[发明专利]建筑物火灾风险等级评估方法

权利要求书

1.一种建筑物火灾风险等级评估方法，其特征在于，包括步骤：

根据目标建筑物的数据，获取所述目标建筑物对应的预设风险评估指标；

对获取的所述预设风险评估指标进行缺省值预处理，获得预处理后的建筑物数据；

按照预设的设定火灾风险等级为聚类簇数，通过k-原型聚类算法对进行所述预处理后的建筑物数据进行聚类处理获取聚类结果；

通过至少一种机器学习分类算法在所述聚类结果上面进行分类预测，确定所述聚类结果上面进行的分类预测结果是否达到预设的正确率；

在所述聚类结果上面进行的分类预测结果达到预设的正确率时，根据带有聚类结果类别的建筑物数据以及所述预设的设定火灾风险等级，采用J48决策树对所述目标建筑物的火灾风险进行评级。

2.根据权利要求1所述的建筑物火灾风险等级评估方法，其特征在于，所述根据目标建筑物的数据，获取所述目标建筑物对应的预设风险评估指标的步骤，包括：

根据目标建筑物的数据的数据维度，获取所述目标建筑物对应的数据维度的预设风险评估指标。

3.根据权利要求2所述的建筑物火灾风险等级评估方法，其特征在于，所述对应的数据维度的预设风险评估指标包括以下属性值中的至少一种：

8个数值属性或者连续值属性，包括：A1建筑年龄、A2标准层面积、A3避难层总面积、A4地上层面积、A5建筑面积、A6建筑内同一时间可容纳最大人数、A7建筑高度、和A8地下层面积；以及

10个符号属性或者离散值属性，包括：B1地上层数、B2地下层数、B3消防电梯数、B4避难层数量、B5建筑类别、B6建筑结构、B7是否多产权、B8耐火等级、B9建筑状态值、和B10行政区域。

4.根据权利要求1所述的建筑物火灾风险等级评估方法，其特征在于，所述对获取的所述预设风险评估指标进行缺省值预处理，获得预处理后的建筑物数据的步骤，包括：

在所述预设风险评估指标的属性值为离散型时，将缺省值定位为所述预设风险评估指标中出现频次最高的属性值；和/或

在所述预设风险评估指标的属性值为连续型时，将缺省值定位为所述预设风险评估指标中的属性值的均值。

5.根据权利要求1所述的建筑物火灾风险等级评估方法，其特征在于，所述预设的设定火灾风险等级为3级或者4级。

6.根据权利要求1所述的建筑物火灾风险等级评估方法，其特征在于，所述按照预设的设定火灾风险等级为聚类簇数，通过k-原型聚类算法对进行所述预处理后的建筑物数据进行聚类处理获取聚类结果的步骤，包括：

按照预设的设定火灾风险等级为聚类簇数，调整k-原型聚类样本相似性度量公式中含有的待定参数τ的数值，通过k-原型聚类算法对进行所述预处理后的建筑物数据进行聚类处理。

7.根据权利要求1所述的建筑物火灾风险等级评估方法，其特征在于，所述通过至少一种机器学习分类算法在所述聚类结果上面进行分类预测，确定所述聚类结果上面进行的分类预测结果是否达到预设的正确率的步骤，包括：

采用了8种WEKA工具包中的机器学习分类算法在所述聚类结果上面对添加了类别信息的所述建筑物数据进行分类测试；

其中，所述机器学习分类算法包括：贝叶斯网、随机树、朴素贝叶斯、SMO、随机森林、J48、NBTree、以及RBF网。

8.根据权利要求7所述的建筑物火灾风险等级评估方法，其特征在于，所述达到预设的正确率为达到正确率90％以上。

9.根据权利要求1-8中任一项所述的建筑物火灾风险等级评估方法，其特征在于，所述对应的数据维度的预设风险评估指标包括：

5个连续值属性：A1建筑年龄、A2标准层面积、A5建筑面积、A6建筑内同一时间可容纳最大人数、A7建筑高度；以及

1个离散型属性：B3消防电梯数。

10.根据权利要求9所述的建筑物火灾风险等级评估方法，其特征在于，

在[A1建筑年龄≤15.5年]且[A7建筑高度≤64.5米]且[A6建筑内同一时间可容纳最大人数≤5900人]且[A2标准层面积≤60519平方米]且[A5建筑面积≤189848.5平方米]，则确定[火灾风险＝轻级]；

在[A1建筑年龄>15.5年]且[A7建筑高度≤72.45米]且[A6建筑内同一时间可容纳最大人数≤7600人]，则确定[火灾风险＝中级]；

在[A1建筑年龄>15.5年]且[A7建筑高度≤72.45米]且[A6建筑内同一时间可容纳最大人数>7600人]，则确定[火灾风险＝严重级]

在[A1建筑年龄≤15.5年]且[A7建筑高度≤64.5米]且[A6建筑内同一时间可容纳最大人数>5900人]，则确定[火灾风险＝严重级]；

在[A1建筑年龄>15.5年]且[A7建筑高度>72.45米]且[消防电梯数＝1个或2个]，则确定[火灾风险＝严重级]。