本发明专利技术实施例提出一种火灾预警方法、装置、终端和可读存储介质。该火灾预警方法包括：构建预警节点的预警参量和预警节点所在的目标区域内的环境参数之间图数据结构；根据图数据结构训练构建目标图神经网络模型；采集目标区域的实际环境参数，并将实际环境参数进行数据预处理；根据经预处理后的实际环境参数和目标图神经网络模型，以确定预警节点的预警参量；根据预警参量进行火灾预警。根据预警节点的预警参量和目标区域内的环境参数共同构建图数据结构，图数据结构可包含具有多个维度数据的环境参数。基于该图数据结构训练构建目标图神经网络模型，从而能够针对性地对目标区域做出准确地火灾预警，提高火灾预警的可靠性。
【技术实现步骤摘要】
火灾预警方法、装置、终端及可读存储介质
本专利技术实施例涉及应急管理
，具体地，涉及一种火灾预警方法、装置、终端及可读存储介质。
技术介绍
目前，火灾预警系统主要是基于单一传感器参数进行监测，当监测的参数达到预先设定的阈值时，则进行预警。然而，采用单一传感器进行监测的方式会使得火灾预警不可靠，火灾发现不及时，火灾误报率、漏报率较高。
技术实现思路
本专利技术实施例旨在提供一种火灾预警方法、装置、终端和可读存储介质，可解决现有技术中火灾预警系统中的火灾预警不可靠的技术问题。为解决上述技术问题，本专利技术实施例提出一种火灾预警方法，包括：构建预警节点的预警参量和所述预警节点所在的目标区域内的环境参数之间图数据结构；根据所述图数据结构训练构建目标图神经网络模型；采集所述目标区域的实际环境参数，并将所述实际环境参数进行数据预处理；根据经预处理后的所述实际环境参数和所述目标图神经网络模型，以确定所述预警节点的预警参量；根据所述预警参量进行火灾预警。可选地，所述构建预警节点的预警参量和所述预警节点所在的目标区域内的环境参数之间图数据结构的步骤，包括：将所述环境参数中具有直接依赖关系的参数建立连接；将与所述预警参量具有直接依赖关系的环境参数与所述预警参量建立连接，从而形成所述图数据结构。可选地，所述环境参数包括一氧化碳浓度、二氧化碳浓度变化率、烟雾浓度、温度、氧气浓度、湿度、气压强度和光照强度。可选地，所述根据所述图数据结构训练构建目标图神经网络模型的步骤，包括：根据所述预警节点的预警参量，获取与所述预警参量相匹配的训练参数；根据所述预警参量和所述训练参数，并且结合所述图数据结构训练预设网络模型，从而得到所述目标图神经网络模型。可选地，所述采集所述目标区域的实际环境参数，并将所述实际环境参数进行数据预处理的步骤，包括；通过设置于所述目标区域的传感器获取所述目标区域内的实际环境参数；将所述实际环境参数进行无量纲化处理。可选地，所述根据经预处理后的所述实际环境参数和所述目标图神经网络模型，以确定所述预警节点的预警参量的步骤，包括：将所述实际环境参数作为所述目标图神经网络模型的输入集，输入所述目标图神经网络模型；由所述目标图神经网络模型计算得到所述预警节点的预警参量。可选地，所述根据所述预警参量进行火灾预警的步骤，包括：识别所述预警参量所处的预警等级；根据所述预警参量所处的预警等级，执行对应的文本预警和/或声光预警。另外地，本专利技术实施例还提出一种火灾预警装置，包括：第一构建模块，用于构建预警节点的预警参量和所述预警节点所在的目标区域内的环境参数之间图数据结构；第二构建模块，用于根据所述图数据结构训练构建目标图神经网络模型；数据处理模块，用于采集所述目标区域的实际环境参数，并将所述实际环境参数进行数据预处理；确定模块，用于根据经预处理后的所述实际环境参数和所述目标图神经网络模型，以确定所述预警节点的预警参量；预警模块，用于根据所述预警参量进行火灾预警。另外地，本专利技术实施例还提出一种终端，所述终端包括：存储器、处理器及存储在所述存储器并可在所述处理器运行的程序，所述程序被所述处理器执行时实现如上所述的火灾预警方法的步骤。另外地，本专利技术实施例还提出一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的火灾预警方法的步骤。与现有技术相比较，在本专利技术实施例的所述火灾预警方法中，根据预警节点的预警参量和目标区域内的环境参数共同构建图数据结构，图数据结构可包含具有多个维度数据的环境参数，从而可采集多个维度数据以全面准确地表征目标区域内的环境信息，并多个维度数据的环境参数和预警参量根据相互关系进行连线以构建图数据结构。基于该图数据结构训练构建目标图神经网络模型，从而能够针对性地对目标区域做出准确地火灾预警，提高火灾预警的可靠性。附图说明图1是本专利技术火灾预警方法的应用场景示意图；图2是本专利技术其中一实施例提供的一种火灾预警方法的流程图；图3是图2所示的步骤S10的具体流程图；图4是本专利技术实施例提供的一种火灾预警装置的模块图；图5是本专利技术实施例提供的一种终端的硬件结构示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。