【技术实现步骤摘要】
一种基于神经网络的多维消防数据融合分析方法
本专利技术涉及消防安全领域，具体为一种基于神经网络的多维消防数据融合分析方法。
技术介绍
目前，随着经济的迅速发展，大型豪华宾馆、酒店、办公楼、购物商场等公共场所越来越多。这类公共场所规模大、可燃物多，在一定程度上加大了防灾灭火的困难。针对上述背景，绝大多数场所是采用独立式烟感进行火灾报警，然而，传统的独立式烟感存在许多问题：只能进行简单的现场报警，无法将报警信息通知到外界；设备出现故障时无法得知，没有设备运行检查功能；缺少外界数据平台的分析处理功能，无法自动判别报警火灾等情况；报警火灾时缺少实时的视频联动，无法远程查看现场情况。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术存在的不足，而提供一种提高火灾预报准确率的基于神经网络的多维消防数据融合分析方法。为解决上述技术问题，本专利技术采用的技术方案是：一种基于神经网络的多维消防数据融合分析方法，其特征在于，包括如下步骤：步骤1、建立以现场烟感的状态参数、现场的温度参数、现场的温度告警阈值参数及现场的生命特征参数为输入，以火灾发生率为输出的神经网络模型，并对建...
【技术保护点】
1.一种基于神经网络的多维消防数据融合分析方法，其特征在于，包括如下步骤：步骤1、建立以现场烟感的状态参数、现场的温度参数、现场的温度告警阈值参数及现场的生命特征参数为输入，以火灾发生率为输出的神经网络模型，并对建立的神经网络模型进行训练，根据训练结果和实际报警结果的误差调整神经网络模型的隐含层数量，直到准确率不低于期望值；步骤2、用训练好的神经网络模型，对实时获取的现场烟感的状态参数、现场的温度参数、现场的温度告警阈值参数及现场的生命特征参数进行灾情分析。
【技术特征摘要】
1.一种基于神经网络的多维消防数据融合分析方法，其特征在于，包括如下步骤：步骤1、建立以现场烟感的状态参数、现场的温度参数、现场的温度告警阈值参数及现场的生命特征参数为输入，以火灾发生率为输出的神经网络模型，并对建立的神经网络模型进行训练，根据训练结果和实际报警结果的误差调整神经网络模型的隐含层数量，直到准确率不低于期望值；步骤2、用训练好的神经网络模型，对实时获取的现场烟感的状态参数、现场的温度参数、现场的温度告警阈值参数及现场的生命特征参数进行灾情分析。2.据权利要求1所述的一种基于神经网络的多维消防数据融合分析方法，其特征在于，所述设备数据通过以下方法获取：现场设备连接至现场的客户端主机；客户端主机连接至消防平台，客户端主机将自己的设备信息发送到消防平台。3.据权利要求2所述的一种基于神经网络的多维消防数据融合分析系统，其特征在于，所述现场设备包括烟感传感器、红外摄像传感器、悬挂式超细干粉灭火器及生命特征探测器；其中烟感传感器用于检测现场烟感的状态参数；红外摄像传感器用于检测现场的温度参数；生命特征探测器用于检测现场的生命特征参数；悬挂式超细...
【专利技术属性】
技术研发人员：王瑞峰，蒋健，
申请(专利权)人：南京科谷智能科技有限公司，
类型：发明
国别省市：江苏,32
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。