一种基于神经网络的消防预警方法及系统技术方案

本发明专利技术公开了一种基于神经网络的消防预警方法及系统，所述的消防预测方法包括以下步骤：预警数据采集步骤：通过数据采集节点实时采集各监测点的温度和烟雾数据；数据分析步骤：将采集的各监测点数据导入到消防预测模型中，对模型进一步进行学习训练，并对温度和烟雾数据的变化趋势进行分析；预警判断步骤：根据预测模型的数据分析结果判断是否进行预警提示。通过对各监测点的环境温度以及容易发生火灾处温度的变化趋势进行分析，预测下一时间段内其温度变化是否会达到预先设置的或者预警温度，通过提前对可能发生火灾的温度进行预测能够及时对火灾进行预警，让抢救人员有时间达到火灾现在，减小了火灾发生造成的损失。

A Fire Warning Method and System Based on Neural Network

The invention discloses a fire alarm method and system based on neural network, which includes the following steps: early warning data acquisition step: real-time temperature and smoke data acquisition of each monitoring point through data acquisition node; data analysis step: data acquisition of each monitoring point is imported into the fire prediction model to further study and train the model; The trend of temperature and smoke data is analyzed, and the steps of early warning judgment are as follows: judging whether to give early warning prompt according to the data analysis results of the prediction model. Through the analysis of the environmental temperature of each monitoring point and the changing trend of the temperature of the fire-prone place, the paper predicts whether the temperature change will reach the pre-set or early warning temperature in the next period. By predicting the temperature of the possible fire in advance, the fire can be warned in time, so that rescuers have time to reach the present fire and reduce the fire occurrence. Loss caused.

【技术实现步骤摘要】
一种基于神经网络的消防预警方法及系统
本专利技术涉及智能消防安全
，尤其涉及一种基于神经网络的消防预警方法及系统。
技术介绍
目前现有的消防安全报警都是在火灾已经发生时或者已经发生后才进行或者报警，而如果在火灾已经发生后再进行报警虽然也能及时通知抢救人员到场对火灾进行控制，抢救人员到达火灾现场也需要一定的时间，而在这段时间内火灾也会造成一定的损失；因此对消防安全的提前预警远远比火灾发生后在进行报警更为重要。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于神经网络的消防预警方法及系统，通过对消防安全事故的提前预警能够防止现目前在火灾发生后再报警而造成的损失。本专利技术的目的是通过以下技术方案来实现的：一种基于神经网络的消防预警方法，消防预测方法包括以下步骤：预警数据采集步骤：通过数据采集节点实时采集各监测点的温度和烟雾数据；数据分析步骤：将采集的各监测点数据导入到消防预测模型中，对模型进一步进行学习训练，并对温度和烟雾数据的变化趋势进行分析；预警判断步骤：根据预测模型的数据分析结果判断是否进行预警提示。在通过基于神经网络的消防预警方法进行消防预警之前还需要通过所述预警数据采集步骤采集各监测点的历史数据进行机器学习并建立消防预测模型。数据采集节点采集的数据包括通过温度传感器实时采集各监测点的环境温度，通过红外热像仪实时采集各监测点中容易发生火灾处的中心温度，以及通过烟雾传感器实时采集各监测点的环境烟雾浓度。对温度和烟雾数据的变化趋势进行分析包括对各监测点采集到的温度大小递增变化趋势进行分析和烟雾浓度递增变化趋势进行分析。温度大小递增变化趋势进行分析包括以下内容：在时间T1到T2时间段内随机选择多个时间点t1、t2、---、tg，得到对应时间点温度传感器采集的环境温度f11、f12、---、fng，和对应时间点红外热像仪采集的容易发生火灾处中心温度F11、F12、---、Fig；对各时间点对应的环境温度数据和容易发生火灾处中心温度数据进行拟合，得到T1到T2时间段内环境温度的变化趋势函数和容易发生火灾处中心温度的变化趋势函数；根据各自温度的变化趋势函数预测下一时间段内环境温度和容易发生火灾处中心温度的变化情况。烟雾浓度递增变化趋势进行分析包括以下内容：在时间T1到T2时间段内随机选择多个时间点t1、t2、---、tg，得到对应时间点烟雾传感器采集的环境烟雾浓度C11、C12、---、Cng；对各时间点对应的环境烟雾浓度数据进行拟合，得到T1到T2时间段内环境烟雾浓度的变化趋势函数；根据烟雾浓度的变化趋势函数预测下一时间段内环境烟雾浓度的变化情况。数据分析步骤还包括对温度和烟雾数据的边界变化进行分析，其包括以下内容：根据温度传感器采集的环境温度和红外热像仪采集的容易发生火灾处中心温度的最高温度的变化情况，实时分析与环境温度火灾预警和容易发生火灾处中心温度预设温度高低的关系；根据烟雾传感器采集的环境烟雾浓度的最高浓度的变化情况，实时分析与火灾预警预设烟雾浓度的关系。预警判断步骤包括以下内容：根据预测的下一时间段内环境温度的变化情况，判断下一时间段内是否有环境温度达到环境温度的火灾预警预设温度；根据预测的下一时间段内容易发生火灾处中心温度的变化情况，判断下一时间段内是否有容易发生火灾处中心温度达到容易发生火灾处温度的火灾预警预设温度；根据预测的下一时间段内环境烟雾浓度的变化情况，判断下一时间段内是否有环境烟雾浓度达到环境烟雾浓度的火灾预警预设浓度；如果上述步骤中任意一种情况达到火灾预警的预设条件，则进行预警提示。一种基于神经网络的消防预警方法的消防预警系统，包括用于实时采集各监测点数据的数据采集节点，用于接收所述数据采集节点采集的数据并进行分析以及结果判断的数据分析处理模块。数据采集节点包括用于采集各监测点环境温度数据的温度传感器，用于采集各监测点容易发生火灾处中心温度数据的红外热像仪和用于采集各监测点环境烟雾浓度数据的烟雾传感器。本专利技术的有益效果是：一种基于神经网络的消防预警方法及系统，通过对各监测点的环境温度以及容易发生火灾处温度的变化趋势进行分析，预测下一时间段内其温度变化是否会达到预先设置的或者预警温度，通过提前对可能发生火灾的温度进行预测能够及时对火灾进行预警，让抢救人员有时间达到火灾现在，减小了火灾发生造成的损失。附图说明图1为本专利技术的方法流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本专利技术的描述中，需要说明的是，术语“上”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。下面结合附图进一步详细描述本专利技术的技术方案，但本专利技术的保护范围不局限于以下所述。如图1所示，一种基于神经网络的消防预警方法，消防预测方法包括以下步骤：S1、预警数据采集步骤：通过数据采集节点实时采集各监测点的温度和烟雾数据；S2、数据分析步骤：将采集的各监测点数据导入到消防预测模型中，对模型进一步进行学习训练，并对温度和烟雾数据的变化趋势进行分析；S3、预警判断步骤：根据预测模型的数据分析结果判断是否进行预警提示。进一步地，在通过基于神经网络的消防预警方法进行消防预警之前还需要通过所述预警数据采集步骤采集各监测点的历史数据进行机器学习并建立消防预测模型。进一步地，消防预测模型通过卷积神经网络、循环神经网络或者时间递归神经网络中的一种来进行学习训练。进一步地，数据采集节点采集的数据包括通过温度传感器实时采集各监测点的环境温度，通过红外热像仪实时采集各监测点中容易发生火灾处的中心温度，以及通过烟雾传感器实时采集各监测点的环境烟雾浓度。进一步地，其中各监测点中容易发生火灾处包括但不限于配电室、电机房、有插座或者电路线路密集处(如电瓶车集中充电处)、电器电具设备与电路接线连接处以及任何可能产生明火或者发生电路短路的地方；并将这些容易发生火灾地方的各种材料的燃点数据提前导入到消防本文档来自技高网...

