CN117437740A - 一种基于大数据技术的工业消防风险预警与分析方法 - Google Patents

Abstract

本发明涉及消防预警技术领域，具体涉及一种基于大数据技术的工业消防风险预警，预警系统包括有声波传感器、气味传感器、图像识别模块、分析模块、计算机、警报系统与疏散评估模型，声波传感器与气味传感器均位于化学存储罐上，并通过传输线与分析模块进行连接，图像识别模块位于工厂的顶部与计算机进行连接，分析模块构建于计算机内部，疏散评估模型构建于计算机内部。本发明通过计算机内设置的疏散评估模型对模拟出当前化学存储罐产生爆炸的情况，根据爆炸范围，拟定出最佳的疏散示意图，通过警报系统对疏散示意图进行播报，让人们通过最佳的应急通道进行疏散，大大的降低了爆炸产生的危害，降低人员的伤亡情况。

Description

一种基于大数据技术的工业消防风险预警与分析方法

技术领域

本发明属于消防预警技术领域，具体为一种基于大数据技术的工业消防风险预警与分析方法。

背景技术

工业消防是指针对工厂的火灾风险采取的预防和应对措施，以下是一些工业消防的注意事项：落实消防安全责任制，定期检查消防设施，禁止违规焊接作业，加强电气线路管理等，现有的消防风险评估，通常都在进行消防监控，从而在存在消防风险时，及时发现并进行消防报警，便于人们及时发现消防风险，从而及时处理消防风险，然而这种消防风险评估并不能实时根据消防风险的程度进行不同的消防处理，且在消防事故严重时，很有可能造成楼栋中的消防设备和消防监控设备损坏，导致无法获取楼栋内的消防事故情况，并且在化工厂内由于化工厂内摆放了一些较易燃易爆的化工存储罐，而监控一般难以查看到化工存储罐泄漏的情况，从而导致严重的爆炸危害，对此，我们提出了一种基于大数据技术的工业消防风险预警与分析方法。

发明内容

针对现有技术的不足，本发明提供了一种基于大数据技术的工业消防风险预警与分析方法，以解决以上技术问题。

为实现上述目的，本发明提供如下技术方案：一种基于大数据技术的工业消防风险预警，预警系统包括有声波传感器、气味传感器、图像识别模块、分析模块、计算机、警报系统与疏散评估模型，声波传感器与气味传感器均位于化学存储罐上，并通过传输线与分析模块进行连接，图像识别模块位于工厂的顶部与计算机进行连接，分析模块构建于计算机内部，疏散评估模型构建于计算机内部，警报系统位于工厂各个应急通道内部与计算机进行连接。

优先地，分析模块内部建立有音频信号识别模块，声波传感器通过对化学存储罐周围的声音进行收集，将收集的信号转换为数字信号，并对其进行滤波与放大操作，并将信息传递至分析模块内进行分析，音频信号识别模块进行分解，将语音信号分解为不同频率的成分，对其中的特征进行提取，对提取的特征进行频谱分析得到结果，在化学存储罐发生泄漏时，产生特定的音频信号，在对分析的结果判断是否与特定的音频信号一致，即可得出化学存储罐是否存在泄漏情况；

其中音频中特征的提取步骤为：

分帧、将音频信号分成短时帧，通常每帧的长度为20-30ms，帧与帧之间有一定的重叠；

快速傅里叶变换、对每个帧进行FFT，以将信号从时域转换到频域；

计算音频特征、对于每个帧，计算音频特征；

其中快速傅里叶变换计算公式为：；

其中X为频域信号的序列，n为时域信号的序列，N表示为时域信号中的样本个数，W为FFT的旋转因子。

优先地，气味传感器检测步骤通过模拟生物鼻子的嗅觉系统，通过集成多种传感器来检测与识别气味的方式，每个传感器对一种或多种气体分子进行响应，对每个传感器的响应来确定气体的浓度与类型，半导体敏感材料与气体发生反应，导致敏感材料的电子发生得失，从而改变气敏材料的电学性能，检测其电学性能的变化即可准确地检测气体，并将检测的结果传递至分析模块内部进行分析。

优先地，对音频分析结果判断一致性的步骤为确定判断的标准，其中判断的标准为化学存储罐泄漏的特定音频，通过声波传感器对外界的声音进行测量，对测量的结果进行收集，经过处理后传递至音频信号识别模块内，根据数据处理结果与判断的标准来判断之间是否一致，如果测量结果之间的差异在可接受的范围内，则通过分析模块认为它们是一致的，如果差异超出可接受范围，则通过分析模块认为它们不一致，则化学储存罐没有存在泄露的情况；

