基于大数据的消防数据处理方法及系统技术方案

本申请实施例提供的基于大数据的消防数据处理方法及系统，将目标消防监控数据集的数据表征向量和前期消防监控数据集的数据表征向量加载至预警信息挖掘网络，得到相应的目标消防监控数据集的环境映射表征向量。然后嵌入映射获取目标消防监控数据集的嵌入映射表征向量，将嵌入映射表征向量和环境映射表征向量一并确定为消防预警网络的加载数据，解析得到解析结果，获得目标消防监控数据集对应的预警标签序列，并不只是靠前期消防监控数据集的解析结果，防止对当前目标消防监控数据集进行预警分析得到的解析结果产生偏差，使得预警分析的精确性得到提高。的精确性得到提高。的精确性得到提高。

【技术实现步骤摘要】
基于大数据的消防数据处理方法及系统


[0001]本申请涉及数据处理、人工智能、智慧消防领域，具体而言，涉及一种基于大数据的消防数据处理方法及系统。

技术介绍

[0002]随着智慧城市加速推进，消防作为城市安全的重要保障，传统消防系统在应对日益发展的智能化城市时难以满足目前消防需求,人们对智慧消防的建设更加重视与迫切，并伴随物联网技术的快速发展，为智能消防系统提供了无线通信的技术支撑，推动着传统消防向智能化的转型。针对传统消防系统中，对建筑物的周期性巡防检查，消防预警等方面，难以及时发现、排查和处理问题。因此，基于消防监控物联网系统中产生的消防大数据进行智能分析，自动确定消防监控区域的安全状态，判断预警触发必要性是目前领域都在聚焦的重点，而如何保障预警分析的准确性是需要重点关注的技术问题。

