技术进步和有益的技术效果。
在本发明中,所述改进型密度聚类算法首先查询每个节点的欧氏平均距离邻域,然后分别计算每个节点密度和所有节点平均密度进而得到每个节点的方差,然后采用基于等深度分块法进行数据分割,最后在每个数据分区运行密度聚类算法,根据得到的聚类结果将预警等级分为4个等级,
所述改进型密度聚类算法的工作过程为:一个二维平面中有若干个点,对这些点进行聚类,对于每一个点,需要计算这个点的“局部密度”与“局部距离”这两个变量,总距离为局部密度与局部距离之和,总距离最大的前四个点,就是四个中心点,其余的点离哪一个点近,就归为哪一类。
在本发明中所述人脸识别单元采用改进型GoogleNet+网络模型,所述改进型GoogleNet+网络模型结构为:将GoogleNet+特征网络中的Inception结构替换为Faster-Inception结构,激活函数采用P-Switsh函数,分类器采用Sigmoid函数,全连接层的神经元个数为16个;然后,将GoogleNet+模型中原有的Inception模块中的3×3卷积核和5×5卷积核替换为1×3和3×1卷积组合,所述P-Switsh函数表达式为:
(8)
式(8)中,x为输入参数,为旧激活函数,/>为新激活函数,
所述人脸识别单元的工作原理为:系统输入一般是一张或者一系列含有未确定身份的人脸图像,以及人脸数据库中的若干已知身份的人脸图象或者相应的编码,而其输出则是一系列相似度得分, 表明待识别的人脸的身份。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的方法和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (5)
1.一种基于数据信息挖掘技术的火灾防控方法,其特征在于:包括以下步骤:
步骤1、获取城市和乡村建筑物的历史数据及建筑特点材质和周围环境;
通过遥感卫星采集的城市和乡村建筑物及周围环境数据信息,所述数据信息包括建筑物高度、易燃物分布、住宅聚集程度、气象温度和农林分布数据信息;通过查阅文献资料或实时采集来收集当地建筑物的建造时间、竣工时间和施工物料数据信息,通过网络爬虫获取当地的火灾发生潜在因素数据信息以及天气温度数据信息;
步骤2、根据获取的历史数据信息将建筑物及周围环境划分为不同火灾风险等级;通过设置数据处理模块采用改进型脉冲耦合神经网络模型获取的历史数据信息进行初步处理,所述数据处理模块包括数据转换单元、数据分组单元、数据清洗单元和数据排序单元,所述数据转换单元用于把信息转换成机器接收的形式,所述数据分组单元用于将转换后的数据按照编码进行分组,所述数据清洗单元包括遗漏数据处理子单元和噪声数据处理子单元,所述遗漏数据处理子单元用于填补数据残缺的部分,所述噪声数据处理子单元用于修正数据的异常部分,所述数据排序单元将清洗后的数据按照火灾次数及灾情程度排成次序,所述数据转换单元连接数据分组单元,所述数据分组单元连接数据清洗单元,所述数据清洗单元连接数据排序单元;所述改进型脉冲耦合神经网络模型包括接收单元、调制单元和脉冲发生单元,所述接收单元用于接收遥感图像信息,所述调制单元用于图像强度调整,所述脉冲发生单元用于控制输出图像的状态,所述接收单元通过接收函数将遥感图像强度改变,所述接收函数为:
(1)
式(1)中,为第t次迭代中神经元的连接输入,/>为衰减系数,/>为权重,/>为调制函数,V为连接输入幅度的参数,/>为输出图像,i为行,j为列;
将改变后的图像通过调制单元进行调制,所述调制函数为:
(2)
式(2)中,为反馈输入,/>为连接强度,h为静态阈值;
将调制后的图像经脉冲发生单元处理后输出分辨率更高的图像,所述脉冲发生函数为:
(3)
(4)
式(3)-(4)中,为动态阈值,G为连接强度值;
步骤3、根据火灾风险等级进行消防资源分配,对于火灾风险等级高的地区进行重点监测;
采用监测模块将火灾高风险地区进行360°视角采样扫描构建地形、植被和路线分布模型,所述监测模块包括主控制器、无线传感器网络单元、预警单元、调度单元和通知单元,所述主控制器用于调节每个模块的工作状态,所述无线传感器网络单元用于检测温度、湿度、光照强度和烟雾浓度,所述预警单元采用改进型密度聚类算法根据天气的干燥和炎热程度划分预警等级并向消防总部发送火灾预警信息,所述调度单元用于根据预警等级调配消防人员及消防装备,所述通知单元用于通知附近地区的医院、居民区提前准备火灾应对措施,所述无线传感器网络单元连接预警单元,所述预警单元连接调度单元,所述调度单元连接通知单元;
步骤4、对于每次火灾事件,进行数据分析并及时反馈给相关人员;对数据进行分析,建立远程监控系统,将火灾事件中的异常情况进行溯源;
采用数据分析模块和报警处理模块,所述报警处理模块包括检测单元和处理单元,所述检测单元用于检测数据异常并触发异常报警,所述检测单元采用基于连通性的异常值因子和随机异常值选择混合算法,所述选择混合算法首先获取p点的链式距离,所述链式距离公式为:
(5)
式(5)中,k为总点数,i为当前点数,为第i个点对应的最短距离;
然后获取异常概率值,所述异常概率函数为:
(6)
式(6)中,为正常距离点集合,/>为两个点的关联度;
最后获取连通性异常值因子,所述异常值因子函数为:
(7)
式(7)中,为异常值因子函数,/>为异常点集合,o为异常点,/>为距离函数;所述处理单元用于根据异常原因调动相应处理措施并进行相应处理,所述数据分析模块用于对每次火灾事件进行全面分析,找出火灾发生原因并及时反馈给相关人员;
