申请/专利权人：北京中卓时代消防装备科技有限公司

申请日：2024-01-30

公开（公告）日：2024-06-11

公开（公告）号：CN117933085B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/08;G06N3/045;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种基于大数据的火灾蔓延模拟模型训练方法及系统，包括：获取历史和实时火灾蔓延数据集，用于训练一个预训练模型，该模型包含两个由历史火灾数据训练得到的特征学习网络，预训练模型的单独学习网络对历史和实时火灾蔓延数据进行特征编码，联合学习网络则集成分析这些编码结果，执行训练操作后，得到的火灾蔓延模拟模型优化了学习策略，并在模拟阶段中引用实时火灾蔓延数据。如此设计，通过利用大数据和深度学习技术，结合历史和实时火灾数据进行模型训练，可以更准确地预测火灾蔓延行为，提前采取应对措施，减少火灾对人类生命财产的损失。

主权项：1.一种基于大数据的火灾蔓延模拟模型训练方法，其特征在于，包括：获取历史火灾蔓延数据集和实时火灾蔓延数据集，所述历史火灾蔓延数据集中包括历史火灾蔓延数据，所述实时火灾蔓延数据集中包括实时火灾蔓延数据；根据至少两个火灾特征学习网络建立预训练模型，所述至少两个火灾特征学习网络由所述历史火灾蔓延数据训练得到，所述预训练模型中包括单独学习网络和联合学习网络，所述单独学习网络包括架构一致并且同时运作的第一单独学习网络和第二单独学习网络；其中，所述第一单独学习网络用于对所述历史火灾蔓延数据进行特征编码，所述第二单独学习网络用于对所述实时火灾蔓延数据进行特征编码；所述联合学习网络用于对所述单独学习网络的特征编码结果进行集成分析；通过所述历史火灾蔓延数据与所述实时火灾蔓延数据对所述预训练模型执行训练操作，得到火灾蔓延模拟模型，所述火灾蔓延模拟模型用于将所述历史火灾蔓延数据集对应的至少两个火灾特征学习网络的学习策略进行优化后，引用到对所述实时火灾蔓延数据的火灾蔓延模拟阶段中；所述根据至少两个火灾特征学习网络建立预训练模型，包括：根据所述至少两个火灾特征学习网络的序列关系，将位于末位的火灾特征学习网络作为起始位置，顺序选择至少一个火灾特征学习网络得到所述联合学习网络；将所述至少两个火灾特征学习网络中除所述联合学习网络之外的火灾特征学习网络确定为待定单独学习网络；将所述待定单独学习网络确定为所述第一单独学习网络或所述第二单独学习网络，建立所述单独学习网络；所述预训练模型还包括对所述历史火灾蔓延数据和所述实时火灾蔓延数据进行蔓延趋势类型识别的类别识别器；所述历史火灾蔓延数据对应标注有历史火灾蔓延预期结果，所述实时火灾蔓延数据对应标注有实时火灾蔓延预期结果；所述通过所述历史火灾蔓延数据与所述实时火灾蔓延数据对所述预训练模型执行训练操作，得到火灾蔓延模拟模型，包括：将所述历史火灾蔓延数据与所述实时火灾蔓延数据输入所述预训练模型，确定所述历史火灾蔓延数据对应的历史火灾蔓延输出结果以及所述实时火灾蔓延数据对应的实时火灾蔓延输出结果；基于所述历史火灾蔓延输出结果与所述历史火灾蔓延预期结果之间的偏差状态，确定所述历史火灾蔓延数据对应的历史火灾蔓延数据代价参量；基于所述实时火灾蔓延输出结果与所述实时火灾蔓延预期结果之间的偏差状态，确定所述实时火灾蔓延数据对应的实时火灾蔓延数据代价参量；基于所述预训练模型中的类别识别器，对所述历史火灾蔓延数据以及所述实时火灾蔓延数据进行蔓延趋势类型判定，确定类别识别误差值；将所述类别识别误差值与预置负向参量相乘，得到用于进行误差回传的回传代价参量；根据所述回传代价参量，对所述预训练模型对应的参数执行第一优化操作，确定参量更新值；根据所述历史火灾蔓延数据代价参量、所述实时火灾蔓延数据代价参量以及所述参量更新值，对所述预训练模型进行优化，得到待定火灾蔓延模拟模型；设定所述待定火灾蔓延模拟模型中联合学习网络对应的网络权值为定值；基于所述实时火灾蔓延数据集中的实时火灾蔓延数据，对所述待定火灾蔓延模拟模型中单独学习网络对应的网络权值进行优化，确定优化后的单独学习网络；将所述优化后的单独学习网络和所述联合学习网络组成所述火灾蔓延模拟模型。

全文数据：

权利要求：

百度查询： 北京中卓时代消防装备科技有限公司 一种基于大数据的火灾蔓延模拟模型训练方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD