欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種建筑消防風(fēng)險等級預(yù)測方法及系統(tǒng)與流程

文檔序號:12735062閱讀:184來源:國知局
一種建筑消防風(fēng)險等級預(yù)測方法及系統(tǒng)與流程

本發(fā)明涉及基于大數(shù)據(jù)分類算法的等級預(yù)測技術(shù),尤其涉及一種基于大數(shù)據(jù)分類算法的建筑消防風(fēng)險等級預(yù)測方法及系統(tǒng)。



背景技術(shù):

隨著近年社會經(jīng)濟的快速發(fā)展,消防工作面臨的新情況、新問題不斷增多,消防安全形勢依然嚴(yán)峻,區(qū)域性火災(zāi)隱患突出,總體上仍處于火災(zāi)易發(fā)、多發(fā)期,給消防工作帶來嚴(yán)峻的挑戰(zhàn)和考驗。目前,為了排查建筑消防安全隱患,降低建筑消防安全風(fēng)險,各地消防管理部門加大了針對建筑物的消防安全檢測。其中,所述的消防安全檢測指的是消防安全管理部門或者檢測機構(gòu)對指定建筑消防設(shè)施進行全面檢測,并量化記錄各個消防設(shè)施狀態(tài)的一系列檢查行為。基于消防檢測形成的量化數(shù)據(jù),進行指定建筑物的消防風(fēng)險等級預(yù)測評定,以確定該建筑是否屬于高風(fēng)險建筑,這樣消防主管部門便能以此確定重點火災(zāi)隱患防范目標(biāo),從而加強高風(fēng)險建筑的管理,降低消防事故的發(fā)生幾率。然而,由于消防檢測數(shù)據(jù)量非常龐大,數(shù)據(jù)關(guān)系復(fù)雜,消防風(fēng)險等級預(yù)測評定需要耗費大量人力,從而導(dǎo)致評定人員的工作量和工作負擔(dān)大,而且評定結(jié)果往往受限于評定人的經(jīng)驗水平等,容易導(dǎo)致評定結(jié)果不穩(wěn)定、準(zhǔn)確度低等缺點。



技術(shù)實現(xiàn)要素:

為了解決上述的技術(shù)問題,本發(fā)明的目的是提供一種基于大數(shù)據(jù)分類算法的建筑消防風(fēng)險等級預(yù)測方法,從而提高建筑消防風(fēng)險等級預(yù)測的處理效率、穩(wěn)定性和準(zhǔn)確性。

本發(fā)明的另一目的是提供一種基于大數(shù)據(jù)分類算法的建筑消防風(fēng)險等級預(yù)測系統(tǒng),從而提高建筑消防風(fēng)險等級預(yù)測的處理效率、穩(wěn)定性和準(zhǔn)確性。

本發(fā)明采用的一技術(shù)方案為:一種建筑消防風(fēng)險等級預(yù)測方法,該方法的步驟包括有:

獲取建筑消防檢測結(jié)果信息;

將獲得的建筑消防檢測結(jié)果信息輸入至SVM分類器中進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別。

進一步,所述將獲得的建筑消防檢測結(jié)果信息輸入至SVM分類器中進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別這一步驟之前設(shè)有構(gòu)建SVM分類器這一步驟,所述構(gòu)建SVM分類器這一步驟包括有:

獲取SVM分類器的訓(xùn)練數(shù)據(jù)集,其中,所述訓(xùn)練數(shù)據(jù)集包括訓(xùn)練輸入數(shù)據(jù)和訓(xùn)練輸出數(shù)據(jù),所述訓(xùn)練輸入數(shù)據(jù)包括歷史建筑消防檢測結(jié)果信息,所述訓(xùn)練輸出數(shù)據(jù)包括歷史建筑消防風(fēng)險等級類別;

從預(yù)設(shè)的多個參數(shù)對中選取一參數(shù)對來分別作為誤差懲罰因子初始值和核參數(shù)初始值;

利用獲得的SVM分類器的訓(xùn)練數(shù)據(jù)集、誤差懲罰因子初始值和核參數(shù)初始值,從而對SVM分類器進行訓(xùn)練;

