[发明专利]一种基于物联网的分布式环境安全学习及预警方法

权利要求书

1.一种基于物联网的分布式环境安全学习及预警方法，其特征在于，包括如下步骤：

步骤(1)，使用传感器采集分布式环境中数据，对采集到的数据进行预处理；

步骤(2)，使用预处理过的数据，初始化随机图模型；

步骤(3)，使用基于自适应随机图的安全评估方法分析数据的概率关联关系，得到分布式环境安全预警模型；

步骤(4)，测量新的环境中数据，根据分布式环境安全预警模型对环境安全参数进行实时检测，判断环境是否安全，并预警潜在的安全问题。

2.根据权利要求1所述基于物联网的分布式环境安全学习及预警方法，其特征在于，所述步骤(1)中部署传感器采集环境中的温度、湿度、光照强度以及危险气体浓度数据，同时测量人体的体温、心率、血压生理指标，对采集到的数据进行预处理是去除不完整和明显错误的数据。

3.根据权利要求2所述基于物联网的分布式环境安全学习及预警方法，其特征在于，所述步骤(2)中使用预处理分析后的数据，设置状态变量、观测值、初始状态概率向量、状态转移概率矩阵、观测概率矩阵来初始化随机图模型。

4.根据权利要求3所述基于物联网的分布式环境安全学习及预警方法，其特征在于，所述状态变量指使用传感器采集数据的变量；观测值指传感器采集的变量值；初始状态概率向量指初始状态变量的概率，用向量表示；状态转移概率矩阵是一个状态到另一个状态的变量转移概率，用矩阵表示；观测概率矩阵是一个状态的变量观测概率矩阵。

5.根据权利要求1所述基于物联网的分布式环境安全学习及预警方法，其特征在于，所述初始化随机图模型的方法是：用无向图表示随机变量之间的联合概率分布其中，Z为规范化因子，Q是无向图的最大团，为Q对应的势函数，使用指数函数定义势函数，通过势函数来参数化随机图模型，H(x)是一个定义在变量x上的实值函数，H(x)＝∑_{u，v∈x，u≠v}α_uvx_ux_v+∑_v∈xβ_vx_v，α_uv和β_v是需要学习的参数，用于对团Q中的变量关系进行建模，所有团构成的集合为S，x_Q是Q的节点对应的随机变量，u，v表示变量x的序号，x_u表示第u个变量，x_v表示第v个变量。

6.根据权利要求1所述基于物联网的分布式环境安全学习及预警方法，其特征在于，所述步骤(3)中使用基于自适应随机图的安全评估方法分析数据的概率关联关系过程如下：首先使用对数线性模型对初始化的随机图模型进行超细粒度参数化，然后使用似然函数对随机图模型参数进行极大似然估计，最后使用最大后验概率估计(MAP)推理后验概率密度，得到安全评估结果，集成医疗机构发布的数据，制定分布式环境的安全标准。

7.根据权利要求1所述基于物联网的分布式环境安全学习及预警方法，其特征在于，所述步骤(3)得到分布式环境安全预警模型的方法如下：首先利用变量的特征集和权值集给出分布P在随机图M上的对数线性模型；然后令其中，θ为需要求解的参数，变量x有K个，解此似然函数，得到随机图模型参数的极大似然估计，得到变量之间的概率关联关系；最后使用最大后验概率估计(MAP)方法推理后验概率，通过变量之间的概率关联关系，根据制定的分布式环境安全参数范围，分析在环境安全参数影响下分布式环境安全的条件概率P{安全|x₁，...，x_k}，再根据贝叶斯公式进一步得到概率P{安全|(安全+不安全)}的值，最终获得安全评估结果；根据医疗机构标准制定分布式环境的安全标准：人体正常体温范围36.2～37.3℃；心率正常范围：60～100次/分；血压正常范围：高压90～140，低压60～90。