基于多模态数据的智慧城市建筑火情监测预警系统的制作方法

本发明涉及数据处理，尤其涉及一种基于多模态数据的智慧城市建筑火情监测预警系统。

背景技术：

1、随着全球城市化进程的加快，建筑物的密集程度逐渐增加，导致火灾发生的风险不断上升。火灾具有快速蔓延和破坏力强的特点，如果不能及时监测到火灾并进行有效的控制和处理，极易造成重大人员伤亡和财产损失。所以在智慧城市建设中，如何高效、精准地监测和预警建筑物火情，已经成为城市安全管理的重要组成部分。

2、由于指数平滑算法在平稳的数据下具有较强的准确性，所以传统方式下在建筑火情的监测的过程中，设置固定的预警值，通过在室内安装烟雾浓度和温度传感器，对传感器采集到的相关数据采用指数平滑算法预测未来值，判断未来值是否超过预警值，若超过预警阈值则发出警报并通知人员及时逃离现场。但由于非火灾因素如吸烟或烹饪等活动会产生类似火灾发生初期的特征数据，如烟雾浓度短时间内的极速上升，或烟雾浓度达到预警阈值等，而固定的预警值并不能有效辨别这些由于非火灾因素所引发的异常，同时对未来值得预测可能存在较大误差，导致无法准确地对火情进行预警。

3、因此，如何提高对建筑物火情预警的准确性成为亟需解决的问题。

技术实现思路

1、有鉴于此，本发明实施例提供了一种基于多模态数据的智慧城市建筑火情监测预警系统，以解决如何提高对建筑物火情预警的准确性的问题。

2、本发明实施例中提供了一种基于多模态数据的智慧城市建筑火情监测预警系统，该系统包括以下步骤：

3、数据采集模块，用于在任一建筑内，分别采集历史时段内任一位置的温度数据和烟雾数据，得到对应的温度数据序列和烟雾数据序列，以所述烟雾数据序列中的最后一个烟雾数据为窗口中的最后一个数据点，构建得到预设尺寸的初始窗口；

4、数据分析模块，用于根据所述烟雾数据序列中的数据波动，对所述初始窗口的长度进行调整，得到包含所述烟雾数据序列中的最后一个烟雾数据的自适应窗口，根据所述自适应窗口中的数据变化趋势，得到所述自适应窗口中数据变化的趋势值；

5、阈值获取模块，用于利用指数平滑算法，根据所述自适应窗口中的烟雾数据得到未来时刻的预测值，获取未来时刻的实际烟雾数据，根据所述实际烟雾数据与所述预测值之间的差异，以及所述趋势值，对预设初始预警值进行调整，得到未来时刻的自适应预警值；

6、异常预警模块，用于若所述未来时刻的实际烟雾数据大于所述自适应预警值，则在所述温度数据序列中，获取所述自适应窗口中每个烟雾数据对应的温度数据，得到温度子序列，根据所述温度子序列的一阶温度差分序列，对所述任一建筑进行火情预警。

7、进一步的，所述数据分析模块中根据所述烟雾数据序列中的数据波动，对所述初始窗口的长度进行调整，得到包含所述烟雾数据序列中的最后一个烟雾数据的自适应窗口，包括：

8、对所述初始窗口内的所有烟雾数据进行一阶差分运算，得到一阶差分序列，计算所述一阶差分序列的标准差，得到所述初始窗口的噪声系数；

9、若所述噪声系数大于或等于预设噪声系数阈值，则在所述烟雾数据序列中，将所述初始窗口的长度扩大第一预设倍数，得到目标长度，若所述目标长度为偶数，则将所述目标长度向上取整，得到自适应窗口的长度，若所述目标长度为奇数，则将所述目标长度作为自适应窗口的长度；

10、若所述噪声系数小于所述预设噪声系数阈值，则根据所述初始窗口中的数据波动趋势，减小所述初始窗口的长度，得到包含所述烟雾数据序列中的最后一个烟雾数据的自适应窗口。

11、进一步的，所述数据分析模块中根据所述初始窗口中的数据波动趋势，减小所述初始窗口的长度，得到包含所述烟雾数据序列中的最后一个烟雾数据的自适应窗口，包括：

12、根据所述初始窗口中的所有数据，计算所述初始窗口的平均绝对偏差，将常数1减去第二预设倍数的所述平均绝对偏差，得到所述初始窗口的缩小系数，将所述初始窗口的长度与所述缩小系数之间的乘积作为目标长度，分别将所述目标长度向上取整和向下取整，在取整结果中选择奇数项作为自适应窗口的长度。

13、进一步的，所述数据分析模块中根据所述自适应窗口中的数据变化趋势，得到所述自适应窗口中数据变化的趋势值，包括：

14、在所述烟雾数据序列中，将所述自适应窗口中的最后一个烟雾数据之前的预设数量个烟雾数据，以及所述自适应窗口中的最后一个烟雾数据组成烟雾子序列，获取所述烟雾子序列的一阶差分序列，计算所述烟雾子序列的一阶差分序列中的所有差分值的平均值的绝对值，得到所述自适应窗口中数据变化的第一变化趋势指标，其中，所述烟雾子序列中所有数据的数量为所述初始窗口中的所有数据的数量与预设时间跨度系数之间的乘积；

