智慧消防大数据分析模型.docx

《智慧消防大数据分析模型.docx》由会员分享，可在线阅读，更多相关《智慧消防大数据分析模型.docx（9页珍藏版）》请在第一文库网上搜索。

1、智慧消防大数据分析模型一、电气火灾风险评估分析模型电气火灾风险评估分析模型基于剩余电流、线缆温度和故障电弧等电气火灾直接特征参数，电流、电压、功率等用电功率特征参数，谐波、浪涌、功率因素等电能质量特征参数，以及大功率电气用电指纹特征，通过边缘特征智能分析识别和云端多参数统筹分析相结合，研判电气火灾发生风险并提供针对性预警，并初步确定承灾体、致灾因子，用于指导电气火灾隐患排查治理。拟采用业内相对成熟完善的分析模型，根据智慧消防建设对智能化应用的实际需求，与相关科研院所和厂商共同发展相关算法。在此基础上，实现智能分析应用服务的构建，包括:1、分析算法模型的微服务移植封装根据微服务开发框架和业务支撑

2、应用技术规范要求，在算法模型基础上进行移植和微服务封装，使之符合SOA架构与SpringC1OUd框架，能够在微服务集群中发布、部署、注册、运行，可被其他应用服务及任务调度机制调用，并被统一监测和管理。2、分析计算所需专题库数据集构建根据数据中台整体架构，需将分析算法所依赖的数据集作为库表纳入数据资源池专题库，其建立方式符合专题库设计规范，并确定专题库数据订阅、更新方式。当需要实时分析时,需在专题库建立基于数据变化的触发机制，发起对算法服务的调用，以随时产生分析结果。3、分析算法模型效用的追踪与持续演进随着专题库中数据集的积累，可利用后验性数据与算法结果进行比对，依靠算法内部或外部偏差度分析机

3、制对算法结果质量进行分析，并根据算法运行性能日志和异常日志，形成算法效用评估结果，作为算法进一步改进的依据。二、消防水资源健康度评估分析模型水资源健康度评估分析模型基于消防水资源历史运行状态数据、巡查巡检数据、监测维保数据等，通过构建评估体系、确定指标权重、收集指标数据、计算风险得分，并根据故障、维修等事件对体系及权重进行动态调整，并以水系统健康度为输出。拟采用业内相对成熟完善的分析模型，根据智慧消防建设对智能化应用的实际需求，与相关科研院所和厂商共同发展相关算法。在此基础上，实现智能分析应用服务的构建，包括:1、分析算法模型的微服务移植封装根据微服务开发框架和业务支撑应用技术规范要求，在算法

4、模型基础上进行移植和微服务封装，使之符合SOA架构与SpringCIOUd框架，能够在微服务集群中发布、部署、注册、运行，可被其他应用服务及任务调度机制调用，并被统一监测和管理。2、分析计算所需专题库数据集构建根据数据中台整体架构，需将分析算法所依赖的数据集作为库表纳入数据资源池专题库，其建立方式符合专题库设计规范，并确定专题库数据订阅、更新方式。当需要实时分析时,需在专题库建立基于数据变化的触发机制，发起对算法服务的调用，以随时产生分析结果。3、分析算法模型效用的追踪与持续演进随着专题库中数据集的积累，可利用后验性数据与算法结果进行比对，依靠算法内部或外部偏差度分析机制对算法结果质量进行分析

5、，并根据算法运行性能日志和异常日志，形成算法效用评估结果，作为算法进一步改进的依据。三、隐患趋势分析评估分析模型隐患趋势分析评估分析模型基于历史隐患发现处置记录、消防系统运行状态记录、消防管理历史记录等数据，以时间序列分析工具为核心，结合关联分析、聚类分析、拟合分析等其他工具，并以综合隐患发生趋势时间数量曲线为输出。拟采用业内相对成熟完善的分析模型，根据智慧消防建设对智能化应用的实际需求，与相关科研院所和厂商共同发展相关算法。在此基础上，实现智能分析应用服务的构建，包括:1、分析算法模型的微服务移植封装根据微服务开发框架和业务支撑应用技术规范要求，在算法模型基础上进行移植和微服务封装，使之符合

