一种楼宇火警报警分类方法及系统技术方案

本发明专利技术公开了一种楼宇火警报警分类方法及系统，包括以下步骤：S1、实时获取待分类火警警报的报警设备、报警时间和报警地点，并采集火警系统中火警警报的日志数据；S2、结合所得报警时间和地点，对日志数据中的该警报设备的关联数据进行统计，得到该火警警报的特征；S3、对所得火警警报特征进行标准化，并输入到预训练好的楼宇火警报警分类模型中，将该火警警报分为类火警警报和故障报警。通过以上步骤，可以快速判断火警警报的类型，从而在消防条件有限的情况下，使火警系统的管理人员可以根据火警警报的类别确定火警警报处理的优先级，优先处理类火警警报，分类速度较快，能够快速降低火警的误报率，可以帮助管理人员合理调配有限的消防资源。

A classification method and system of building fire alarm

【技术实现步骤摘要】
一种楼宇火警报警分类方法及系统
本专利技术属于火警报警数据分析
，更具体地，涉及一种楼宇火警报警分类方法及系统。
技术介绍
火灾探测器是防火监控系统中的重要组成部分，然而在火警报警中，火灾探测器往往存在着大量的误报警，误报率较高。为了解决火灾探测器的误报率较高的问题，国内外的学者对如何降低探测器的误报率进行了相关的研究工作，所采用的技术手段主要可分为两类：一类将火灾烟雾与其他火灾特征参量(气体、温度、视频监控等)相结合的复合火灾特征参数的探测器；另一类是通过分析火灾烟雾和非火灾气溶胶的粒径分布特征，通过三段式探测器来排除非火灾气溶胶导致的误报。然而两类方式改善火灾误报率的方式，都大大地增大了实际的应用成本，应用并不广泛。通过对火警报警产生的原因进行分析，发现引起火警报警的因素主要有以下几个方面：(1)火灾；(2)非火灾气体颗粒物因素；(3)环境因素；(4)人为因素；(5)产品方面的因素(设计质量和制造质量)；(6)设备老化、灰尘积累等元素。其中，第(1)类因素引发的火灾为真火灾，需要及时处理；第(2)、(3)、(4)类因素引发的火警报警往往是由于不可控的偶然因素导致，发生率较高，可能不构成火灾，但是也可能存在一定的危害性，不能忽视，同样需要及时处理；而第(5)、(6)类因素引发的火灾是由于设备故障导致的，属于干扰报警，应当予以排除，并且让设备商对出现误报的报警器进行详细的排查并检修。因此，需要对楼宇火警报警进行分类，将确实存在误报警的火警报警进行排除，提高误报率。目前常用的楼宇火警报警分类方法主要是通过值班人员去现场一一确认，对真实火警和非火警进行人为辨认，这种方法的准确性较高，但是会大大加剧值班人员的工作量和企业的维保成本，同时也会不断消耗有限的消防救援资源。并且当火警报警较多，消防条件有限的情况下，值班人员无法同时对多个火警报警进行辨认，无法判断哪个报警最有可能是真火警，需要优先处理，哪个可能是火警误报，可以延后处理，反应速度较慢，无法快速降低火警的误报率。综上所述，提供一种快速降低火警误报率的楼宇火警报警分类方法及系统是亟待解决的问题。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种楼宇火警报警分类方法及系统，其目的在于解决现有方法由于需要通过人工对火警报警现场进行一一确认而导致的无法快速降低火警的误报率的问题。为实现上述目的，一方面，本专利技术提供了一种楼宇火警报警分类方法，包括以下步骤：S1、实时获取待分类火警警报的报警设备、报警时间和报警地点，并采集火警系统中火警警报的日志数据；S2、结合所得报警时间和地点，对日志数据中的该警报设备的关联数据进行统计，得到该火警警报的特征；S3、对所得火警警报特征进行标准化，并输入到预训练好的楼宇火警报警分类模型中，将该火警警报分为类火警警报和故障报警；其中，类火警报警包括真火警报警和因其他环境因素触发的误报警，故障报警是由于报警设备故障而产生的误报警。进一步优选地，上述火警警报特征包括预设时间段内的该火警警报的报警设备的报警次数、同楼层其他报警设备的报警次数、相邻楼层的报警次数、预设时间段内的该火警警报的报警设备的误报次数和设备隐患次数。进一步优选地，步骤S3中对楼宇火警报警分类模型进行预训练的方法包括以下步骤：S31、采集火警系统中类火警报警和故障报警的历史日志数据；S32、分别对类火警报警历史日志数据中各个类火警报警设备的关联数据进行统计，得到类火警警报特征集，其对应的标签记为“+1”，共同构成正样本集；S33、对故障报警历史日志数据中各个故障报警设备的关联数据进行统计，得到故障报警警报特征集，其对应的标签记为“-1”，共同构成负样本集；S34、对所得正、负样本集中的各个警报特征进行标准化，并输入到SVDD模型中进行训练，得到预训练好的楼宇火警报警分类模型；所得楼宇火警报警分类模型精确度较高，计算速度较快。进一步优选的，对警报特征X标准化处理为：其中，X*为标准化处理后的报警特征，μ为正、负样本集中该警报特征的均值，σ为正、负样本集中该警报特征的标准差，使处理后的样本数据符合标准正态分布，以消除不同维度的特征在量纲和幅值上的差异。进一步优选地，当故障报警日志数据更新时，根据上述对楼宇火警报警分类模型进行预训练的方法重新训练并更新楼宇火警报警分类模型。进一步优选地，火警系统的管理人员根据火警警报的类别确定火警警报处理的优先级，优先处理类火警警报。另一方面，本专利技术提供了一种楼宇火警报警分类系统，包括火警警报信息采集模块、火警警报特征提取模块、火警警报分类模块；其中，火警警报信息采集模块的输出端与火警警报特征提取模块的输入端相连，火警警报特征提取模块的输出端与火警警报分类模块的输入端相连；火警警报信息采集模块用于实时获取待分类火警警报的报警设备、报警时间和报警地点，并采集火警系统中火警警报的日志数据；火警警报特征提取模块用于结合所得报警时间和地点，对日志数据中的该警报设备的关联数据进行统计，得到该火警警报的特征；火警警报分类模块用于训练并保存楼宇火警报警分类模型，并对所得火警警报特征进行标准化，输入到该预训练好的楼宇火警报警分类模型中，将该火警警报分为类火警警报和故障报警。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列下列有益效果：1、本专利技术提出了一种楼宇火警报警分类方法，通过训练得到的楼宇火警报警分类模型，对实时采集的火警警报信息进行分类，可以快速判断火警警报的类型，将该火警警报分为类火警警报和故障报警，从而在消防条件有限的情况下，使火警系统的管理人员可以根据火警警报的类别确定火警警报处理的优先级，优先处理由于不可控的偶然因素导致的类火警警报，分类速度较快，更加智能，能够快速降低火警的误报率。2、本专利技术所提出楼宇火警报警分类方法，通过对SVDD模型进行训练得到楼宇火警报警分类模型，所得楼宇火警报警分类模型可以更好地将因偶然因素导致的火警报警的数据特征用超球体平面来描述，排除少数离群点的干扰，精确度较高；同时提供了直观的数据描述，借助于核函数技巧，可以很方便在高维特征空间中进行求解，计算速度较快。3、本专利技术所提出楼宇火警报警分类方法，通过探究火警报警的原因，将火警报警分为类火警警报和故障报警，一方面可以有效地提高楼宇中火灾控制室工作人员的工作效率，优先处理由于不可控的偶然因素导致的类火警误报，也可以更有效地尽早确认真实火情，帮助楼宇管理人员合理调配有限的消防资源；另一方面也可以监控探测器设备的实时运行状态，可以有效降低企业提高维保人员的工作量，有效降低企业的维护成本。4、本专利技术所提出楼宇火警报警分类方法，不仅可以对实时火警进行分类，同时可以监测火警探测器的运行情况，从而更加精确地得到火警探测器的是否发生故障以及是否发生老化、灰尘沉积等问题，降低企业维保人员的排查难度，有效降低企业维保的成本。5、本专利技术所提出的楼宇火警分本文档来自技高网...