请参阅图1，图1是本专利技术火灾预警方法的应用场景示意图。其中，以针对目标区域进行火灾预警为例进行示例说明。目标区域内可包括有多个维度参数，例如一氧化碳浓度、二氧化碳浓度变化率、烟雾浓度和温度等。终端100通过采集目标区域内的多个维度参数，并进行数据处理分析，从而达到基于多维数据进行火灾预警的技术目的。基于上述应用场景以及硬件结构，提出本专利技术火灾预警方法的各个实施例：请参阅图2，本专利技术其中一实施例提出一种火灾预警方法，包括以下步骤：步骤S10，构建预警节点的预警参量和所述预警节点所在的目标区域内的环境参数之间图数据结构。终端100构建预警节点的预警参量和所述预警节点所在的目标区域内的环境参数之间图数据结构。其中，图数据结构是指包括节点和用于表征各个节点之间相互关系的边。具有直接相互关系的两个节点可通过边进行连线，从而使各个节点和边构成图数据结构。目标区域是指用于监控是否存在火灾情况的区域，目标区域为一定空间，如一个房间或者一个通道，通过本专利技术火灾预警方法，从而监控目标区域是否存在火灾情况，并可根据各种情况进行分等级预警。环境参数是用于表征一个目标区域中环境信息的多种数据特征，例如，环境参数包括多个维度数据：一氧化碳浓度、二氧化碳浓度变化率、烟雾浓度、温度、氧气浓度、湿度、气压强度和光照强度。当然，环境参数还可以包含其他的维度数据，在此不一一列举。预警节点通过预警参量进行表征，其中，可将预警参量划分为多个预警等级，例如预警参量可划分为三个数目的预警等级：正常等级、高风险等级和明火燃烧等级，即正常等级用于表征区域环境内没有火灾情况；高风险等级用于表征区域环境内具有火灾隐患，具有高风险情形；明火燃烧等级用于表征区域环境内已经有明火燃烧，已经构成火灾。当然，还可以将预警参量划分为其他数目的预警等级，在此不一一列举。在本实施例中，根据预警节点的预警参量和目标区域内的环境参数构建一个图数据结构，其中，一个节点表征环境参数中的一个维度数据，各个具有相互关系的节点通过边进行连线，以构成图数据结构。例如，环境参数包括多个维度数据：一氧化碳浓度、二氧化碳浓度变化率、烟雾浓度、温度、氧气浓度、湿度、气压强度和光照强度，因此可规划为：一氧化碳浓度节点、二氧化碳浓度变化率节点、烟雾浓度节点、温度节点、氧气浓度节点、湿度节点、气压强度节点和光照强度节点。通过预警节本文档来自技高网...
【技术保护点】
1.一种火灾预警方法，其特征在于，包括：/n构建预警节点的预警参量和所述预警节点所在的目标区域内的环境参数之间图数据结构；/n根据所述图数据结构训练构建目标图神经网络模型；/n采集所述目标区域的实际环境参数，并将所述实际环境参数进行数据预处理；/n根据经预处理后的所述实际环境参数和所述目标图神经网络模型，以确定所述预警节点的预警参量；/n根据所述预警参量进行火灾预警。/n
【技术特征摘要】
1.一种火灾预警方法，其特征在于，包括：
构建预警节点的预警参量和所述预警节点所在的目标区域内的环境参数之间图数据结构；
根据所述图数据结构训练构建目标图神经网络模型；
采集所述目标区域的实际环境参数，并将所述实际环境参数进行数据预处理；
根据经预处理后的所述实际环境参数和所述目标图神经网络模型，以确定所述预警节点的预警参量；
根据所述预警参量进行火灾预警。
2.如权利要求1所述的火灾预警方法，其特征在于，所述构建预警节点的预警参量和所述预警节点所在的目标区域内的环境参数之间图数据结构的步骤，包括：
将所述环境参数中具有直接依赖关系的参数建立连接；
将与所述预警参量具有直接依赖关系的环境参数与所述预警参量建立连接，从而形成所述图数据结构。
3.如权利要求1或2所述的火灾预警方法，其特征在于，所述环境参数包括一氧化碳浓度、二氧化碳浓度变化率、烟雾浓度、温度、氧气浓度、湿度、气压强度和光照强度。
4.如权利要求1所述的火灾预警方法，其特征在于，所述根据所述图数据结构训练构建目标图神经网络模型的步骤，包括：
根据所述预警节点的预警参量，获取与所述预警参量相匹配的训练参数；
根据所述预警参量和所述训练参数，并且结合所述图数据结构训练预设网络模型，从而得到所述目标图神经网络模型。
5.如权利要求1所述的火灾预警方法，其特征在于，所述采集所述目标区域的实际环境参数，并将所述实际环境参数进行数据预处理的步骤，包括；
通过设置于所述目标区域的传感器获取所述目标区域内的实际环境参数；
将所述实际环境参...
【专利技术属性】
技术研发人员：李晓刚，
申请(专利权)人：深圳市中电数通智慧安全科技股份有限公司，
类型：发明
国别省市：广东;44
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。