[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

说明书

本说明书一个或多个实施例提供一种基于烟感温感的火灾预测方法、装置及电子设备，火灾预测方法包括获取原始告警数据集；将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；将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；将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。本发明实施例通过机器学习算法得到火灾的时间、地点、影响范围、概率的预测数据，通过对预测数据的分析，获得火灾预警的处理方案，及时执行有效的降低了火灾的发生率，避免了因火灾的发生而带来的损失。

技术领域

本说明书一个或多个实施例涉及消防安全技术领域，尤其涉及一种基于烟感温感的火灾预测方法、装置及电子设备。

背景技术

振烟感温感的检测是由烟雾传感器和半导体温度传感器从工艺结构和电路结构上进行组合，对于周围环境中的异常的烟雾和温度进行检测，将接收到的烟雾信号和温度信号转变为电信号，并进行报警处理。

目前，对于烟感温感的告警问题，主要通过报警器进行报警，并通过人工判断的形式进行被动应急处理，由于没有完整的数据的统计分析的基础和成熟的处理方案，导致烟感温感告警时火灾处置的效率低下，甚至带来严重的经济损失。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于烟感温感的火灾预测方法、装置及电子设备，以解决烟感温感告警分析处理慢问题。

基于上述目的，本说明书一个或多个实施例提供了一种基于烟感温感的火灾预测方法，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；

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；

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。

作为一种可选的实施方式，所述第一检测分类模型为GBDT强学习器模型；

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。

作为一种可选的实施方式，所述第二检测分类模型为ID3模型；

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。

作为一种可选的实施方式，所述最优的特征集为信息增益最大的特征集。

作为一种可选的实施方式，所述第三检测分类模型为LSTM模型。

作为一种可选的实施方式，所述预测结果包括：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。