【技术保护点】
1.一种楼宇火警报警分类方法，其特征在于，包括以下步骤：/nS1、实时获取待分类火警警报的报警设备、报警时间和报警地点，并采集火警系统中火警警报的日志数据；/nS2、结合所得报警时间和地点，对日志数据中的该警报设备的关联数据进行统计，得到该火警警报的特征；/nS3、对所得火警警报特征进行标准化，并输入到预训练好的楼宇火警报警分类模型中，将该火警警报分为类火警警报和故障报警；其中，火警警报类别包括类火警报警和故障报警，类火警报警包括真火警报警和因环境因素触发的误报警，故障报警是由于报警设备故障而产生的误报警。/n

【技术特征摘要】
1.一种楼宇火警报警分类方法，其特征在于，包括以下步骤：
S1、实时获取待分类火警警报的报警设备、报警时间和报警地点，并采集火警系统中火警警报的日志数据；
S2、结合所得报警时间和地点，对日志数据中的该警报设备的关联数据进行统计，得到该火警警报的特征；
S3、对所得火警警报特征进行标准化，并输入到预训练好的楼宇火警报警分类模型中，将该火警警报分为类火警警报和故障报警；其中，火警警报类别包括类火警报警和故障报警，类火警报警包括真火警报警和因环境因素触发的误报警，故障报警是由于报警设备故障而产生的误报警。


2.根据权利要求1所述的楼宇火警报警分类方法，其特征在于，所述火警警报特征包括预设时间段内的该火警警报的报警设备的报警次数、同楼层其他报警设备的报警次数、相邻楼层的报警次数、预设时间段内的该火警警报的报警设备的误报次数和设备隐患次数。


3.根据权利要求1所述的楼宇火警报警分类方法，其特征在于，步骤S3中对楼宇火警报警分类模型进行预训练的方法包括以下步骤：
S31、采集火警系统中类火警报警和故障报警的历史日志数据；
S32、分别对类火警报警历史日志数据中各个类火警报警设备的关联数据进行统计，得到类火警警报特征集，其对应的标签记为+1，共同构成正样本集；
S33、对故障报警历史日志数据中各个故障报警设备的关联数据进行统计，得到故障报警警报特征集，其对应的标签记为-1，共同构成负样本集；
S34、对所得正、负样本集中的各个警报特征进行标准化，并输入到S...

【专利技术属性】
技术研发人员：朱明，马俊亮，张艳婷，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42