判斷訓(xùn)練結(jié)束后得到的SVM分類器所輸出的建筑消防風(fēng)險等級類別是否滿足預(yù)定的準(zhǔn)確率要求,若是,則將當(dāng)前訓(xùn)練結(jié)束后得到的SVM分類器作為所需構(gòu)建的SVM分類器;反之,則返回重新執(zhí)行所述從預(yù)設(shè)的多個參數(shù)對中選取一參數(shù)對來分別作為誤差懲罰因子初始值和核參數(shù)初始值這一步驟。

進一步,所述判斷訓(xùn)練結(jié)束后得到的SVM分類器所輸出的建筑消防風(fēng)險等級類別是否滿足預(yù)定的準(zhǔn)確率要求這一步驟,其包括有:

將測試數(shù)據(jù)集中的歷史建筑消防檢測結(jié)果信息輸入至訓(xùn)練結(jié)束后得到的SVM分類器進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別;

判斷輸出的建筑消防風(fēng)險等級類別與測試數(shù)據(jù)集中對應(yīng)的歷史建筑消防風(fēng)險等級類別之間的誤差是否滿足預(yù)定的準(zhǔn)確率要求。

進一步,所述多個參數(shù)對的構(gòu)建步驟,其包括有:

根據(jù)誤差懲罰因子的取值范圍和核參數(shù)的取值范圍,構(gòu)建由取值范圍內(nèi)所有誤差懲罰因子的數(shù)值和核參數(shù)的數(shù)值組成的參數(shù)對,從而得到多個參數(shù)對。

進一步,所述誤差懲罰因子的取值范圍為[1,1000],和/或所述核參數(shù)的取值范圍為[0,100]。

進一步,所述獲取建筑消防檢測結(jié)果信息這一步驟,其包括有:

對建筑中的多個消防系統(tǒng)進行消防檢測,從而得到多個消防系統(tǒng)的消防檢測結(jié)果;

根據(jù)多個消防檢測結(jié)果,從而對應(yīng)判斷出多個消防系統(tǒng)分別所包含的不合格檢測項目個數(shù);

計算多個消防系統(tǒng)的項目得分率,所述多個消防系統(tǒng)的項目得分率構(gòu)成建筑消防檢測結(jié)果信息。

進一步,所述消防系統(tǒng)的項目得分率,其計算公式為:

其中,a表示為該消防系統(tǒng)的項目得分率,b表示為該消防系統(tǒng)所包含的不合格檢測項目個數(shù),c表示為該消防系統(tǒng)所包含的檢測項目總個數(shù)。

本發(fā)明采用的另一技術(shù)方案為:一種建筑消防風(fēng)險等級預(yù)測系統(tǒng),該系統(tǒng)包括:

獲取單元,用于獲取建筑消防檢測結(jié)果信息;

處理單元,用于將獲得的建筑消防檢測結(jié)果信息輸入至SVM分類器中進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別。

進一步,所述處理單元之前設(shè)有用于構(gòu)建SVM分類器的構(gòu)建單元,所述構(gòu)建單元具體包括:

訓(xùn)練數(shù)據(jù)獲取模塊,用于獲取SVM分類器的訓(xùn)練數(shù)據(jù)集,其中,所述訓(xùn)練數(shù)據(jù)集包括訓(xùn)練輸入數(shù)據(jù)和訓(xùn)練輸出數(shù)據(jù),所述訓(xùn)練輸入數(shù)據(jù)包括歷史建筑消防檢測結(jié)果信息,所述訓(xùn)練輸出數(shù)據(jù)包括歷史建筑消防風(fēng)險等級類別;

參數(shù)對獲取模塊,用于從預(yù)設(shè)的多個參數(shù)對中選取一參數(shù)對來分別作為誤差懲罰因子初始值和核參數(shù)初始值;

訓(xùn)練模塊,用于利用獲得的SVM分類器的訓(xùn)練數(shù)據(jù)集、誤差懲罰因子初始值和核參數(shù)初始值,從而對SVM分類器進行訓(xùn)練;

