[发明专利]一种基于多源信息融合的城市火灾判断方法、系统及其存储介质

说明书

一种基于多源信息融合的城市火灾判断方法，包括有数据采集、局部决策、火灾信息融合预测和火灾概率预测四个步骤。本发明可以将多种火灾特征信号通过信息层、特征层、决策层，在特征层利用多头注意力和RBF‑BP神经网络作为子网络对多源火灾特征信号进行自适应学习，再经决策层火灾预测，解决火灾信号的时变性和非线性特点以及单特征信号火灾预测方法的高漏报率和误报率问题，有效提高火灾判断的准确度，帮助相关城市安全人员及时对突发事件进行一个初步评价，有利于对针对目标突发事件进行一个初步响应，给出响应的应急措施方案。并且，当监测环境改变后，可通过重新提供数据集来建立新的预测模型，具有较强的自适应性。

技术领域

本发明涉及一种火灾智能判断技术领域，特别是一种基于多源信息融合的城市火灾判断方法。

背景技术

对城市市民而言，由危险源引发的突发事件是影响城市安全的重要，尤其是突发火灾事件，更是对城市安全一个不小的安全的威胁。基于多源信息融合的城市火判断方法，可以将多种火灾特征信号通过信息层、特征层、决策层，在特征层利用多头注意力和RBF-BP神经网络作为子网络对多源火灾特征信号进行自适应学习，再经决策层火灾预测，解决火灾信号的时变性和非线性特点以及单特征信号火灾预测方法的高漏报率和误报率问题，有效提高火灾判断的准确度，帮助相关城市安全人员及时对突发事件进行一个初步评价，有利于对针对目标突发事件进行一个初步响应，给出响应的应急措施方案。并且，当监测环境改变后，可通过重新提供数据集来建立新的预测模型，具有较强的自适应性。

发明内容

本发明的目的就是提供一种基于多源信息融合的城市火灾判断方法、系统及其存储介质。

本发明的目的是通过这样的技术方案实现的，具体方法如下：

1)数据采集：通过传感器实时获取目标能量辐射特征值x_en(t)、目标燃烧物浓度特征值x_smo(t)、目标温度特征值x_tmp(t)和目标检测信号持续时间特征值；

2)局部决策：对步骤1)中所述目标特征值先分别进行可信度评估和局部决策判断，若有一个以上的特征值的局部决策判断为异常，则转入步骤3)，反之则转入步骤1)；

3)火灾信息融合预测：将预设时间段内的目标能量辐射、目标燃烧物浓度特征值、目标温度特征值和目标检测信号持续时间特征值输入火灾预测模型进行融合预测；

4)火灾概率预测：根据目标火灾的融合预测结果，结合RBP-BP混合神经网络输出火灾发生概率结果；

所述火灾预测模型为根据相似历史火灾数据，利用基于多头注意力机制建立的预测模型建立。

进一步，所述能量辐射特征值包括有红外线能量辐射值和紫外线能量辐射值，所述燃烧物浓度特征值包括有CO浓度、CO₂浓度和烟雾浓度，所述检测信号持续时间特征值包括有检测到红外线能量辐射值、紫外线能量辐射值、CO浓度、CO₂浓度、烟雾浓度和温度特征值的持续时间；所述目标检测信号持续时间特征值为局部决策中任意特征值异常的持续时间。

进一步，步骤2)中所述对目标特征值分别进行可信度评估的具体步骤如下：

2-1)获取监测周期时间内共N组传感器信号，计算监测周期时间内，能量辐射信号中每两个相邻的信号差的总和D_en，其中x_en(t)为第t时刻下能量辐射特征值，x_en(t-1)为第t-1时刻下能量辐射特征值；

计算监测周期时间内，燃烧产物浓度信号中每两个相邻的信号差的总和D_smo，其中x_smo(t)为第t时刻下燃烧物浓度特征值，x_smo(t-1)为第t-1时刻下燃烧物浓度特征值；