[发明专利]火灾发展态势预测方法、装置及计算机可存储介质

说明书

本发明提出一种火灾发展态势预测方法，用于预测火灾发展态势，具体包括如下步骤：获取火灾的模拟数据；建立用于火灾发展态势预测的工程类深度学习模型神经网络；使用模拟数据训练神经网络；判断神经网络的输出值是否小于或等于预设误差阈值；若是，则停止训练神经网络，完成工程类深度学习模型；若否，重新获取火灾的模拟数据；利用工程类深度学习模型评估火灾发展态势，并根据评估结果输出决策方案。本发明还对应提供了火灾发展态势预测装置和计算机可存储介质，管理人员或救援人员根据决策方案快速准确制定有效的救援方案。

技术领域

本发明涉及火灾发展预测技术领域，特别是一种火灾发展态势预测方法、装置及计算机可存储介质。

背景技术

随着生活质量提升，安全生活服务科技日渐发展，尤其是火灾消防安全领域，除了平时做好预防外，一旦发生大火，指挥官可随着火灾事件演进之应变决策至关重要。

现有技术中，通过工程分析软件针对某区域发生火灾时的各种情境进行分析，并提出应对对策，但瞬时的分析结果无法有效的适应与运用在实际火灾中。

发明内容

鉴于上述状况，有必要提供一种火灾发展态势预测方法、装置及计算机可存储介质，通过深度学习提高更符合实际环境的预测结果，以解决上述问题。

本发明第一方面提供了一种火灾发展态势预测方法，用于预测火灾发展态势，所述火灾发展态势预测方法包括如下步骤：获取火灾的模拟数据；建立用于火灾发展态势预测的工程类深度学习模型的神经网络；使用所述模拟数据训练所述神经网络；判断所述神经网络的输出值是否小于或等于预设误差阈值；若是，则停止训练所述神经网络，完成所述工程类深度学习模型；若否，重新获取所述火灾的模拟数据；利用所述工程类深度学习模型评估所述火灾发展态势，并根据评估结果输出决策方案。

优选地，所述获取火灾的模拟数据之前，包括如下步骤：收集预分析区域的边界条件数据，其中，所述边界条件数据包括所述预分析区域的几何形状、门窗位置与尺寸、物件材质、探测器类型与位置、火源热释放率与位置；根据所述预分析区域的边界条件数据模拟分析得到所述火灾的特征数据。

优选地，所述得到所述火灾的特征数据之后，还包括如下步骤：根据所述火灾的特征数据得到每个所述探测器对应的遮蔽率；根据所述遮蔽率的数值大小转换为所述遮蔽率的比重值，所述比重值为0～1。

优选地，所述利用所述深度学习模型评估所述火灾发展态势，并根据评估结果输出决策方案，包括如下步骤：利用火灾现场的烟雾探测器不间断得到遮蔽率；持续输入所述遮蔽率至所述工程类深度学习模型；输出所述决策方案，并对所述决策方案进行可视化显示；其中，所述决策方案包括人命救助、周界防护、局限火势、灭火行动、通风排烟、财务维护、残火处理中的一种或多种。

优选地，所述完成所述工程类深度学习模型之后，还包括如下步骤：采集火灾的实际数据；使用所述实际数据优化所述工程类深度学习模型；得到混合类深度学习模型用于评估所述火灾发展态势，并根据评估结果输出决策方案。

本发明第二方面还提供了一种火灾发展态势预测装置，用于预测火灾发展态势，所述火灾发展态势预测装置包括：数据存储单元，用于存储火灾的模拟数据；处理器；以及存储器，所述存储器中存储有多个程序模块，多个所述程序模块由所述处理器运行并执行如下步骤：获取火灾的所述模拟数据；建立用于火灾发展态势预测的工程类深度学习模型的神经网络；使用所述模拟数据训练所述神经网络；判断所述神经网络的输出值是否小于或等于预设误差阈值；若是，则停止训练所述神经网络，完成所述工程类深度学习模型；若否，重新获取所述火灾的模拟数据；利用所述工程类深度学习模型评估所述火灾发展态势，并根据评估结果输出决策方案。