[发明专利]一种火灾风险评估方法、装置及服务器

说明书

本发明适用于消防预警技术领域，提供了一种火灾风险评估方法、装置及服务器，其中，所述方法包括：获取一组以上的消防统计数据，其中，每组消防统计数据包括指标分值和火灾危害等级，将指标分值作为条件属性，将火灾危害等级作为决策属性，建立决策表，对决策表进行属性约简，以获得最佳约简集；根据最佳约简集建立简化后的决策表；通过简化后的决策表对机器学习模型进行训练，以获取训练机器学习模型；根据最佳约简集获取采样数据，将采样数据输入训练机器学习模型，以获得训练机器学习模型输出的火灾风险的评估结果。本发明能够提高样本数据中的质量，使得机器学习模型的过程变得简单，提高了学习效率和收敛速率。

技术领域

本发明属于消防预警技术领域，尤其涉及一种火灾风险评估方法、装置及服务器。

背景技术

随着人工智能的发展，机器学习模型开始应用于火灾风险评估。

然而，近年来使用的指标的选择与创建者的知识水平、经验以及相关火灾事件的历史数据积累具有密切的关系，具有一定的主观性，易导致用于学习的样本数据中存在冗余数据和噪声数据，造成机器学习模型的结果复杂，学习效率低，收敛慢等现象。同时由于社会经济的快速发展，造成火灾的因素也会随着时间的推移不断变化，因此有必要根据实际情况对机器学习模型进行调整，以便能够正确地对火灾风险进行评估。

发明内容

有鉴于此，本发明实施例提供了一种火灾风险评估方法、装置及服务器，以解决现有技术中存在的问题。

本发明实施例的第一方面提供了一种火灾风险评估方法，包括：

获取一组以上的消防统计数据，其中，每组消防统计数据包括指标分值和火灾危害等级；

将所述指标分值作为条件属性，将所述火灾危害等级作为决策属性，建立决策表；

对所述决策表进行属性约简，以获得最佳约简集；

根据所述最佳约简集建立简化后的决策表；

通过所述简化后的决策表对机器学习模型进行训练，以获取训练机器学习模型；

根据所述最佳约简集获取采样数据，将所述采样数据输入所述训练机器学习模型，以获得所述训练机器学习模型输出的火灾风险的评估结果。

可选的，所述将所述指标分值作为条件属性，将所述火灾危害等级作为决策属性，建立决策表之前，包括：

根据评估目标制定火灾风险评估指标体系；

获取火灾统计数据，以根据预设分析方法建立与所述火灾统计数据对应的火灾危害等级；其中，所述火灾统计数据包括第一预设时间段内评估目标区域的火灾发生次数、伤亡人数、经济损失、火灾覆盖面积；所述预设分析方法包括线性回归方法、支持向量机分类方法和专家打分方法。

可选的，所述对所述决策表进行属性约简，以获得最佳约简集，包括：

步骤A、获取所述条件属性的核，将核集作为初始约简集；

步骤B、计算所述条件属性的重要度，并根据预设排序方法对所述条件属性进行排序；

步骤C、将重要度最大的所述条件属性加入约简集；

步骤D、获取所述约简集的依赖度，若所述依赖度为1，则所述约简集为最佳约简集；若所述依赖度不为1，则返回执行步骤B。

可选的，所述方法还包括：

根据第二预设时间段周期性执行所述对所述决策表进行属性约简，以获得所述最佳约简集；

将所述最佳约简集与上一个最佳约简集进行对比；

若所述最佳约简集与所述上一个最佳约简集不同，则执行所述根据所述最佳约简集建立简化后的决策表的步骤以及后续步骤；