一种智能建筑火灾态势预测分析方法技术

本发明专利技术公开了一种智能建筑火灾态势预测分析方法，包括：

【技术实现步骤摘要】
一种智能建筑火灾态势预测分析方法


[0001]本专利技术属于人工智能灾害预测领域，尤其涉及一种智能建筑火灾态势预测分析方法
。

技术介绍

[0002]目前常见的火灾自动探测预警系统是基于火灾发生后火光
、
烟雾
、
热能的变化，用电子器件捕捉，然后反馈给值班人员，并发出警报
。
目前火灾监测主要有以下几种方式：
[0003](1)
火焰识别摄像机：通过计算机视觉对重点区域进行智能巡检，建立火灾算法模型，自动分析违规
、
故障
、
隐患
、
险情等情况
。
[0004](2)
物联网监测：通过烟雾传感器
、
可燃气体传感器
、
线路温度传感器等实时检测设备，通过物联网方式监测已经发生或可能存在的火灾隐患
。
[0005]以上火灾监测方式可以在一定范围内检测已经起火或存在火灾隐患，但无法预测火势走向及给出更优的控火
、
灭火方案
。

技术实现思路

[0006]专利技术目的：本专利技术的目的在于提供一种智能建筑火灾态势预测分析方法
。
通过对影响火灾走向的多种因素计算分析出建筑火灾态势变化的方法
。
主要通过
AI
监测摄像机及红外感应设备感知起火部位
、
已产生的火势变化以及烟雾大小等
。
物联网环境传感器实时检测风向
、
风速
、
温湿度
、
雨雪等外部环境，通过外部环境变化及摄像机感知到的火势变化计算不同外部环境因素对火势影响的权重，生成一组实时权重系数
。
再通过图像识别对建筑密度
、
分布等因素进行智能分析，利用摄像机感知的火灾目前状态及实时外部环境，提前预判火势后期变化趋势，结合建筑
BIM
模型，辅助灭火方案决策，帮助被困人员安全避开火灾蔓延区域，降低火灾造成的损失和人员伤亡
。
[0007]技术方案：本专利技术的一种智能建筑火灾态势预测分析方法，包括以下步骤：
[0008]步骤
1、
采用
AI
摄像机及红外检测设备监测目标区域的实时火灾发生及火势变化；
[0009]步骤
2、
分析火势变化与外部环境因素；
[0010]步骤
3、
计算外部环境因素对火势变化的影响权重；
[0011]步骤
4、
基于影响权重预测目标区域下一个时间段内火势变化趋势
。
[0012]进一步的，步骤1具体为：采用
AI
摄像机及红外识别监测火灾状态，通过火焰图像识别算法模型得出火灾实时现状及走势曲线，设某时间火势大小为
F
i
。
[0013]进一步的，步骤2具体为：基于外部环境因素的权重计算，选择影响火势变化的主要因素共有
X
项影响因子，包含环境温度
T、
湿度
H、
风速
WS、
风向
WD、
降雨量
R、
未燃体积占比
V、
综合因素
N
；建立基于时间线的环境因素矩阵：
P
ni
代表第
n
个样本
i
时间的数值：
[0014]。
[0015]进一步的，步骤3具体为：影响火势变化的各因素之间会有一定相关性和波动性，综合考虑数据波动情况和指标间的相关性，采用
CRITIC
权重法计算各影响因素与火势大小之间的影响权重；
[0016]首先对已发生的环境影响因素矩阵各数据进行归一化处理：
[0017][0018]其中，
P
表示影响因素组合，
P
i
表示
i
时间的影响因素组合，
P
′
ni
表示第
n
个样本
i
时间归一处理数值；
[0019]使用标准差来计算各影响因素的差异波动，标准差越大表示该影响因素的数值差异越大，越能放映出更多的信息，该影响因素本身的评价强度也就越强，应该给该因素分配更多的权重：
[0020][0021][0022]其中，
P
i
表示某个样本的平均值，
P
ni
表示第
n
个样本
i
时间的数值，
σ
i
表示某个样本的标准差；
[0023]使用相关系数
R
i
