消防安全风险量化方法、装置及存储介质制造方法及图纸

本申请提供一种消防安全风险量化方法、装置及存储介质，其中方法包括：获取消防物联网监测的消防监管对象的消防关联数据；基于所述消防关联数据确定参考向量并建立消防安全风险量化模型；将所述消防关联数据输入至所述消防安全风险量化模型中，获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果；对不同消防监管对象的消防安全风险量化结果进行排序。本申请以消防物联网实际监测的消防监管对象的消防关联数据作为基础，通过消防安全风险量化模型输出消防监管对象的消防安全风险量化结果，深化了消防物联网监测数据的算法应用，实现了基于消防物联网监测数据的社会单位消防安全风险量化。测数据的社会单位消防安全风险量化。测数据的社会单位消防安全风险量化。

【技术实现步骤摘要】
消防安全风险量化方法、装置及存储介质


[0001]本申请涉及消防安全
，尤其涉及一种消防安全风险量化方法、装置及存储介质。

技术介绍

[0002]在消防监管模式方面，目前的消防监督队伍实施的是“双随机，一公开”的消防监管模式，以减少人为主观干预对检查结果的影响。
[0003]随着社会单位数量的不断增加，火灾隐患的风险点不断增多，消防监督检查的压力也不断增大。目前使用“火眼
‑
火灾风险预测系统”进行火灾风险预警，该系统利用大数据及人工智能技术，通过对火灾、单位建筑、隐患、违章行为等历史海量数据进行机器学习，由计算机对所有建筑进行动态的、量化的火灾风险排序，并自动定期输出预警分析结果。
[0004]但是，该系统前期需要投入较大的工作量，其中的数据基础来自大量的人工数据，例如消防监督检查人员录入监督管理系统的安全隐患、违法违章行为等，这类数据存在较大的主观性，会影响火灾风险预测结果的准确性。

