基于互联网数据的智能火灾预警方法及系统与流程

本发明涉及数据处理，具体涉及基于互联网数据的智能火灾预警方法及系统。

背景技术：

1、为了保证场所的财产安全，通常利用智能机器人对场所中的环境信息进行采集，并通过连接互联网检测传输的环境数据，从而实时进行火灾预警。但智能机器人采集的环境数据存在随机的噪声干扰，所以在进行智能火灾预警之前，需要对环境数据进行去噪。

2、现有方法通常利用sg(savitzky-golay)滤波算法对环境数据进行去噪，传统的sg滤波算法通常采用固定窗口对环境数据进行去噪滤波；但是场所中不同种类的环境数据对火灾预测结果的影响并不相同，而传统的sg滤波算法并不能很好地结合不同种类的环境数据对火灾预测结果的影响情况，导致对环境数据的去噪效果并不理想，从而使火灾预警结果的准确性降低。

技术实现思路

1、本发明提供基于互联网数据的智能火灾预警方法及系统，以解决现有的问题：现有的sg(savitzky-golay)滤波算法采用固定窗口对环境数据进行去噪滤波，并不没有结合不同种类的环境数据对火灾预测结果的影响情况，导致火灾预警结果的准确性降低。

2、本发明的基于互联网数据的智能火灾预警方法及系统采用如下技术方案：

3、本发明一个实施例提供了基于互联网数据的智能火灾预警方法，该方法包括以下步骤：

4、采集若干整体环境数据序列以及若干环境数据序列，所述整体环境数据序列包含多个环境数据序列，环境数据序列包含多个环境参考数据，每个环境参考数据对应一个记录时刻；

5、根据整体环境数据序列中不同时间范围内环境参考数据的变化方向的分布差异情况，得到每个整体环境数据序列的环境特征因子；

6、根据不同环境数据序列之间同一记录时刻下环境参考数据与环境特征因子的匹配差异情况，以及环境参考数据与外界环境因素的关联情况，得到每个环境参考数据的环境滤波权重；

7、根据环境滤波权重进行自适应调整窗口，对环境参考数据进行去噪。

8、优选的，所述根据整体环境数据序列中不同时间范围内环境参考数据的变化方向的分布差异情况，得到每个整体环境数据序列的环境特征因子，包括的具体方法为：

9、预设一个环境参考数据数量t1；对于任意一个整体环境数据序列，将整体环境数据序列中任意一个环境参考数据记为目标环境参考数据，将目标环境参考数据前t1个环境参考数据与目标环境参考数据后t1个环境参考数据构成的数据段，记为目标环境参考数据的邻域环境数据段；

10、获取目标环境参考数据的邻域环境数据段中每个极值的趋势方向差异值；

11、将所有的趋势方向差异值进行线性归一化，将归一化后的趋势方向差异值记为趋势方向差异因子；将目标环境参考数据的邻域环境数据段中任意一个极值记为目标极值，将1减去目标极值的趋势方向差异因子的差值记为目标极值的第一差值；将所有极值的均值减去目标极值的差值记为目标极值的第二差值；将目标极值的第一差值与第二差值的乘积的平方记为目标极值的第一乘积；

12、获取目标环境参考数据的邻域环境数据段中所有极值的第一乘积，将所有极值的第一乘积的累加和的开平方值，记为目标环境参考数据的第一累加值；获取整体环境数据序列中所有环境参考数据的第一累加值，将所有环境参考数据的第一累加值的累加和的反比例归一化值记为第一反比例值；将1减去第一反比例值的差值记为整体环境数据序列的环境特征因子。

13、优选的，所述获取目标环境参考数据的邻域环境数据段中每个极值的趋势方向差异值，包括的具体方法为：

14、利用pca主成分分析算法获取邻域环境数据段中的主成分方向，将邻域环境数据段中每个极值在主成分方向上对应的值记为每个极值的主成分值，将邻域环境数据段中每个极值减去对应的主成分值的差值记为每个极值的趋势方向差异值。

15、优选的，所述根据不同环境数据序列之间同一记录时刻下环境参考数据与环境特征因子的匹配差异情况，以及环境参考数据与外界环境因素的关联情况，得到每个环境参考数据的环境滤波权重，包括的具体方法为：

16、对于任意一个整体环境数据序列，在整体环境数据序列中，将最后一个环境数据序列记为核心环境数据序列，将除核心环境数据序列以外的每个环境数据序列记为参照环境数据序列；对于任意一个参照环境数据序列，利用dtw动态时间规整算法获取参照环境数据序列与核心环境数据序列的所有匹配点对；获取所有匹配点对的趋势时间整体差异值、邻域距离整体差异值以及相似权重；

