[发明专利]消防数据分析方法、装置、计算机装置及存储介质

权利要求书

1.一种消防数据分析方法，其特征在于，所述方法包括：

获取待评估场所的消防状况信息，所述消防状况信息中的项目包括环境状态信息、物品状态信息、人员数量；

将所述消防状况信息输入到预设的分析模型，输出所述待评估场所在预设的火灾场景中，总损失最少情况下所需的消防投入数据和/或火灾损失数据。

2.如权利要求1所述的消防数据分析方法，其特征在于，所述方法还包括：

比较所述输出的消防投入数据与实际的消防投入数据；

若所述输出的消防投入数据小于所述实际消防投入数据，则输出所述待评估场所的实际消防投入数据过高的提示信息；

若所述输出的消防投入数据大于所述实际消防投入数据，则输出所述待评估场所的消防投入数据过低的提示信息。

3.如权利要求2所述的消防数据分析方法，其特征在于，所述方法还包括：

若所述输出的消防投入数据大于所述实际消防投入数据，根据所述待评估场所的消防状况信息输出改善意见，其中所述改善意见的获取方法包括：

在预设查询表中查找所述待评估场所的消防状况信息中的不同项目对应的消防状况设计要求，其中所述预设查询表中记录了在符合消防安全标准的情况下，单位面积所需的消防状况信息；

判断所述待评估场所的消防状况信息中的项目是否符合所述消防状况设计要求；

若不符合，则将所述消防状况设计要求作为所述改善意见进行输出。

4.如权利要求1所述的消防数据分析方法，其特征在于，所述预设的分析模型的生成方法包括：

获取不同场所在不同火灾场景下的消防状况信息、消防投入数据、火灾损失数据，并对每一所述场所的消防状况信息和消防投入数据、火灾损失数据对应存储；

将所述多个场所的消防状况信息、消防输入数据、火灾损失数据分为训练集和验证集；

建立基于神经网络的分析模型，并利用所述训练集对所述基于神经网络的分析模型的参数进行训练，其中将所述训练集中的消防状况信息作为所述模型的输入数据，消防输入数据、火灾损失数据作为所述模型的输出数据；

利用所述验证集对训练后的基于神经网络的分析模型进行验证，并根据验证结果统计得到所述模型的预测准确率；

判断所述模型的预测准确率是否小于预设阈值；

若所述模型预测准确率不小于所述预设阈值，则将训练完成的所述基于神经网络的分析模型作为所述预设的分析模型。

5.如权利要求4所述的消防数据分析方法，其特征在于，所述方法还包括：

若所述基于神经网络的分析模型预测准确率小于所述预设阈值，则调整所述神经网络算法的结构，并利用所述训练集重新对调整后的基于神经网络的分析模型进行训练，其中，所述基于神经网络的分析模型的结构包括卷积核的数量、池化层中元素的数量、全连接层中元素的数量中的至少一种；

利用所述验证集对调整后的基于神经网络的分析模型进行验证，并根据验证结果重新统计调整后的基于神经网络的分析模型预测准确率，并判断调整后的基于神经网络的分析模型的预测准确率是否小于所述预设阈值；

若所述重新统计得到的模型预测准确率不小于所述预设阈值，则将调整后的基于神经网络的分析模型作为所述预设的分析模型；及

若所述重新统计得到的模型预测准确率小于所述预设阈值，则重复上述调整及训练的步骤直至通过所述验证集验证得到的模型预测准确率不小于所述预设阈值。

6.如权利要求4所述的消防数据分析方法，其特征在于，所述不同场所在不同火灾场景下的消防状况信息、消防投入数据、火灾损失数据的获取方法包括：

获取任一场所的消防状况信息，根据所述预设查询表判断所述场所的消防状况是否符合消防安全标准；

若符合，则根据所述消防状况信息计算所述场所的消防输入数据，并通过火灾数值仿真系统对所述场所进行不同火灾场景下的仿真，并计算所述不同火灾场景下所述场所的火灾损失数据。