来表示影响因素的相关性，与其他影响因素的相关性越强，则该影响因素就与其他影响因素的冲突性越小，反映出相同的信息越多，所能体现的评价内容就越有重复之处，一定程度上也就削弱了该影响因素的评价强度，减少对该因素分配的权重，
r
TH
表示
T
因素与
H
因素之间的相关系数：
[0024][0025][0026]其中，
r
TH
表示
T
因素与
H
因素之间的相关系数，
T
i
表示
i
时间的环境温度，
H
i
表示
i
时间的环境湿度，表示温度平均值，表示湿度平均值，
x
表示样本数，
R
i
表示相关性数值；
[0027]计算第
n
个指标的信息量：
[0028]其中，
C
n
表示第
n
个指标的信息量；
[0029]计算第
n
个指标的客观权重
M
n
:
[0030]其中，
M
n
表示第
n
个指标的客观权重；
[0031]根据以上计算方法可得出火灾已发生过程中影响因素权重矩阵：
[0032][0033]进一步的，步骤4具体为：
[0034]使用马尔可夫模型，对于一个系统，由一个状态转至另一个状态的转换过程中，存在着转移概率，用来预测具有等时间隔的时刻点上各因素权重的变化状况；
[0035]火势变化过程中
i+1
时刻的温度为
T
i+1
，那么
i+1
时刻的温度状态仅依赖于前一刻的状态
T
i
；
[0036]即
L(T
i+1
|T
i
…
T3,T2,T1)
＝
L(T
i+1
|本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种智能建筑火灾态势预测分析方法，其特征在于，包括以下步骤：步骤
1、
采用
AI
摄像机及红外检测设备监测目标区域的实时火灾发生及火势变化；步骤
2、
对火势变化与外部环境因素进行分析；步骤
3、
计算外部环境因素对火势变化的影响权重；步骤
4、
基于影响权重预测目标区域下一个时间段内火势变化趋势
。2.
根据权利要求1所述的一种智能建筑火灾态势预测分析方法，其特征在于，步骤1具体为：采用
AI
摄像机及红外识别监测火灾状态，通过火焰图像识别算法模型得出火灾实时现状及走势曲线，设某时间火势大小为
F
i
。3.
根据权利要求1所述的一种智能建筑火灾态势预测分析方法，其特征在于，步骤2具体为：基于外部环境因素的权重计算，选择影响火势变化的主要因素共有
X
项影响因子，包含环境温度
T、
湿度
H、
风速
WS、
风向
WD、
降雨量
R、
未燃体积占比
V、
综合因素
N
；建立基于时间线的环境因素矩阵：
P
ni
代表第
n
个样本
i
时间的数值：
。4.
根据权利要求1所述的一种智能建筑火灾态势预测分析方法，其特征在于，步骤3具体为：影响火势变化的各因素之间会有一定相关性和波动性，综合考虑数据波动情况和指标间的相关性，采用
CRITIC
权重法计算各影响因素与火势大小之间的影响权重；首先对已发生的环境影响因素矩阵各数据进行归一化处理：其中，
P
表示影响因素组合，
P
i
表示
i
时间的影响因素组合，
P
′
ni
表示第
n
个样本
i
时间归一处理数值；使用标准差来计算各影响因素的差异波动，标准差越大表示该影响因素的数值差异越大，越能放映出更多的信息，该影响因素本身的评价强度也就越强，应该给该因素分配更多的权重：的权重：其中，表示某个样本的平均值，
P
ni
表示第
n
个样本
i
时间的数值，
σ
i
表示某个样本的标准差；使用相关系数
R
i
来表示影响因素的相关性，与其他影响因素的相关性越强，则该影响因素就与其他影响因素的冲突性越小，反映出相同的信息越多，所...

【专利技术属性】
技术研发人员：郭旭周，燕楚，张跃，孙昊，武之超，徐帆，张壹秋，储呈鑫，
申请(专利权)人：南京熊猫电子股份有限公司，
类型：发明
国别省市：