判斷處理模塊,用于判斷訓(xùn)練結(jié)束后得到的SVM分類器所輸出的建筑消防風(fēng)險等級類別是否滿足預(yù)定的準(zhǔn)確率要求,若是,則將當(dāng)前訓(xùn)練結(jié)束后得到的SVM分類器作為所需構(gòu)建的SVM分類器;反之,則返回重新執(zhí)行參數(shù)對獲取模塊所對應(yīng)的數(shù)據(jù)處理流程。

進一步,所述獲取單元包括:

檢測結(jié)果獲取模塊,用于對建筑中的多個消防系統(tǒng)進行消防檢測,從而得到多個消防系統(tǒng)的消防檢測結(jié)果;

不合格項數(shù)判斷模塊,用于根據(jù)多個消防檢測結(jié)果,從而對應(yīng)判斷出多個消防系統(tǒng)分別所包含的不合格檢測項目個數(shù);

建筑消防檢測結(jié)果信息獲取模塊,用于計算多個消防系統(tǒng)的項目得分率,所述多個消防系統(tǒng)的項目得分率構(gòu)成建筑消防檢測結(jié)果信息。

本發(fā)明的有益效果是:通過使用本發(fā)明的方法,在建筑消防風(fēng)險等級預(yù)測過程中,僅需要獲取建筑消防檢測結(jié)果信息后,將獲得的建筑消防檢測結(jié)果信息輸入至訓(xùn)練好的SVM分類器中進行數(shù)據(jù)處理,便能獲得該建筑的消防風(fēng)險等級類別,這樣便能快速地實現(xiàn)對該建筑的消防風(fēng)險等級預(yù)測,處理效率高。并且本發(fā)明的方法是基于SVM分類器來實現(xiàn),無需依賴評估人的經(jīng)驗,這樣消除了因人工預(yù)測而導(dǎo)致產(chǎn)生的漏判、誤判等情況,達到快速、科學(xué)、標(biāo)準(zhǔn)、客觀進行建筑消防風(fēng)險等級類別預(yù)測的效果。

本發(fā)明的另一有益效果是:通過使用本發(fā)明的系統(tǒng),在制備過程中,僅需獲取單元獲取建筑消防檢測結(jié)果信息,然后處理單元將獲得的建筑消防檢測結(jié)果信息輸入至SVM分類器中進行數(shù)據(jù)處理后,便會輸出建筑消防風(fēng)險等級類別,這樣便能快速地實現(xiàn)該建筑的消防風(fēng)險等級預(yù)測,處理效率高。并且本發(fā)明的系統(tǒng)是基于SVM分類器來實現(xiàn),無需依賴評估人的經(jīng)驗,消除了因人工預(yù)測而導(dǎo)致產(chǎn)生的漏判、誤判等情況,達到快速、科學(xué)、標(biāo)準(zhǔn)、客觀進行建筑消防風(fēng)險等級類別預(yù)測的效果。

附圖說明

圖1是本發(fā)明一種建筑消防風(fēng)險等級預(yù)測方法的步驟流程示意圖;

圖2是本發(fā)明一種建筑消防風(fēng)險等級預(yù)測方法的一具體實施例步驟流程示意圖;

圖3是本發(fā)明一種建筑消防風(fēng)險等級預(yù)測系統(tǒng)的結(jié)構(gòu)框示意圖;

圖4是本發(fā)明一種建筑消防風(fēng)險等級預(yù)測系統(tǒng)的一具體實施例結(jié)構(gòu)框示意圖。

具體實施方式

如圖1所示,一種建筑消防風(fēng)險等級預(yù)測方法,該方法的步驟包括有:

獲取建筑消防檢測結(jié)果信息;

將獲得的建筑消防檢測結(jié)果信息輸入至SVM分類器中進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別。

進一步作為本實施例的優(yōu)選實施方式,所述將獲得的建筑消防檢測結(jié)果信息輸入至SVM分類器中進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別這一步驟之前設(shè)有構(gòu)建SVM分類器這一步驟。