6、SOA架构与SpringCIoUd框架，能够在微服务集群中发布、部署、注册、运行，可被其他应用服务及任务调度机制调用，并被统一监测和管理。2、分析计算所需专题库数据集构建根据数据中台整体架构，需将分析算法所依赖的数据集作为库表纳入数据资源池专题库，其建立方式符合专题库设计规范，并确定专题库数据订阅、更新方式。当需要实时分析时,需在专题库建立基于数据变化的触发机制，发起对算法服务的调用，以随时产生分析结果。3、分析算法模型效用的追踪与持续演进随着专题库中数据集的积累，可利用后验性数据与算法结果进行比对，依靠算法内部或外部偏差度分析机制对算法结果质量进行分析，并根据算法运行性能日志和异常日志，形成

7、算法效用评估结果，作为算法进一步改进的依据。四、企业消防安全评估分析模型企业消防安全评估分析模型旨在通过企业建筑防火设计、消防设施安全状态、消防安全管理制度和日常消防安全管理工作情况等要素及其对消防安全的影响程度，确定指标体系，并建立相关算法，实现对企业消防安全指数的计算。根据分析对象不同，可分为：(1)一般单位消防安全评估模型基于企业基础数据、消防系统状态数据、消防管理水平数据、周边救援力量及救援条件数据、企业火灾事故历史数据,综合考虑其对火灾损失指标预期的正向作用与负向作用，形成适用于一般单位的消防安全评估指标体系。(2)重点单位消防安全评估模型在一般单位评估模型分析应用设计的基础上，结合

8、重点单位消防安全管理的特殊要求，以及特殊建筑对防火设计和消防设施、系统的管理规定，增补指标项并重新确定各层级指标权重分布，形成适用于重点单位的细粒度消防安全评估模型。（3）特殊行业重点单位消防安全评估模型在重点单位评估模型的基础上，根据石油化工、港口和文物古建所独有的重大危险源、危化品、化工反应器、露天堆场、木质建筑，以及动火作业、燃烧香烛等特殊行为，对评估内容、指标体系和评估算法进行调整优化，形成特殊行业重点单位消防安全评估模型。拟采用业内相对成熟完善的分析模型，根据智慧消防建设对智能化应用的实际需求，与相关科研院所和厂商共同发展相关算法。在此基础上，实现智能分析应用服务的构建，包括:1、分

9、析算法模型的微服务移植封装根据微服务开发框架和业务支撑应用技术规范要求，在算法模型基础上进行移植和微服务封装，使之符合SOA架构与SpringC1OUd框架，能够在微服务集群中发布、部署、注册、运行，可被其他应用服务及任务调度机制调用，并被统一监测和管理。2、分析计算所需专题库数据集构建根据数据中台整体架构，需将分析算法所依赖的数据集作为库表纳入数据资源池专题库，其建立方式符合专题库设计规范，并确定专题库数据订阅、更新方式。当需要实时分析时,需在专题库建立基于数据变化的触发机制，发起对算法服务的调用，以随时产生分析结果。3、分析算法模型效用的追踪与持续演进随着专题库中数据集的积累，可利用后验性

10、数据与算法结果进行比对，依靠算法内部或外部偏差度分析机制对算法结果质量进行分析，并根据算法运行性能日志和异常日志，形成算法效用评估结果，作为算法进一步改进的依据。五、城市消防安全评估分析模型城市消防安全评估分析模型基于城市地理与自然条件、产业分布、建筑密度及类型分布、重大危险源、人员密集场所、消防系统健康情况、单位消防管理水平、灭火救援机构分布及处置能力、消防安全宣传教育、消防经费预算与投入和历史火灾事故状况等一级指标，通过自顶向下形成指标体系。通过指标体系，确定其权重分布，能够输出多层级城市消防安全评价分值。拟采用业内相对成熟完善的分析模型，根据智慧消防建设对智能化应用的实际需求，与相关科研

