[发明专利]动态火灾风险评估方法、装置、服务器及存储介质

说明书

本发明适用于消防风险评估技术领域，提供了一种动态火灾风险评估方法、装置、服务器及存储介质，其中，所述方法包括如下步骤：利用专家调查法建立区域风险评估模型；利用区域风险评估模型获取训练样本集；建立机器学习模型，利用训练样本集对模型进行训练；当出现异常报警时执行模型调整步骤对机器学习模型进行调整；利用经过调整的机器学习模型进行火灾风险评估；其中，模型调整步骤包括：根据异常报警产生异常样本，将异常样本加入训练样本集；利用训练样本集对机器学习模型进行重新训练。本发明能够在学习专家经验的同时根据实际火情对模型作出动态的调整。

技术领域

本发明属于消防风险评估技术领域，尤其涉及一种动态火灾风险评估方法、装置、服务器及存储介质。

背景技术

现有智慧消防系统中火灾风险评估仅仅适用于对社会单元进行评估，而城市综合体内存在不同功能的社会单元，因此，该方法不能适用于城市综合体火灾风险评估。另外，在现有的评估过程中主要依靠专家经验进行指标权重设定、风险等级判断以及风险分级，导致主观性很强，客观性不足，且上述指标权重固定，未涉及到物联设备的监测问题，忽略了消防状态时刻变化这一动态特点，从而使得评估结果不精确。

发明内容

有鉴于此，本发明实施例提供了一种适用于城市综合体的动态火灾风险评估方法、装置、服务器及存储介质，以解决现有评估模型指标权重固定，不能随实际情况进行调整的问题。

本发明实施例的第一方面提供了一种动态火灾风险评估方法，包括：

利用专家调查法建立区域风险评估模型；

利用区域风险评估模型获取训练样本集；

建立机器学习模型，利用训练样本集对模型进行训练；

当出现异常报警时执行模型调整步骤对机器学习模型进行调整；

利用经过调整的机器学习模型进行火灾风险评估；

其中，模型调整步骤包括：

根据异常报警产生异常样本，将异常样本加入训练样本集；

利用训练样本集对机器学习模型进行重新训练。

优选地，所述根据异常报警产生异常样本的步骤包括：获取异常报警发生时各指标的分值和异常报警对应的安全等级，以异常报警发生时各指标的分值和异常报警对应的安全等级作为异常样本。

优选地，所述机器学习模型为多元线性回归模型。

优选地，利用专家调查法建立区域风险评估模型的步骤包括：

将城市综合体划分为不同功能分区，建立每一类功能分区的消防安全评估模型；

根据城市综合体的区域参数，结合专家调查法，获得城市综合体每个功能分区的权重，所述区域参数包括火灾危险性、人员密度、分区面积和重要度；

根据城市综合体中每个功能分区的权重，建立区域风险评估模型。

优选地，所述将城市综合体划分为不同功能分区，建立每一类功能分区的消防安全评估模型包括：

通过对城市综合体的不同功能分区进行火灾危险性分析，设定不同功能分区的消防安全影响因素，所述功能分区包括商场区域、超市区域、餐饮区域、影院区域、娱乐区域、行政办公区域和公寓住宅区域；

根据不同功能分区的消防安全影响因素，构建不同功能分区的指标体系；

使用专家调查法，确定不同功能分区的指标体系中每个指标的权重；

建立每一类功能分区的消防安全评估模型。

优选地，所述根据城市综合体的区域参数，结合专家调查法，获得城市综合体每个功能分区的权重包括：