其中判断公式为：r=Σ(yi-μy)(xi-μx)/(√Σ(yi-μy)^2√Σ(xi-μx)^2)；

其中，n是相关系数，yi是第i个观测值的实际值，xi是第i个观测值的预测值，μy和μx分别是y和x的均值。

它的值范围在-1到1之间，其中1表示完全正相关，-1表示完全负相关，0表示无相关。

优先地，图像识别模块识别步骤为：

对当前工厂内的化学存储罐顶部进行拍摄，将当前图像输入至模块内部，进行预处理，进行灰度化、二值化与降噪处理；

使用卷积神经网络对预处理后的图像进行特征提取，提取的特征为关键数字标号；

其中卷积神经网络的公式为：P=S*C+F；

其中P为输出值，S为输入值，C为卷积核，F为偏置项；

图片灰度化处理步骤为：将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，选取一种灰度图像，灰度范围为0-255，当灰度为255的时候，表示最亮；当灰度为0的时候，表示最暗，取R，G，B三个分量中数值最大的分量的数值；取R，G，B三个分量中数值的均值，将三个分量以不同的权值进行加权平均，对RGB三分量进行加权平均能得到较合理的灰度图像，公式为：f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))；

其中R，G，B分别表示RGB三个分量，f(i,j)表示在坐标(i,j)处的灰度值；

图片降噪的处理采用中值滤波法进行降噪处理，图片二值化处理原理为对于每个像素，设定其灰度值大于等于阈值时，则将其设置为白色，否则则为黑色，得到只有黑白两色的二值图像；

将化学存储罐上记录的标号进行记录。

优先地，标号转换为平面示意图的方法通过在计算机内建立出当前工厂内的地形平面图，将记录下的标号数据按照化学存储罐具体的位置一一对应记录在工厂内的平面图上，记录方式采用手动标记方式，选择标注工具，在其对应的位置处，进行标准相对应的标号，在分析模块分析出化学泄漏时，通过气体传感器的标号记录可以得知出具体化学存储罐泄漏的标号，再通过标号图得知具体化学存储罐泄漏的位置。

优先地，疏散评估模型通过采用网络大数据来用数学语言公式模拟出化学存储罐爆炸后产生的火焰反应，作为计算预测值的直接依据，通过预测模型来对未知情况预测，并根据火焰燃烧的速度与当前工厂内的应急通道图来为疏散人员提出最佳的疏散路线，其中的网络大数据通过互联网收集得到的数据来进行预测；

其数学公式为：T1=(1-a)T1-1+a(Y1-Y1-1)；

其中，T1=第1期经过平滑的趋势；T1-1为第1期上期经过平滑的趋势，a=选择的趋势平滑系数，Y1=对第1期简单指数平滑预测；Y1-1=对第1期上期简单指数平滑预测；

网络大数据获取的方式通过网络爬虫进行获取，在互联网上自动收集数据，使用Python等编程语言编写网络爬虫，从网站或使用API访问数据，收集到大量的爆炸模拟信息，代入至公式内进行预测分析。

优先地，将分析得到的疏散地图转换为文本语音的形式上传至警报系统内，让警报系统进行语音的播报。

优先地，警报系统包括有报警装置，在将应急路线转换为语音时，将其转换为信号发出，报警装置接收到信号，依据设定的参数和触发阈值自动发出警报与播放最佳的逃生路线。

一种基于大数据技术的工业消防风险预警的分析方法，分析步骤为：

S1、声波传感器对工业化学储存罐的外壳进行监听，气体传感器对化学储存罐周围的气味进行监测，气体传感器从标号1依次往下进行标号；

S2、在工业化学储存罐上安装有标号图形，并与存储罐上的气体传感器上的标号一致相互对应；

S3、在化学存储罐置放场地上方安装有图像识别模块，对化学存储罐上对应的标号进行识别，转化为平面标号示意图传递至计算机端供工作人员查看；

S4、将S1步骤中监测到的结果传递至分析模块内进行分析，按照气体传感器上的标号进行逐步的分析；

S5、将分析得到的结果也按照对应标号一致对应，在其中一组的化学存储罐出现泄露问题后，按照其对应的标号，查看计算机上与之对应的标号图即可快速了解到泄露的化学存储罐所在的位置，相关工作人员上前对泄露的化学存储罐进行处理；

