基于多源数据融合的火灾风险智能预警方法及系统与流程

本技术涉及火灾预警，具体涉及基于多源数据融合的火灾风险智能预警方法及系统。

背景技术：

1、近年来，在全球全损船舶事故统计中，火灾作为主要原因之一，其引发的海难事件占比已显著上升至约11%，凸显出火灾防控对于海上安全的极端重要性。尤其是针对大型客船、豪华邮轮等拥有复杂且密集上层建筑的船只，一旦发生火灾，火势蔓延速度极快，并伴随大量有毒有害烟气迅速扩散，这不仅极大压缩了乘客和船员的有效疏散时间，而且浓烟中的高温和有毒物质会严重影响人员的视觉、呼吸和运动能力，降低逃生效率。面对突发火情，乘客由于恐慌、从众心理以及应急处置知识匮乏，往往出现无序疏散现象，缺乏冷静判断及合理行动方案，容易形成逃生通道拥堵，进一步加大了伤亡风险。这种情况加剧了火场混乱程度，使得原本就有限的安全疏散时间更为紧张，从而造成重大人员伤亡和不可估量的经济损失。

2、因此，加强火灾的风险预警机制建设显得尤为关键。通过引入先进的火灾监测系统，可以在很大程度上预防火灾的发生，及时控制火源，减小火灾规模，为人员安全撤离争取宝贵的时间。但由于船舶火灾的发生环境复杂多样，传统单一的检测特征无法适应于船舶火灾的预警，在对数据进行提取特征时采用加权平均法对数据进行预估时，固定的权数对预警特征的计算不理想，需要一种自适应的加权平均算法，对于获取火灾数据的特征估计。

技术实现思路

1、为了解决上述技术问题，本发明提供基于多源数据融合的火灾风险智能预警方法及系统，所采用的技术方案具体如下：

2、第一方面，本发明实施例提供了基于多源数据融合的火灾风险智能预警方法，该方法包括以下步骤：

3、采集船舶不同区域火灾的特征数据，所述特征数据包括但不限于温度传感器、二氧化碳传感器、一氧化碳传感器以及烟雾传感器采集的数据序列；

4、对于各区域每个温度传感器采集的温度序列，根据各时刻及相邻时刻温度数据差异获取各时刻的温度变化趋势指数；将各时刻及之前所有时刻的温度数据组成各时刻的温度前驱序列；结合各时刻的温度变化趋势指数以及温度前驱序列获取各时刻的温度起伏变化指数；

5、根据各时刻温度数据的时序特征获取各时刻的特征权值；根据各时刻的温度数据与周围温度分布波动情况获取各时刻的平衡权值；结合特征权值、平衡权值以及温度起伏变化指数构建各时刻的全局温度特征指数；根据相邻时刻的全局温度特征指数的趋势变化获取各时刻的自适应权值；

6、根据所有采集时刻的自适应权值以及温度数据获取下一时刻的温度估计值；基于船舶各区域特征数据的估计值采用knn模型进行训练，输出火灾分类标签。

7、优选的，所述根据各时刻及相邻时刻温度数据差异获取各时刻的温度变化趋势指数，表达式为：

8、

9、式中，表示第i个时刻的温度变化趋势指数；表示符号函数；、、分别表示第i、i-1、i-2个时刻的温度数据，、、表示第0、1、2个时刻的温度数据；表示预设温度调节常数。

10、优选的，所述结合各时刻的温度变化趋势指数以及温度前驱序列获取各时刻的温度起伏变化指数，包括：

11、获取各时刻的温度前驱序列中的最小值；计算各时刻的温度数据与所述最小值的差值；

12、将各时刻的温度数据、所述差值以及温度变化趋势指数的乘积作为各时刻的温度起伏变化指数。

13、优选的，所述根据各时刻温度数据的时序特征获取各时刻的特征权值，包括：

14、获取各时刻的温度前驱序列的均值；将各时刻的温度数据与所述均值的比值作为各时刻的特征权值。

15、优选的，所述根据各时刻的温度数据与周围温度分布波动情况获取各时刻的平衡权值，包括：

16、将每个温度传感器所在同一区域的所有温度传感器在各时刻获得的温度数据组成各时刻的并列温度序列；采用格拉姆角场算法获取各时刻的并列温度序列的二维图像；将各时刻的二维图像中主对角线上的像素值组成各时刻的像素特征序列；

