【技術實現步驟摘要】
本專利技術涉及建筑火災危險預測，具體為一種基于人工智能的建筑火災危險預測系統及方法。
技術介紹
1、建筑火災危險預測系統能夠利用先進的數據處理和分析技術，對建筑火災危險進行高效、準確的預測，從而便于管理人員了解到建筑火災發生的預測概率，進而便于管理人員在火災前進行管理和防范，進而有益于避免火災危險事故的發生。
2、現有的建筑火災預測系統大多只能通過建筑內的常規設施調取預測參數，例如煙霧傳感器、溫度傳感器和建筑布局消防通道位置等等，然而在實際生活中建筑內的情況是多樣的也是多變的，僅僅通過建筑內的常規設施和布局情況預測火災發生嚴重缺乏準確性，從而時常發生誤判和漏判的情況，而且在管理人員收到火災預測結果后難以在有限的時間內制定疏散方案，因此這種火災預測系統在實際使用中的使用效果并不理想，為了便于更精準更智能化預測建筑火災的發生，也便于火災發生時可以及時制定疏散方案，從而便于輔助管理人員對建筑內人員進行及時疏散，避免發生火災造成經濟損失和人員傷亡，我們提出一種基于人工智能的建筑火災危險預測系統及方法。
技術實現思路
1、（一）解決的技術問題
2、針對現有技術的不足，本專利技術提供了一種基于人工智能的建筑火災危險預測系統及方法，以解決現有技術中的上述問題。
3、（二）技術方案
4、為實現以上目的，本專利技術通過以下技術方案予以實現：一種基于人工智能的建筑火災危險預測系統，包括如下模塊：
5、內部隱患預測模塊，獲取建筑內的建筑結構系數
6、外部隱患預測模塊，獲取當日天氣溫度、空氣濕度、建筑人員系數和安保巡檢評分，通過當日天氣溫度、空氣濕度、建筑人員系數和安保巡檢評分得到外部隱患系數，對外部隱患系數與內部隱患系數加權求和得到建筑隱患值；
7、火災評分預測模塊，建立建筑歷史火災數據庫，在建筑歷史火災數據庫中捕捉與當日建筑隱患值最接近的歷史建筑隱患值，并通過歷史建筑隱患值得到當日火災預測評分；
8、火災模擬疏散模塊，定義火災預測評分預設閾值，比較火災預測評分預設閾值與當日火災預測評分的大小關系，若當日火災預測評分大于火災預測評分預設閾值，則制定模擬疏散方案并反饋給管理人員。
9、優選的，在內部隱患預測模塊中獲取建筑內的建筑結構系數，具體為：
10、獲取建筑樓層數，獲取建筑高度，獲取建筑面積，獲取消防通道的尺寸，獲取通風口尺寸，通過建筑樓層數、建筑高度、建筑面積、消防通道的尺寸和通風口尺寸得到建筑結構系數；
11、建筑結構系數的計算方式，具體為：
12、
13、其中，jz表示為建筑結構系數，lc表示為建筑樓層數，jd表示為建筑高度，jm表示為建筑面積，xf表示為消防通道的尺寸，tf表示為通風口的尺寸，、、、和均為權重，，，，，。
14、優選的，在內部隱患預測模塊中內部隱患系數的計算方式，具體為：
15、
16、其中，nh表示為內部系數，jz表示為建筑結構系數，hy表示為火源種類數量，yr表示為易燃物數量，、和均為權重，，，。
17、優選的，在外部隱患預測模塊中獲取建筑人員系數，具體為：
18、獲取建筑內人員總數量，獲取建筑內人員中的常駐人員數量，通過建筑內人員總數量與常駐人員數量作差得到串訪人員數量，通過建筑內人員總數量和串訪人員數量得到建筑人員系數；
19、建筑人員系數的計算方式，具體為：
20、
21、其中，rx表示為建筑人員系數，zs表示為建筑內人員總數量，cz表示為串訪人員數量，和均為權重，，。
22、優選的，在外部隱患預測模塊中獲取安保巡檢評分，具體為：
23、步驟一：制定n條不相同的安保巡檢路線，選拔n個安保巡檢人員，通過n個安保巡檢人員分別按照n條安保巡檢路線進行安保巡檢，并在巡檢后對巡檢情況進行打分；
24、步驟二：將多個打分結果求和平均得到參考安保巡檢評分，獲取前兩日安保巡檢評分，將前兩日安保巡檢評分與參考安保巡檢評分求和平均得到當日安保巡檢評分。
25、優選的，在外部隱患預測模塊中外部隱患系數的計算方式，具體為：
26、
27、其中，wy表示為外部隱患系數，wd表示為當日天氣溫度，sd表示為當日空氣濕度，rx表示為當日建筑人員系數，ax表示為當日安保巡檢評分，、和均為權重，，，。
28、優選的，火災評分預測模塊，具體為：
29、步驟一：建立建筑歷史火災數據庫，獲取當日建筑隱患值、當日外部隱患系數和當日內部隱患系數，將建筑歷史火災數據庫中的歷史建筑隱患值按從小到大的順序排列，并在建筑歷史火災數據庫中捕捉與當日建筑隱患值最接近的歷史建筑隱患值，獲取該歷史建筑隱患值當日的外部隱患系數，標記為歷史外部隱患系數，獲取該歷史建筑隱患值當日的內部隱患系數，標記為歷史內部隱患系數；