S6、分析模块内发出电信号，传递至警报系统内，使得警报系统发生警报，警戒人们快速的疏散；

S7、疏散评估模型模拟出当前化学存储罐产生爆炸的情况，根据爆炸范围，拟定出最佳的疏散示意图，并将示意图的形式转换为文本语音的形式，上传至警报系统内，通过警报系统对疏散示意图进行播报，让人们通过最佳的应急通道进行疏散。

与现有技术相比，本发明的有益效果如下：

本发明通过设置的声波传感器与气味传感器去对化学存储罐的泄漏情况进行实时检测，并通过分析模块进行分析，通过设置的图像识别模块对化学存储罐上的标记进行实时的识别，能够让化学存储罐产生泄露时，让人们第一时间内了解到泄露的化学存储罐的位置，并进行处理，通过计算机内设置的疏散评估模型对模拟出当前化学存储罐产生爆炸的情况，根据爆炸范围，拟定出最佳的疏散示意图，通过警报系统对疏散示意图进行播报，让人们通过最佳的应急通道进行疏散，大大的降低了爆炸产生的危害，降低人员的伤亡情况。

附图说明

图1为本发明分析方法框架图；

图2为本发明消防风险预警系统结构示意图。

实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。

本发明提供一种技术方案：一种基于大数据技术的工业消防风险预警，预警系统包括有声波传感器、气味传感器、图像识别模块、分析模块、计算机、警报系统与疏散评估模型，声波传感器与气味传感器均位于化学存储罐上，并通过传输线与分析模块进行连接，图像识别模块位于工厂的顶部与计算机进行连接，分析模块构建于计算机内部，疏散评估模型构建于计算机内部，警报系统位于工厂各个应急通道内部与计算机进行连接。

进一步的，分析模块内部建立有音频信号识别模块，声波传感器通过对化学存储罐周围的声音进行收集，将收集的信号转换为数字信号，并对其进行滤波与放大操作，并将信息传递至分析模块内进行分析，音频信号识别模块进行分解，将语音信号分解为不同频率的成分，对其中的特征进行提取，对提取的特征进行频谱分析得到结果，在化学存储罐发生泄漏时，产生特定的音频信号，在对分析的结果判断是否与特定的音频信号一致，即可得出化学存储罐是否存在泄漏情况；

其中音频中特征的提取步骤为：

分帧、将音频信号分成短时帧，通常每帧的长度为20-30ms，帧与帧之间有一定的重叠；

快速傅里叶变换、对每个帧进行FFT，以将信号从时域转换到频域；

计算音频特征、对于每个帧，计算音频特征；

其中快速傅里叶变换计算公式为：；

其中X为频域信号的序列，n为时域信号的序列，N表示为时域信号中的样本个数，W为FFT的旋转因子；

声波传感器是一种用于测量声音的装置，够将声音转换成电信号，声波传感器通常由四个主要部分组成：声波激振、声波接收、电信号处理和数据输出；

声波激振负责产生一定频率的声波，这些声波是压缩波或纵波，在声波传感器中，通常使用压电晶体或磁致伸缩驱动器来产生声波；

声波接收负责捕捉和放大声波，在接收声波时传感器会利用压电效应将声波转换成电信号这些电信号非常微弱，需要进行进一步处理才能用于数据输出；

电信号处理负责对接收到的微弱电信号进行处理，以便于更好地进行分析和处理；

数据输出通常采用数字或模拟信号的形式，以便与其他设备进行通信和集成，在数据输出阶段，还可能需要进行数据校准和修正等操作，以确保数据的准确性和可靠性。

进一步的，气味传感器检测步骤通过模拟生物鼻子的嗅觉系统，通过集成多种传感器来检测与识别气味的方式，每个传感器对一种或多种气体分子进行响应，对每个传感器的响应来确定气体的浓度与类型，半导体敏感材料与气体发生反应，导致敏感材料的电子发生得失，从而改变气敏材料的电学性能，检测其电学性能的变化即可准确地检测气体，并将检测的结果传递至分析模块内部进行分析；

其中气体的浓度计算公式为：C=m/v；

其中C为气体的浓度，m为气体的质量，v为体积；

进一步的，对音频分析结果判断一致性的步骤为确定判断的标准，其中判断的标准为化学存储罐泄漏的特定音频，通过声波传感器对外界的声音进行测量，对测量的结果进行收集，经过处理后传递至音频信号识别模块内，根据数据处理结果与判断的标准来判断之间是否一致，如果测量结果之间的差异在可接受的范围内，则通过分析模块认为它们是一致的，如果差异超出可接受范围，则通过分析模块认为它们不一致，则化学储存罐没有存在泄露的情况；

