快3平台

无锡智慧消防系统:人工智能在消防管网检测的

作者:快3平台有限公司 | 来源:bf4intel.com | 时间:2021-05-06

原标题:无锡智慧消防系统:人工智能在消防管网检测的应用

在火灾发生时,水是扑救火灾的主要灭火剂,足够的水量是扑灭火灾的基础保证。然而,供水不足、无水的现象在灭火救援中层出不穷。

据统计,在火灾扑救不利的案例中,81.5%的火场,消防供水不足,而在有效扑救的火灾案例中,93%的消防给水条件好。

定期对消防管网进行检测这是一项十分必要的工作。传统的消防管网检测往往是在痛和教训之后。少数企业会采用肉眼辨别的方式来判断异常,可对于日渐发展的大数据时代,这种方法显然是落后的。

1651824298178883.jpg

提出将人工智能应用于在消防管网检测

瑞眼科技基于瑞眼云远程监控系统获得的大量消防管网一手数据,用人工智能的一些方法对将来会发生的损失发出预警,以达到在积累经验的同时避免一些不必要损失的目的。

人工智能技术能通过自主学习海量的的历史数据和实时监测总结出实际的解决方案和对于未来的预测性洞察。由于同时分析过去的和实时的数据,AI技术能更容易的注意到数据的异常情况,并做出合理、合适的判断及推断。

人工智能主要有三大特点:

1、人工智能有自我学习的能力;

2、人工智能有储存的能力,同时兼有联想能力,能够与别的知识系统相联系;

3、人工智能能够进行自我优化。

将人工智能应用于消防管网的监测,该算法通过自主学习海量数据,对数据进行深度挖掘,得出阀门是否关闭、消防管网是否漏水等判别标准,从而可预先识别出阀门状态、消防管网漏水以及漏水具体位置。2016年8月,在黄浦区89栋民用建筑智慧消防系统建设项目中,瑞眼科技初次将人工智能技术应用于对消防管网的监测。系统可判断出消防管网中的异常情况。但不足的是,准确率仅50%。


异常检测算法带来新突破

从数学模型的观点上看,消防管网系统发生故障的是存在前兆的。那么如何刻画异常状态以及对异常状态及时预警,这是两个基本的问题。

与大多数领域一样,消防领域中的大数据基本是无标签的。因此异常检测中核心的问题是如何来识别异常,以及如何利用异常检测中的常见算法进行识别预警。基于统计的传统异常点检测模型是一些较好的工具,但是针对高维数据的统计分析往往表现不佳,瑞眼科技潜心研究,将机器学习领域的一些异常检测算法纳入考虑之中。

iForest:一种基于Bagging集成学习策略的非参数无监督异常检测方法,具有线性时间复杂度和高准确率。iForest与RandomForest都是基于Bagging的集成学习方法,在大数据上该策略具有天然的并行运算优势,高效地得到结果。

640.png

iForest决策面示意图

One-Class-SVM:假设所有非异常点落在高维空间中的超球体内(kernel方法),通过极小化超球体的体积来得到更优的超球面,进而得异常点的判定方法。

640 (2).jpg

 One-Class-SVM的决策超球面

DBSCAN:基于聚类的异常点检测方式被广泛使用,密度聚类的聚类过程自然地可以得到异常点,并且针对非凸的数据集表现优越。

640 (3).jpg

DBSCAN的聚类结果,类别数量小于阈值是异常点

瑞眼科技将管网系统中传感器历史时序数据,建筑物参数,管网参数等作为训练集建立相应的异常点检验模型以及趋势检测模型。在管网系统频繁起泵前,对消防管网漏水做出较为精准的预警,进而由传感器之间水压反馈的延迟性,基于故障定位算法预测漏水点的位置信息。最后,对上述模型的结果进行集成,给出更加稳健的预测,减少误报引起的损失。

640 (4).jpg

某消防管网的检漏结果(绿色点为代表检测到漏水)


设定智能压力标准

传统的消防管网系统中,传感器压力阈值根据国标进行设定,而对于非主管的传感器设备,没有标准可依。这些设备的数据往往直接被忽视。利用上述模型,在非异常点的数据给出上述传感器的智能压力的标准,提高管网系统中压力传感器的使用效率,能够更加精准地对管网的异常进行预警。


人工智能应用在实战中得以完善

2018年,通过AI异常监测算法对监控系统采集到的数据进行分析,得出了黄浦区89栋中部分建筑物的消防水系统管网阀门关闭,立即通知相应人员进行整改,及时消除了消防隐患。

随着人工智能技术的不断优化以及长时间物联网数据的喂养,系统判定的结果越来越精准,在黄浦区89栋民用建筑智慧消防系统建设项目中,达到了90%以上的准确率。同时,人工智能技术的成熟使得应用在其他的项目上大大缩短学习时间。

人工智能技术应用于实处,让智慧消防有了新的定义。瑞眼科技相信在不远的未来,会有更多的技术在消防领域得以运用。瑞眼科技也会铭记将城市更安全的使命,不断钻研,将无锡智慧消防系统实现真正的智慧。