實施例1、建筑消防檢測結(jié)果信息、訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集的獲取

對于所述建筑消防檢測結(jié)果信息的獲取,其具體步驟包括有:

步驟一、將建筑中的所有消防檢測項目按照不同的消防系統(tǒng)類別(例如:消防給水系統(tǒng)、氣體滅火系統(tǒng)、溫度感應(yīng)系統(tǒng)等)以及重要等級(對一個消防系統(tǒng)中的不同消防檢測項目按照其影響程度進行級別分類,總體按照項目對消防系統(tǒng)運行影響大小分為三級,分別為:較大影響項目、一般影響項目、較小影響項目)進行分組分類。具體分類列表如下所示:

由上述列表可見,在本實施例中,一建筑所包含的消防系統(tǒng)個數(shù)為21個;

步驟二、通過各種檢測儀器對建筑中的21個消防系統(tǒng)進行消防檢測,從而得到21個消防系統(tǒng)的消防檢測結(jié)果,然后根據(jù)21個消防檢測結(jié)果,從而對應(yīng)判斷出21個消防系統(tǒng)分別所包含的不合格檢測項目個數(shù);

步驟三、計算21個消防系統(tǒng)的項目得分率,其中,所述消防系統(tǒng)的項目得分率a的計算公式為:

其中,b表示為該消防系統(tǒng)所包含的不合格檢測項目個數(shù),c表示為該消防系統(tǒng)所包含的檢測項目總個數(shù);

步驟四、將步驟三中計算得到的21個項目得分率組成一個21維的向量x=[a1,a2,…,a21],該向量x則表示為一建筑消防檢測結(jié)果信息。

由上述可知,通過采用上述的建筑消防檢測結(jié)果信息獲取步驟,便能計算得出所有建筑的建筑消防檢測結(jié)果信息,構(gòu)成全體數(shù)據(jù)集X={xn,n∈R}。另外,對于建筑消防風(fēng)險等級類別,其分為高風(fēng)險建筑和非高風(fēng)險建筑這兩個等級類別,其中,高風(fēng)險建筑標(biāo)注為1,非高風(fēng)險建筑標(biāo)注為-1,這樣便能根據(jù)歷史建筑消防風(fēng)險等級類別來對全體數(shù)據(jù)集X中的所有元素x進行標(biāo)號分類,即一建筑消防檢測結(jié)果信息對應(yīng)一個建筑消防風(fēng)險等級類別。

在本實施例中,從標(biāo)注等級類別后的全體數(shù)據(jù)集X中隨機取出60%的數(shù)據(jù)來組成訓(xùn)練數(shù)據(jù)集Strain={(xn,yn)|xn∈X,yn∈{-1,1},n=1,2,3…},其中,xn為第n個建筑消防檢測結(jié)果信息,yn為對應(yīng)第n個建筑消防風(fēng)險等級類別;其余40%的數(shù)據(jù)則作為測試數(shù)據(jù)集Stest={(xm,ym)|xm∈X,ym∈{-1,1},m=1,2,3…},其中,xm為第m個建筑消防檢測結(jié)果信息,ym為對應(yīng)第m個建筑消防風(fēng)險等級類別。對于所述的訓(xùn)練數(shù)據(jù)集,其用于訓(xùn)練SVM分類器,得到對應(yīng)數(shù)據(jù)集下的模型參數(shù),而測試數(shù)據(jù)集則用于檢驗這一參數(shù)水平下對不參與訓(xùn)練的數(shù)據(jù)的預(yù)測準(zhǔn)確率,從而分析模型的泛化能力,判斷出訓(xùn)練結(jié)束后得到的SVM分類器是否為所需構(gòu)建的SVM分類器。對于所述訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集,其中所包含的建筑消防檢測結(jié)果信息實質(zhì)為歷史建筑消防檢測結(jié)果信息,而其對應(yīng)的建筑消防風(fēng)險等級類別則為歷史建筑消防風(fēng)險等級類別。