15、根据所述自适应窗口中每两个相邻烟雾数据之间的差异，得到所述自适应窗口中数据变化的第二变化趋势指标；

16、获取所述自适应窗口中所有烟雾数据的平均烟雾值，根据所述自适应窗口中的每个烟雾数据与所述平均烟雾值之间的差异，得到所述自适应窗口中数据变化的第三变化趋势指标；

17、将所述自适应窗口中数据变化的第一变化趋势指标、第二变化趋势指标以及第三变化趋势指标进行加权求和，得到所述自适应窗口中数据变化的趋势值。

18、进一步的，所述数据分析模块中根据所述自适应窗口中每两个相邻烟雾数据之间的差异，得到所述自适应窗口中数据变化的第二变化趋势指标，包括：

19、在所述自适应窗口中，针对任一两个相邻烟雾数据，计算所述任一两个相邻烟雾数据之间的差值绝对值，得到所述任一两个相邻烟雾数据之间的烟雾差异指标，将所述烟雾差异指标与预设指数衰减系数之间的乘积作为所述任一两个相邻烟雾数据之间的局部波动指标；

20、获取所述自适应窗口中每两个相邻烟雾数据之间的局部波动指标，计算所有局部波动指标的平均值，得到所述自适应窗口中数据变化的第二变化趋势指标。

21、进一步的，所述数据分析模块中根据所述自适应窗口中的每个烟雾数据与所述平均烟雾值之间的差异，得到所述自适应窗口中数据变化的第三变化趋势指标，包括：

22、将所述自适应窗口中的每个烟雾数据作为目标数据，获取所述自适应窗口的中间位置，计算每个所述目标数据在所述自适应窗口中的位置与所述中间位置之间的差值，得到每个所述目标数据的位置系数，对所有位置系数的平方进行累加，得到位置系数累加值，计算每个所述目标数据的位置系数与所述位置系数累加值之间的比值，得到每个所述目标数据的位置权重；

23、针对任一目标数据，计算所述目标数据与所述平均烟雾值之间的差值，得到所述目标数据的离差，在所述自适应窗口中，根据所述任一目标数据的位置，获取所述目标数据关于所述中间位置对称的对称数据，计算所述对称数据的位置权重与所述目标数据的离差之间的乘积，得到所述目标数据的加权离差；

24、对所有目标数据的加权离差进行累加，得到所述自适应窗口中数据变化的第三变化趋势指标。

25、进一步的，所述阈值获取模块中根据所述实际烟雾数据与所述预测值之间的差异，以及所述趋势值，对预设初始预警值进行调整，得到未来时刻的自适应预警值，包括：

26、计算所述实际烟雾数据与所述预测值之间的差值绝对值，若所述差值绝对值大于所述趋势值，则计算第一预设预警调节系数与所述差值绝对值之间的乘积，将所述乘积与预设初始预警值之间的和作为未来时刻自适应预警值；

27、若所述差值绝对值小于或等于所述趋势值，则计算第二预设预警调节系数与所述差值绝对值之间的乘积，将所述乘积与预设初始预警值之间的和作为所述未来时刻的自适应预警值。

28、进一步的，所述异常预警模块中根据所述温度子序列的一阶温度差分序列，对所述任一建筑进行火情预警，包括：

29、计算所述温度子序列的一阶差分序列中的所有差分值的平均值的绝对值，得到所述温度子序列的温度变化指标；

30、若所述温度变化指标大于预设温度变化指标阈值，则对所述任一建筑进行火情预警。

31、本发明实施例与现有技术相比存在的有益效果是：

32、本发明提供一种基于多模态数据的智慧城市建筑火情监测预警系统，包括数据采集模块，用于在任一建筑内，分别采集历史时段内任一位置的温度数据和烟雾数据，得到对应的温度数据序列和烟雾数据序列，以所述烟雾数据序列中的最后一个烟雾数据为窗口中的最后一个数据点，构建得到预设尺寸的初始窗口；数据分析模块，用于根据所述烟雾数据序列中的数据波动，对所述初始窗口的长度进行调整，得到包含所述烟雾数据序列中的最后一个烟雾数据的自适应窗口，根据所述自适应窗口中的数据变化趋势，得到所述自适应窗口中数据变化的趋势值；阈值获取模块，用于利用指数平滑算法，根据所述自适应窗口中的烟雾数据得到未来时刻的预测值，获取未来时刻的实际烟雾数据，根据所述实际烟雾数据与所述预测值之间的差异，以及所述趋势值，对预设初始预警值进行调整，得到未来时刻的自适应预警值；异常预警模块，用于若所述未来时刻的实际烟雾数据大于所述自适应预警值，则在所述温度数据序列中，获取所述自适应窗口中每个烟雾数据对应的温度数据，得到温度子序列，根据所述温度子序列的一阶温度差分序列，对所述任一建筑进行火情预警。其中，根据烟雾数据序列中的数据变化趋势得到自适应窗口，以精准捕捉短时间内的数据波动情况，同时可以平划掉由吸烟引起的类火灾特征；进一步的，利用指数平滑算法，根据自适应窗口内的数据得到未来时刻的预测值，根据平滑值与实际值之间的差异，调整初始预警值，得到自适应预警值，考虑到一些非火灾因素同样会导致烟雾数据过高，当实际值超过了自适应预警值，则进一步分析自适应窗口中每个烟雾数据对应的温度数据的变化趋势，根据温度数据的变化趋势对任一建筑进行火情预警，以降低吸烟、烹饪等非火灾因素对火情预警的干扰，实现更加全面、精准的火情预警效果。