[發明專利]一種基于煙感溫感的火災預測方法、裝置及電子設備

有效

• 申請號: 202011440743.2
• 申請日: 2020-12-07
• 公開（公告）號: CN112634572B
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 王奔;趙晴;林少波;鄧卜僑;孫雷;李捷;代素敏;展敬宇
• 申請（專利權）人: 北京中電飛華通信有限公司
• 主分類號: G08B17/10
• 分類號: G08B17/10;G08B17/06;G06N3/04;G06N20/00
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 李翔

1.一種基于煙感溫感的火災預測方法，其特征在于，包括：

獲取原始告警數據集；

將所述原始告警數據集輸入第一檢測分類模型，獲得正常告警和誤報的概率的預測值，其中，所述第一檢測分類模型為GBDT強學習器模型；

將所述原始告警數據集輸入第二檢測分類模型，獲得預測的告警區域和告警設備，其中，所述第二檢測分類模型為ID3模型；

將所述原始告警數據集輸入第三檢測分類模型，獲得預測的告警時間范圍；

根據所述正常告警和誤報的概率的預測值、預測的告警區域和告警設備和預測的告警時間范圍，輸出預測結果，所述預測結果包括：預測到火災的時間、地點、影響范圍、概率和處理方案；

所述火災預測方法還包括模型顯示，所述模型顯示包括:使用三維數據模型顯示所述預測的告警區域和告警設備；

所述方法還包括：

通過java技術實現所述三維數據模型與實際告警區域和所述告警設備的聯通。

2.根據權利要求1所述的基于煙感溫感的火災預測方法，其特征在于，

所述第一檢測分類模型的訓練方法為：

獲取訓練集，所述訓練集包括歷史告警時間、歷史告警誤報次數、歷史正常告警次數和歷史告警地點；

將所述訓練集輸入GBDT初始化弱學習器模型中進行迭代運算，直至達到預設的迭代次數；

獲得訓練好的GBDT強學習器模型。

3.根據權利要求1所述的基于煙感溫感的火災預測方法，其特征在于，

所述第二檢測分類模型的訓練方法為：

獲取訓練集，所述訓練集包括歷史告警時間、歷史告警誤報次數、歷史正常告警次數和歷史告警地點；

將所述訓練集中的內容分別作為特征集，以最優的特征集作為第一葉節點，以其它特征集作為第二葉節點或第三葉節點，直至葉節點全部輸出或無數據遍歷；

獲得訓練好的ID3模型。

4.根據權利要求3所述的基于煙感溫感的火災預測方法，其特征在于，所述最優的特征集為信息增益最大的特征集。

5.根據權利要求1所述的基于煙感溫感的火災預測方法，其特征在于，所述第三檢測分類模型為LSTM模型。

6.根據權利要求1所述的基于煙感溫感的火災預測方法，其特征在于，所述處理方案包括：啟動警鈴和/或關閉電梯和/或啟動消防電源和/或疏通人員和/或設備維修。

7.一種基于煙感溫感的火災預測裝置，其特征在于，包括：

獲取模塊，用于獲取原始告警數據集；

第一計算模塊，用于將所述原始告警數據集輸入第一檢測分類模型，獲得正常告警和誤報的概率的預測值，其中，所述第一檢測分類模型為GBDT強學習器模型；

第二計算模塊，用于將所述原始告警數據集輸入第二檢測分類模型，獲得預測的告警區域和告警設備，其中，所述第二檢測分類模型為ID3模型；

第三計算模塊，用于將所述原始告警數據集輸入第三檢測分類模型，獲得告警的預測時間范圍；

輸出模塊，用于根據所述正常告警和誤報的概率的預測值、預測的告警區域和告警設備和告警的預測時間范圍，輸出預測結果，所述預測結果包括：預測到火災的時間、地點、影響范圍、概率和處理方案；

所述火災預測裝置 還包括模型顯示，所述模型顯示包括:使用三維數據模型顯示所述預測的告警區域和告警設備；

所述方法還包括：

通過java技術實現所述三維數據模型與實際告警區域和所述告警設備的聯通。

8.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至6任意一項所述的方法。