[发明专利]一种消防工程异常状态监测的智能监控方法

说明书

本发明涉及智慧消防技术领域，具体地说，涉及一种消防工程异常状态监测的智能监控方法，其包括以下步骤：一、采集动态数据流；二、利用主元分析法PCA对已有历史经验数据进行聚类分析，建立多分类器模型；三、对主元数据因子进行最小二乘支持向量机算法LSSVM处理，得出最优决策函数方程；四、利用不同主元数据因子的不同决策函数方程对已采集的动态数据流进行处理，实现过程中的异常模式状态识别。本发明大大简化了模型的求解过程，提高了模型的训练速度，对于提升消防项目中的动态异常识别有很大帮助。

技术领域

本发明涉及智慧消防技术领域，具体地说，涉及一种消防工程异常状态监测的智能监控方法。

背景技术

消防由于具有一次性、规模大、过程复杂等特点，在过程中存在很多不确定的因素，且一般都是在恶劣的环境中进行，传统监管多采用人工巡查或固定摄像头监测，使用时对于监管难以全面把握。采用标准支持向量机(SVM)根据历史数据对施工过程中观测数据可能存在的异常波动进行识别和监控。

SVM有很多优势，能够解决风险因素预测、分类问题，但是其仍然存在一些弊端。主要表现为模型的损失函数限制以及惩罚因子、核函数宽度参数的优化组合等问题。这些问题会降低过程异常状态风险预测的精度、模型收敛速度，增加模型计算的资源占用等。

发明内容

本发明的内容是提供一种消防工程异常状态监测的智能监控方法，其能够克服现有技术的某种或某些缺陷。

根据本发明的一种消防工程异常状态监测的智能监控方法，其包括以下步骤：

一、采集动态数据流；

二、利用主元分析法PCA对已有历史经验数据进行聚类分析，建立多分类器模型；

三、对主元数据因子进行最小二乘支持向量机算法LSSVM处理，得出最优决策函数方程；

四、利用不同主元数据因子的不同决策函数方程对已采集的动态数据流进行处理，实现过程中的异常模式状态识别。

作为优选，步骤二中，首先分析提取出不同基本状态模式的数据分布情况，利用主元分析方法，将相似主元特征的样本数据进行变量转换，构成MPCA-LSSVM识别模型，使其能够使用较少的主元变量对过程的波动信息进行较全面的描述；

其次，在全生命周期中的异常状态经验值，设样本为n维向量，某区域的1个样本及其值表示为：

(x₁,y₁),……,(x_l,y_l)∈Rⁿ×R，

用一非线性映射中Ψ(x)把样本从原空间Rⁿ映射到特征空间：

在这个高维特征空间中构造最优决策函数：

这样非线性估计函数转化为高维特征空间中的线性估计函数；利用结构风险最小化原则，寻找w，b就是最小化；

其中w²控制模型的复杂度，c为正规化参数。R_emp为误差控制函数，也即ε不敏感损失函数；损失函数有线性ε损失函数，二次ε损失函数，huber损失函数；选取了不同的损失函数，可构造不同形式的支持向量机。

作为优选，步骤三中，最小二乘支持向量机在优化目标的损失函数为误差ξ_i的二次项，故优化问题为：

用拉格朗日法求解这个优化问题：