一种烟感智能预警方法与流程

本发明涉及烟感智能预警，具体涉及一种烟感智能预警方法。

背景技术：

1、随着经济的快速发展，高层建筑已成为城市建设的主流，虽然高层建筑有许多好处，但随之也产生不少问题，其中之一就是火灾问题。当今高层建筑与以前的高层建筑相比，高度、造型、材料、结构、功能都发生了巨大的变化，防火灭火的复杂性和难度都有所增加。高层建筑因楼层高、规模大、生活设施齐全，可燃物多，发生火灾时，火势蔓延快，扑救、疏散困难，容易造成巨大损失，因此大多数高层建筑中都会安装烟感探测报警器来预警火灾。

2、在烟感智能预警时，在进行烟雾浓度数据测量时，一般采用现有的卡尔曼滤波根据测量值和硬件生产导致的测量误差分布进行烟雾浓度数据的测量，但是由于烟雾飘散的方向和速度不稳定，因此可能会出现预警不及时的情况，进而导致现有的烟感智能预警存在实时性较差、可信度较低的问题。

技术实现思路

1、为了解决现有的在进行烟感智能预警时存在实时性较差的问题，本发明的目的在于提供一种烟感智能预警方法，所采用的技术方案具体如下：

2、本发明提供了一种烟感智能预警方法，该方法包括以下步骤：

3、获取当前时间段内待检测区域的烟雾浓度值；基于所述当前时间段内待检测区域的烟雾浓度值构建烟雾浓度序列；

4、以所述烟雾浓度序列中的各数据为数据窗口内的最后一个数据构建各数据对应的数据窗口；根据各数据与其对应的数据窗口内的数据的时间间隔，以及各数据对应的数据窗口内相邻数据的差异，确定各数据的自适应权重；基于各数据与其对应的数据窗口内的数据的差异构建各数据对应的差分序列；基于所述自适应权重和所述差分序列获得第一单高斯模型；

5、对各数据对应的数据窗口内的数据进行线性拟合获得对应的拟合数据；基于各数据对应的数据窗口内的数据与其对应的拟合数据之间的差异获得拟合误差模型；根据所述第一单高斯模型和所述拟合误差模型，得到各数据对应的新测量值；

6、获取各数据对应的数据窗口所对应的kl散度序列，对所述kl散度序列进行分解获得趋势数据；根据各数据对应的kl散度、对应的趋势数据和所述新测量值，得到各数据对应的目标测量值；基于所述目标测量值判断是否进行预警。

7、优选的，所述根据各数据与其对应的数据窗口内的数据的时间间隔，以及各数据对应的数据窗口内相邻数据的差异，确定各数据的自适应权重，包括：

8、对于所述烟雾浓度序列中的任一数据：

9、根据该数据与其对应的数据窗口内的数据的时间间隔，得到该数据对应的数据窗口内各数据的线性权重，其中，该数据对应的数据窗口内所有数据的线性权重之和为1，该数据对应的数据窗口内每两个相邻数据的线性权重的差异均相等，且该数据对应的数据窗口内数据的线性权重依次递增；

10、分别计算该数据对应的数据窗口内每两个相邻数据之间的差值绝对值，将所述差值绝对值的归一化结果确定为对应数据的不稳定权重；

11、将该数据对应的数据窗口内各数据的线性权重与不稳定权重的乘积，确定为对应数据的自适应权重。

12、优选的，所述基于所述自适应权重和所述差分序列获得第一单高斯模型，包括：

13、对于所述烟雾浓度序列中的任一数据：

14、将该数据对应的差分序列中各数据与对应的自适应权重的乘积作为各数据对应的第一特征值；该数据对应的差分序列中所有数据对应的第一特征值构成该数据对应的第一特征值序列；

15、基于该数据对应的第一特征值序列中数据的均值和方差，构建第一单高斯模型。

16、优选的，所述基于各数据对应的数据窗口内的数据与其对应的拟合数据之间的差异获得拟合误差模型，包括：

17、对于所述烟雾浓度序列中的任一数据：

18、分别将该数据对应的数据窗口内各数据与其对应的拟合数据的差值的绝对值，确定为对应数据的拟合差异；基于该数据对应的数据窗口内所有数据的拟合差异的均值和方差构建单高斯模型，记为拟合误差模型。

19、优选的，所述根据所述第一单高斯模型和所述拟合误差模型，得到各数据对应的新测量值，包括：

20、对于所述烟雾浓度序列中的任一数据：

21、将该数据对应的第一单高斯模型和对应的拟合误差模型相乘获得综合误差模型；将所述综合误差模型对应的方差作为新数据对应时间戳下的拟合数据对应的误差；

22、将新数据对应时间戳下的拟合数据作为均值，将新数据对应时间戳下的拟合数据对应的误差作为方差，获得第二单高斯模型；将新数据作为均值，将测量误差作为方差，获得第三单高斯模型；

