一种基于多源数据分析的火灾防控预警系统及方法

1.本发明涉及农作物火灾预警技术领域，具体涉及一种基于多源数据分析的火灾防控预警系统及方法。


背景技术：

2.农作物是指用于人类食物、饲料、工业原料、药材和其他用途的农业植物，包括谷类、蔬菜、水果、棉花、油料、茶叶、糖料、草地、树木、花卉等，农作物在人类生存和社会经济发展中占据着重要地位，农作物生产是农业生产的重要组成部分，也是农民的主要收入来源之一；
3.农作物火灾防控预警系统是一个旨在提高农作物火灾预防和控制能力的信息化系统，其主要目的是提高对农作物储藏仓库火灾的预警能力，避免储藏仓库起火时造成农作物损失过大。
4.现有技术存在以下不足：
5.1、现有的农作物储藏仓库火灾预警通常是通过火灾探测器、烟雾探测器、热成像相机等设备对储藏仓库进行在线监测防控，即监测到明火时系统报警，然而，当出现明火时，系统报警到处理具有一个中间过程，对于一些易燃农作物而言(如棉花等)，明火的出现会使火势快速蔓延，从而导致无法及时补救，造成较大的经济损失；
6.2、对于大型的仓储工厂而言，需要对不同的农作物进行分区仓储，然而，现有的系统对所有仓储区域均采取统一的火灾防控方法，由于不同的农作物所需要的监测方式不同，统一防控时，容易出现系统误报警或报警不及时的现象，使用局限性大。


技术实现要素：

7.本发明的目的是提供一种基于多源数据分析的火灾防控预警系统及方法，以解决背景技术中不足。
8.为了实现上述目的，本发明提供如下技术方案：一种基于多源数据分析的火灾防控预警方法，所述预警方法包括以下步骤：
9.s1：将仓储工厂依据农作物种类进行分区，并依据农作物的易燃性对每个分区进行初始化排序，标记为{i1、i2、...、in}，n为大于0的正整数；
10.s2：采集每个分区的若干数据，对若干数据分析处理后建立评价模型；
11.s3：基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序；
12.s4：在火灾预警过程中，通过评价模型与预警梯度值的对比结果生成相应预警信号和管理。
13.在一个优选的实施方式中，步骤s2中，建立评价模型包括以下步骤：
14.通过传感器设备分别获取分区的环境数据以及仓储设备数据，将环境数据以及仓储设备数据进行归一化处理后，建立评价模型pi，表达式为：
分别为历史经济效益、市场需供比值、农作物理论总价值的比例系数，且a1》a2》a3》0，市场需供比值中，xq为农作物的市场需求量，gq农作物的市场供给量。
34.在一个优选的实施方式中，还包括
35.s5：获取预警系统传感器的响应速度、采样频率以及传输介质干扰率建立校正系数，表达式为：
[0036][0037]
式中，y
zi
为校正系数，e1、e2、e3分别为传输介质干扰率、响应速度、采样频率的比例系数，且0《e1《e2《e3，j
zi
、x
yi
、c
yi
分别为传输介质干扰率、响应速度、采样频率；
[0038]
将校正系数y
zi
与运行阈值y
xi
进行对比，若校正系数y
zi
》运行阈值y
xi
，系统自身发出警示信号。
[0039]
在一个优选的实施方式中，还包括
[0040]
s6：获取校正系数y
zi
后，重新计算预警梯度值yj
min
、预警梯度值yj
max
，则校正梯度值校正梯度值将评价模型与修正梯度值进行对比。
[0041]
在一个优选的实施方式中，步骤s3中，重新对分区进行重要度排序包括以下步骤：
[0042]
s3.1：将评价模型标定为pi，将效益模型标定为xi，评价模型pi与效益模型xi加权计算获取重要度值，表达式为：
[0043]
zi＝60％*pi+40％*xi[0044]
式中，zi为重要度值，60％、40％分别为评价模型pi与效益模型xi的权重；
[0045]
s3.2：获取重要度值zi后，依据重要度值zi由大到小重新对分区进行重要度排序，生成排序表，系统通过排序表选择分区的监管顺序。
[0046]
本发明还提供一种基于多源数据分析的火灾防控预警系统，包括分区模块、采集模块、模型建立模块、排序模块、预警模块；
[0047]
分区模块将仓储工厂依据农作物种类进行分区，并依据农作物的易燃性对每个分区进行初始化排序，标记为{i1、i2、...、in}，n为大于0的正整数，采集模块采集每个分区的若干数据，通过大数据库获取农作物效益数据，模型建立模块通过每个分区的若干数据建立评价模型，通过农作物效益数据建立效益模型，排序模块基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序，预警模块通过评价模型与预警梯度值的对比结果生成相应预警信号和管理。
