[发明专利]一种基于数据特征选择的消防系统安全评估方法

说明书

技术领域

本发明一种基于数据特征选择的消防系统安全评估方法，具体而言，用于对消防系统的安全评估，属于安全风险评估技术领域。

背景技术

为实现消防系统的相关人员、设施及状态等消防相关信息的可视化、精细化、集成化、智能化管理，提高消防设施的运行率和完好率，降低消防安全事故发生，为公众提供服务，保障人民生命及财产安全，对消防系统的安全风险评估势在必行。

然而，现有的安全风险评估方式，包括根据基础统计、经验判断、以及大数计算的安全风险评估方式，实时性较差，准确性较低，因此，不能满足现有消防系统的安全风险评估需求。

因此急需一种基于数据特征选择的消防系统安全评估方法。

发明内容

有鉴于此，本发明所要解决的技术问题是提供一种基于数据特征选择的消防系统安全评估方法。可以比较准确地对消防系统进行安全风险评估，从而提高消防系统的管控能力。

本发明提供的基于数据特征选择的消防系统安全评估方法，包括以下步骤：

步骤一：以采集现场的消防系统水压实时值、振动实时值、温度实时值、液位实时值以及系统实时参数作为原始数据，并对其进行实时采集与传输；

步骤二：建立以Fisher准则作为特征评价标准的消防数据过滤器，将所采集的消防系统原始数据，按照权重的大小进行特征排序；

步骤三：建立以分类器性能函数作为遗传算法的适应度评价标准的消防数据封装器，并利用消防系统原始数据特征排序的结果，指导遗传算法种群的初始化,从而寻找最优特征子集；

步骤四：利用步骤三搜索到的最优特征子集以及经验数据训练生成原始贝叶斯网络分析工具，以模拟退火算法为搜索策略，寻找贝叶斯网络最优结构；采用贝叶斯估计方法，估计贝叶斯网络的节点条件概率参数值；

步骤五：对新一轮采集的原始数据搜索其最优特征子集，并将其离散化后，通过更新后的贝叶斯网络分析工具，分析得出安全风险评估结果。

进一步，所述步骤一包括以下步骤：

21：建立数据接收模块，用于接收所述消防系统的所有现场底层设备的运行状态参数与实时参数值；

22：建立数据传输模块，用于通过预先配置的传输协议，采用总线结构对原始数据进行实时采集。

进一步，所述步骤二包括以下步骤：

31：以Fisher准则作为特征评价标准的消防数据过滤器，将所采集的消防系统原始数据，按照权重的大小进行特征排序；从而达到去除冗余数据的效果。所述Fisher准则：

R_f＝tr(S_b)/tr(S_w)(1)

其中,R_f为特征参数的Fisher比；S_b和S_w分别为特征的总体类间离差矩阵和类内离差矩阵；P_i为ω_i类的样本频率；m⁽ⁱ⁾、m分别为第i类的样本均值矢量和总的样本均值矢量；

进一步，所述步骤三包括以下步骤：

41：建立以分类器性能函数作为遗传算法的适应度评价标准的消防数据封装器，并利用消防系统原始数据特征排序的结果，指导遗传算法种群的初始化,输出适应度最高的特征数据，即寻找最优特征子集。所述分类器性能函数：

f＝Re+αd/D(4)

其中,分类器的错误率为Re,原始特征数目为D,特征子集中的特征数为d系数α表示特征数对分类器性能函数f的贡献；

进一步，所述步骤四包括以下步骤：

51：根据最优特征子集以及经验数据训练生成原始贝叶斯网络分析工具。所述贝叶斯网络B＝(BS,BP)，令目标变量y为安全事故事件或相关安全事故事件，则y的状态空间定义为“安全风险高”、“安全风险一般”、“安全风险低”、“正常”四种状态；根据己知的经验数据，通过计算边际概率，求得y的相应状态下发生的后验概率，亦称信任函数:

其中，为随机变量集V上的联合概率，x_i即为影响因子集X中的随机变量,y^j表示目标变量y取第j种状态情况；