23、将所述第二单高斯模型与所述第三单高斯模型相乘获得第四单高斯模型；将所述第四单高斯模型对应的均值作为该数据对应的新测量值。

24、优选的，所述根据各数据对应的kl散度、对应的趋势数据和所述新测量值，得到各数据对应的目标测量值，包括：

25、对于所述烟雾浓度序列中的任一数据：

26、获取该数据对应的数据窗口内数据对应的新测量值的单高斯模型记为第五单高斯模型；

27、将该数据对应的kl散度和对应的趋势数据之间的差值绝对值记为第一差异；计算所述第一差异与该数据对应的趋势数据的比值；

28、将所述比值与预设超参数的乘积确定为该数据对应的方差权重值；将所述方差权重值与对应的所述第五单高斯模型的方差的乘积，确定为该数据对应的目标测量值。

29、优选的，所述获取各数据对应的数据窗口所对应的kl散度序列，包括：

30、对于所述烟雾浓度序列中的任一数据：

31、获取该数据对应的数据窗口数据的拟合数据的单高斯模型，基于所述拟合数据的单高斯模型获得相邻数据之间的kl散度；

32、基于所有相邻数据之间的kl散度构建该数据对应的数据窗口所对应的kl散度序列。

33、优选的，所述基于各数据与其对应的数据窗口内的数据的差异构建各数据对应的差分序列，包括：

34、对于所述烟雾浓度序列中的任一数据：基于该数据对应的窗口内各数据与该数据的差值，构建该数据对应的差分序列。

35、本发明至少具有如下有益效果：

36、本发明烟雾扩散是一个烟雾浓度由低到高的渐变过程，只有当火势较大、烟雾较浓时，烟雾传感器才能直接获取一个较高的烟雾浓度值，在火灾初期烟雾浓度较低，烟雾传感器有时无法获取准确的浓度值，根据每个数据与其对应的数据窗口内的数据的时间间隔，以及每个数据对应的数据窗口内相邻数据的差异，确定了每个数据的自适应权重，结合自适应权重获得新测量值，并对烟雾浓度值的趋势变化数据进行分析获得目标测量值，以得到用于当前烟雾浓度的准确判断的数据，使得在获取烟雾浓度数据后，即使烟雾存在不稳定变化，仍能进行准确的烟感预警，对不稳定烟雾浓度值有更加稳定准确的监测值，以用于及时发现烟雾风险，保证了烟感智能预警的实时性，提高了烟感智能预警的可信度。

技术特征：

1.一种烟感智能预警方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一种烟感智能预警方法，其特征在于，所述根据各数据与其对应的数据窗口内的数据的时间间隔，以及各数据对应的数据窗口内相邻数据的差异，确定各数据的自适应权重，包括：

3.根据权利要求1所述的一种烟感智能预警方法，其特征在于，所述基于所述自适应权重和所述差分序列获得第一单高斯模型，包括：

4.根据权利要求1所述的一种烟感智能预警方法，其特征在于，所述基于各数据对应的数据窗口内的数据与其对应的拟合数据之间的差异获得拟合误差模型，包括：

5.根据权利要求1所述的一种烟感智能预警方法，其特征在于，所述根据所述第一单高斯模型和所述拟合误差模型，得到各数据对应的新测量值，包括：

6.根据权利要求1所述的一种烟感智能预警方法，其特征在于，所述根据各数据对应的kl散度、对应的趋势数据和所述新测量值，得到各数据对应的目标测量值，包括：

7.根据权利要求1所述的一种烟感智能预警方法，其特征在于，所述获取各数据对应的数据窗口所对应的kl散度序列，包括：

8.根据权利要求1所述的一种烟感智能预警方法，其特征在于，所述基于各数据与其对应的数据窗口内的数据的差异构建各数据对应的差分序列，包括：

技术总结
本发明涉及烟感智能预警技术领域，具体涉及一种烟感智能预警方法。方法包括：获取当前时间段内的烟雾浓度值；根据各数据与其对应的数据窗口内的数据的时间间隔及相邻数据的差异确定自适应权重；基于各数据与其对应的数据窗口内的数据的差异构建对应的差分序列；基于自适应权重和差分序列获得第一单高斯模型；基于各数据对应的数据窗口内的数据与其对应的拟合数据之间的差异获得拟合误差模型；根据第一单高斯模型和拟合误差模型，得到新测量值；对各数据对应的数据窗口所对应的KL散度序列进行分解获得趋势数据；根据KL散度、趋势数据和新测量值得到目标测量值，进而判断是否进行预警。本发明保证了烟感智能预警的实时性。

技术研发人员：谢如成,李红义
受保护的技术使用者：深圳市华翌科技有限公司
技术研发日：
技术公布日：2024/1/15