基于大数据技术的火灾风险智能感知预警方法

doi:10.13229/j.cnki.jdxbgxb.20211399

吉林大学学报(工学版) ›› 2023, Vol. 53 ›› Issue (11): 3253-3259.doi: 10.13229/j.cnki.jdxbgxb.20211399

基于大数据技术的火灾风险智能感知预警方法

张伟利^1,²(),杨喆³,孙晓海⁴,刘铭⁵(),韩成浩⁶

^1.吉林建筑大学网络信息中心，长春 130119
^2.吉林建筑大学现代产业学院，长春 130119
^3.吉林省消防救援总队法制与社会消防工作处，长春 130031
^4.云南农业大学大数据学院，昆明 650201
^5.长春工业大学数学与统计学院，长春 130012
^6.吉林建筑大学应急科学与工程学院，长春 130012

收稿日期:2021-12-19 出版日期:2023-11-01 发布日期:2023-12-06
通讯作者: 刘铭 E-mail:zhangweili@jlju.edu.cn;liuming@ccut.edu.cn
作者简介:张伟利（1983-），男，实验师，博士.研究方向：大数据与计算机火灾模拟.E-mail：zhangweili@jlju.edu.cn
基金资助:
吉林省科技发展计划重点研发项目(20230203131SF)

Fire risk intelligent perception early warning method based on big data technology

Wei-li ZHANG^1,²(),Zhe YANG³,Xiao-hai SUN⁴,Ming LIU⁵(),Cheng-hao HAN⁶

^1.Network Information Center，Jilin Jianzhu University，Changchun 130119，China
^2.School of Modern Industry，Jilin Jianzhu University，Changchun 130119，China
^3.Legal and Social Fire Protection Offic，Jilin Fire Rescue Corps，Changchun 130031，China
^4.Big Data Institute，Yunnan Agricultural University，Kunming 650201，China
^5.School of Mathematics and Statistics，Changchun University of Technology，Changchun 130012，China
^6.School of Emergency Science and Engineering，Jilin Jianzhu University，Changchun 130119，China

Received:2021-12-19 Online:2023-11-01 Published:2023-12-06
Contact: Ming LIU E-mail:zhangweili@jlju.edu.cn;liuming@ccut.edu.cn

摘要/Abstract

摘要：

为提升火灾风险预警效果，在大数据技术支持下提出一种火灾风险智能感知预警方法。先构建大数据分析平台和火灾风险智能感知预警平台，将两个平台相结合，建立火灾风险预警指标体系与预警模型。然后采用模糊数学方法将单值样本向火灾风险点进行扩散，输出警度信号向量，取得火灾风险预警信号，实现对火灾风险的智能感知预警。实验结果表明：该方法的漏报率较低，误报率始终低于6%，实际火灾发生次数与预警次数较为一致，验证了其预警效果。

关键词: 计算机应用, 大数据技术, 大数据平台, 智能感知预警平台, 火灾风险, 智能感知预警方法, 预警指标体系

Abstract:

In order to improve the effectiveness of fire risk warning， a fire risk intelligent perception warning method is proposed with the support of big data technology. Build a big data analysis platform and a fire risk intelligent perception early warning platform， and combine the two platforms to establish a fire risk early warning index system and early warning model. The fuzzy mathematics method is used to spread the single-valued samples to the fire risk points， output the warning signal vector， obtain the fire risk early warning signal， and realize the intelligent perception and early warning of the fire risk. The experimental results show that the false alarm rate of this method is low， and the false alarm rate is always lower than 6%. The actual fire occurrence times are consistent with the early warning times， which verifies its early warning effect.

Key words: computer application, big data technology, big data platform, intelligent perception early warning platform, fire risk, intelligent sensing early warning method, warning index system

中图分类号:

TP391

张伟利,杨喆,孙晓海,刘铭,韩成浩. 基于大数据技术的火灾风险智能感知预警方法[J]. 吉林大学学报(工学版), 2023, 53(11): 3253-3259.