步骤5、将发生火灾地点进行可视化展示,以方便消防总部查看火灾扑灭全过程中的火势变化趋势,及时进行人员和灭火装备的调度;
采用人机交互模块将高风险地区以及重点保护区在多终端进行实时显示和异常警报的实时处理,所述人机交互模块包括人脸识别单元、触觉交互单元、虚拟现实单元和显示单元,所述人脸识别单元用于管理人员的验证以及纵火人员的识别追踪,所述触觉交互单元用于全方位观察高风险地区及重点保护区的三维模型,所述虚拟现实单元用于消防人员、消防装备和居民疏散的调度演练,所述显示单元用于显示火灾风险预警信息、灾情波及范围和人员安全状况,所述人脸识别单元连接触觉交互单元,所述触觉交互单元连接虚拟现实单元,所述虚拟现实单元连接显示单元。
2.根据权利要求1所述的一种基于数据信息挖掘技术的火灾防控方法,其特征在于:所述主控制器包含FPGA+DSP处理模块,所述DSP处理模块为ATMega328型号的采集芯片,所述DSP处理模块集成14路GPIO接口、6路PWM接口、12位ADC接口、UART串口、1路SPI接口和1路I2C接口,所述FPGA处理模块为ARTIX-7系列XC7A100T-2FGG484I芯片。
3.根据权利要求1所述的一种基于数据信息挖掘技术的火灾防控方法,其特征在于:所述调度单元采用结合优先级调度算法和多级反馈队列算法的并行调度算法,所述并行调度算法首先根据火灾风险等级优先为高风险地区和重点保护区调度消防人员和装备,根据预警等级设置多级就绪队列,灾情发生放入第一级队列,按照先来先服务原则排队分配消防人员和装备,直到灾情消失,所调度人员前往第二级队列进行灭火或防火工作。
4.根据权利要求1所述的一种基于数据信息挖掘技术的火灾防控方法,其特征在于:所述改进型密度聚类算法首先查询每个节点的欧氏平均距离邻域,分别计算每个节点密度和所有节点平均密度进而得到每个节点的方差,然后采用基于等深度分块法进行数据分割,最后在每个数据分区运行密度聚类算法,根据得到的聚类结果将预警等级分为4个等级。
5.根据权利要求1所述的一种基于数据信息挖掘技术的火灾防控方法,其特征在于:所述人脸识别单元采用改进型GoogleNet+网络模型,所述改进型GoogleNet+网络模型结构为:将GoogleNet+特征网络中的Inception结构替换为Faster-Inception结构,激活函数采用P-Switsh函数,分类器采用Sigmoid函数,全连接层的神经元个数为16个;然后,将GoogleNet+模型中原有的Inception模块中的3×3卷积核和5×5卷积核替换为1×3和3×1卷积组合,所述P-Switsh函数表达式为:
(8)
式(8)中,x为输入参数,为旧激活函数,/>为新激活函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310572114.2A CN116362549B (zh) | 2023-05-22 | 2023-05-22 | 一种基于数据信息挖掘技术的火灾防控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310572114.2A CN116362549B (zh) | 2023-05-22 | 2023-05-22 | 一种基于数据信息挖掘技术的火灾防控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116362549A CN116362549A (zh) | 2023-06-30 |
CN116362549B true CN116362549B (zh) | 2023-08-04 |
Family
ID=86938158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310572114.2A Active CN116362549B (zh) | 2023-05-22 | 2023-05-22 | 一种基于数据信息挖掘技术的火灾防控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362549B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132945B (zh) * | 2023-10-25 | 2024-01-09 | 四川三思德科技有限公司 | 一种基于多源数据融合的重点区域安保方法及装置 |
CN117910673B (zh) * | 2024-03-19 | 2024-06-18 | 潍坊市平安消防工程有限公司 | 一种数字孪生消防控制室图形显示系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012080534A1 (es) * | 2010-12-17 | 2012-06-21 | Paret Martin Jose Carlos | Método de evaluación del riesgo en caso de incendio en la edificación |
CN113010572A (zh) * | 2021-03-18 | 2021-06-22 | 杭州码全信息科技有限公司 | 基于深度贝叶斯网络的公共数字生活场景规则模型预测预警方法 |