[0048]
在上述技术方案中，本发明提供的技术效果和优点：
[0049]
1、本发明通过采集每个分区的若干数据，对若干数据分析处理后建立评价模型，基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序，在火灾预警过程中，通过评价模型与预警梯度值的对比结果生成相应预警信号和管理，对不同的农作物进行分区管理，提高系统的预警精度，并且基于评价模型与分区效益模型重新对分区进行重要度排序，有利于提高系统的管理效率，最后通过数据综合分析获取的评价模型与预警梯度值的对比结果对分区进行预警，提高系统数据处理效率，并
提高仓储火灾防控效果；
[0050]
2、本发明通过获取分区的环境数据以及仓储设备数据，将环境数据以及仓储设备数据进行归一化处理后，建立评价模型pi，综合处理数据有利于提高系统对数据的处理效率，并且，通过农作物易燃系数c对评价模型pi进行修正，提高评价模型pi在面向不同农作物使用时的精度，并且，通过评价模型与预警梯度值的对比结果判断是否发出预警信号，有利于提高系统的仓储的预警效果，保证农作物的安全储藏；
[0051]
3、本发明在获取到农作物的效益模型xi后，将效益模型xi与评价模型pi加权计算，使每个分区获取一个重要度值，使得系统对多分区进行预警管理时，能够有效的对排序表中排名靠前的分区进行优先管理，提高系统的管理效率；
[0052]
4、本发明获取校正系数y
zi
后，重新计算预警梯度值yj
min
、预警梯度值yj
max
，则校正梯度值校正梯度值在传感器采集性能下降时，传感器的采集精度下降(例如，实际温度为20℃，性能下降后传感器采集的温度为18℃)，此时通过校正系数y
zi
减小预警梯度值yj
min
、预警梯度值yj
max
的初始值，能够有效提高系统响应的速度，从而保证在传感器性能下降时，保证系统的预警精度不变，提高预警系统的使用稳定性。
附图说明
[0053]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0054]
图1为本发明的方法流程图。
具体实施方式
[0055]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0056]
实施例1
[0057]
请参阅图1所示，本实施例所述一种基于多源数据分析的火灾防控预警方法，所述预警方法包括以下步骤：
[0058]
将仓储工厂依据农作物种类进行分区，并依据农作物的易燃性对每个分区进行初始化排序，标记为{i1、i2、...、in}，n为大于0的正整数，采集每个分区的若干数据，对若干数据分析处理后建立评价模型，基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序，在火灾预警过程中，通过评价模型与预警梯度值的对比结果生成相应预警信号和管理；
[0059]
本技术通过采集每个分区的若干数据，对若干数据分析处理后建立评价模型，基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序，在火灾预警过程中，通过评价模型与预警梯度值的对比结果生成相应预警信号和管理，对不同的农作物进行分区管理，提高系统的预警精度，并且基于评价模型与分区效
益模型重新对分区进行重要度排序，有利于提高系统的管理效率，最后通过数据综合分析获取的评价模型与预警梯度值的对比结果对分区进行预警，提高系统数据处理效率，并提高仓储火灾防控效果。
[0060]
本实施例中，基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序包括以下步骤：
[0061]
将评价模型标定为pi，将效益模型标定为xi，评价模型pi与效益模型xi加权计算获取重要度值，表达式为：
[0062]
zi＝60％*pi+40％*xi[0063]
式中，zi为重要度值，60％、40％分别为评价模型pi与效益模型xi的权重，由于农作物仓储管理过程中，对于火灾的防控等级大于农作物的经济效益，因此，评价模型pi的权重大于效益模型xi的权重；
[0064]
获取重要度值zi后，依据重要度值zi由大到小重新对分区进行重要度排序，生成排序表，系统通过排序表选择分区的监管顺序。
[0065]
具体的，本实施例对选择分区的监管顺序举例如下：
[0066]
