一种火场救援方法、系统及存储介质技术方案

本发明专利技术提供的一种火场救援方法、系统及存储介质，其方法包括：获取当前火场内每一种预设火势参数的实时数据；对于每一种预设火势参数的实时数据，将多个连续的实时数据作为灰色预测模型的输入数据，得到下一时间的火势预测数据；实时监测每一个火势预测数据和实际火势数据的预测误差数据，若预测误差数据连续大于第一阈值，则从预测误差数据大于第一阈值的实时数据开始新一轮预测，以在满足灰色预测模型的预测最小数据量时重新开始下一时间的预测；之后计算每一个疏散通道上的可疏散时间以及每一个救援通道上的可救援时间，以进行疏散及救援。本发明专利技术能够使得火势数据的预测更加准确，从而能更加准确地确定火场各个逃生路径的可救援时间。可救援时间。可救援时间。

【技术实现步骤摘要】
一种火场救援方法、系统及存储介质


[0001]本专利技术涉及数字化消防
，特别涉及一种火场救援方法、系统及存储介质。

技术介绍

[0002]火场救援是一件非常复杂的事情，需要预测未来一段时间内火势发展情况，同时根据各种信息和资源的情况，来确定火场救援的策略及执行的战术。而火势发展的趋势和建筑结构、可燃物质的种类与数量、火场的火点分布、燃烧面积、火灾载荷密度等密切相关。
[0003]在实际火场中，这些用于预测火势发展的参数值，很难被准确测量，存在相当大的不确定因素，如：文件柜或桌子等所采用的材料、防火性能、柜子里所存放的物品等火灾载荷很难确定；同时其摆放位置、建筑结构特点、电气线路、火场内空气流通等情况，也会对整个火势产生很大的影响；还有一些在火势发展过程中，不可预测的事件随时发生，如存放的部分爆炸物品、或者梁柱的倒塌等。这些都会极大地影响火势发展预测的结果。即使这些可燃物的种类与数量非常精确，由于各种计算方式不统一，采用不同计算方法的结果相差很大；多数计算方法复杂繁琐、计算量大，也非常难在很短的时间内得出准确的结论。

技术实现思路

[0004]为了解决现有技术的上述问题，本专利技术提供一种火场救援方法、系统及存储介质，通过准确预测火势数据，以准确确定火场各个逃生路径的可救援时间。
[0005]为了达到上述目的，本专利技术采用的技术方案为：
[0006]第一方面，本专利技术提供一种火场救援方法，包括：
[0007]S1、获取当前火场内每一种预设火势参数的实时数据；<br/>[0008]S2、对于每一种预设火势参数的实时数据，将多个连续的所述实时数据作为灰色预测模型的输入数据，得到下一时间的火势预测数据；
[0009]S3、实时监测每一个火势预测数据和实际火势数据的预测误差数据，若所述预测误差数据连续大于第一阈值，则从所述预测误差数据大于第一阈值的实时数据开始新一轮预测，以在满足所述灰色预测模型的预测最小数据量时重新开始下一时间的预测；
[0010]S4、当得到所有参数在下一时间的火势预测数据时，计算每一个疏散通道上的可疏散时间以及每一个救援通道上的可救援时间，以进行疏散及救援。
[0011]本专利技术的有益效果在于：通过实时监测之前的火势预测数据和实际火势数据的误差数据，从而在连续误差较大的情况下认为火灾的发展趋势发生了重大变化，这时需要重新开始新一轮预测，在每一轮预测中都是在满足所述灰色预测模型的预测最小数据量才进行预测，从而能够减少在发展趋势发生变化时所出现的较大误差现象，使得火势数据的预测更加准确，从而能更加准确地确定火场各个逃生路径的可救援时间。
[0012]可选地，所述步骤S3中还包括：
[0013]若所述预测误差数据小于或等于第一阈值且大于第二阈值，则采用马尔可夫预测模型根据所有预设误差数值划分多个误差区间，统计并得到所述误差区间之间的转移概率
矩阵；
[0014]通过所述转移概率矩阵得到误差修正值，并对所述预测误差数据小于或等于第一阈值且大于第二阈值的火势预测数据按照对应的所述误差修正值进行修正，将修正后的所述火势预测数据输入步骤S4。
[0015]根据上述描述可知，通过马尔可夫预测算法对预测误差进行修正，以保证火势数据的预测更加准确。
[0016]可选地，所述通过所述转移概率矩阵得到误差修正值为：
[0017]将所述转移概率矩阵中每一个所述误差区间的概率和中值之间的积进行相加得到误差修正值。
[0018]根据上述描述可知，相较于现有的马尔可夫区间预测方法，采用马尔可夫概率预测方法的准确性更好。
[0019]可选地，所述将多个连续的所述实时数据作为灰色预测模型的输入数据，得到下一时间的火势预测数据包括：
[0020]将N个连续的所述实时数据作为灰色预测模型的输入数据，得到下一时间的动态火势预测数据，所述N为正整数；
[0021]将所有的所述实时数据作为灰色预测模型的输入数据，得到下一时间的历史火势预测数据；
[0022]分别计算上一时间所预测得到的动态火势预测数据、历史火势预测数据和上一时间的实际火势数据的预测误差数据，将其中预测误差数据小的预测方法所对应的火势预测数据作为下一时间的火势预测数据。
[0023]根据上述描述可知，采用历史数据滚动预测和动态数据滚动预测相结合的方式，选取最近的预测误差较小的方法预测的未来结果，作为确定的预测结果，能够减少预测误差，提高预测准确性。
[0024]可选地，所述步骤S2包括：
[0025]对于每一种预设火势参数的实时数据，获取每一种预设监测系列的系列参数，所述预设监测系列包括趋势监测系列、高频次短间隔的第一监测系列以及低频次长间隔的第二监测系列，所述趋势监测系列的数据间隔、预测间隔以及预测所需数据量最小，所述第一监测系列在数据间隔、预测间隔以及预测所需数据量的系列参数上均小于所述第二监测系列；
[0026]判断所述实时数据的当前数据量n是否分别达到所述趋势监测系列的预测所需数据量N1，若是，则按照所述趋势监测系列的数据间隔从当前数据量n选取对应的实时数据作为灰色预测模型的输入数据，得到下一时间的第一火势预测数据，所述n和N1均为正整数；
[0027]判断所述实时数据的当前数据量n是否分别达到所述第一监测系列和所述第二监测系列的预测所需数据量N
i
，若是，则按照每一种预设监测系列的数据间隔从当前数据量n选取对应的实时数据作为灰色预测模型的输入数据，得到每一种预设监测系列在对应的未来时间段的第二火势预测数据，并在下一时间内的每一个时间点按照预测间隔的长短依次选取第二火势预测数据，以得到下一时间的第二火势预测数据，所述N
i
均为正整数；
[0028]所述步骤S3包括：
[0029]实时监测每一个所述第一火势预测数据和实际火势数据的预测误差数据，若所述
预测误差数据连续大于第一阈值，则从所述预测误差数据大于第一阈值的第一实时数据开始新一轮预测，以在满足所述灰色预测模型的预测最小数据量时重新开始下一时间的预测；
[0030]所述步骤S4包括：
[0031]当得到所有参数在下一时间的第二火势预测数据时，计算每一个疏散通道上的可疏散时间以及每一个救援通道上的可救援时间，以进行疏散及救援。
[0032]根据上述描述可知，通过设置有趋势监测系列、高频次短间隔的第一监测系列以及低频次长间隔的第二监测系列，由趋势监测系列监测进行短期预测，从而敏锐察觉到火势发展趋势的变化，从而确定是否进行新一轮预测，而由高频次短间隔的第一监测系列进行短期预测，由低频次长间隔的第二监测系列进行中长期预测，从而保证火势预测在各个时间点的准确性。
[0033]可选地，还包括：
[0034]获取历史火场数据，根据所述历史火场数据进行模型训练，得到火场预测模型，所述历史火场数据包括历史火灾场景中的建筑结构、通风情况、可燃物种类与数量以及火灾发展状况；
...