技术实现思路

[0005]针对现有技术存在的上述问题，本申请实施例提供一种消防安全风险量化方法、装置及存储介质。
[0006]本申请提供一种消防安全风险量化方法，包括：
[0007]获取消防物联网监测的消防监管对象的消防关联数据；
[0008]基于所述消防关联数据确定参考向量并建立消防安全风险量化模型；
[0009]将所述消防关联数据输入至所述消防安全风险量化模型中，获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果；
>[0010]对不同消防监管对象的消防安全风险量化结果进行排序。
[0011]可选地，所述基于所述消防关联数据确定参考向量并建立消防安全风险量化模型，包括：
[0012]基于所述消防关联数据确定比较向量和所述参考向量；
[0013]对所述比较向量和所述参考向量进行无量纲化处理；
[0014]确定所述比较向量和所述参考向量之间的关联系数；
[0015]根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。
[0016]可选地，所述基于所述消防关联数据确定比较向量和所述参考向量，包括：
[0017]根据目标指标的理想状态和所述目标指标对应的消防关联数据确定所述参考向量；
[0018]根据所述目标指标对应的消防关联数据确定所述比较向量。
[0019]可选地，所述目标指标包括：消防控制室值班人员的在位率、火灾自动报警系统的
报警准确率和火灾自动报警系统的故障发生率。
[0020]可选地，所述消防监管对象为消防监督机构确定并通过消防物联网进行监测的消防安全重点单位。
[0021]本申请还提供一种消防安全风险量化装置，包括：
[0022]第一获取模块，用于获取消防物联网监测的消防监管对象的消防关联数据；
[0023]确定模块，用于基于所述消防关联数据确定参考向量并建立消防安全风险量化模型；
[0024]第二获取模块，用于将所述消防关联数据输入至所述消防安全风险量化模型中，获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果；
[0025]排序模块，用于对不同消防监管对象的消防安全风险量化结果进行排序。
[0026]可选地，所述确定模块还用于：
[0027]基于所述消防关联数据确定比较向量和所述参考向量；
[0028]对所述比较向量和所述参考向量进行无量纲化处理；
[0029]确定所述比较向量和所述参考向量之间的关联系数；
[0030]根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。
[0031]可选地，所述基于所述消防关联数据确定比较向量和所述参考向量，包括：
[0032]根据目标指标的理想状态和所述目标指标对应的消防关联数据确定所述参考向量；
[0033]根据所述目标指标对应的消防关联数据确定所述比较向量。
[0034]本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述消防安全风险量化方法的步骤。
[0035]本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述消防安全风险量化方法的步骤。
[0036]本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述消防安全风险量化方法的步骤。
[0037]本申请提供的消防安全风险量化方法及装置，以消防物联网实际监测的消防监管对象的消防关联数据作为基础，通过消防安全风险量化模型输出消防监管对象的消防安全风险量化结果，深化了消防物联网监测数据的算法应用，实现了基于消防物联网监测数据的社会单位消防安全风险量化。
附图说明
[0038]为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1是本申请实施例提供的消防安全风险量化方法的流程示意图；
[0040]图2是本申请实施例提供的66家消防安全重点单位的关联度计算结果的示意图之
一；
[0041]图3是本申请实施例提供的66家消防安全重点单位的关联度计算结果的示意图之二；
[0042]图4是本申请实施例提供的66家消防安全重点单位的关联度计算结果的示意图之三；
[0043]图5是本申请实施例提供的消防安全重点单位关联度量化排名的示意图；
[0044]图6是本申请实施例提供的消防安全风险量化装置的结构示意图；
[0045]图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0046]在消防监管模式方面，目前消防监督队伍实施的是“双随机，一公开”的消防监管模式。该模式通过相应的信息系统随机确定被检查单位、随机匹配监督检查人员并及时向社会公开检查结果。这种模式减少了人为主观干预的情况的发生。但是随着经济的不断发展，社会单位的数量增加，火灾隐患的风险点增多，消防监督检查的压力不断增大。
[0047]目前使用“火眼
‑
火灾风险预测系统”进行火灾风险预警，该系统利用大数据及人工智能技术，通过对火灾、单位建筑、隐患、违章行为等历史海量数据进行机器学习，由计算机对所有建筑进行动态的、量化的火灾风险排序，并自动定期输出预警分析结果。
[0048]但是“火眼
‑
火灾风险预测系统”中的数据基础来源于大量的人工数据，比如消防监督人员录入监督管理系统的安全隐患、违法违章行为等。由于此类数据存在一定的主观本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种消防安全风险量化方法，其特征在于，包括：获取消防物联网监测的消防监管对象的消防关联数据；基于所述消防关联数据确定参考向量并建立消防安全风险量化模型；将所述消防关联数据输入至所述消防安全风险量化模型中，获得所述消防安全风险量化模型输出的所述消防监管对象的消防安全风险量化结果；对不同消防监管对象的消防安全风险量化结果进行排序。2.根据权利要求1所述的消防安全风险量化方法，其特征在于，所述基于所述消防关联数据确定参考向量并建立消防安全风险量化模型，包括：基于所述消防关联数据确定比较向量和所述参考向量；对所述比较向量和所述参考向量进行无量纲化处理；确定所述比较向量和所述参考向量之间的关联系数；根据所述关联系数确定所述比较向量和所述参考向量之间的关联度作为所述消防监管对象的消防安全风险量化结果。3.根据权利要求2所述的消防安全风险量化方法，其特征在于，所述基于所述消防关联数据确定比较向量和所述参考向量，包括：根据目标指标的理想状态和所述目标指标对应的消防关联数据确定所述参考向量；根据所述目标指标对应的消防关联数据确定所述比较向量。4.根据权利要求3所述的消防安全风险量化方法，其特征在于，所述目标指标包括：消防控制室值班人员的在位率、火灾自动报警系统的报警准确率和火灾自动报警系统的故障发生率。5.根据权利要求1所述的消防安全风险量化方法，其特征在于，所述消防监管对象为消防监督机构确定并通过消防物联网进行监测的消防安全重点单位。6.一种消防安全风险量化装置，其特征在于，...

【专利技术属性】
技术研发人员：张建琪，钱新明，韩海云，宋子威，袁梦琦，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：