【技术保护点】
1.一种基于神经网络的消防预警方法，其特征在于：所述的消防预测方法包括以下步骤：预警数据采集步骤：通过数据采集节点实时采集各监测点的温度和烟雾数据；数据分析步骤：将采集的各监测点数据导入到消防预测模型中，对模型进一步进行学习训练，并对温度和烟雾数据的变化趋势进行分析；预警判断步骤：根据预测模型的数据分析结果判断是否进行预警提示。

【技术特征摘要】
1.一种基于神经网络的消防预警方法，其特征在于：所述的消防预测方法包括以下步骤：预警数据采集步骤：通过数据采集节点实时采集各监测点的温度和烟雾数据；数据分析步骤：将采集的各监测点数据导入到消防预测模型中，对模型进一步进行学习训练，并对温度和烟雾数据的变化趋势进行分析；预警判断步骤：根据预测模型的数据分析结果判断是否进行预警提示。2.根据权利要求1所述的一种基于神经网络的消防预警方法，其特征在于：在通过基于神经网络的消防预警方法进行消防预警之前还需要通过所述预警数据采集步骤采集各监测点的历史数据进行机器学习并建立消防预测模型。3.根据权利要求1所述的一种基于神经网络的消防预警方法，其特征在于：所述数据采集节点采集的数据包括通过温度传感器实时采集各监测点的环境温度，通过红外热像仪实时采集各监测点中容易发生火灾处的中心温度，以及通过烟雾传感器实时采集各监测点的环境烟雾浓度。4.根据权利要求3所述的一种基于神经网络的消防预警方法，其特征在于：所述对温度和烟雾数据的变化趋势进行分析包括对各监测点采集到的温度大小递增变化趋势进行分析和烟雾浓度递增变化趋势进行分析。5.根据权利要求4所述的一种基于神经网络的消防预警方法，其特征在于：所述温度大小递增变化趋势进行分析包括以下内容：在时间T1到T2时间段内随机选择多个时间点t1、t2、---、tg，得到对应时间点温度传感器采集的环境温度f11、f12、---、fng，和对应时间点红外热像仪采集的容易发生火灾处的中心温度F11、F12、---、Fig；对各时间点对应的环境温度数据和容易发生火灾处中心温度数据进行拟合，得到T1到T2时间段内环境温度的变化趋势函数和容易发生火灾处中心温度的变化趋势函数；根据各自温度的变化趋势函数预测下一时间段内环境温度和容易发生火灾处中心温度的变化情况。6.根据权利要求4所述的一种基于神经网络的消防预警方法，其特征在于：所述烟雾浓度递增变化趋势进行分析包括以下内容：在时间T1到T2...

【专利技术属性】
技术研发人员：车宁，徐峰，
申请(专利权)人：上海荷福人工智能科技集团有限公司，
类型：发明
国别省市：上海,31