[发明专利]一种基于烟感温感的火灾预测方法、装置及电子设备

权利要求书

1.一种基于烟感温感的火灾预测方法，其特征在于，包括：

获取原始告警数据集；

将所述原始告警数据集输入第一检测分类模型，获得正常告警和误报的概率的预测值，其中，所述第一检测分类模型为GBDT强学习器模型；

将所述原始告警数据集输入第二检测分类模型，获得预测的告警区域和告警设备，其中，所述第二检测分类模型为ID3模型；

将所述原始告警数据集输入第三检测分类模型，获得预测的告警时间范围；

根据所述正常告警和误报的概率的预测值、预测的告警区域和告警设备和预测的告警时间范围，输出预测结果，所述预测结果包括：预测到火灾的时间、地点、影响范围、概率和处理方案；

所述火灾预测方法还包括模型显示，所述模型显示包括:使用三维数据模型显示所述预测的告警区域和告警设备；

所述方法还包括：

通过java技术实现所述三维数据模型与实际告警区域和所述告警设备的联通。

2.根据权利要求1所述的基于烟感温感的火灾预测方法，其特征在于，

所述第一检测分类模型的训练方法为：

获取训练集，所述训练集包括历史告警时间、历史告警误报次数、历史正常告警次数和历史告警地点；

将所述训练集输入GBDT初始化弱学习器模型中进行迭代运算，直至达到预设的迭代次数；

获得训练好的GBDT强学习器模型。

3.根据权利要求1所述的基于烟感温感的火灾预测方法，其特征在于，

所述第二检测分类模型的训练方法为：

获取训练集，所述训练集包括历史告警时间、历史告警误报次数、历史正常告警次数和历史告警地点；

将所述训练集中的内容分别作为特征集，以最优的特征集作为第一叶节点，以其它特征集作为第二叶节点或第三叶节点，直至叶节点全部输出或无数据遍历；

获得训练好的ID3模型。

4.根据权利要求3所述的基于烟感温感的火灾预测方法，其特征在于，所述最优的特征集为信息增益最大的特征集。

5.根据权利要求1所述的基于烟感温感的火灾预测方法，其特征在于，所述第三检测分类模型为LSTM模型。

6.根据权利要求1所述的基于烟感温感的火灾预测方法，其特征在于，所述处理方案包括：启动警铃和/或关闭电梯和/或启动消防电源和/或疏通人员和/或设备维修。

7.一种基于烟感温感的火灾预测装置，其特征在于，包括：

获取模块，用于获取原始告警数据集；

第一计算模块，用于将所述原始告警数据集输入第一检测分类模型，获得正常告警和误报的概率的预测值，其中，所述第一检测分类模型为GBDT强学习器模型；

第二计算模块，用于将所述原始告警数据集输入第二检测分类模型，获得预测的告警区域和告警设备，其中，所述第二检测分类模型为ID3模型；

第三计算模块，用于将所述原始告警数据集输入第三检测分类模型，获得告警的预测时间范围；

输出模块，用于根据所述正常告警和误报的概率的预测值、预测的告警区域和告警设备和告警的预测时间范围，输出预测结果，所述预测结果包括：预测到火灾的时间、地点、影响范围、概率和处理方案；

所述火灾预测装置 还包括模型显示，所述模型显示包括:使用三维数据模型显示所述预测的告警区域和告警设备；

所述方法还包括：

通过java技术实现所述三维数据模型与实际告警区域和所述告警设备的联通。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任意一项所述的方法。