[发明专利]一种综合管廊火灾预警方法及系统在审
申请号: | 201910022492.7 | 申请日: | 2019-01-10 |
公开(公告)号: | CN109739905A | 公开(公告)日: | 2019-05-10 |
发明(设计)人: | 魏立明;孙雪景;姚小春;王秋翠;郭秀娟 | 申请(专利权)人: | 吉林建筑大学 |
主分类号: | G06F16/2458 | 分类号: | G06F16/2458;G06F16/28;G08B31/00;G08B17/00;G06Q10/04;G06Q50/26 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 程华 |
地址: | 130000 吉*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 频繁项目集 关联规则 预警信息 综合管廊 火灾预警 子数据库 置信度 环境监测 环境监测数据 压缩 火灾事故 监测数据 数据压缩 预警信号 内环境 预设置 管廊 信度 数据库 扫描 预警 分类 | ||
1.一种综合管廊火灾预警方法,其特征在于,包括:
获取综合管廊内环境监测数据;所述环境监测数据包括温湿度和可燃气体浓度;
对所述环境监测数据进行数据压缩,得到环境监测压缩数据;
对所述环境监测压缩数据进行分类划分,得到多个子数据库;每个所述子数据库均包括所有监测时间段内的同一类的监测数据;
采用Apriori算法分别对各所述子数据库进行扫描,得到频繁项目集;每个所述子数据库均对应一个或多个频繁项目集;每个所述频繁项目集对应一组关联规则;
计算各所述频繁项目集的置信度;
将所述置信度大于预设置信度的频繁项目集对应的关联规则确定为强关联规则;
依据所述强关联规则判断是否生成预警信息;若是,则生成预警信息,并依据所述预警信息发出预警信号。
2.根据权利要求1所述的一种综合管廊火灾预警方法,其特征在于,所述采用Apriori算法分别对各所述子数据库进行扫描,得到频繁项目集,具体包括:
依据所述子数据库生成项集集合;每个所述子数据库均对应一个项集集合;每个所述项集集合均包括多个项集;每个所述项集对应一组关联规则;
分别对当前各所述子数据库对应的项集集合内的项集进行统计,计算各所述子数据库内的每个项集的支持度;
删除各所述子数据库内支持度小于或等于预设最小支持度的项集,更新各个子数据库;
将各更新后的子数据库分别对应的项集集合中的项集两两交叉相乘,得到重建后的项集集合;
计算各所述重建后的项集集合内每个项集的支持度;
判断各所述重建后的项集集合内所有的项集的支持度是否均等于预设目标支持度;所述预设目标支持度小于或等于所述预设最小支持度;
若否,则将各所述重建后的项集集合作为当前各所述子数据库对应的项集集合,并返回所述分别对当前各所述子数据库对应的项集集合内的项集进行统计,计算各所述子数据库内的每个项集的支持度;
若是,则将各所述重建后的项集集合内支持度等于预设目标支持度的项集确定为频繁项目集。
3.根据权利要求1所述的一种综合管廊火灾预警方法,其特征在于,所述依据所述强关联规则判断是否生成预警信息,若是,则生成预警信息,并依据所述预警信息发出预警信号,具体包括:
判断所述强关联规则对应的监测数据与目标预警阈值的差值是否大于预设阈值;
若是,则生成预警信息;
依据所述预警信息发出预警信号。
4.根据权利要求3所述的一种综合管廊火灾预警方法,其特征在于,所述目标预警阈值的确定方法为:
获取历史数据库;所述历史数据库包括综合管廊内环境历史数据;所述环境历史数据包括历史温湿度和历史可燃气体浓度;
依据所述历史数据库确定目标预警阈值。
5.一种综合管廊火灾预警系统,其特征在于,包括:
监测数据获取模块,用于获取综合管廊内环境监测数据;所述环境监测数据包括温湿度和可燃气体浓度;
数据压缩模块,用于对所述环境监测数据进行数据压缩,得到环境监测压缩数据;
划分模块,用于对所述环境监测压缩数据进行分类划分,得到多个子数据库;每个所述子数据库均包括所有监测时间段内的同一类的监测数据;
扫描模块,用于采用Apriori算法分别对各所述子数据库进行扫描,得到频繁项目集;每个所述子数据库均对应一个或多个频繁项目集;每个所述频繁项目集对应一组关联规则;
计算模块,用于计算各所述频繁项目集的置信度;
确定模块,用于将所述置信度大于预设置信度的频繁项目集对应的关联规则确定为强关联规则;
判断模块,用于依据所述强关联规则判断是否生成预警信息;
预警信号发出模块,用于若生成预警信息,则依据所述预警信息发出预警信号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林建筑大学,未经吉林建筑大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910022492.7/1.html,转载请声明来源钻瓜专利网。