CN114707227A (zh) * | 2022-04-28 | 2022-07-05 | 水利部南京水利水文自动化研究所 | 一种基于数字孪生的大坝安全预警消警方法及系统 |
CN114898295A (zh) * | 2022-05-27 | 2022-08-12 | 西北师范大学 | 一种新的智能火灾探测方法 |
CN115631416A (zh) * | 2022-10-31 | 2023-01-20 | 南京林业大学 | 一种基于modis燃烧数据产品的火灾足迹提取方法 |
-
2023
- 2023-05-22 CN CN202310572114.2A patent/CN116362549B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012080534A1 (es) * | 2010-12-17 | 2012-06-21 | Paret Martin Jose Carlos | Método de evaluación del riesgo en caso de incendio en la edificación |
CN113010572A (zh) * | 2021-03-18 | 2021-06-22 | 杭州码全信息科技有限公司 | 基于深度贝叶斯网络的公共数字生活场景规则模型预测预警方法 |
CN114707227A (zh) * | 2022-04-28 | 2022-07-05 | 水利部南京水利水文自动化研究所 | 一种基于数字孪生的大坝安全预警消警方法及系统 |
CN114898295A (zh) * | 2022-05-27 | 2022-08-12 | 西北师范大学 | 一种新的智能火灾探测方法 |
CN115631416A (zh) * | 2022-10-31 | 2023-01-20 | 南京林业大学 | 一种基于modis燃烧数据产品的火灾足迹提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116362549A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116362549B (zh) | 一种基于数据信息挖掘技术的火灾防控方法 | |
CN102932419B (zh) | 一种用于面向工矿企业的安全生产云服务平台的数据存储系统 | |
CN102882969B (zh) | 一种工矿企业的安全生产云服务平台 | |
US20200334777A1 (en) | Intelligent emergency decision support system for emergency communication | |
CN102917032B (zh) | 一种工矿企业的安全生产云服务平台 | |
CN104867357B (zh) | 面向地震应急响应的多无人机调度与任务规划方法 | |
CN102880802B (zh) | 一种用于面向工矿企业安全生产云服务平台系统的重大危险源的分析评价方法 | |
CN102929827B (zh) | 一种用于矿企安全生产云平台的无线传感器数据采集集群 | |
CN102903010A (zh) | 一种用于面向工矿企业的安全生产云服务平台的基于支持向量机的异常判断方法 | |
CN114040003B (zh) | 针对人员密集区域突发事件的应急处置系统及方法 | |
CN108846585A (zh) | 一种煤矿隐患处理管理系统 | |
CN113706355A (zh) | 化工园区智慧应急系统搭建方法 | |
CN107145959A (zh) | 一种基于大数据平台的电力数据处理方法 | |
CN107510914B (zh) | 一种面向园区的智慧消防远程监控系统及其方法 | |
CN109522380A (zh) | 一种面向移动应用的电网灾害综合监测预警数据系统及方法 | |
CN1963878A (zh) | 高层建筑火灾智能监测预警预报装置 | |
CN102903009B (zh) | 一种用于面向工矿企业的安全生产云服务平台的基于广义规则推理的异常诊断方法 | |
CN102915482A (zh) | 一种用于面向工矿企业云服务平台安全生产过程控制与管理方法 | |
CN109146206A (zh) | 一种基于软件定义网络的灾害预警系统及方法 | |
Statsenko et al. | Developing software and hardware for automation of ground urban transport traffic management | |
CN115544267B (zh) | 一种基于知识图谱的多次应急处理的仿真动态验证方法 | |
CN116681281A (zh) | 一种基于情景感知的突发公共卫生事件采集系统及方法 | |
CN116739495A (zh) | 一种林区智慧化网格管理平台 | |
CN200979734Y (zh) | 高层建筑火灾智能监测预警预报装置 | |
Fang et al. | Formulation and solution of an emergency routing problem for forest fire with priority areas |
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 |