设定仓储工厂中依据农作物种类进行分区，并依据农作物的易燃性对每个分区进行初始化排序，标记为{i1、i2、i3}；
[0067]
{i1、i2、i3}分区的评价模型pi取值分别为5.627、3.589、6.756，{i1、i2、i3}分区的效益模型xi取值分别为4.872、4.443、3.526，则评价模型pi与效益模型xi加权计算后，{i1、i2、i3}分区的重要度值zi分别为：5.325、3.931、5.464，则依据重要度值zi由大到小重新对分区进行重要度排序，生成排序表为{i3、i1、i2}，系统通过排序表{i3、i1、i2}选择分区的监管顺序。
[0068]
为了更好的说明本实施例中，将仓储工厂依据农作物种类进行分区，并依据农作物的易燃性对每个分区进行初始化排序，本实施例设分区i1、i2、i3分别储藏稻谷、棉花、苹果，由于棉花易燃性》稻谷易燃性》苹果易燃性，则对分区的初始化排序为{i2、i1、i3}。
[0069]
实施例2
[0070]
上述实施例1中，采集每个分区的若干数据，对若干数据分析处理后建立评价模型包括以下步骤：
[0071]
通过传感器设备分别获取分区的环境数据以及仓储设备数据，将环境数据以及仓储设备数据进行归一化处理后，建立评价模型pi，表达式为：
[0072][0073]
式中，α、β分别为环境数据以及仓储设备数据的比例系数，且0《
[0074]
α《β，c为农作物易燃系数，a为仓储区域中农作物仓库的编号，a＝
[0075]
1、2、...、n，n为正整数，为环境数据，
[0076]
为仓储设备数据，α、β的具体值由本领域技术人员根据仓储工厂所处环境进行设置，在此不做限定。
[0077]
本实施例中，环境数据包括环境温度wa、环境湿度sa、环境空气焓值ha，仓储设备数据包括电气设备稳定系数(s
fz
·sdy
)2以及消防设备稳定系数s
fz
为设备负载，s
dy
为设备电压，s
lh
为消防设备老化率，s
wh
为消防设备维护率。
[0078]
所述农作物易燃系数c，用于衡量农作物燃烧性质，计算表达式为：
[0079]c[0080]
＝0.0505
·
hf+0.0225
·ch
+0.0025
·oh-0.0136
·nh-0.00
[0081]
·
ash[0082]
式中hf、ch、oh、nh、ash分别为水分、碳含量、氧含量、氮含量以及灰分含量，单位为重量百分比，易燃系数越大，表示农作物越易燃；
[0083]
通过农作物易燃系数c来修正评价模型pi，使得评价模型pi在不同农作物分区使用时，可提高对该农作物分区的评价精度。
[0084]
在火灾预警过程中，通过评价模型与预警梯度值的对比结果生成相应预警信号和管理包括以下步骤：
[0085]
设定预警梯度值yj
min
、预警梯度值yj
max
，且yj
min
《yj
max
，将评价模型pi与预警梯度值进行对比；
[0086]
若评价模型pi《预警梯度值yj
min
，系统分析该农作物储藏分区对农作物的储藏稳定性好，不生成预警信号；
[0087]
若预警梯度值yj
min
≤评价模型pi≤预警梯度值yj
max
，系统分析该农作物储藏分区存在火灾可能性，且该储藏分区在发生火灾时，对火灾的防控性能较差，生成一级预警信号并作出相应调控；
[0088]
若评价模型pi》预警梯度值yj
max
，系统分析该农作物储藏分区发生火灾的可能性大，且该储藏分区在发生火灾时，对火灾的防控性能差，生成二级预警信号并作出相应调控；
[0089]
其中，二级预警信号的重要度大于一级预警信号的重要度；
[0090]
生成一级预警信号并作出相应调控包括：发出一级预警信号时，需要巡检人员定期对该农作物分区进行巡检，预警系统根据评价模型pi中的主要影响系数进行调控，若主要影响系数为环境数据，调控的方式包括：对仓库排放、加湿和降温，若主要影响系数为仓储设备数据，则需要停止对电气设备供电或提醒更换、维护消防器材；
[0091]
生成二级预警信号并作出相应调控包括：发出二级预警信号时，需要巡检人员及时对该农作物分区进行巡检，预警系统根据评价模型pi中的主要影响系数进行调控，若主要影响系数为环境数据，调控的方式包括：对仓库排放、加湿和降温，若主要影响系数为仓储设备数据，则需要停止对电气设备供电或提醒更换、维护消防器材，由于发出二级预警信号时，仓库发生火灾的可能性大，且该仓库在发生火灾时，对火灾的防控性能差，因此需要
巡检人员及时检查。
[0092]
