基于AI大模型的智慧园区火灾预警报警系统的制作方法

摘要: 本发明涉及火灾预警报警,具体涉及基于ai大模型的智慧园区火灾预警报警系统。背景技术:1、随着智慧园区建设的发展,园区内建筑、生产设备、储能设施以及消防设备等多类...
基于AI大模型的智慧园区火灾预警报警系统的制作方法

本发明涉及火灾预警报警,具体涉及基于ai大模型的智慧园区火灾预警报警系统。

背景技术:

1、随着智慧园区建设的发展,园区内建筑、生产设备、储能设施以及消防设备等多类对象逐渐实现数字化管理,火灾预警报警系统需要结合园区空间布局、设备运行状态以及消防资源配置等多维信息,对不同区域的火灾风险进行感知和分析。基于人工智能技术的发展,利用ai大模型对多源监测数据进行关联分析,为智慧园区火灾风险识别、异常状态判断以及消防联动提供了新的技术途径。

2、现有基于ai大模型的智慧园区火灾预警报警系统在利用多源监测数据进行火灾分析时,不同监测区域内火灾风险源对象、监测对象以及消防处置对象之间的关联关系难以充分结合区域差异进行表达,生成的火灾事件与实际监测证据之间缺少进一步验证过程;同时,当候选火灾事件对应的部分火灾证据未及时形成时,难以根据缺失证据对应的监测对象和时间范围进行针对性补充验证,导致报警确认过程对区域风险变化和证据完整性的适应能力不足,影响火灾预警报警结果与实际风险状态之间的匹配程度。

技术实现思路

1、为解决上述技术问题,提供基于ai大模型的智慧园区火灾预警报警系统,本技术方案解决了上述背景技术中提出的现有的基于ai大模型的智慧园区火灾预警报警系统对不同监测区域内火灾风险源对象、监测对象及消防处置对象关联关系难以结合区域差异进行分析,候选火灾事件与实际监测证据缺少验证机制,部分缺失证据难以针对性补充,影响火灾预警报警结果与实际风险状态的匹配的问题。

2、为达到以上目的,本发明采用的技术方案为:

3、基于ai大模型的智慧园区火灾预警报警系统,包括:

4、区域配置模块,用于将智慧园区划分为多个监测区域,获取各监测区域的火灾风险源对象、监测对象和消防处置对象,关联火灾风险源对象与监测对象形成区域火灾风险配置,并记录消防处置对象的作用范围和运行状态;

5、火灾监测模块,用于获取各监测区域的火灾监测数据,按监测对象和采集时刻关联形成火灾证据单元,确定目标监测区域及初始异常证据;

6、区域分析模块,用于将目标监测区域的区域火灾风险配置、初始异常证据及与火灾风险源对象关联的火灾证据单元输入ai大模型,生成候选火灾事件及预期火灾证据关系,所述预期火灾证据关系包括待验证火灾证据、对应监测对象及允许出现时段;

7、证据验证模块,用于从火灾证据单元中获取实际火灾证据,与待验证火灾证据匹配,对未匹配的待验证火灾证据形成火灾证据缺口,根据火灾证据缺口对应的监测对象和允许出现时段确定验证时段,获取验证时段内对应监测对象的火灾监测数据形成验证火灾证据,并确定火灾证据缺口的补足结果;

8、预警报警模块,用于输出目标监测区域的火灾预警信号,并在已匹配的待验证火灾证据及火灾证据缺口的补足结果满足报警确认条件时输出火灾报警信号;

9、联动处置模块,用于在输出火灾报警信号后,从满足报警确认条件的候选火灾事件中确定候选火灾风险源对象,根据候选火灾风险源对象及消防处置对象的作用范围、运行状态确定目标消防处置对象,输出消防联动信息。

10、在可选的实施例中,所述多个监测区域的划分过程包括:

11、根据智慧园区内火灾风险源对象、监测对象和消防处置对象之间的空间分布关系,将智慧园区划分为多个监测区域;

12、针对各监测区域内的火灾风险源对象和监测对象建立关联关系;

13、按照消防处置对象的作用范围,将消防处置对象与对应监测区域建立关联,形成各监测区域对应的对象配置关系。

14、在可选的实施例中,所述区域火灾风险配置的形成过程包括:

15、基于各监测区域对应的对象配置关系,确定监测区域内的火灾风险源对象及其关联监测对象;

16、结合火灾风险源对象与监测对象之间的对应关系,确定用于表征火灾风险源对象状态变化的火灾监测数据类型;

17、将火灾风险源对象、关联监测对象以及对应火灾监测数据类型进行关联配置,形成区域火灾风险配置;

18、同时将消防处置对象的作用范围和运行状态与对应监测区域建立关联。

19、在可选的实施例中,所述火灾证据单元和初始异常证据的形成过程包括:

20、基于区域火灾风险配置确定各监测对象对应的火灾监测数据;

21、将同一监测对象对应的不同采集时刻的火灾监测数据进行关联,形成火灾证据单元;

22、通过分析火灾证据单元中的火灾监测数据变化情况,确定存在异常变化的火灾证据单元;

23、结合异常变化的火灾证据单元对应的监测对象确定目标监测区域,并将对应火灾证据单元作为初始异常证据。

24、在可选的实施例中,所述候选火灾事件的生成过程包括:

