消防管网检测中怎么让人工智能参与进来

3年前 (2022-01-24)阅读664回复0
admin
admin
  • 管理员
  • 发消息
  • 注册排名1
  • 经验值1103
  • 级别管理员
  • 主题217
  • 回复9
楼主

 近几年来,“智慧消防”领域正在蓬勃发展,与“智慧”一词相对应的人工智能技术在消防安全领域也迅速兴起。

 2017年10月18日,AI被写进了十九大报告“互联网,大数据,人工智能,《实体经济深度整合报告》之时,2017年10月10日,在全国范围内掀起一股“智慧消防”建设热潮,以“人工智能AI”技术为核心的智能消防建设。

 应用人工智能技术进行消防管网探测领域的创新。

 建筑火灾时,自动喷水系统和室内消防栓系统对预先控制火灾蔓延及后期消防设施起着至关重要的作用,在管网中应随时保证足够的水量,使整个系统正常运转。但在消防救援中,缺水、缺水的现象时有发生。

 对消防网络进行定期检查是消防管理中的一项重要内容,但是仅仅局限于传统的人为管理机制,其重要性往往是在火灾发生后才被重视。另外,行业中的管网检测方法一般仅通过检测结果对异常进行判断。无法保证系统功能完备,人工智能技术的发展带来了更加快速、精确的判断方法。

 智能检测在消防管网检测中的应用

 在智能消防平台中,基于机器学习的“iFOREST”等一系列异常检测算法。对建筑喷淋系统及室内消防栓系统,平台可通过安装在前端的物联网检测设备上传到消防设备数据,查看管网漏水情况,阀门开关状态等未监测设施设备的实时状态。另外,准确把握不正常设备及异常情况发生的地点,使使用者能迅速、容易地发现、处理火灾安全隐患,提高建筑安全。

 在2016年8月,基于机器学习的“iFOREST”算法的人工智能技术首次应用到上海市黄浦区89个民房智能消防系统建设项目中,对建筑消防给水系统进行检测。经检查发现,89栋建筑中,有13栋建筑的消防阀门被关闭,10栋建筑的消防网络出现多处漏水现象,对存在隐患的用户上报后,得到了用户的高度重视,并对此进行了分析,对此进行了分析,对此进行了分析,对此进行了分析,对此,对此进行了分析,确定了89栋建筑中有13处消防阀门被关闭,并对此进行了分析。

 反常检测算法是一次技术革命,是人工智能技术的新突破。

 AI的特征是,从关注个体智能到基于大数据系统的集体智能,判断的精确性得到广泛数据来源的保障。利用机器学习算法,自动调整判断标准的权值,使判断结果更加精确。根据数学模型,消防管网系统发生故障是有预兆的。因此,如何描述异常状态,并及时通知异常,是两个最基本的问题。

 在大部分领域,消防领域的大数据都没有标签。为此,在异常检测过程中,如何识别异常,利用通用算法对异常进行异常识别,成为异常检测的重点。传统的基于统计学的离群点检测模型是一种非常好的工具,但是对于高维数据的统计分析往往不能充分考虑机器学习领域中的异常检测算法。

 IFOREST——一种非参数无监督的非参数学习异常检测方法。

 这是一种线性时间复杂度高精度的机器学习算法。IForest和RandomForest是一种集成学习方式,它在大数据领域有着天然的并行计算优势,并能有效地得到结果。

 消防管网检测中人工智能的应用:iForest决策面图。

 IForest决策表面图。

 One-Class-SVM:假定所有异常点都位于高维空间的超球上(kernel方法)上,通过使超球的体积达到最小,从而判断异常点。

 智能火灾监控系统的应用:one-class-SVM决策方法的初步研究。

 一个SVM决策超球的类别。

 基于DBSCAN密度的聚类检测方法。

 在聚类中,异常检测方法被广泛使用,密度聚类的聚类过程自然能获得异常点,对于非凸数据集有很好的使用效果。

 应用人工智能技术进行消防管网检测:DBSCAN的聚类结果表明,分类数小于阈值是一个奇怪的问题。

 DBSCAN的聚类结果是类的数量小于阈值就是一个例外。

 通过对建筑物消防网络的历史数据进行实时监控,将建筑物、管网等参数整合为训练集,建立了相应的异常点检查模型和趋势检测模型。由于泵站频繁出现频繁,对管网泄漏进行准确预警,传感器间水压反馈延迟等原因,根据故障定位算法预测泄漏点的位置信息。通过综合以上方法得到的结果,可以更加可靠地进行预测,减少误报带来的损失。

 智能化技术在消防管网检测中的应用:一种消防管网泄漏检测结果。

 火警网路泄漏检测结果(绿点表示已发现泄漏)

 智能化设定安全压力标准。

 常规消防给水系统中,主网传感器压力阈值是按照国家有关标准设定的,对于安装在管网末端的传感器设备,应根据建筑物的实际情况及管网参数设定安全压力阈值。通常会直接忽略这些设备的数据。通过该模型,对异常点的数据给出了这些传感器的智能压力标准,从而提高了压力传感器在管网系统中的使用效率,并对异常进行更精确的预警。不断提高-在实战中成长的人工智能技术。

 本文对目前智能消防系统采集的数据进行了分析,得出黄浦区89栋建筑中部分建筑物的消防水系管网阀门和管网状况报告有误。该系统将隐匿的危险地点及时告知有关人员,及时消除了火灾隐患。

 由于人工智能技术的不断优化,以及对物联网数据的长期学习,系统判定结果越来越精确,在黄浦区89个民用建筑智能消防系统建设中,准确率达95%以上。与此同时,人工智能技术的成熟极大地减少了在其它项目中的学习时间。

 摘要

 由现有的城市消防预警中心到智能云服务平台,正逐步转变为业界及用户对智能消防的认识,人工智能技术与理念的不断渗透。由传统消防数据远程监测到运用人工智能AI进行消防管理,基于异常检测算法的人工智能技术对消防设施数据进行识别、分析、处理。把消防管理系统决策机制由“以工作为中心”转变为“数据预测”,管理机制由“萨博攻击手”变为“预测预警”,行为机制由“经验主义”变为“科学决策,智能调度”,将人工智能分析转化为行为优势。

回帖

消防管网检测中怎么让人工智能参与进来 期待您的回复!

取消
载入表情清单……
载入颜色清单……
插入网络图片

取消确定

图片上传中
编辑器信息
提示信息