本发明通过获取分区的环境数据以及仓储设备数据，将环境数据以及仓储设备数据进行归一化处理后，建立评价模型pi，综合处理数据有利于提高系统对数据的处理效率，并且，通过农作物易燃系数c对评价模型pi进行修正，提高评价模型pi在面向不同农作物使用时的精度，并且，通过评价模型与预警梯度值的对比结果判断是否发出预警信号，有利于提高系统的仓储的预警效果，保证农作物的安全储藏。
[0093]
实施例3
[0094]
将仓储工厂依据农作物种类进行分区，并依据农作物的易燃性对每个分区进行初始化排序，标记为{i1、i2、...、in}，n为大于0的正整数，采集每个分区的若干数据，对若干数据分析处理后建立评价模型，基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序，在火灾预警过程中，通过评价模型与预警梯度值的对比结果生成相应预警信号和管理；
[0095]
上述实施例1中，基于评价模型与分区效益模型重新对分区进行重要度排序，由于在对不同分区农作物进行防控管理时，不仅需要看农作物的防火等级，还需要看农作物带来的经济效益，农作物的经济效益越高，关注度也越高，具体为：
[0096]
系统基于大数据库获取农作物的历史经济效益、市场需供比值、以及农作物理论总价值，通过公式计算效益模型xi，表达式为：
[0097][0098]
式中，ji、lj分别为历史经济效益、市场需供比值、农作物理论总价值，a1、a2、a3分别为历史经济效益、市场需供比值、农作物理论总价值的比例系数，且a1》a2》a3》0，比例系数a1、a2、a3的具体指由本领域技术人员根据农作物的种类进行设置，在此不做限定。
[0099]
市场需供比值中，xq为农作物的市场需求量，gq农作物的市场供给量。
[0100]
获取到农作物的效益模型xi后，将效益模型xi与评价模型pi加权计算，使每个分区获取一个重要度值，使得系统对多分区进行预警管理时，能够有效的对排序表中排名靠前的分区进行优先管理，提高系统的管理效率。
[0101]
实施例4
[0102]
本技术中，预警系统使用时，主要是通过多传感器采集多源数据后综合进行分析，然而，传感器在使用的过程中，随着传感器的不断老化或受到外界因素的影响时，传感器的采集精度会受到影响，为了进一步提高预警系统的预警精准度，我们设计以下方案：
[0103]
获取预警系统传感器的响应速度、采样频率以及传输介质干扰率建立校正系数，表达式为：
[0104][0105]
式中，y
zi
为校正系数，e1、e2、e3分别为传输介质干扰率、响应速度、采样频率的比例
系数，且0《e1《e2《e3，j
zi
、x
yi
、c
yi
分别为传输介质干扰率、响应速度、采样频率，比例系数的具体值由本领域技术人员根据传感器的具体型号进行设置，在此不做限定。
[0106]
获取校正系数y
zi
后，重新计算预警梯度值yj
min
、预警梯度值yj
max
，则校正梯度值校正梯度值在传感器采集性能下降时，传感器的采集精度下降(例如，实际温度为20℃，性能下降后传感器采集的温度为18℃)，此时通过校正系数y
zi
减小预警梯度值yj
min
、预警梯度值yj
max
的初始值，能够有效提高系统响应的速度，从而保证在传感器性能下降时，保证系统的预警精度不变，提高预警系统的使用稳定性；
[0107]
并且，将校正系数y
zi
与运行阈值y
xi
进行对比，若校正系数y
zi
》运行阈值y
xi
，则系统自身发出警示信号，用于提示系统维护人员，需要对传感器设备进行维护。
[0108]
通过评价模型与修正梯度值的对比结果生成相应预警信号和管理包括以下步骤：
[0109]
若评价模型pi《修正梯度值yj
校正min
，系统分析该农作物储藏分区对农作物的储藏稳定性好，不生成预警信号；
[0110]
若修正梯度值yj
校正min
≤评价模型pi≤修正梯度值yj
校正max
，系统分析该农作物储藏分区存在火灾可能性，且该储藏分区在发生火灾时，对火灾的防控性能较差，生成一级预警信号并作出相应调控；
[0111]
若评价模型pi》修正梯度值yj
校正max
，系统分析该农作物储藏分区发生火灾的可能性大，且该储藏分区在发生火灾时，对火灾的防控性能差，生成二级预警信号并作出相应调控，从而提高预警系统运行过程中的稳定性。
[0112]
实施例5
[0113]
本实施例所述一种基于多源数据分析的火灾防控预警系统，包括分区模块、采集模块、模型建立模块、排序模块、预警模块；
[0114]
其中，
[0115]
分区模块：用于将仓储工厂依据农作物种类进行分区，并依据农作物的易燃性对每个分区进行初始化排序，标记为{i1、i2、...、in}，n为大于0的正整数。