Wei-li ZHANG,Zhe YANG,Xiao-hai SUN,Ming LIU,Cheng-hao HAN. Fire risk intelligent perception early warning method based on big data technology[J]. Journal of Jilin University(Engineering and Technology Edition), 2023, 53(11): 3253-3259.

图/表 7

图1

表1

图2

图3

图4

表2

图5

参考文献 19

1	张雷, 黄晓家, 谢水波, 等. 基于贝叶斯网络的酒店火灾概率评估[J]. 消防科学与技术, 2020, 39(7): 916-919.
	Zhang Lei, Huang Xiao-jia, Xie Shui-bo, et al. Hotel fire probability evaluation based on Bayesian network[J]. Fire Science and Technology, 2020, 39(7): 916-919.
2	黄宝华. 可燃物干燥指数在草地火险预警中的应用[J]. 国土资源遥感, 2019, 31(2): 187-195.
	Huang Bao-hua. Application of fuel dry index in the prairie fire danger[J]. Remote Sensing For Land & Resources, 2019, 31(2): 187-195.
3	魏立明, 郭兴, 王秋翠, 等. 基于Apriori算法综合管廊火灾识别预警系统[J]. 消防科学与技术, 2020, 39(4): 497-500.
	Wei Li-ming, Guo Xing, Wang Qiu-cui, et al. Fire danger identification and early warning system for urban underground comprehensive pipe gallery based on Apriori algorithm[J]. Fire Science and Technology, 2020, 39(4): 497-500.
4	谢筱依, 董雷, 董志勇, 等. 基于大数据技术的消防火灾风险分析体系[J]. 今日消防, 2020, 5(1): 106-108.
	Xie Xiao-yi, Dong Lei, Dong Zhi-yong, et al. Fire risk analysis system based on big data technology[J]. Fire Protection Today, 2020, 5(1): 106-108.
5	任常兴, 李晋, 张网, 等. 涉冬奥会场馆外工业场所火灾风险预警指标[J]. 消防科学与技术, 2020, 39(2): 270-274.
	Ren Chang-xing, Li Jin, Zhang Wang, et al. Fire risk alarming index of industrial buildings outside of winter Olympic venues[J]. Fire Science and Technology, 2020, 39(2): 270-274.
6	陈尚, 蒋毅, 宋珍. 电力电缆火灾风险评价模型与预警信号分级[J]. 南方电网技术, 2020, 14(4): 3-7.
	Chen Shang, Jiang Yi, Song Zhen. Fire risk assessment model and early warning signal classification of power cable[J]. Southern Power System Technology, 2020, 14(4): 3-7.
7	葛明臣, 刘大同. 基于BP神经网络的井下电弧火灾预警研究[J]. 煤炭技术, 2020, 39(9): 195-198.
	Ge Ming-chen, Liu Da-tong. Study on downhole arc fire warning based on BP neural network[J]. Coal Technology, 2020, 39(9): 195-198.
8	李晓会, 陈潮阳, 伊华伟, 等. 基于云计算和大数据分析的大规模网络流量预测[J]. 吉林大学学报: 工学版, 2021, 51(3): 1034-1039.
	Li Xiao-hui, Chen Chao-yang, Yi Hua-wei, et al. Large scale network traffic prediction based on cloud computing and big data analysis[J]. Journal of Jilin University (Engineering and Technology Edition), 2021, 51(3): 1034-1039.
9	张笑东, 夏筱筠, 吕海峰, 等. 大数据网络并行计算环境中生理数据流动态负载均衡[J]. 吉林大学学报: 工学版, 2020, 50(1): 247-254.
	Zhang Xiao-dong, Xia Xiao-yun, Lv Hai-feng, et al. Dynamic load balancing of physiological data flow in big data network parallel computing environment[J]. Journal of Jilin University (Engineering and Technology Edition), 2020, 50(1): 247-254.
10	钟卓颖, 宋景慧. 乡村智能电网大数据分析平台总体构架与应用[J]. 电测与仪表, 2020, 57(9): 87-93.