17、第i个时刻的全局温度特征指数的表达式为：

18、

19、其中，表示第i个时刻的平衡权值；n表示二维图像的行数；表示二维图像中(k,k)位置的像素值；表示二维图像左下三角行列式的标准差；表示二维图像左下三角行列式的均值；表示像素特征序列的标准差；、表示最大、最小值函数。

20、优选的，所述结合特征权值、平衡权值以及温度起伏变化指数构建各时刻的全局温度特征指数，包括：

21、计算各时刻的特征权值与温度起伏变化指数的乘积；计算各时刻的平衡权值与温度数据的乘积；将两个乘积的和值作为各时刻的全局温度特征指数。

22、优选的，所述根据相邻时刻的全局温度特征指数的趋势变化获取各时刻的自适应权值，包括：

23、将温度传感器采集的每个时刻的全局温度特征指数，组成温度传感器的全局温度特征指数序列；采用一阶差分法获取温度传感器的全局温度特征指数序列的差分序列；采用与各时刻的温度前驱序列相同的方法获取所述差分序列中各元素所在时刻的差分前驱序列；

24、各时刻的自适应权值的表达式为：

25、

26、式中，表示第i个时刻的自适应权值；表示第i个时刻的差分前驱序列中非负数的数量；表示第i个时刻的差分前驱序列中相邻元素由正变负的数量；表示第i个时刻的差分前驱序列中元素的数量；表示第i个时刻的全局温度特征指数；表示初始时刻的全局温度特征指数。

27、优选的，所述根据所有采集时刻的自适应权值以及温度数据获取下一时刻的温度估计值，包括：

28、获取所有采集时刻的自适应权值的均值；计算各时刻的温度数据与自适应权值的乘积，除以所述均值的结果；将所有采集时刻的所述结果的和值作为下一时刻的温度估计值。

29、优选的，所述基于船舶各区域特征数据的估计值采用knn模型进行训练，输出火灾分类标签，包括：

30、采用与温度序列的温度估计值相同的计算方法，分别获取二氧化碳浓度序列、一氧化碳浓度序列、烟雾浓度序列的二氧化碳估计值、一氧化碳估计值、烟雾估计值；

31、将温度估计值、二氧化碳估计值、一氧化碳估计值、烟雾估计值组成火灾风险特征序列；对火灾风险特征序列进行人工标注，通过knn模型训练，输出分类标签，所述分类标签包括：低风险区域、中风险区域、高风险区域。

32、第二方面，本发明实施例还提供了基于多源数据融合的火灾风险智能预警系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

33、本发明至少具有如下有益效果：

34、本发明通过对各时刻的温度数据以及左右相邻时刻的温度数据变化快慢进行分析，获取各时刻的温度变化趋势指数，从而挖掘温度数据随着时间推移情况下温度是否出现火灾发生的预先走势，提高火灾预警趋势预测的准确性；同时考虑各时刻之前的所有时刻的温度数据中的数据分布，通过已经发生的历史温度数据对未来的火灾发生可能进行分析，构建各时刻的温度起伏变化指数，充分考虑监测区域的温度变化，用于量化的火灾发生的可能性；

35、本发明通过基于各时刻的时序特征、周围温度分布波动情况分别构建全局温度特征指数，同时，通过将序列转换到图像层面，有助于提升对数据理解的深度和广度；通过将区域内温度传感器在同一时刻的温度数据稳定情况挖掘数据内部的特征，准确识别潜在火灾风险，该指数考虑了温度变化的趋势、速度以及与其他区域平均温度的对比，有利于更早地捕捉到火灾初期的异常升温现象，从而实现火灾的快速响应与有效预防；通过全局温度特征指数的分布情况，获取不同时刻的自适应权值，自适应权值能够根据实时监测数据调整其权重分配，即挖掘实际场景中的温度变化、烟雾浓度等，以反映当前环境状况的紧迫性和重要性，确保预警系统对即时危险信号的快速反应；通过自适应权值对加权平均算法进行改进，改进的算法可以灵活应对复杂多变的船舶环境，有效区分真实火警信号和其他非火警干扰信号等问题。