其中判断公式为：r=Σ(yi-μy)(xi-μx)/(√Σ(yi-μy)^2√Σ(xi-μx)^2)；

其中，n是相关系数，yi是第i个观测值的实际值，xi是第i个观测值的预测值，μy和μx分别是y和x的均值。

它的值范围在-1到1之间，其中1表示完全正相关，-1表示完全负相关，0表示无相关。

进一步的，图像识别模块识别步骤为：

对当前工厂内的化学存储罐顶部进行拍摄，将当前图像输入至模块内部，进行预处理，进行灰度化、二值化与降噪处理；

使用卷积神经网络对预处理后的图像进行特征提取，提取的特征为关键数字标号；

其中卷积神经网络的公式为：P=S*C+F；

其中P为输出值，S为输入值，C为卷积核，F为偏置项；

图片灰度化处理步骤为：将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，选取一种灰度图像，灰度范围为0-255，当灰度为255的时候，表示最亮；当灰度为0的时候，表示最暗，取R，G，B三个分量中数值最大的分量的数值；取R，G，B三个分量中数值的均值，将三个分量以不同的权值进行加权平均，对RGB三分量进行加权平均能得到较合理的灰度图像，公式为：f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))；

其中R，G，B分别表示RGB三个分量，f(i,j)表示在坐标(i,j)处的灰度值；

图片降噪的处理采用中值滤波法进行降噪处理，图片二值化处理原理为对于每个像素，设定其灰度值大于等于阈值时，则将其设置为白色，否则则为黑色，得到只有黑白两色的二值图像；

将化学存储罐上记录的标号进行记录。

进一步的，标号转换为平面示意图的方法通过在计算机内建立出当前工厂内的地形平面图，将记录下的标号数据按照化学存储罐具体的位置一一对应记录在工厂内的平面图上，记录方式采用手动标记方式，选择标注工具，在其对应的位置处，进行标准相对应的标号，在分析模块分析出化学泄漏时，通过气体传感器的标号记录可以得知出具体化学存储罐泄漏的标号，再通过标号图得知具体化学存储罐泄漏的位置。

进一步的，疏散评估模型通过采用网络大数据来用数学语言公式模拟出化学存储罐爆炸后产生的火焰反应，作为计算预测值的直接依据，通过预测模型来对未知情况预测，并根据火焰燃烧的速度与当前工厂内的应急通道图来为疏散人员提出最佳的疏散路线，其中的网络大数据通过互联网收集得到的数据来进行预测；

其数学公式为：T1=(1-a)T1-1+a(Y1-Y1-1)；

其中，T1=第1期经过平滑的趋势；T1-1为第1期上期经过平滑的趋势，a=选择的趋势平滑系数，Y1=对第1期简单指数平滑预测；Y1-1=对第1期上期简单指数平滑预测；

网络大数据获取的方式通过网络爬虫进行获取，在互联网上自动收集数据，使用Python等编程语言编写网络爬虫，从网站或使用API访问数据，收集到大量的爆炸模拟信息，代入至公式内进行预测分析。

进一步的，将分析得到的疏散地图转换为文本语音的形式上传至警报系统内，让警报系统进行语音的播报；

转换步骤为：

预先了解你的数据的类型和结构，选择合适的转换工具，根据数据类型和转换需求，选择合适的转换工具，进行转换，使用SQL查询语言进行转换，根据数据的特性和目标制定合适的转换策略，按照制定的策略，进行数据的转换，编写脚本程序，来进行自动化数据转换，对结果进行验证与调试，检查转换后的数据是否正确，对转换后的数据进行整理与格式化，使其能够以文本形式呈现；

文本转换为语音的步骤为：

对转换后的文本进行分析和处理，检查语法是否正确，发现语法错误时，进行修正，采用声学模型进行语音转换，将文本中的每个单词或子词转换成音素序列，并生成对应的声学特征，如音调、音强与音色，将生成的语音输出至警报系统内，实时的进行不间断的播报处理。