	Zhong Zhuo-ying, Song Jing-hui. Overall architecture and application of big data analysis platform for rural smart grid[J]. Electrical Measurement & Instrumentation, 2020, 57(9): 87-93.
11	崔晓龙, 郭茜, 边胜琴, 等. 支持模型复用的通用大数据分析平台[J]. 实验室研究与探索, 2020, 39(7): 64-70.
	Cui Xiao-long, Guo Xi, Bian Sheng-qin, et al. General big data analysis platform for supporting model reuse[J]. Research and Exploration in Laboratory, 2020, 39(7): 64-70.
12	崔英杰. 云雾网络架构的大数据分析平台研究[J].电子设计工程, 2020, 28(5): 98-102.
	Cui Ying-jie. Research on big data analysis platform of yunwu network architecture[J]. Electronic Design Engineering, 2020, 28(5): 98-102.
13	张伟利, 杨喆, 孙晓海, 等. 基于Bayes估计的受限空间探测数据融合算法[J]. 吉林大学学报: 理学版, 2023, 61(3): 658-664.
	Zhang Wei-li, Yang Zhe, Sun Xiao-hai, et al. Data fusion algorithm for confined space detection based on Bayesian estimation[J]. Journal of Jilin University (Science Edition), 2023, 61(3): 658-664.
14	申建建, 曹瑞, 苏承国, 等. 水火风光多源发电调度系统大数据平台架构及关键技术[J]. 中国电机工程学报, 2019, 39(1): 43-55.
	Shen Jian-jian, Cao Rui, Su Cheng-guo, et al. Big data platform architecture and key techniques of power generation scheduling for hydro-thermal-wind-solar hybrid system[J]. Proceedings of the CSEE, 2019, 39(1): 43-55.
15	尹旭熙. 基于Hadoop和Spark的可扩展性化工类大数据分析系统设计[J]. 粘接, 2021, 46(6): 81-83, 93.
	Yin Xu-xi. Design of scalable chemical industry big data analysis system based on Hadoop and Spark[J]. Adhesion, 2021, 46(6): 81-83, 93.
16	刘一哲, 冯文兰, 扎西央宗, 等. 基于MODIS TVDI和模糊数学方法的藏北地区旱情等级遥感监测[J]. 干旱区研究, 2020, 37(1): 86-96.
	Liu Yi-zhe, Feng Wen-lan, Yang-zong Zha-xi, et al. Remote sensing monitoring of drought level in north Tibet based on MODIS TVDI and fuzzy mathematics[J]. Arid Zone Research, 2020, 37(1): 86-96.
17	王学林, 黄琴琴, 柳军. 基于信息扩散理论的南方双季早稻气象灾害风险评估[J]. 中国农业气象, 2019, 40(11): 712-722.
	Wang Xue-lin, Huang Qin-qin, Liu Jun. Risk assessment for meteorological disasters of early rice in the southern double- season region based on information diffusion theory[J]. Chinese Journal of Agrometeorology, 2019, 40(11): 712-722.
18	姚志洪, 王逸, 杨涛, 等. 行程时间服从截断正态分布的动态车队离散模型[J]. 吉林大学学报: 工学版, 2020, 50(6): 2094-2100.
	Yao Zhi-hong, Wang Yi, Yang Tao, et al. Dynamic platoon dispersion model based on truncated normal distribution of travel time[J]. Journal of Jilin University (Engineering and Technology Edition), 2020, 50(6): 2094-2100.
19	张坤勇, 陈恕, 王耀. 盾构地表沉降的数值分析及归一化模型建立[J]. 地下空间与工程学报, 2019, 114(3): 209-216.
	Zhang Kun-yong, Chen Shu, Wang Yao. Numerical simulation and normalized model of surface settlement induced by shield tunneling excavation[J]. Chinese Journal of Underground Space and Engineering, 2019, 114(3): 209-216.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