實施例2、一種建筑消防風(fēng)險等級預(yù)測方法

如圖2所示,一種建筑消防風(fēng)險等級預(yù)測方法,其具體步驟如下所示。

步驟S101、構(gòu)建SVM分類器。

對于SVM分類器,其訓(xùn)練數(shù)據(jù)集為{(x1,y1),(x2,y2),…,(xn,yn)},其中,xi∈Rn為輸入向量,yi∈{-1,1}為輸出向量,假設(shè)該訓(xùn)練集可被一個超平面W·X+b=0線性劃分,問題轉(zhuǎn)化為求最優(yōu)化超平面問題,如以下第一公式所示:

而對于非線性可分的情況,可以通過一個映射函數(shù)(在SVM稱核函數(shù)),將低維的輸入空間Rn映射到高維的特征空間H,使線性可分,也就是說,優(yōu)化問題可轉(zhuǎn)化為如以下第二公式所示:

然后,解出上述第二公式的最優(yōu)化函數(shù)為:

從上述最優(yōu)化函數(shù)公式可以得出,選擇合適的函數(shù)K(·)和C便可確定SVM分類器。在本實施例中優(yōu)選采用RBF徑向基核函數(shù),即K(Xi,Xj)=exp(-γ||Xi-Xj||)2,來確定SVM分類器,即本實施例的SVM分類器為基于RBF徑向基核函數(shù)的SVM分類器,這樣所述SVM分類器的優(yōu)化問題最終轉(zhuǎn)化為參數(shù)對(誤差懲罰因子C,核函數(shù)γ)的選擇問題。

由上述可得,對于所述步驟S101,其具體包括的子步驟有:

S1011、獲取SVM分類器的訓(xùn)練數(shù)據(jù)集Strain={(xn,yn)|xn∈X,yn∈{-1,1},n=1,2,3…},其中,所述訓(xùn)練數(shù)據(jù)集包括訓(xùn)練輸入數(shù)據(jù)和訓(xùn)練輸出數(shù)據(jù),所述訓(xùn)練輸入數(shù)據(jù)包括歷史建筑消防檢測結(jié)果信息,所述訓(xùn)練輸出數(shù)據(jù)包括歷史建筑消防風(fēng)險等級類別;

S1012、從預(yù)設(shè)的多個參數(shù)對中選取一參數(shù)對來分別作為誤差懲罰因子初始值和核參數(shù)初始值;

其中,對于所述多個參數(shù)對,其是根據(jù)誤差懲罰因子C的取值范圍和核參數(shù)γ的取值范圍,從而構(gòu)建由取值范圍內(nèi)所有誤差懲罰因子C的數(shù)值和核參數(shù)γ的數(shù)值組成的參數(shù)對而得到的;優(yōu)選地,所述誤差懲罰因子C的取值范圍為[1,1000],所述核參數(shù)γ的取值范圍為[0,100];

S1013、利用獲得的SVM分類器的訓(xùn)練數(shù)據(jù)集、誤差懲罰因子初始值和核參數(shù)初始值,從而對SVM分類器進行訓(xùn)練;

S1014、判斷訓(xùn)練結(jié)束后得到的SVM分類器所輸出的建筑消防風(fēng)險等級類別是否滿足預(yù)定的準(zhǔn)確率要求,若是,則將當(dāng)前訓(xùn)練結(jié)束后得到的SVM分類器作為所需構(gòu)建的SVM分類器;反之,則返回重新執(zhí)行所述從預(yù)設(shè)的多個參數(shù)對中選取一參數(shù)對來分別作為誤差懲罰因子初始值和核參數(shù)初始值這一步驟;

對于所述的步驟S1014,其具體包括有:

S10141、將測試數(shù)據(jù)集中的歷史建筑消防檢測結(jié)果信息輸入至訓(xùn)練結(jié)束后得到的SVM分類器進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別;