11、院所和厂商共同发展相关算法。在此基础上，实现智能分析应用服务的构建，包括:1、分析算法模型的微服务移植封装根据微服务开发框架和业务支撑应用技术规范要求，在算法模型基础上进行移植和微服务封装，使之符合SOA架构与SpringCIOUd框架，能够在微服务集群中发布、部署、注册、运行，可被其他应用服务及任务调度机制调用，并被统一监测和管理。2、分析计算所需专题库数据集构建根据数据中台整体架构，需将分析算法所依赖的数据集作为库表纳入数据资源池专题库，其建立方式符合专题库设计规范，并确定专题库数据订阅、更新方式。当需要实时分析时,需在专题库建立基于数据变化的触发机制，发起对算法服务的调用，以随时产生分析

12、结果。3、分析算法模型效用的追踪与持续演进随着专题库中数据集的积累，可利用后验性数据与算法结果进行比对，依靠算法内部或外部偏差度分析机制对算法结果质量进行分析，并根据算法运行性能日志和异常日志，形成算法效用评估结果，作为算法进一步改进的依据。六、区域消防安全综合评估分析模型区域消防安全综合评估分析模型基于区域建筑分布数据、规模体量数据、建筑消防系统数据、建筑消防管理数据、区域救援力量及救援条件数据，通过构建评估体系、确定指标权重、收集指标数据、计算风险得分，根据历史事件对体系及权重进行动态调整，并以区域消防安全等级及风险得分为输出。拟采用业内相对成熟完善的分析模型，根据智慧消防建设对智能化应用

13、的实际需求，与相关科研院所和厂商共同发展相关算法。在此基础上，实现智能分析应用服务的构建，包括:1、分析算法模型的微服务移植封装根据微服务开发框架和业务支撑应用技术规范要求，在算法模型基础上进行移植和微服务封装，使之符合SOA架构与SpringCIoUd框架，能够在微服务集群中发布、部署、注册、运行，可被其他应用服务及任务调度机制调用，并被统一监测和管理。2、分析计算所需专题库数据集构建根据数据中台整体架构，需将分析算法所依赖的数据集作为库表纳入数据资源池专题库，其建立方式符合专题库设计规范，并确定专题库数据订阅、更新方式。当需要实时分析时,需在专题库建立基于数据变化的触发机制，发起对算法服务

14、的调用，以随时产生分析结果。3、分析算法模型效用的追踪与持续演进随着专题库中数据集的积累，可利用后验性数据与算法结果进行比对，依靠算法内部或外部偏差度分析机制对算法结果质量进行分析，并根据算法运行性能日志和异常日志，形成算法效用评估结果，作为算法进一步改进的依据。七、全省消防安全综合评估分析模型全省消防安全综合评估分析模型基于城乡人口密度、消防经费投入情况、火灾隐患分布、建筑密度及高危建筑类型比例、重大危险源分布及类型、人员密集场所分布、单位及建筑消防水平、灭火救援能力、社会消防意识、历史火灾事故分布及损失等评估指标基础数据，通过构建评估指标体系和权重分布,利用分析引擎计算层次化消防安全综合评

15、分，并根据后验性数据对指标体系及权重分布进行有人介入的循环链训练提升，使之持续演进，更好适应经济社会条件下消防安全特点。拟采用业内相对成熟完善的分析模型，根据智慧消防建设对智能化应用的实际需求，与相关科研院所和厂商共同发展相关算法。在此基础上，实现智能分析应用服务的构建，包括:1、分析算法模型的微服务移植封装根据微服务开发框架和业务支撑应用技术规范要求，在算法模型基础上进行移植和微服务封装，使之符合SOA架构与SpringCIoUd框架，能够在微服务集群中发布、部署、注册、运行，可被其他应用服务及任务调度机制调用，并被统一监测和管理。2、分析计算所需专题库数据集构建根据数据中台整体架构，需将分析算法所依赖的数据集作为库表纳入数据资源池专题库，其建立方式符合专题库设计规范，并确定专题库数据订阅、更新方式。当需要实时分析时,需在专题库建立基于数据变化的触发机制，发起对算法服务的调用，以随时产生分析结果。3、分析算法模型效用的追踪与持续演进随着专题库中数据集的积累，可利用后验性数据与算法结果进行比对，依靠算法内部或外部偏差度分析机制对算法结果质量进行分析，并根据算法运行性能日志和异常日志，形成算法效用评估结果，作为算法进一步改进的依据。