[发明专利]一种基于机器学习的工业机房火灾监测系统及方法

说明书

本发明涉及一种基于机器学习的工业机房火灾监测系统及方法，包括以下：步骤201、在机房摆放机器的位置随机布置N处传感器组；步骤202、分别获取每个传感器组测得的一氧化碳浓度值A、二氧化碳浓度值B、温度值C以及湿度值D；步骤203、将上述步骤202中的测量值带入火灾预测模型得到相应的第N处传感器组的火灾意向因子E；步骤204、对于火灾意向因子超过阈值H的传感器组，将发送代表火灾隐患的报文信息至中心机房；步骤205、中心机房根据发送火灾隐患的报文信息的传感器组的分布情况，预测火灾意向程度，并将火灾意向程度以及存在火灾隐患的传感器组予以显示。本发明能够在存在火灾意向时进行报警提醒工作人员及时进行预防调控。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于机器学习的工业机房火灾监测系统及方法。

背景技术

工业火灾风险管理是工业企业为预防、控制火灾而对火灾进行预测、预防、控制和扑救等项组织管理活动。其目的有：一是使火灾不发生。二是火灾发生后，尽可能将其危害和损失控制在最小限度之内。

当今工业应用中，往往仅仅通过在关键位置布置传感器，并将传感器的数值醒目的显示出来，由工作人员根据传感器的数值来判定是否存在火灾，这样一来，对专业的火灾判断人员过于依赖了，可能因为工作人员的疏忽而导致一段时间忘记对火灾情况进行关注了，这样一来，就有可能错过火灾的最佳预防时期，造成不必要的损失。

发明内容

本发明的目的是解决现有技术的不足，提供一种基于机器学习的工业机房火灾监测系统及方法，能够通过在工业机房中设置多个传感器组，并根据传感器组测定的数据来对火灾隐患进行监控，在存在火灾意向时进行报警提醒工作人员及时进行预防调控。

为了实现上述目的，本发明采用以下的技术方案：

提出一种基于机器学习的工业机房火灾监测系统，包括：

N个依次编号的传感器组，所述传感器组包括，

一氧化碳浓度测定单元，所述一氧化碳浓度测定单元用于获取传感器组附近的一氧化碳浓度，

二氧化碳浓度测定单元，所述二氧化碳浓度测定单元用于获取传感器组附近的二样化碳浓度，

温度测定单元，所述温度测定单元用于获取传感器组附近的温度，

湿度测定单元，所述湿度测定单元用于获取传感器组附近的湿度；

报文信息发送单元，所述报文信息发送单元用于在传感器组存在火灾意向时向中心机房发送代表火灾隐患的报文信息；

火灾意向测定模块，所述火灾意向测定模块存储有火灾预测模型，所述火灾意向测定模块用于根据传感器组所测定的数值计算出该处传感器组是否存在火灾意向；

火灾意向程度预测模块，所述火灾意向程度预测模块用于根据发送代表火灾隐患的报文信息的传感器组的分布情况，预测火灾意向程度；

显示报警模块，所述显示报警模块用于将火灾意向程度以及存在火灾隐患的传感器组予以显示，并在存在火灾意向时进行报警。

本发明还提出一种基于机器学习的工业机房火灾监测方法，其特征在于，包括以下：

步骤201、在机房摆放机器的位置随机布置N处传感器组，每处所述传感器组包括一氧化碳浓度传感器、二氧化碳浓度传感器、温度传感器以及湿度传感器；

步骤202、分别获取每个传感器组测得的一氧化碳浓度值A、二氧化碳浓度值B、温度值C以及湿度值D；

步骤203、将上述步骤202中的测量值带入火灾预测模型得到相应的第N处传感器组的火灾意向因子E；

步骤204、对于火灾意向因子超过阈值H的传感器组，将发送代表火灾隐患的报文信息至中心机房；