进一步的，警报系统包括有报警装置，在将应急路线转换为语音时，将其转换为信号发出，报警装置接收到信号，依据设定的参数和触发阈值自动发出警报与播放最佳的逃生路线。

一种基于大数据技术的工业消防风险预警的分析方法，分析步骤为：

S1、声波传感器对工业化学储存罐的外壳进行监听，气体传感器对化学储存罐周围的气味进行监测，气体传感器从标号1依次往下进行标号；

S2、在工业化学储存罐上安装有标号图形，并与存储罐上的气体传感器上的标号一致相互对应；

S3、在化学存储罐置放场地上方安装有图像识别模块，对化学存储罐上对应的标号进行识别，转化为平面标号示意图传递至计算机端供工作人员查看；

S4、将S1步骤中监测到的结果传递至分析模块内进行分析，按照气体传感器上的标号进行逐步的分析；

S5、将分析得到的结果也按照对应标号一致对应，在其中一组的化学存储罐出现泄露问题后，按照其对应的标号，查看计算机上与之对应的标号图即可快速了解到泄露的化学存储罐所在的位置，相关工作人员上前对泄露的化学存储罐进行处理；

S6、分析模块内发出电信号，传递至警报系统内，使得警报系统发生警报，警戒人们快速的疏散；

S7、疏散评估模型模拟出当前化学存储罐产生爆炸的情况，根据爆炸范围，拟定出最佳的疏散示意图，并将示意图的形式转换为文本语音的形式，上传至警报系统内，通过警报系统对疏散示意图进行播报，让人们通过最佳的应急通道进行疏散。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于大数据技术的工业消防风险预警，其特征在于：预警系统包括有声波传感器、气味传感器、图像识别模块、分析模块、计算机、警报系统与疏散评估模型，声波传感器与气味传感器均位于化学存储罐上，并通过传输线与分析模块进行连接，图像识别模块位于工厂的顶部与计算机进行连接，分析模块构建于计算机内部，疏散评估模型构建于计算机内部，警报系统位于工厂各个应急通道内部与计算机进行连接。

2.根据权利要求1所述的基于大数据技术的工业消防风险预警，其特征在于：分析模块内部建立有音频信号识别模块，声波传感器通过对化学存储罐周围的声音进行收集，将收集的信号转换为数字信号，并对其进行滤波与放大操作，并将信息传递至分析模块内进行分析，音频信号识别模块进行分解，将语音信号分解为不同频率的成分，对其中的特征进行提取，对提取的特征进行频谱分析得到结果，在化学存储罐发生泄漏时，产生特定的音频信号，在对分析的结果判断是否与特定的音频信号一致，即可得出化学存储罐是否存在泄漏情况；

其中音频中特征的提取步骤为：

分帧、将音频信号分成短时帧，通常每帧的长度为20-30ms，帧与帧之间有一定的重叠；

快速傅里叶变换、对每个帧进行FFT，以将信号从时域转换到频域；

计算音频特征、对于每个帧，计算音频特征；

其中快速傅里叶变换计算公式为：；

其中X为频域信号的序列，n为时域信号的序列，N表示为时域信号中的样本个数，W为FFT的旋转因子。

3.根据权利要求1所述的基于大数据技术的工业消防风险预警，其特征在于：气味传感器检测步骤通过模拟生物鼻子的嗅觉系统，通过集成多种传感器来检测与识别气味的方式，每个传感器对一种或多种气体分子进行响应，对每个传感器的响应来确定气体的浓度与类型，半导体敏感材料与气体发生反应，导致敏感材料的电子发生得失，从而改变气敏材料的电学性能，检测其电学性能的变化即可准确地检测气体，并将检测的结果传递至分析模块内部进行分析。

4.根据权利要求2所述的基于大数据技术的工业消防风险预警，其特征在于：对音频分析结果判断一致性的步骤为确定判断的标准，其中判断的标准为化学存储罐泄漏的特定音频，通过声波传感器对外界的声音进行测量，对测量的结果进行收集，经过处理后传递至音频信号识别模块内，根据数据处理结果与判断的标准来判断之间是否一致，如果测量结果之间的差异在可接受的范围内，则通过分析模块认为它们是一致的，如果差异超出可接受范围，则通过分析模块认为它们不一致，则化学储存罐没有存在泄露的情况；

其中判断公式为：r=Σ(yi-μy)(xi-μx)/(√Σ(yi-μy)^2√Σ(xi-μx)^2)；

其中，n是相关系数，yi是第i个观测值的实际值，xi是第i个观测值的预测值，μy和μx分别是y和x的均值。它的值范围在-1到1之间，其中1表示完全正相关，-1表示完全负相关，0表示无相关。