技术实现思路

[0003]本专利技术的目的在于提供一种基于大数据的消防数据处理方法及系统，以改善上述问题。
[0004]本申请实施例的实现方式如下：第一方面，本申请实施例提供一种基于大数据的消防数据处理方法，应用于物联网云平台，所述方法包括：获取目标消防监控数据集的数据表征向量和前期消防监控数据集的数据表征向量，其中，所述前期消防监控数据集为位于所述目标消防监控数据集前的一个或多个消防监控数据集；将所述目标消防监控数据集的数据表征向量、所述前期消防监控数据集的数据表征向量确定为预警信息挖掘网络的加载数据，得到所述目标消防监控数据集的环境映射表征向量；对所述目标消防监控数据集的数据表征向量进行嵌入映射，得到所述目标消防监控数据集的嵌入映射表征向量；通过消防预警网络对所述目标消防监控数据集的嵌入映射表征向量和所述目标消防监控数据集的环境映射表征向量进行解析，得到所述目标消防监控数据集的解析结果，所述解析结果表征所述目标消防监控数据集对应的预警标签序列。
[0005]作为一种实施方式，其中，所述将所述目标消防监控数据集的数据表征向量、所述前期消防监控数据集的数据表征向量确定为预警信息挖掘网络的加载数据，得到所述目标消防监控数据集的环境映射表征向量，包括：将所述目标消防监控数据集的数据表征向量确定为所述预警信息挖掘网络的加载数据，得到所述目标消防监控数据集的预警信息表征向量；将所述前期消防监控数据集的数据表征向量确定为所述预警信息挖掘网络的加
载数据，得到所述前期消防监控数据集的预警信息表征向量；将所述目标消防监控数据集的预警信息表征向量和所述前期消防监控数据集的预警信息表征向量进行交互，得到所述目标消防监控数据集的环境映射表征向量。
[0006]作为一种实施方式，其中，所述通过所述消防预警网络对所述目标消防监控数据集的嵌入映射表征向量和所述目标消防监控数据集的环境映射表征向量进行解析，得到所述目标消防监控数据集的解析结果，包括：将所述目标消防监控数据集的嵌入映射表征向量和所述目标消防监控数据集的环境映射表征向量加载到所述消防预警网络，得到所述目标消防监控数据集中每一数据项的推理类型置信度；通过所述每一数据项的推理类型置信度确定所述目标消防监控数据集的解析结果。
[0007]作为一种实施方式，其中，所述将所述目标消防监控数据集的数据表征向量确定为预警信息挖掘网络的加载数据，得到所述目标消防监控数据集的预警信息表征向量，包括：将所述目标消防监控数据集的数据表征向量和设定元素数量的填充数组进行组合，得到组合后的第一数据表征向量；将所述组合后的第一数据表征向量加载到所述预警信息挖掘网络中，获取所述目标消防监控数据集的预警信息表征向量；所述将所述前期消防监控数据集的数据表征向量确定为所述预警信息挖掘网络的加载数据，得到所述前期消防监控数据集的预警信息表征向量，包括：将所述前期消防监控数据集的数据表征向量和设定元素数量的填充数组进行组合，得到组合后的第二数据表征向量；将所述组合后的第二数据表征向量加载到所述预警信息挖掘网络中，获取所述前期消防监控数据集的预警信息表征向量。
[0008]作为一种实施方式，其中，所述获取目标消防监控数据集的数据表征向量，包括：获取所述目标消防监控数据集；将所述目标消防监控数据集加载到数据表征向量抽取网络，得到所述目标消防监控数据集的数据表征向量，其中，所述数据表征向量抽取网络是以消防监控数据集模板为调试样本进行调试后获得的神经网络；所述方法还包括：获取当前消防监控数据集模板的数据表征向量和所述当前消防监控数据集模板对应的预警标签序列表征向量；对所述当前消防监控数据集模板的数据表征向量进行向量抹除或向量屏蔽处理，得到第一消防监控数据集模板表征向量，并对所述当前消防监控数据集模板对应的预警标签序列表征向量进行向量抹除或向量屏蔽处理，得到第一预警标签序列表征向量；获取前期消防监控数据集模板的数据表征向量以及所述前期消防监控数据集模板对应的前期预警标签序列表征向量；对所述前期消防监控数据集模板的数据表征向量进行向量抹除或向量屏蔽处理，得到第一前期消防监控数据集模板表征向量，并对所述前期消防监控数据集模板对应的前
期预警标签序列表征向量进行向量抹除或向量屏蔽处理，得到第一前期预警标签序列表征向量；通过所述第一消防监控数据集模板表征向量、所述第一预警标签序列表征向量、所述第一前期消防监控数据集模板表征向量以及所述第一前期预警标签序列表征向量，对所述预警信息挖掘网络进行反复调试直到满足预设的调试停止条件。
[0009]作为一种实施方式，其中，所述方法还包括：将所述第一消防监控数据集模板表征向量和所述第一预警标签序列表征向量加载到所述预警信息挖掘网络，获得第一预警信息表征向量；通过所述第一预警信息表征向量和所述当前消防监控数据集模板的预警信息表征向量之间的误差，获取迭代代价；其中，所述当前消防监控数据集模板的预警信息表征向量为将所述当前消防监控数据集模板的数据表征向量和所述当前消防监控数据集模板对应的预警标签序列表征向量加载到所述预警信息挖掘网络后获取的预警信息表征向量；通过所述迭代代价调整所述预警信息挖掘网络的网络配置变量，得到所述预警信息挖掘网络；所述方法还包括：将所述当前消防监控数据集模板的数据表征向量、所述第一消防监控数据集模板表征向量分别加载到所述预警信息挖掘网络，获得所述当前消防监控数据集模板对应的预警表征向量、所述第一消防监控数据集模板表征向量对应的预警表征向量；通过所述当前消防监控数据集模板对应的预警表征向量和所述第一消防监控数据集模板表征向量对应的预警表征向量之间的误差，获取数据代价；通过所述数据代价调整所述预警信息挖掘网络的网络配置变量，得到所述预警信息挖掘网络。
