【技术实现步骤摘要】
大型酒店火灾风险评估方法、装置及计算机设备
本专利技术涉及消防领域，更具体地说是指一种大型酒店火灾风险评估方法、装置及计算机设备。
技术介绍
大型酒店建筑形式，除包含传统的客房外，还包括健身房、酒吧、餐厅、会议室等服务设施，大型酒店已由提供传统住宿逐步转变成一个汇集会议、休闲、娱乐等服务的多功能场所。满足各种服务功能的附加设施的出现，使得大型酒店的火灾隐患也逐步提高。大型酒店一般属于高层建筑，由于高层建筑兴起时间相对较短，缺乏有效的大数据分析能力，对于高层建筑火灾风险评价的相关研究处于起步阶段，没有统一成熟的理论框架。大型酒店作为高层建筑中的一个独特的使用者，目前没有特定的文献进行研究。而现有的火灾风险评价方法选取的特征因素没有针对性。选取泛用性的特征因素对特定建筑主体进行评价可能缺乏科学的评价依据；特征因素选取过于简单或复杂对于特定建筑主体的火灾风险防控参考性弱。评价方法的实际运用性也较差，特征因素的评价依赖于人为主观判断，手工计算复杂难度大，评价过程智能化程度低人工成本高；评价过程中主管权重赋值方法不够科学，评价...
【技术保护点】
1.一种大型酒店火灾风险评估方法，其特征在于，包括以下步骤：/n根据现有消防信息构建评价指标库，所述评价指标库中包括多个初始评价指标；/n从评价指标库中筛选出火灾强关联的初始评价指标作为关键评价指标；/n通过BP神经网络确定关键评价指标的权重，并基于关键评价指标的权重计算得到目标大型酒店的风险评估结果。/n
【技术特征摘要】
1.一种大型酒店火灾风险评估方法，其特征在于，包括以下步骤：
根据现有消防信息构建评价指标库，所述评价指标库中包括多个初始评价指标；
从评价指标库中筛选出火灾强关联的初始评价指标作为关键评价指标；
通过BP神经网络确定关键评价指标的权重，并基于关键评价指标的权重计算得到目标大型酒店的风险评估结果。
2.根据权利要求1所述的大型酒店火灾风险评估方法，其特征在于，所述根据现有消防信息构建评价指标库的步骤，包括；
基于消防现场调研信息、消防领域技术文献，火灾历史数据，以及国家消防验收和检查评分标准获取相关的初始评价指标，并基于初始评价指标构建评价指标库。
3.根据权利要求1所述的大型酒店火灾风险评估方法，其特征在于，所述从评价指标库中筛选出火灾强关联的初始评价指标作为关键评价指标的步骤，包括；
步骤一、扫描所有初始评价指标集，累计每个项的计数，得到候选项集C；
步骤二、判断扫描的候选项集C是否大于最小支持度阈值；
步骤三、若候选项集C大于最小支持度阈值，则生成频繁项集L，并将不满足条件的项集去掉；
步骤四、根据频繁项集L的性质推导出下一个候选项集C；
步骤五，重复执行步骤二至步骤四，直到所有初始评价指标集筛选完成。
4.根据权利要求1所述的大型酒店火灾风险评估方法，其特征在于，所述通过BP神经网络确定关键评价指标的权重的步骤，包括；
对BP神经网络的初始权值和阈值进行优化，并将优化后的权值和阈值代入原有的BP神经网络中；
采用BP神经网络对关键评价指标进行训练和学习；
判断训练学习结果是否收敛或达到最大迭代次数；
若训练学习结果不收敛或者未达到最大迭代次数，则重新执行采用BP神经网络对关键评价指标进行训练和学习的步骤；
若训练学习结果收敛或者达到最大迭代次数，输出关键评价指标的权重。
5.根据权利要求4所述的大型酒店火灾风险评估方法，其特征在于，所述基于关键评价指标的权重计算得到目标大型酒店的风险评估结果的步骤，包括；
获取目标大型酒店所有关键评价指标对应的实际得分；
根据每一项关键评价指标的实际得分和权重计算得到对应的风险权重分；
根据目标大型酒店所有关键评价指标的风险权重分计算得到风险总评分；
将该风险总评分作为目标大型酒店的风险评价结果输出。
6.根据权利要求4所述的大型酒店火灾风险评估方法，其特征在于，所述对BP神经网络的初始权值和阈值进行优化，并将优化后的权值和阈值代入原有的BP神经网络中的步骤，包括；
构造并初始化BP神经网络，将BP神经网络的初始权值和阈值进行编码化；
初始化ICS优化算法，以期望输出与实...
【专利技术属性】
技术研发人员：刘德海，金豫，刘晗宇，王雷，
申请(专利权)人：东北财经大学，
类型：发明
国别省市：辽宁;21
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。