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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。