[0010]作为一种实施方式，其中，所述通过所述当前消防监控数据集模板对应的预警表征向量和所述第一消防监控数据集模板表征向量对应的预警表征向量之间的误差，获取数据代价，包括：获取所述当前消防监控数据集模板对应的预警表征向量和所述第一消防监控数据集模板表征向量对应的预警表征向量之间的第一共性度量结果，以及所述当前消防监控数据集模板对应的预警表征向量与预设数据表征向量之间的第二共性度量结果，其中，所述预设数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的消防数据处理方法，其特征在于，应用于物联网云平台，所述方法包括：获取目标消防监控数据集的数据表征向量和前期消防监控数据集的数据表征向量，其中，所述前期消防监控数据集为位于所述目标消防监控数据集前的一个或多个消防监控数据集；将所述目标消防监控数据集的数据表征向量、所述前期消防监控数据集的数据表征向量确定为预警信息挖掘网络的加载数据，得到所述目标消防监控数据集的环境映射表征向量；对所述目标消防监控数据集的数据表征向量进行嵌入映射，得到所述目标消防监控数据集的嵌入映射表征向量；通过消防预警网络对所述目标消防监控数据集的嵌入映射表征向量和所述目标消防监控数据集的环境映射表征向量进行解析，得到所述目标消防监控数据集的解析结果，所述解析结果表征所述目标消防监控数据集对应的预警标签序列。2.根据权利要求1所述的方法，其特征在于，所述将所述目标消防监控数据集的数据表征向量、所述前期消防监控数据集的数据表征向量确定为预警信息挖掘网络的加载数据，得到所述目标消防监控数据集的环境映射表征向量，包括：将所述目标消防监控数据集的数据表征向量确定为所述预警信息挖掘网络的加载数据，得到所述目标消防监控数据集的预警信息表征向量；将所述前期消防监控数据集的数据表征向量确定为所述预警信息挖掘网络的加载数据，得到所述前期消防监控数据集的预警信息表征向量；将所述目标消防监控数据集的预警信息表征向量和所述前期消防监控数据集的预警信息表征向量进行交互，得到所述目标消防监控数据集的环境映射表征向量。3.根据权利要求1所述的方法，其特征在于，所述通过所述消防预警网络对所述目标消防监控数据集的嵌入映射表征向量和所述目标消防监控数据集的环境映射表征向量进行解析，得到所述目标消防监控数据集的解析结果，包括：将所述目标消防监控数据集的嵌入映射表征向量和所述目标消防监控数据集的环境映射表征向量加载到所述消防预警网络，得到所述目标消防监控数据集中每一数据项的推理类型置信度；通过所述每一数据项的推理类型置信度确定所述目标消防监控数据集的解析结果。4.根据权利要求2所述的方法，其特征在于，所述将所述目标消防监控数据集的数据表征向量确定为预警信息挖掘网络的加载数据，得到所述目标消防监控数据集的预警信息表征向量，包括：将所述目标消防监控数据集的数据表征向量和设定元素数量的填充数组进行组合，得到组合后的第一数据表征向量；将所述组合后的第一数据表征向量加载到所述预警信息挖掘网络中，获取所述目标消防监控数据集的预警信息表征向量；所述将所述前期消防监控数据集的数据表征向量确定为所述预警信息挖掘网络的加载数据，得到所述前期消防监控数据集的预警信息表征向量，包括：将所述前期消防监控数据集的数据表征向量和设定元素数量的填充数组进行组合，得
到组合后的第二数据表征向量；将所述组合后的第二数据表征向量加载到所述预警信息挖掘网络中，获取所述前期消防监控数据集的预警信息表征向量。5.根据权利要求1所述的方法，其特征在于，所述获取目标消防监控数据集的数据表征向量，包括：获取所述目标消防监控数据集；将所述目标消防监控数据集加载到数据表征向量抽取网络，得到所述目标消防监控数据集的数据表征向量，其中，所述数据表征向量抽取网络是以消防监控数据集模板为调试样本进行调试后获得的神经网络；所述方法还包括：获取当前消防监控数据集模板的数据表征向量和所述当前消防监控数据集模板对应的预警标签序列表征向量；对所述当前消防监控数据集模板的数据表征向量进行向量抹除或向量屏蔽处理，得到第一消防监控数据集模板表征向量，并对所述当前消防监控数据集模板对应的预警标签序列表征向量进行向量抹除或向量屏蔽处理，得到第一预警标签序列表征向量；获取前期消防监控数据集模板的数据表征向量以及所述前期消防监控数据集模板对应的前期预警标签序列表征向量；对所述前期消防监控数据集模板的数据表征向量进行向量抹除或向量屏蔽处理，得到第一前期消防监控数据集模板表征向量，并对所述前期消防监控数据集...

【专利技术属性】
技术研发人员：陈麒邦，景佳妮，邱文华，李才贵，于晶，
申请(专利权)人：深圳市联正通达科技有限公司，
类型：发明
国别省市：