5.根据权利要求1所述的基于大数据技术的工业消防风险预警，其特征在于，图像识别模块识别步骤为：

对当前工厂内的化学存储罐顶部进行拍摄，将当前图像输入至模块内部，进行预处理，进行灰度化、二值化与降噪处理；

使用卷积神经网络对预处理后的图像进行特征提取，提取的特征为关键数字标号；

其中卷积神经网络的公式为：P=S*C+F；

其中P为输出值，S为输入值，C为卷积核，F为偏置项；

图片灰度化处理步骤为：将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，选取一种灰度图像，灰度范围为0-255，当灰度为255的时候，表示最亮；当灰度为0的时候，表示最暗，取R，G，B三个分量中数值最大的分量的数值；取R，G，B三个分量中数值的均值，将三个分量以不同的权值进行加权平均，对RGB三分量进行加权平均能得到较合理的灰度图像，公式为：f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))；

其中R，G，B分别表示RGB三个分量，f(i,j)表示在坐标(i,j)处的灰度值；

图片降噪的处理采用中值滤波法进行降噪处理，图片二值化处理原理为对于每个像素，设定其灰度值大于等于阈值时，则将其设置为白色，否则则为黑色，得到只有黑白两色的二值图像；

将化学存储罐上记录的标号进行记录。

6.根据权利要求5所述的基于大数据技术的工业消防风险预警，其特征在于：标号转换为平面示意图的方法通过在计算机内建立出当前工厂内的地形平面图，将记录下的标号数据按照化学存储罐具体的位置一一对应记录在工厂内的平面图上，记录方式采用手动标记方式，选择标注工具，在其对应的位置处，进行标准相对应的标号，在分析模块分析出化学泄漏时，通过气体传感器的标号记录可以得知出具体化学存储罐泄漏的标号，再通过标号图得知具体化学存储罐泄漏的位置。

7.根据权利要求1所述的基于大数据技术的工业消防风险预警，其特征在于：疏散评估模型通过采用网络大数据来用数学语言公式模拟出化学存储罐爆炸后产生的火焰反应，作为计算预测值的直接依据，通过预测模型来对未知情况预测，并根据火焰燃烧的速度与当前工厂内的应急通道图来为疏散人员提出最佳的疏散路线，其中的网络大数据通过互联网收集得到的数据来进行预测；

其数学公式为：T1=(1-a)T1-1+a(Y1-Y1-1)；

其中，T1=第1期经过平滑的趋势；T1-1为第1期上期经过平滑的趋势，a=选择的趋势平滑系数，Y1=对第1期简单指数平滑预测；Y1-1=对第1期上期简单指数平滑预测；

网络大数据获取的方式通过网络爬虫进行获取，在互联网上自动收集数据，使用Python等编程语言编写网络爬虫，从网站或使用API访问数据，收集到大量的爆炸模拟信息，代入至公式内进行预测分析。

8.根据权利要求7所述的基于大数据技术的工业消防风险预警，其特征在于：将分析得到的疏散地图转换为文本语音的形式上传至警报系统内，让警报系统进行语音的播报。

9.根据权利要求1所述的基于大数据技术的工业消防风险预警，其特征在于：警报系统包括有报警装置，在将应急路线转换为语音时，将其转换为信号发出，报警装置接收到信号，依据设定的参数和触发阈值自动发出警报与播放最佳的逃生路线。

10.一种基于大数据技术的工业消防风险预警的分析方法，其特征在于，分析步骤为：

S1、声波传感器对工业化学储存罐的外壳进行监听，气体传感器对化学储存罐周围的气味进行监测，气体传感器从标号1依次往下进行标号；

S2、在工业化学储存罐上安装有标号图形，并与存储罐上的气体传感器上的标号一致相互对应；

S3、在化学存储罐置放场地上方安装有图像识别模块，对化学存储罐上对应的标号进行识别，转化为平面标号示意图传递至计算机端供工作人员查看；

S4、将S1步骤中监测到的结果传递至分析模块内进行分析，按照气体传感器上的标号进行逐步的分析；

S5、将分析得到的结果也按照对应标号一致对应，在其中一组的化学存储罐出现泄露问题后，按照其对应的标号，查看计算机上与之对应的标号图即可快速了解到泄露的化学存储罐所在的位置，相关工作人员上前对泄露的化学存储罐进行处理；

S6、分析模块内发出电信号，传递至警报系统内，使得警报系统发生警报，警戒人们快速的疏散；

S7、疏散评估模型模拟出当前化学存储罐产生爆炸的情况，根据爆炸范围，拟定出最佳的疏散示意图，并将示意图的形式转换为文本语音的形式，上传至警报系统内，通过警报系统对疏散示意图进行播报，让人们通过最佳的应急通道进行疏散。