[发明专利]一种自学习消防安全预警方法及系统

说明书

本发明公开了一种自学习消防安全预警方法，包括如下步骤：步骤一、传感层数据采集：基于典型的消防物联网的传感配置进行数据采集。步骤二、神经网络训练：采用BP神经网络模型进行监督式学习；步骤三、实时预测预警：将实时采集到信息输入到所述BP神经网络模型，判断是否需要发出消防预警。本发明基于现有已经搭建好的物联网消防平台，不需要额外的平台搭建工作，通过对消防历史数据的持续采集和学习，构建具有消防安全预警的自学习系统。

技术领域

本发明属于消防安全领域，具体是一种自学习消防安全预警方法及系统。

背景技术

目前，主流的消防安全系统多是以报警为主，即消防安全事故发生后的一种报警通知手段。而对于减少人员伤亡率，消防预警比消防报警更有意义。消防预警更重要的功能是将消防事故消除或防范在未然中。

在之前消防设备物联网化程度不高的阶段，消防数据样本的采集是一个难题。随着物联网化的快速发展而带来的大数据，给消防预警提供了大量的学习样本。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提供了一种自学习消防安全预警系统，基于现有已经搭建好的物联网消防平台，不需要额外的平台搭建工作，通过对消防历史数据的持续采集和学习，构建具有消防安全预警的自学习系统。具体技术方案如下：

一种自学习消防安全预警方法，包括如下步骤：

步骤一、传感层数据采集：基于典型的消防物联网的传感配置进行数据采集。

步骤二、神经网络训练：采用BP神经网络模型进行监督式学习；

步骤三、实时预测预警：将实时采集到信息输入到所述BP神经网络模型，判断是否需要发出消防预警。

进一步的，采集的传感数据包括：

温度传感器：环境温度F1、线路温度F2；

湿度传感器：环境湿度F3；

电流电压：线路电流F4、线路电压F5；

消防巡查：消防设备故障数F6、巡查频率F7；

手动报警：人工手动触发的消防安全报警L1；

烟感报警：烟雾报警探测器触发的有效报警(L2)；

其中，温度传感器、湿度传感器、电流电压、消防巡查的相关数据作为数据样本，手动报警和烟感报警的输出作为样本标签；手动报警或者有效的烟感报警发生时，则该样本的标签值为1，否则该样本的标签为0。

进一步的，所述神经网络训练过程如下：

(1)定义网路结构

a.输入层:7个节点

b.2个隐含层:分别为5个节点、3个节点

c.Softmax层：SoftMax函数

d.输出层:2个节点

e.传递函数:sigmoid

f.学习率0.8。

(2)训练数样本采集

T＝{(x₁,y₁),(x₂,y₂),...,(x_m,y_m)}，

其中

BP神经网络的输入是4维的特征，输出是y。