[0116]
采集模块：用于采集每个分区的若干数据，通过大数据库获取农作物效益数据；
[0117]
模型建立模块：通过每个分区的若干数据建立评价模型，通过农作物效益数据建立效益模型；
[0118]
排序模块：基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序；
[0119]
预警模块：通过评价模型与预警梯度值的对比结果生成相应预警信号和管理。
[0120]
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设数据由本领域的技术人员根据实际情况进行设置。
[0121]
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存
储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质。半导体介质可以是固态硬盘。
[0122]
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况，其中a,b可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
[0123]
本技术中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
[0124]
应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0125]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0126]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0127]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0128]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0129]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0130]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个
人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0131]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种基于多源数据分析的火灾防控预警方法，其特征在于：所述预警方法包括以下步骤：s1：将仓储工厂依据农作物种类进行分区，并依据农作物的易燃性对每个分区进行初始化排序，标记为{i1、i2、...、i
n
}，n为大于0的正整数；s2：采集每个分区的若干数据，对若干数据分析处理后建立评价模型；s3：基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序；s4：在火灾预警过程中，通过评价模型与预警梯度值的对比结果生成相应预警信号和管理。2.根据权利要求1所述的一种基于多源数据分析的火灾防控预警方法，其特征在于：步骤s2中，建立评价模型包括以下步骤：通过传感器设备分别获取分区的环境数据以及仓储设备数据，将环境数据以及仓储设备数据进行归一化处理后，建立评价模型p
i
，表达式为：式中，α、β分别为环境数据以及仓储设备数据的比例系数，且0<α<β，c为农作物易燃系数，a为仓储区域中农作物仓库的编号，a＝1、2、...、n，n为正整数，为环境数据，为仓储设备数据。3.根据权利要求2所述的一种基于多源数据分析的火灾防控预警方法，其特征在于：所述环境数据包括环境温度w
a
、环境湿度s
a
、环境空气焓值h
a
；所述仓储设备数据包括电气设备稳定系数(s
fz
·
s
dy
)2以及消防设备稳定系数s
fz
为设备负载，s
dy
为设备电压，s
lh
为消防设备老化率，s
wh
为消防设备维护率。4.根据权利要求3所述的一种基于多源数据分析的火灾防控预警方法，其特征在于：所述农作物易燃系数c计算表达式为：c＝0.0505
·
h
f
+0.0225
·
c
h
+0.0025
·
o
h-0.0136
·
n
h-0.00
·
as
h
式中，h