【技术保护点】

【技术特征摘要】
1.一种火场救援方法，其特征在于，包括步骤：S1、获取当前火场内每一种预设火势参数的实时数据；S2、对于每一种预设火势参数的实时数据，将多个连续的所述实时数据作为灰色预测模型的输入数据，得到下一时间的火势预测数据；S3、实时监测每一个火势预测数据和实际火势数据的预测误差数据，若所述预测误差数据连续大于第一阈值，则从所述预测误差数据大于第一阈值的实时数据开始新一轮预测，以在满足所述灰色预测模型的预测最小数据量时重新开始下一时间的预测；S4、当得到所有参数在下一时间的火势预测数据时，计算每一个疏散通道上的可疏散时间以及每一个救援通道上的可救援时间，以进行疏散及救援。2.根据权利要求1所述的一种火场救援方法，其特征在于，所述步骤S3中还包括：若所述预测误差数据小于或等于第一阈值且大于第二阈值，则采用马尔可夫预测模型根据所有预设误差数值划分多个误差区间，统计并得到所述误差区间之间的转移概率矩阵；通过所述转移概率矩阵得到误差修正值，并对所述预测误差数据小于或等于第一阈值且大于第二阈值的火势预测数据按照对应的所述误差修正值进行修正，将修正后的所述火势预测数据输入步骤S4。3.根据权利要求2所述的一种火场救援方法，其特征在于，所述通过所述转移概率矩阵得到误差修正值为：将所述转移概率矩阵中每一个所述误差区间的概率和中值之间的积进行相加得到误差修正值。4.根据权利要求1所述的一种火场救援方法，其特征在于，所述将多个连续的所述实时数据作为灰色预测模型的输入数据，得到下一时间的火势预测数据包括：将N个连续的所述实时数据作为灰色预测模型的输入数据，得到下一时间的动态火势预测数据，所述N为正整数；将所有的所述实时数据作为灰色预测模型的输入数据，得到下一时间的历史火势预测数据；分别计算上一时间所预测得到的动态火势预测数据、历史火势预测数据和上一时间的实际火势数据的预测误差数据，将其中预测误差数据小的预测方法所对应的火势预测数据作为下一时间的火势预测数据。5.根据权利要求1所述的一种火场救援方法，其特征在于，所述步骤S2包括：对于每一种预设火势参数的实时数据，获取每一种预设监测系列的系列参数，所述预设监测系列包括趋势监测系列、高频次短间隔的第一监测系列以及低频次长间隔的第二监测系列，所述趋势监测系列的数据间隔、预测间隔以及预测所需数据量最小，所述第一监测系列在数据间隔、预测间隔以及预测所需数据量的系列参数上均小于所述第二监测系列；判断所述实时数据的当前数据量n是否分别达到所述...

【专利技术属性】
技术研发人员：郭华，邰锋，曹刚，兰增，林宝勇，杜健，朱银普，
申请(专利权)人：深圳森磊弘泰消防科技有限公司，
类型：发明
国别省市：