17、根据核心环境数据序列与参照环境数据序列之间所有匹配点对的趋势时间整体差异值、邻域距离整体差异值以及相似权重，得到核心环境数据序列与参照环境数据序列的环境相似度；获取核心环境数据序列与所有参照环境数据序列的环境相似度；

18、根据核心环境数据序列与所有参照环境数据序列的环境相似度，得到核心环境数据序列的噪声影响程度；

19、对于核心环境数据序列中任意一个环境参考数据，将环境参考数据的邻域环境数据段中所有环境参考数据的标准差记为第一标准差，获取核心环境数据序列中所有环境参考数据的第一标准差，将所有的第一标准差进行线性归一化，将归一化后的第一标准差记为局部环境标准差；预设一个环境参考数据阈值t2，将环境参考数据的邻域环境数据段中所有环境参考数据的均值减去t2的差值，记为环境参考数据的异常指标；获取所有环境参考数据的异常指标；

20、对于第v个整体环境数据序列中第z个环境参考数据，根据第z个环境参考数据环境参考数据的局部环境标准差、第v个整体环境数据序列的环境特征因子、第v个整体环境数据序列的核心环境数据序列的噪声影响程度，以及第v个整体环境数据序列与其他整体环境数据序列之间异常指标的差异，得到第v个整体环境数据序列中第z个环境参考数据的噪声异常度；

21、获取第v个整体环境数据序列中所有环境参考数据的噪声异常度，将所有的噪声异常度进行线性归一化，将归一化后的噪声异常度记为环境滤波权重。

22、优选的，所述获取所有匹配点对的趋势时间整体差异值、邻域距离整体差异值以及相似权重，包括的具体方法为：

23、对于任意一个匹配点对，将匹配点对在参照环境数据序列的环境参考数据记为第一目标环境参考数据；在参照环境数据序列中，将记录时刻距离第一目标环境参考数据最小的极值对应的环境参考数据记为第二目标环境参考数据，将第一目标环境参考数据与第二目标环境参考数据之间记录时刻的差值的绝对值，记为第一目标环境参考数据的趋势时间差异值；将匹配点对在核心环境数据序列的环境参考数据记为第三目标环境参考数据，参考第一目标环境参考数据的趋势时间差异值的获取方法，获取第三目标环境参考数据的趋势时间差异值；将第一目标环境参考数据与第三目标环境参考数据的趋势时间差异值的均值，记为匹配点对的趋势时间整体差异值；

24、在第一目标环境参考数据左侧，将记录时刻距离第一目标环境参考数据最小的极值对应的环境参考数据记为第一目标环境数据；在第一目标环境参考数据右侧，将记录时刻距离第一目标环境参考数据最小的极值对应的环境参考数据记为第二目标环境数据；将第一目标环境数据与第二目标环境数据之间的欧式距离，记为第一目标环境参考数据的邻域距离值；参考第一目标环境参考数据的邻域距离值的获取方法，获取第三目标环境参考数据的邻域距离值；将第一目标环境参考数据与第三目标环境参考数据的邻域距离值的均值，记为匹配点对的邻域距离整体差异值；

25、在匹配点对中，若第一目标环境参考数据为极值，将第一目标环境参考数据的邻域距离值记为匹配点对的相似权重；若第三目标环境参考数据为极值，将第三目标环境参考数据的邻域距离值记为匹配点对的相似权重；若第一目标环境参考数据与第三目标环境参考数据均为极值，将第一目标环境参考数据与第三目标环境参考数据的邻域距离值的累加和，记为匹配点对的相似权重；若第一目标环境参考数据与第三目标环境参考数据均不为极值，将1记为匹配点对的相似权重。

26、优选的，所述根据核心环境数据序列与参照环境数据序列之间所有匹配点对的趋势时间整体差异值、邻域距离整体差异值以及相似权重，得到核心环境数据序列与参照环境数据序列的环境相似度，包括的具体方法为：

27、对于核心环境数据序列与参照环境数据序列中第c个匹配点对，将第c个匹配点对中两个环境参考数据之间的欧式距离、第c个匹配点对的相似权重以及邻域距离整体差异值这三者的乘积记为第二乘积；将第二乘积与第c个匹配点对的趋势时间整体差异值的比值记为第c个匹配点对的第一比值，获取所有匹配点对的第一比值；将所有匹配点对的第一比值的累加和记为核心环境数据序列与参照环境数据序列的环境相似值；获取所有环境相似值，将所有环境相似值进行线性归一化，将归一化后的环境相似值记为环境相似度。

