[发明专利]基于自学习模型识别消防探测器误报的方法及系统

权利要求书

1.一种基于自学习模型识别消防探测器误报的方法，其特征在于所述的方法包括如下步骤：

步骤A、多个消防探测器将采集的当前参数值传输至监控控制中心；

步骤B、由监控控制中心通过消防探测器所在区域，经自学习，对预设的正常值进行调整，且通过正常值得到加速采样值与报警阈值，并传输至消防探测器；所述加速采样值与报警阈值均大于正常值；

所述自学习方式为单位时间内收集步骤A中多个消防探测器所采集的数据；然后对收集的数据集合进行预处理，去除异常数据；最后计算去异常数据后的数据集合的平均值，将所述平均值作为当前正常值；

步骤C、消防探测器将当前采样的参数值与加速采样值进行比较，判断当前采样参数值是否大于加速采样值，如判断结果为是，则参数采样周期变为正常采样周期的二分之一，继续采样；反之则保持当前的参数值采样周期；

步骤D、当步骤C中消防探测器采样的参数值连续若干次大于报警阈值，则监控控制中心输出报警信号。

2.根据权利要求1所述的基于自学习模型识别消防探测器误报的方法，其特征在于：所述方法还包括步骤E、当步骤C中消防探测器多次采样的参数值均大于加速采样值且连续升高，但未超过报警阈值，则监控控制中心输出预警信号。

3.根据权利要求1所述的基于自学习模型识别消防探测器误报的方法，其特征在于：所述步骤B中去除数据集合中异常数据的方式为计算数据集合的标准差，然后比较数据集合中的每个值，是否大于标准差的三倍，最后大于三倍标准差的删除该样本。

4.根据权利要求1或3所述的基于自学习模型识别消防探测器误报的方法，其特征在于：所述数据集合为至少20个消防探测器、每个消防探测器50次以上的数据集合。

5.根据权利要求1所述的基于自学习模型识别消防探测器误报的方法，其特征在于：所述报警阈值高于正常值4%。

6.根据权利要求1所述的基于自学习模型识别消防探测器误报的方法，其特征在于：所述消防探测器具有烟感传感器与温感传感器。

7.一种基于自学习模型识别消防探测器误报的系统，其特征在于：所述系统包括多个消防探测器与监控控制中心，所述多个消防探测器接入监控控制中心，其中：

所述多个消防探测器用于将采集的当前参数值传输至监控控制中心；

所述监控控制中心用于通过消防探测器所在区域，经自学习，对预设的正常值进行调整，且通过正常值得到加速采样值与报警阈值，并传输至消防探测器；所述加速采样值与报警阈值均大于正常值；

所述自学习方式为单位时间内收集多个消防探测器所采集的数据；然后对收集的数据集合进行预处理，去除异常数据；最后计算去异常数据后的数据集合的平均值，将所述平均值作为当前正常值；

所述消防探测器还用于将当前采样的参数值与加速采样值进行比较，判断当前采样参数值是否大于加速采样值，如判断结果为是，则参数采样周期变为正常采样周期的二分之一，继续采样；反之则保持当前的参数值采样周期；当采样的参数值连续若干次大于报警阈值，则监控控制中心输出报警信号。

8.根据权利要求7所述的基于自学习模型识别消防探测器误报的方法，其特征在于：所述消防探测器具有烟感传感器与温感传感器；所述数据集合为至少20个参数传感器、每个参数传感器50次以上的数据集合。

9.根据权利要求7所述的基于自学习模型识别消防探测器误报的系统，其特征在于：所述消防探测器还用于消防探测器多次采样的参数值均大于加速采样值且连续升高，但未超过报警阈值，则监控控制中心输出预警信号；所述报警阈值高于正常值4%。

10.根据权利要求7所述的基于自学习模型识别消防探测器误报的系统，其特征在于：所述监控控制中心去除数据集合中异常数据的方式为计算数据集合的标准差，然后比较数据集合中的每个值，是否大于标准差的三倍，最后大于三倍标准差的删除该样本。