一种消防火灾智能预测方法、系统、介质和程序产品与流程

本技术涉及电数字数据处理，尤其涉及一种消防火灾智能预测方法、系统、介质和程序产品。

背景技术：

1、在现代社会，建筑物的数量和规模不断增加，火灾作为一种常见且具有严重危害的灾害，对建筑物内人员的生命安全和财产安全构成了巨大威胁。及时准确地发现火灾并采取有效的应对措施，对于减少火灾损失至关重要。因此，如何高效地进行火灾监测和预测成为了建筑安全领域的重要研究方向。

2、目前，建筑物火灾防护主要采用在建筑物内安装烟雾报警器和消防设施的方式。这些烟雾报警器在检测到烟雾浓度超过预设阈值时会发出警报，同时通知建筑物管理人员采取相应的消防措施，管理人员接到报警后，通常需要根据经验判断火势发展情况并决定救援方案。

3、然而，这种单纯依靠烟雾报警和人工经验判断的方式存在局限性。由于建筑物结构复杂，不同区域的建筑材料、消防设施配备等因素都会影响火势蔓延，再加上外部天气条件的变化，所以单凭人工经验难以准确预判火势发展态势，容易造成救援措施不够精准，影响火灾控制效果。

技术实现思路

1、本技术提供了一种消防火灾智能预测方法、系统、介质和程序产品，用于对建筑物内的火灾进行智能预测。

2、第一方面，本技术提供了一种消防火灾智能预测方法，应用于智能预测系统，该方法包括：获取目标建筑物内事先安装的烟雾报警传感器发来的实时烟雾监测数据；当该实时烟雾监测数据达到预设烟雾数据阈值时，确定该目标建筑物内发生火灾，并根据该实时烟雾监测数据确定发生火灾的目标火灾源范围；根据预先设置的火灾风险评估模型获取目标火灾源范围的火灾风险值，该火灾风险评估模型是事先基于目标建筑物内不同区域的结构布局、建筑材料易燃性、消防设施配备情况和对应的火灾风险值标注再结合机器学习算法训练而得，该火灾风险评估模型用于评估目标建筑物不同区域的火灾风险值；若该火灾风险值高于预设风险阈值，则判断该目标火灾源范围内存在高危火源点；结合气象数据获取当前的多维环境特征数据，该多维环境特征数据至少包括气象组合数据；将该高危火源点和该气象组合数据输入至预设的火势蔓延预测模型，获得火灾蔓延预测情况，该火势蔓延预测模型是事先根据大量不同气象场景下的火灾实验数据和实际火灾案例复盘数据经深度学习算法训练而得，该火势蔓延预测模型用于实时预测火势蔓延路径、速度和烟气扩散方向；将该火灾蔓延预测情况发送至管理端进行报警。

3、通过采用上述技术方案，系统利用烟雾报警传感器实时监测数据进行火灾早期识别，结合火灾风险评估模型对建筑物不同区域的特征进行分析，及时发现高危火源点。同时，系统整合气象组合数据输入至火势蔓延预测模型中，该模型基于大量实验和案例数据训练得到，能够准确预测火势蔓延路径、速度和烟气扩散方向。这种多维度数据融合和深度学习预测的方式，显著提高了火灾预警的准确性和及时性，为火灾防控提供了科学的决策依据，有效降低了火灾造成的人员伤亡和财产损失风险。

4、结合第一方面的一些实施例，在一些实施例中，在将该高危火源点和该气象组合数据输入至预设的火势蔓延预测模型，获得火灾蔓延预测情况的步骤之后，还包括：利用地理信息系统将该目标建筑物及设定周边范围内环境进行可视化展示，该可视化展示包括在电子地图上标注高危火源点位置、该火灾蔓延预测情况；根据预设的应急救援预案自动筛选距离最近且具备相应救援能力的消防救援站点；将该高危火源点位置、该火灾蔓延预测情况和该多维环境特征数据发送至该消防救援站点。

5、通过采用上述技术方案，利用地理信息系统实现了火灾情况的可视化展示，直观呈现高危火源点位置和火灾蔓延预测情况。系统自动筛选最近且具备相应救援能力的消防站点，并向其发送火灾相关信息。这种可视化结合智能筛选的方式，大大提升了消防救援的响应速度和决策效率，使救援人员能够在第一时间了解火灾态势，制定最优救援方案，有效提高了消防救援的成功率和救援效率。

6、结合第一方面的一些实施例，在一些实施例中，当该实时烟雾监测数据达到预设烟雾数据阈值时，确定该目标建筑物内发生火灾，并根据该实时烟雾监测数据确定发生火灾的目标火灾源范围的步骤之后，还包括：通过在目标建筑物内安装的热成像设备，获取火灾区域的热成像图像；通过该热成像图像和该实时烟雾监测数据定位火源的边界和位置；根据火源的边界和位置修正目标火灾源范围。

7、通过采用上述技术方案，结合热成像设备获取的热成像图像和烟雾监测数据，系统能够精确定位火源的边界和位置。热成像技术可穿透烟雾直接观测火源，与烟雾监测数据相互印证，两种数据的结合使用大大提高了火源定位的准确性。通过对目标火灾源范围的动态修正，系统能更准确地评估火灾发展态势，为后续的火势蔓延预测提供更可靠的基础数据，提升了整个预警系统的可靠性。