28、优选的，所述根据核心环境数据序列与所有参照环境数据序列的环境相似度，得到核心环境数据序列的噪声影响程度，包括的具体方法为：

29、将核心环境数据序列中所有环境参考数据的均值记为第一均值，将参照环境数据序列中所有环境参考数据的均值记为第二均值，将第一均值与第二均值的差值的绝对值记为核心环境数据序列与参照环境数据序列的环境差异因子，获取核心环境数据序列与所有参照环境数据序列的环境差异因子，将所有的环境差异因子进行线性归一化，将归一化后的环境差异因子记为环境差异程度；

30、对于任意一个参照环境数据序列，将1减去核心环境数据序列与参照环境数据序列的环境差异程度的差值记为第三差值；将核心环境数据序列与参照环境数据序列的环境相似度与第三差值的乘积，记为参照环境数据序列的第三乘积；获取所有参照环境数据序列的第三乘积，将所有参照环境数据序列的第三乘积的累加和记为核心环境数据序列的噪声影响程度。

31、优选的，所述根据第z个环境参考数据环境参考数据的局部环境标准差、第v个整体环境数据序列的环境特征因子、第v个整体环境数据序列的核心环境数据序列的噪声影响程度，以及第v个整体环境数据序列与其他整体环境数据序列之间异常指标的差异，得到第v个整体环境数据序列中第z个环境参考数据的噪声异常度，包括的具体方法为：

32、将1减去第v个整体环境数据序列的环境特征因子的差值记为第四差值；将第v个整体环境数据序列的核心环境数据序列的噪声影响程度、第v个整体环境数据序列中第z个环境参考数据的局部环境标准差以及第四差值这三者的乘积记为第四乘积；将第四乘积与除第v个整体环境数据序列以外所有整体环境数据序列的数量的比值，记为第v个整体环境数据序列中第z个环境参考数据的第二比值；

33、对于除第v个整体环境数据序列以外的第q个整体环境数据序列，将第v个整体环境数据序列中第z个环境参考数据的异常指标，减去第q个整体环境数据序列中第z个环境参考数据的异常指标的差值，记为第五差值；将第q个整体环境数据序列的环境特征因子与第v个整体环境数据序列中第z个环境参考数据的局部环境标准差的比值，记为第三比值；将第五差值与第三比值的乘积的平方记为第q个整体环境数据序列的第五乘积；获取除第v个整体环境数据序列以外所有整体环境数据序列的第五乘积，将所有第五乘积的累加和记为第v个整体环境数据序列中第z个环境参考数据的第一累加和；

34、将第二比值与第一累加和的乘积记为第v个整体环境数据序列中第z个环境参考数据的噪声异常度。

35、优选的，所述根据环境滤波权重进行自适应调整窗口，对环境参考数据进行去噪，包括的具体方法为：

36、预设一个滤波窗口长度t3以及一个超参数μ，对于第v1个整体环境数据序列中第z1个环境参考数据，将μ与第v1个整体环境数据序列中第z1个环境参考数据的环境滤波权重的和记为第一和值；将t3与第一和值的乘积记为第六乘积；将第六乘积的向上取整结果记为第v1个整体环境数据序列中第z1个环境参考数据的最终滤波窗口长度；

37、构建窗口长度为lv1,z1的窗口作为第v1个整体环境数据序列中第z1个环境参考数据的最终滤波窗口，获取每个整体环境数据序列中每个环境参考数据的最终滤波窗口，将每个环境参考数据的最终滤波窗口作为滤波窗口，根据滤波窗口通过sg滤波算法对每个环境参考数据进行去噪，得到所有去噪后的环境参考数据。

38、本发明还提出了基于互联网数据的智能火灾预警系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述的基于互联网数据的智能火灾预警方法的步骤。

39、本发明的技术方案的有益效果是：本发明通过结合整体环境数据序列与外界环境因素的关联情况以及不同时间范围内环境参考数据的变化方向的分布差异情况，自适应调整窗口，以提高对每个环境参考数据的去噪效果；其中首先根据整体环境数据序列中不同时间范围内环境参考数据的变化方向的分布差异情况，得到整体环境数据序列的环境特征因子，用于反映整体环境数据序列所属的环境数据种类所表现特征的明显情况，提高了环境因素影响对环境参考数据的表现程度；然后根据不同环境数据序列之间同一记录时刻下环境参考数据与环境特征因子的匹配差异情况，以及环境参考数据与外界环境因素的关联情况，得到每个环境参考数据的环境滤波权重，用于反映经外界环境因素与内部噪声方面分析后需要进行去噪的强度，提高了对每个环境参考数据的去噪效果；最后根据环境滤波权重进行自适应调整窗口，对环境参考数据进行去噪；本发明通过分析外界环境因素与内部噪声因素共同对环境参考数据的影响情况，自适应调整滤波窗口，使滤波窗口可以根据不同的环境参考数据进行自适应调节，提高了去噪效果，提高了智能火灾预警结果的准确性。