30、步驟二：比較歷史外部隱患系數與當日外部隱患系數的大小關系得到外部隱患比較結果，若當日外部隱患系數大于歷史外部隱患系數，則外部隱患比較結果標記為2，若當日外部隱患系數小于歷史外部隱患系數，則外部隱患比較結果標記為0.5，比較歷史內部隱患系數與當日內部隱患系數的大小關系得到內部隱患比較結果，若當日內部隱患系數大于歷史內部隱患系數，則內部隱患比較結果標記為1.5，若當日內部隱患系數小于歷史內部隱患系數，則內部隱患比較結果標記為0.7；
31、步驟三：定義當日建筑隱患值預設閾值，通過當日建筑隱患值預設閾值、當日建筑隱患值、外部隱患比較結果和內部隱患比較結果得到當日火災預測評分。
32、優選的，當日火災預測評分的計算方式，具體為：
33、
34、其中，pf表示為當日火災預測評分，ys表示為當日建筑隱患值預設閾值，jh表示為當日建筑隱患值預設閾值，wj表示為外部隱患比較結果，nj表示為內部隱患比較結果，。
35、優選的，在火災模擬疏散模塊中制定模擬疏散方案并反饋給管理人員，具體為：
36、步驟一：獲取建筑布局、建筑安全出口位置和建筑內人員分布情況，通過建筑布局、建筑安全出口位置和建筑內人員分布情況利用遺傳算法制定三條最短的疏散路線；
37、步驟二：獲取建筑內人員年齡、建筑內人員安全知識掌握情況和建筑人員系數，通過建筑內人員年齡、建筑內人員安全知識掌握情況、建筑人員系數和三條最短的疏散路線利用網絡模型分別預測得到三條最短路線所需要的疏散時間；
38、步驟三：比較三個疏散時間的大小關系，選取用時最短疏散時間的疏散路線標記為最優疏散路線，并將最優疏散路線反饋給管理人員。
39、一種基于人工智能的建筑火災危險預測方法，包括如下步驟：
40、步驟一：獲取建筑內的建筑結構系數、火源種類數量和易燃物數量，通過建筑結構系數本文檔來自技高網...
【技術保護點】
1.一種基于人工智能的建筑火災危險預測系統，其特征在于，包括如下模塊：
2.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在內部隱患預測模塊中獲取建筑內的建筑結構系數，具體為：
3.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在內部隱患預測模塊中內部隱患系數的計算方式，具體為：
4.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在外部隱患預測模塊中獲取建筑人員系數，具體為：
5.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在外部隱患預測模塊中獲取安保巡檢評分，具體為：
6.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在外部隱患預測模塊中外部隱患系數的計算方式，具體為：
7.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：火災評分預測模塊，具體為：
8.根據權利要求7所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：當日火災預測評分的
9.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在火災模擬疏散模塊中制定模擬疏散方案并反饋給管理人員，具體為：
10.一種基于人工智能的建筑火災危險預測方法，應用于權利要求1-9中任意一項所述的一種基于人工智能的建筑火災危險預測系統，其特征在于，包括如下步驟：
...【技術特征摘要】
1.一種基于人工智能的建筑火災危險預測系統，其特征在于，包括如下模塊：
2.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在內部隱患預測模塊中獲取建筑內的建筑結構系數，具體為：
3.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在內部隱患預測模塊中內部隱患系數的計算方式，具體為：
4.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在外部隱患預測模塊中獲取建筑人員系數，具體為：
5.根據權利要求1所述的一種基于人工智能的建筑火災危險預測系統，其特征在于：在外部隱患預測模塊中獲取安保巡檢評分，具體為：
6.根據權利要求1所述...
【專利技術屬性】
技術研發人員：楊文政，牛洪星，楊文典，陳興濤，
申請(專利權)人：山東泰廣電子集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。