S10142、判斷步驟S10141輸出的建筑消防風(fēng)險等級類別與測試數(shù)據(jù)集中對應(yīng)的歷史建筑消防風(fēng)險等級類別之間的誤差是否滿足預(yù)定的準(zhǔn)確率要求,若是,則將當(dāng)前訓(xùn)練結(jié)束后得到的SVM分類器作為所需構(gòu)建的SVM分類器,并記錄下當(dāng)前所使用的誤差懲罰因子C數(shù)值C0和核參數(shù)γ數(shù)值γ0,即此時訓(xùn)練好的SVM分類器為基于參數(shù)對(C00)的SVM分類器,反之,則返回重新執(zhí)行步驟S1012從預(yù)設(shè)的多個參數(shù)對中選取下一個參數(shù)對來分別作為誤差懲罰因子初始值和核參數(shù)初始值,從而結(jié)合獲得的訓(xùn)練數(shù)據(jù)集重新對SVM分類器進行訓(xùn)練,直到訓(xùn)練結(jié)束后得到的SVM分類器所輸出的建筑消防風(fēng)險等級信息滿足預(yù)定的準(zhǔn)確率要求為止。

步驟S102、對未評估預(yù)測過的實際建筑進行消防檢測,利用實施例1中所述的建筑消防檢測結(jié)果信息獲取步驟,從而得到該實際建筑的建筑消防檢測結(jié)果信息x’。

步驟S103、將步驟S102獲得的建筑消防檢測結(jié)果信息x’輸入至基于參數(shù)對(C00)的SVM分類器中進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別y’,即其為所求的建筑風(fēng)險等級評估結(jié)果。

對于上述方法實施例中所描述的所有技術(shù)特征,其均適用于以下系統(tǒng)實施例中。

實施例3、一種建筑消防風(fēng)險等級預(yù)測系統(tǒng)

如圖3所示,一種建筑消防風(fēng)險等級預(yù)測系統(tǒng),該系統(tǒng)包括:

獲取單元,用于獲取建筑消防檢測結(jié)果信息;

處理單元,用于將獲得的建筑消防檢測結(jié)果信息輸入至SVM分類器中進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別。對于所述的獲取單元和處理單元,其可利用處理器來實現(xiàn)。

作為本系統(tǒng)實施例的優(yōu)選實施方式,如圖4所示,所述處理單元之前設(shè)有用于構(gòu)建SVM分類器的構(gòu)建單元,所述構(gòu)建單元具體包括:

訓(xùn)練數(shù)據(jù)獲取模塊,用于獲取SVM分類器的訓(xùn)練數(shù)據(jù)集,其中,所述訓(xùn)練數(shù)據(jù)集包括訓(xùn)練輸入數(shù)據(jù)和訓(xùn)練輸出數(shù)據(jù),所述訓(xùn)練輸入數(shù)據(jù)包括歷史建筑消防檢測結(jié)果信息,所述訓(xùn)練輸出數(shù)據(jù)包括歷史建筑消防風(fēng)險等級類別;

參數(shù)對獲取模塊,用于從預(yù)設(shè)的多個參數(shù)對中選取一參數(shù)對來分別作為誤差懲罰因子初始值和核參數(shù)初始值;

訓(xùn)練模塊,用于利用獲得的SVM分類器的訓(xùn)練數(shù)據(jù)集、誤差懲罰因子初始值和核參數(shù)初始值,從而對SVM分類器進行訓(xùn)練;

判斷處理模塊,用于判斷訓(xùn)練結(jié)束后得到的SVM分類器所輸出的建筑消防風(fēng)險等級類別是否滿足預(yù)定的準(zhǔn)確率要求,若是,則將當(dāng)前訓(xùn)練結(jié)束后得到的SVM分類器作為所需構(gòu)建的SVM分類器;反之,則返回重新執(zhí)行參數(shù)對獲取模塊所對應(yīng)的數(shù)據(jù)處理流程。

作為本系統(tǒng)實施例的優(yōu)選實施方式,所述判斷訓(xùn)練結(jié)束后得到的SVM分類器所輸出的建筑消防風(fēng)險等級類別是否滿足預(yù)定的準(zhǔn)確率要求,其包括有:

將測試數(shù)據(jù)集中的歷史建筑消防檢測結(jié)果信息輸入至訓(xùn)練結(jié)束后得到的SVM分類器進行數(shù)據(jù)處理,從而輸出建筑消防風(fēng)險等級類別;

