火灾预测模型训练、使用方法、设备和介质技术

本发明专利技术提供了一种火灾预测模型训练方法，具体实现方案为：获取预设参数，基于数据模拟软件生成与目标场景对应的模拟火灾数据；其中，所述预设参数包括目标场所空间参数以及火灾特征参数；基于所述模拟火灾数据进行初步建模，生成火灾预测模型；利用特征蒸馏方式训练所述火灾预测模型并利用历史时序信息对所述火灾预测模型进行实时修正。根据本发明专利技术的技术方案，克服了传统物理模拟火灾预测模型在时效性上的不足，加快了模型的推理速度，同时能够对火灾全时段进行预测，提供更符合实际环境的预测结果及有效的火灾救援信息。预测结果及有效的火灾救援信息。预测结果及有效的火灾救援信息。

【技术实现步骤摘要】
火灾预测模型训练、使用方法、设备和介质


[0001]本专利技术涉及人工智能
，尤其涉及深度学习、图像处理、计算机视觉
，可用于智慧消防场景，具体涉及一种火灾预测模型训练、使用方法、设备和介质。

技术介绍

[0002]在物联网、云计算、大数据、移动互联网等新兴信息技术的快速发展背景下，“传统消防”在向“现代消防”转变过程中，高密度城市环境下智慧消防的建设要求构建立体化、全覆盖的社会火灾防控系统。现有的智慧消防体系中，缺乏快速获取火灾现场温度和有毒烟气分布的能力，不利于消防员正确判断火情，更有可能威胁到消防员的健康与生命安全。然而，目前的火灾预测方法存在如下不足：
[0003]1、由于火灾场景是一种长时段的演变过程，单一预测模型难以适应环境多变的火灾场景，而训练现有的模型重新拟合新的物理扩散模型需要花费大量的时间，这种朴素的训练新模型方法显然不适合时间紧迫的火灾抢险场景。
[0004]2、现有技术中还可以基于深度学习的研究技术利用长短期记忆网络(Long Short
‑
Term Memory，LSTM)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火灾预测模型训练方法，其特征在于，包括：获取预设参数，基于数据模拟软件生成与目标场景对应的模拟火灾数据；其中，所述预设参数包括目标场所空间参数以及火灾特征参数；基于所述模拟火灾数据进行初步建模，生成火灾预测模型；利用特征蒸馏方式训练所述火灾预测模型并利用历史时序信息对所述火灾预测模型进行实时修正。2.如权利要求1所述的火灾预测模型训练方法，其特征在于，所述利用特征蒸馏方式训练所述火灾预测模型包括：利用像素间的分布一致性关系对所述火灾预测模型进行蒸馏。3.如权利要求2所述的火灾预测模型训练方法，其特征在于，所述利用像素间的分布一致性关系对所述火灾预测模型进行蒸馏包括：训练所述火灾预测模型；对所述火灾预测模型进行编号并使用层次剪枝算法削减网络规模，进而利用特征蒸馏方式训练削减网络层次后的模型。4.如权利要求3所述的火灾预测模型训练方法，其特征在于，所述训练所述火灾预测模型包括：准备收集的模拟火灾数据，设置网络超参数；计算所述模拟火灾数据和真实火灾场景下的传感器得到的不同时间的单个位置的指定类型烟气的浓度和选定平面的每个点随时间变化的温度数据的均方误差损失；逆卷积网络梯度回传获得网络模型。5.如权利要求3所述的火灾预测模型训练方法，其特征在于，所述对所述火灾预测模型进行编号并使用层次剪枝算法削减网络规模，进而利用特征蒸馏方式训练削减网络层次后的模型包括：对火灾预测模型进行层次剪枝，得到第一轻量级火灾预测模型；计算火灾模型T和S'的特征向量f
t
,f
s
；输入f
t
,f
s
计算特征蒸馏损失并进行训练，得到第二轻量级火灾预测模型。6.如权利要求1所述的火灾预测模型训练方法，其特征在于，所述火灾预测模型包括至少两个不同阶段的火灾预测子模型。7.如权利要求6所述火灾预测模型训练方法，其特征在于，所述利用历史时序信息对所述火灾预测模型进行实时修正包括：通过实际传感器实时采集不同阶段的灾情数据；设计不同火灾阶段下的特征估计函数，...

【专利技术属性】
技术研发人员：刘向荣，黄越涵，沈练，陈中贵，余航，柳娟，
申请(专利权)人：厦门大学，
类型：发明
国别省市：