[发明专利]一种消防设施安全管理运行方法及系统在审

专利信息
申请号: 202010751019.5 申请日: 2020-07-30
公开(公告)号: CN113440783A 公开(公告)日: 2021-09-28
发明(设计)人: 何建峰;邹枫超 申请(专利权)人: 苏州科知律信息科技有限公司
主分类号: A62C37/00 分类号: A62C37/00
代理公司: 苏州瞪羚知识产权代理事务所(普通合伙) 32438 代理人: 张宇
地址: 215400 江苏省苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 消防设施 安全管理 运行 方法 系统
【说明书】:

发明实施例提供了一种消防设施安全管理运行方法及系统,将消防设施运行实时数据输入安全状态决策网络,基于所述安全状态决策网络对所述消防设施运行实时数据进行安全状态决策,输出符合目标条件的异常标签,对于任一符合所述目标条件的异常标签,获取第二数量的异常类型作为所述消防设施运行实时数据对应的异常类型,提高消防设施运行过程中的异常类型识别准确率。

技术领域

本发明涉及计算机技术领域,具体而言,涉及一种消防设施安全管理运行方法及系统。

背景技术

如何提高消防设施运行过程中的异常类型识别准确率,是本领域亟待解决的技术问题。

发明内容

有鉴于此,本发明实施例的目的在于提供一种消防设施安全管理运行方法及系统,提高消防设施运行过程中的异常类型识别准确率。

根据本发明实施例的一个方面,提供一种消防设施安全管理运行方法,包括:

输入消防工程区域的消防监控信息中的消防监控目标数据,其中所述消防监控目标数据包括所述消防工程区域的同一工程关键子区域的待识别消防监控目标数据的集合;

根据所述消防监控目标数据所对应的工程关键子区域的标签,确定与消防监控目标数据处理网络的网络参数相匹配的时空域延迟值,根据所述时空域延迟值通过所述消防监控目标数据处理网络对所述消防监控目标数据进行时空域延迟预测处理,以形成与所述时空域延迟值相匹配的消防监控目标数据,对经过时空域延迟预测处理的消防监控目标数据交叉遗传进行处理,得到所述消防监控目标数据的交叉遗传预测结果,对所述消防监控目标数据的交叉遗传预测结果进行归一化处理,确定与所述消防监控目标数据对应的多维度数据向量,并确定所述多维度数据向量对应的关联监控业务功能特征向量;

响应于所述关联监控业务功能特征向量,对所述多维度数据向量中的任一监控业务功能特征向量的异常对象特征向量进行深度特征提取处理,确定第一深度特征提取向量,对所述第一深度特征提取向量进行全连接处理和深度特征提取处理,确定第二深度特征提取向量,通过回归分析处理,将浅度通道中第二深度特征提取向量采集至深度通道中,并经过融合处理,形成与所述消防监控目标数据相匹配的第一预测特征;

基于所述第一预测特征,确定与所述消防监控目标数据相匹配的第二预测特征,基于消防监控目标数据相匹配的第二预测特征,对所述消防监控目标数据进行识别,以实现输出所述消防监控目标数据的识别结果。

根据本申请的另一方面,提供一种消防设施安全管理运行系统,包括:

输入模块,用于输入消防工程区域的消防监控信息中的消防监控目标数据,其中所述消防监控目标数据包括所述消防工程区域的同一工程关键子区域的待识别消防监控目标数据的集合;

确定模块,用于根据所述消防监控目标数据所对应的工程关键子区域的标签,确定与消防监控目标数据处理网络的网络参数相匹配的时空域延迟值,根据所述时空域延迟值通过所述消防监控目标数据处理网络对所述消防监控目标数据进行时空域延迟预测处理,以形成与所述时空域延迟值相匹配的消防监控目标数据,对经过时空域延迟预测处理的消防监控目标数据交叉遗传进行处理,得到所述消防监控目标数据的交叉遗传预测结果,对所述消防监控目标数据的交叉遗传预测结果进行归一化处理,确定与所述消防监控目标数据对应的多维度数据向量,并确定所述多维度数据向量对应的关联监控业务功能特征向量;

处理模块,用于响应于所述关联监控业务功能特征向量,对所述多维度数据向量中的任一监控业务功能特征向量的异常对象特征向量进行深度特征提取处理,确定第一深度特征提取向量,对所述第一深度特征提取向量进行全连接处理和深度特征提取处理,确定第二深度特征提取向量,通过回归分析处理,将浅度通道中第二深度特征提取向量采集至深度通道中,并经过融合处理,形成与所述消防监控目标数据相匹配的第一预测特征;

识别模块,用于基于所述第一预测特征,确定与所述消防监控目标数据相匹配的第二预测特征,基于消防监控目标数据相匹配的第二预测特征,对所述消防监控目标数据进行识别,以实现输出所述消防监控目标数据的识别结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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苏州科知律信息科技有限公司,未经苏州科知律信息科技有限公司许可,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/202010751019.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top