警源	警兆因子	警兆
每日平均风速/（m·s^-1）	发生火灾的可能性（Pm/t）	内在警兆（P）
每日平均湿度/%	发生火灾的可能性（Pm/t）	内在警兆（P）
每日降水量/mm	发生火灾的可能性（Pm/t）	内在警兆（P）
每日最高气温/℃	发生火灾的可能性（Pm/t）	内在警兆（P）
人口密度/（人·km^-2）	人口因子（Po）	外生警兆（Dg）
脆弱人口/人	人口因子（Po）	外生警兆（Dg）
防火人员数量/人	防灾能力因子（R）	外生警兆（Dg）
防火物资/万元	防灾能力因子（R）	外生警兆（Dg）
公路网密度/km2	防灾能力因子（R）	外生警兆（Dg）
水体面积/km2	防灾能力因子（R）	外生警兆（Dg）

[1]	霍光,林大为,刘元宁,朱晓冬,袁梦,盖迪. 基于多尺度特征和注意力机制的轻量级虹膜分割模型[J]. 吉林大学学报(工学版), 2023, 53(9): 2591-2600.
[2]	何颖,王卓然,周旭,刘衍珩. 融合社交地理信息加权矩阵分解的兴趣点推荐算法[J]. 吉林大学学报(工学版), 2023, 53(9): 2632-2639.
[3]	张云佐,董旭,蔡昭权. 拟合下肢几何特征的多视角步态周期检测[J]. 吉林大学学报(工学版), 2023, 53(9): 2611-2619.
[4]	肖明尧,李雄飞,朱芮. 基于NSST域像素相关分析的医学图像融合[J]. 吉林大学学报(工学版), 2023, 53(9): 2640-2648.
[5]	赵亚慧,李飞雨,崔荣一,金国哲,张振国,李德,金小峰. 基于跨语言预训练模型的朝汉翻译质量评估[J]. 吉林大学学报(工学版), 2023, 53(8): 2371-2379.
[6]	车翔玖,徐欢,潘明阳,刘全乐. 生物医学命名实体识别的两阶段学习算法[J]. 吉林大学学报(工学版), 2023, 53(8): 2380-2387.
[7]	王连明,吴鑫. 基于姿态估计的物体3D运动参数测量方法[J]. 吉林大学学报(工学版), 2023, 53(7): 2099-2108.
[8]	张则强,梁巍,谢梦柯,郑红斌. 混流双边拆卸线平衡问题的精英差分进化算法[J]. 吉林大学学报(工学版), 2023, 53(5): 1297-1304.
[9]	刘洋,刘吉成. 基于大数据与粒子群的清洁能源协同优化调度方法[J]. 吉林大学学报(工学版), 2023, 53(5): 1443-1448.
[10]	张振海,季坤,党建武. 基于桥梁裂缝识别模型的桥梁裂缝病害识别方法[J]. 吉林大学学报(工学版), 2023, 53(5): 1418-1426.
[11]	刘培勇,董洁,谢罗峰,朱杨洋,殷国富. 基于多支路卷积神经网络的磁瓦表面缺陷检测算法[J]. 吉林大学学报(工学版), 2023, 53(5): 1449-1457.
[12]	姜宇,潘家铮,陈何淮,符凌智,齐红. 基于分割方法的繁体中文报纸文本检测[J]. 吉林大学学报(工学版), 2023, 53(4): 1146-1154.
[13]	于鹏,朴燕. 基于多尺度特征的行人重识别属性提取新方法[J]. 吉林大学学报(工学版), 2023, 53(4): 1155-1162.
[14]	潘弘洋,刘昭,杨波,孙庚,刘衍珩. 基于新一代通信技术的无人机系统群体智能方法综述[J]. 吉林大学学报(工学版), 2023, 53(3): 629-642.
[15]	何颖,樊俊松,王巍,孙庚,刘衍珩. 无人机空地安全通信与航迹规划的多目标联合优化方法[J]. 吉林大学学报(工学版), 2023, 53(3): 913-922.

基于大数据技术的火灾风险智能感知预警方法

Fire risk intelligent perception early warning method based on big data technology

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 19

相关文章 15

Metrics

本文评价

推荐阅读 10

迭代次数	火灾发生概率/%
迭代次数	预警前	预警后
10	40	19
20	49	21
30	60	23
40	63	23
50	71	27
60	76	29
70	85	33
80	88	36
90	92	37
100	97	41