← 返回列表

一种基于人工智能的建筑火灾危险预测系统及方法

申请号: CN202410166323.1
申请人: 北京兴百建设安装集团有限公司
申请日期: 2024/2/6

摘要文本

本发明公开了一种基于人工智能的建筑火灾危险预测系统及方法,系统包括:数据采集模块、数据预处理模块、基于合成数据扩充危险数据集模块、构建火灾危险预测模型模块、火灾危险预测模型参数搜索模块和建筑实时火灾危险预测模块。本发明属于危险预测技术领域,利用预测标签和预测指标将数据分为不同的类和组,构建异质团簇,通过计算最大集群大小,确定需要生成的合成数据数量,结合伯努利分布、KNN算法和插值权重生成合成数据;设计适用于火灾危险预测的预测值计算公式和损失函数,采用梯度下降来更新预测指标的权重;计算个体位置的多样性,动态调整惯性权重和收敛因子,基于个人认知和社会认知设计个体的位置更新策略。 (更多数据,详见)

专利详细信息

项目 内容
专利名称 一种基于人工智能的建筑火灾危险预测系统及方法
专利类型 发明申请
申请号 CN202410166323.1
申请日 2024/2/6
公告号 CN117708690A
公开日 2024/3/15
IPC主分类号 G06F18/2413
权利人 北京兴百建设安装集团有限公司
发明人 宋振丽
地址 北京市大兴区礼贤镇乾平路1号自贸试验区大兴机场片区A号楼0658号

专利主权项内容

1.一种基于人工智能的建筑火灾危险预测系统,其特征在于:包括数据采集模块、数据预处理模块、基于合成数据扩充危险数据集模块、构建火灾危险预测模型模块、火灾危险预测模型参数搜索模块和建筑实时火灾危险预测模块;所述基于合成数据扩充危险数据集模块利用预测标签和预测指标将数据分为不同的类和组,构建异质团簇,通过计算最大集群大小,确定每个集合中需要生成的合成数据数量,结合伯努利分布、KNN算法和插值权重生成合成数据;所述构建火灾危险预测模型模块设计适用于火灾危险预测的预测值计算公式和损失函数,采用梯度下降来更新预测指标的权重,通过迭代多次训练和更新权重的过程来优化模型,基于最大训练次数确定权重并构建模型;所述火灾危险预测模型参数搜索模块计算个体位置的多样性,动态调整惯性权重和收敛因子,基于个人认知和社会认知设计个体的位置更新策略,基于适应度值评估阈值和最大搜索次数确定模型参数。