判斷輸出的建筑消防風(fēng)險等級類別與測試數(shù)據(jù)集中對應(yīng)的歷史建筑消防風(fēng)險等級類別之間的誤差是否滿足預(yù)定的準(zhǔn)確率要求。

作為本系統(tǒng)實施例的優(yōu)選實施方式,所述多個參數(shù)對的構(gòu)建步驟,其包括有:

根據(jù)誤差懲罰因子的取值范圍和核參數(shù)的取值范圍,構(gòu)建由取值范圍內(nèi)所有誤差懲罰因子的數(shù)值和核參數(shù)的數(shù)值組成的參數(shù)對,從而得到多個參數(shù)對。

作為本系統(tǒng)實施例的優(yōu)選實施方式,所述誤差懲罰因子的取值范圍為[1,1000],和/或所述核參數(shù)的取值范圍為[0,100]。

作為本系統(tǒng)實施例的優(yōu)選實施方式,所述獲取單元包括:

檢測結(jié)果獲取模塊,用于對建筑中的多個消防系統(tǒng)進行消防檢測,從而得到多個消防系統(tǒng)的消防檢測結(jié)果;

不合格項數(shù)判斷模塊,用于根據(jù)多個消防檢測結(jié)果,從而對應(yīng)判斷出多個消防系統(tǒng)分別所包含的不合格檢測項目個數(shù);

建筑消防檢測結(jié)果信息獲取模塊,用于計算多個消防系統(tǒng)的項目得分率,所述多個消防系統(tǒng)的項目得分率構(gòu)成建筑消防檢測結(jié)果信息。

作為本系統(tǒng)實施例的優(yōu)選實施方式,所述消防系統(tǒng)的項目得分率,其計算公式為:

其中,a表示為該消防系統(tǒng)的項目得分率,b表示為該消防系統(tǒng)所包含的不合格檢測項目個數(shù),c表示為該消防系統(tǒng)所包含的檢測項目總個數(shù)。

由上述可得,本發(fā)明的方法和系統(tǒng)通過采用SVM支持向量機的構(gòu)建,并以歷史數(shù)據(jù)作為模型構(gòu)建的基礎(chǔ),從而基于大數(shù)據(jù)分類算法來實現(xiàn)建筑消防風(fēng)險等級預(yù)測,這樣則無需依賴評估人的經(jīng)驗及消防安全相關(guān)業(yè)務(wù)水平,消除因人為主觀因素而導(dǎo)致產(chǎn)生的漏判、誤判等情況,達到快速、科學(xué)、標(biāo)準(zhǔn)、客觀進行建筑消防風(fēng)險等級預(yù)測的效果。而且由于本發(fā)明是采用了所述的建筑消防檢測結(jié)果信息作為SVM分類器的輸入,及基于RBF徑向基核函數(shù)的SVM分類器,因此,不僅具有易于實現(xiàn)的優(yōu)點,而且其預(yù)測結(jié)果更符合實際需求,準(zhǔn)確度更高。

以上是對本發(fā)明的較佳實施進行了具體說明,但對本發(fā)明創(chuàng)造并不限于所述實施例,熟悉本領(lǐng)域的技術(shù)人員在不違背本發(fā)明精神的前提下還可做作出種種的等同變形或替換,這些等同的變形或替換均包含在本申請權(quán)利要求所限定的范圍內(nèi)。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
新乡县| 福海县| 秭归县| 福海县| 嘉善县| 临汾市| 大厂| 炉霍县| 梅州市| 南宫市| 晋宁县| 页游| 昔阳县| 永春县| 泗洪县| 宽甸| 赤壁市| 图们市| 邻水| 五大连池市| 奇台县| 五华县| 富顺县| 松阳县| 汕头市| 丰县| 金山区| 昌平区| 伊金霍洛旗| 樟树市| 福鼎市| 塘沽区| 托里县| 淳安县| 安泽县| 科技| 西乡县| 普宁市| 怀远县| 孙吴县| 赤水市|