25、从目标监测区域对应的区域火灾风险配置中确定关联的火灾风险源对象;

26、结合初始异常证据对应的监测对象,确定与火灾风险源对象关联的火灾证据单元;

27、将区域火灾风险配置、初始异常证据以及关联火灾证据单元组织为ai大模型输入数据;

28、通过ai大模型对火灾风险源对象、监测对象和火灾证据单元之间的关联关系进行分析,生成候选火灾事件。

29、在可选的实施例中,所述预期火灾证据关系的形成过程包括:

30、基于候选火灾事件确定用于验证该事件的待验证火灾证据;

31、结合待验证火灾证据确定对应监测对象,从候选火灾事件对应的已形成火灾证据中确定与待验证火灾证据存在时间关联的前置火灾证据;

32、按照前置火灾证据与待验证火灾证据之间的时间承接关系,确定待验证火灾证据对应的允许出现时段;

33、将待验证火灾证据、对应监测对象以及允许出现时段建立关联,形成预期火灾证据关系。

34、在可选的实施例中,所述火灾证据缺口的形成过程包括:

35、从预期火灾证据关系中确定待验证火灾证据、对应监测对象以及允许出现时段;

36、从对应监测对象形成的火灾证据单元中,确定采集时刻位于允许出现时段内的实际火灾证据;

37、将实际火灾证据与待验证火灾证据进行匹配,当实际火灾证据满足待验证火灾证据时,将对应待验证火灾证据确定为满足状态;

38、在允许出现时段内未形成满足待验证火灾证据的实际火灾证据时,将对应待验证火灾证据确定为未满足状态,并形成火灾证据缺口。

39、在可选的实施例中,所述火灾证据缺口的补足结果的确定过程包括:

40、结合火灾证据缺口对应的监测对象和允许出现时段确定验证时段;

41、在验证时段内获取对应监测对象产生的火灾监测数据,并形成验证火灾证据;

42、通过验证火灾证据与火灾证据缺口对应的待验证火灾证据进行匹配,确定验证火灾证据是否补足对应火灾证据缺口;

43、当验证火灾证据满足待验证火灾证据时,确定对应火灾证据缺口完成补足,并形成火灾证据缺口的补足结果。

44、在可选的实施例中,所述报警确认条件的确定过程包括:

45、结合候选火灾事件对应的预期火灾证据关系确定待验证火灾证据集合;

46、利用待验证火灾证据的满足状态确定已满足的待验证火灾证据;

47、结合火灾证据缺口的补足结果确定通过验证的待验证火灾证据;

48、基于已满足的待验证火灾证据和通过验证的待验证火灾证据,判断待验证火灾证据集合是否全部满足;

49、当待验证火灾证据集合中的待验证火灾证据均满足时,确定候选火灾事件满足报警确认条件,并输出火灾报警信号。

50、在可选的实施例中,所述消防联动信息的形成过程包括:

51、从满足报警确认条件的候选火灾事件中确定候选火灾风险源对象;

52、结合候选火灾风险源对象所属监测区域确定关联消防处置对象;

53、通过候选火灾风险源对象与消防处置对象作用范围之间的匹配关系,确定能够作用于候选火灾风险源对象的消防处置对象;

54、结合消防处置对象的运行状态筛选满足联动条件的目标消防处置对象;

55、利用候选火灾风险源对象和目标消防处置对象形成消防联动信息。

56、与现有技术相比,本发明的有益效果是:

57、1.本方案提出的基于ai大模型的智慧园区火灾预警报警系统,通过将智慧园区划分为多个监测区域,获取各监测区域内的火灾风险源对象、监测对象和消防处置对象,关联火灾风险源对象与监测对象形成区域火灾风险配置,并记录消防处置对象的作用范围和运行状态,实现面向不同监测区域的火灾风险对象关联管理,能够使火灾监测过程结合区域内设备分布、风险来源以及消防资源配置情况确定对应分析基础,提高火灾风险识别过程中区域特征信息的利用程度;

58、2.本方案提出的基于ai大模型的智慧园区火灾预警报警系统,通过将目标监测区域的区域火灾风险配置、初始异常证据及与火灾风险源对象关联的火灾证据单元输入ai大模型,生成候选火灾事件及包括待验证火灾证据、对应监测对象和允许出现时段的预期火灾证据关系,实现基于风险对象关联关系和火灾证据变化关系的候选火灾事件分析,能够使ai大模型输出结果与具体监测对象及火灾风险源对象建立对应关系,增强火灾异常状态分析过程中的证据关联能力;

59、3.本方案提出的基于ai大模型的智慧园区火灾预警报警系统,通过从火灾证据单元中获取实际火灾证据并与待验证火灾证据匹配,对未匹配的待验证火灾证据形成火灾证据缺口,根据火灾证据缺口对应的监测对象和允许出现时段确定验证时段,形成验证火灾证据并确定补足结果,同时在满足报警确认条件后确定目标消防处置对象,实现对候选火灾事件的证据验证和消防联动处置,能够根据缺失火灾证据对应的对象和时间范围进行针对性验证,提高报警确认过程对实际风险变化的适应能力。