f
、c
h
、o
h
、n
h
、as
h
分别为水分、碳含量、氧含量、氮含量以及灰分含量，单位为重量百分比。5.根据权利要求4所述的一种基于多源数据分析的火灾防控预警方法，其特征在于：步骤s4中，通过评价模型与预警梯度值的对比结果生成相应预警信号和管理包括以下步骤：s4.1：设定预警梯度值yj
min
、预警梯度值yj
max
，且yj
min
<yj
max
，将评价模型p
i
与预警梯度
值进行对比；s4.2：若评价模型p
i
<预警梯度值yj
min
，不生成预警信号；s4.3：若预警梯度值yj
min
≤评价模型p
i
≤预警梯度值yj
max
，生成一级预警信号并作出相应调控；s4.4：若评价模型p
i
>预警梯度值yj
max
，生成二级预警信号并作出相应调控。6.根据权利要求2所述的一种基于多源数据分析的火灾防控预警方法，其特征在于：步骤s3中，效益模型的建立包括以下步骤：s3.1：基于大数据库获取农作物的历史经济效益、市场需供比值、以及农作物理论总价值，通过公式计算效益模型x
i
，表达式为：式中，j
i
、l
j
分别为历史经济效益、市场需供比值、农作物理论总价值，a1、a2、a3分别为历史经济效益、市场需供比值、农作物理论总价值的比例系数，且a1>a2>a3>0，市场需供比值中，x
q
为农作物的市场需求量，g
q
农作物的市场供给量。7.根据权利要求4所述的一种基于多源数据分析的火灾防控预警方法，其特征在于：还包括s5：获取预警系统传感器的响应速度、采样频率以及传输介质干扰率建立校正系数，表达式为：式中，y
zi
为校正系数，e1、e2、e3分别为传输介质干扰率、响应速度、采样频率的比例系数，且0<e1<e2<e3，j
zi
、x
yi
、c
yi
分别为传输介质干扰率、响应速度、采样频率；将校正系数y
zi
与运行阈值y
xi
进行对比，若校正系数y
zi
>运行阈值y
xi
，系统自身发出警示信号。8.根据权利要求7所述的一种基于多源数据分析的火灾防控预警方法，其特征在于：还包括s6：获取校正系数y
zi
后，重新计算预警梯度值yj
min
、预警梯度值yj
max
，则校正梯度值校正梯度值将评价模型与修正梯度值进行对比。9.根据权利要求1所述的一种基于多源数据分析的火灾防控预警方法，其特征在于：步骤s3中，重新对分区进行重要度排序包括以下步骤：s3.1：将评价模型标定为p
i
，将效益模型标定为x
i
，评价模型p
i
与效益模型x
i
加权计算获取重要度值，表达式为：z
i
＝60％*p
i
+40％*x
i
式中，z
i
为重要度值，60％、40％分别为评价模型p
i
与效益模型x
i
的权重；
s3.2：获取重要度值z
i
后，依据重要度值z
i
由大到小重新对分区进行重要度排序，生成排序表，系统通过排序表选择分区的监管顺序。10.一种基于多源数据分析的火灾防控预警系统，用于实现权利要求1-9任一项所述的预警方法，其特征在于：包括分区模块、采集模块、模型建立模块、排序模块、预警模块；分区模块将仓储工厂依据农作物种类进行分区，并依据农作物的易燃性对每个分区进行初始化排序，标记为{i1、i2、...、i
n
}，n为大于0的正整数，采集模块采集每个分区的若干数据，通过大数据库获取农作物效益数据，模型建立模块通过每个分区的若干数据建立评价模型，通过农作物效益数据建立效益模型，排序模块基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序，预警模块通过评价模型与预警梯度值的对比结果生成相应预警信号和管理。

技术总结
本发明公开了一种基于多源数据分析的火灾防控预警系统及方法，所述预警方法包括以下步骤：通过采集每个分区的若干数据，对若干数据分析处理后建立评价模型，基于评价模型与分区效益模型重新对分区进行重要度排序，系统通过重要度排序选择分区的监管顺序，在火灾预警过程中，通过评价模型与预警梯度值的对比结果生成相应预警信号和管理，对不同的农作物进行分区管理，提高系统的预警精度，并且基于评价模型与分区效益模型重新对分区进行重要度排序，有利于提高系统的管理效率。本发明通过数据综合分析获取的评价模型与预警梯度值的对比结果对分区进行预警，提高系统数据处理效率，并提高仓储火灾防控效果。并提高仓储火灾防控效果。并提高仓储火灾防控效果。


技术研发人员：魏瑞超 常浩 黄申石 韩承伟 朱小春 陈芍璋
受保护的技术使用者：深圳职业技术学院
技术研发日：2023.03.31
技术公布日：2023/6/28