8、结合第一方面的一些实施例，在一些实施例中，在根据预先设置的火灾风险评估模型获取目标火灾源范围的火灾风险值的步骤之后，还包括：收集目标建筑物内物联网设备的设备数据，该物联网设备至少包括温度传感器数据、电气设备和通风设备；在将该设备数据和该实时烟雾监测数据进行整合，对该目标火灾源范围对应的该火灾风险值进行实时动态调整。

9、通过采用上述技术方案，系统收集和整合了建筑物内温度传感器、电气设备和通风设备等物联网设备的数据，将这些数据与烟雾监测数据进行综合分析。这种多源数据的融合分析方法，使得系统能够更全面地感知火灾环境的变化，对火灾风险值进行实时动态调整，提高了风险评估的准确性和时效性，为火灾预警提供了更可靠的依据。

10、结合第一方面的一些实施例，在一些实施例中，在将该高危火源点和该气象组合数据输入至预设的火势蔓延预测模型，获得火灾蔓延预测情况的步骤之后，还包括：将当前的火灾场景与历史火灾案例进行关联分析；通过对比与该火灾场景相匹配的场景下历史火灾案例的发展过程和结果，对火灾蔓延预测情况进行相应调整，该火灾场景包括目标火灾源范围的各种特征和气象数据。

11、通过采用上述技术方案，系统将当前火灾场景与历史案例进行关联分析，通过对比相似场景下的历史火灾发展过程和结果，对预测结果进行优化调整。这种基于历史经验的智能分析方法，充分利用了已有火灾案例的经验数据，能够有效提高火势蔓延预测的准确性，使预测结果更符合实际情况，为火灾防控决策提供更可靠的参考。

12、结合第一方面的一些实施例，在一些实施例中，在将该高危火源点和该气象组合数据输入至预设的火势蔓延预测模型，获得火灾蔓延预测情况的步骤之后，还包括：确定该目标建筑物所在的位置与目标区域的距离；根据该火灾蔓延预测情况和该距离确定火灾蔓延至该目标区域的蔓延时间；在接收到用户端发来的蔓延时间查看指令后，将该蔓延时间发送至该用户端进行显示。

13、通过采用上述技术方案，系统能够基于火灾蔓延预测结果和空间距离信息，准确计算火灾蔓延至目标区域的时间。当用户需要查看时，系统可即时提供这一关键信息。这种精确的时间预测功能，为疏散和救援争取了宝贵的时间，使相关人员能够提前采取必要的防护措施，有效降低了火灾造成的危害，提高了应急响应的效率。

14、结合第一方面的一些实施例，在一些实施例中，在将该火灾蔓延预测情况发送至管理端进行报警的步骤之后，还包括：将火灾相关信息转化为语音指令，通过目标建筑物内的广播设置进行播报，该火灾相关信息包括该目标火灾源范围和该火灾蔓延预测情况。

15、通过采用上述技术方案，系统将火灾相关信息转化为语音指令并通过建筑物内的广播系统进行播报。这种信息转化和自动播报机制，使得火灾信息能够快速、清晰地传达给建筑物内的所有人员，提高了信息传递的效率和覆盖范围。同时，语音播报的形式更容易被人员接收和理解，有效提升了火灾预警的实际效果，为人员疏散赢得了宝贵时间。

16、第二方面，本技术提供了一种智能预测系统，该智能预测系统包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该智能预测系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

17、第三方面，本技术提供了一种计算机可读存储介质，包括指令，当该指令在智能预测系统上运行时，使得该智能预测系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

18、第四方面，本技术提供了一种计算机程序产品，当该计算机程序产品在智能预测系统上运行时，使得该智能预测系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

19、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

20、1、由于采用了基于机器学习的火灾风险评估模型对建筑物进行智能分析，并结合深度学习训练的火势蔓延预测模型进行多维度预测的技术手段，所以，有效解决了现有技术中单一依靠烟感报警无法准确评估火灾风险、难以科学预测火势发展态势的技术问题，进而实现了火灾预警的智能化、预测的精准化，大幅提升了火灾防控的科学决策能力，显著降低了火灾造成的人员伤亡和财产损失风险。

21、2、由于采用了地理信息系统实现火情可视化展示，并基于预设应急救援预案进行智能筛选最优消防站点的技术手段，所以，有效解决了现有技术中火灾信息传递不直观、救援站点选择缺乏科学依据的技术问题，进而实现了火情态势的直观呈现和救援力量的最优调配，显著提升了消防救援的响应速度和决策效率。

22、3、由于采用了基于火灾蔓延预测结果和空间距离信息进行智能计算，并实现火灾蔓延时间精确预测的技术手段，所以，有效解决了现有技术中无法准确预知火灾蔓延时间、难以为疏散预留充足时间的技术问题，进而实现了火灾蔓延时间的精确预测，为人员疏散和应急响应提供了可靠的时间保障，大大提高了火灾防控的主动性和有效性。