一种基于相关性原理的消防灾情数据核查方法与流程

1.本发明涉及一种基于相关性原理的消防灾情数据核查方法,属于数据分析技术领域。


背景技术：

2.随着社会经济的发展，各类新业态和新经济类型不断涌现，相关场所发生火灾后，如何更准确描述、定义和分类新形势下的火灾属性，应用云计算、大数据技术更精准分析挖掘火灾背后的机理及趋势成为亟待解决的现实问题，而如何核查火灾统计数据的真实性是各类数据分析的基础。当前的火灾真实性核查面临以下问题：消防工作具有极强的社会化本质属性，政府、部门、单位和公民都是消防工作的责任主体，并承担不同的消防安全责任；而多数火灾的发生并不以人的意志为转移，特别是一些亡人火灾事故在时间和空间上都具有很强的随机性和偶发性。但由于火灾死亡绝对数控制考核指标本质上缺乏科学性，也不符合消防工作客观规律。采用火灾四项数据考核评价消防工作，查询准确度不高,一旦存在瞒报漏报问题，会导致统计数据偏差。


技术实现要素：

3.为了解决上述存在的技术问题，本发明提供一种基于相关性原理的消防灾情数据核查方法。
4.本发明的目的是通过下述技术方案实现的：一种基于相关性原理的消防灾情数据核查方法，其特征在于，包括如下步骤：
5.将火灾扑救总量i、抢险救援总量m、社会救助总量h、出动总量j作为输入源，进行皮尔森积矩计算，具体步骤如下：
6.步骤一：选取标准样本数据计算线性相关系数，线性相关系数计算公式如下：
7.计算火灾扑救总量和抢险救援总量、火灾扑救总量和出动总量的两个线性相关系数r
im
和r
ij
的平均值v1；
8.即v1＝(r
im
r
ij
)/2
9.线性相关系数计算公式：
10.即r
im
、r
ij
均可代入公式(1)计算得出相应的相关系数；
11.当计算r
im
时，xi为一段时间内火灾出动总量，yi为一段时间抢险救援总量；
12.当计算r
ij
时，xi为一段时间内火灾出动总量，yi为一段时间出动总量；
13.选取多段时间求相关系数；
14.步骤二：选取标准样本数据计算偏相关系数，偏相关系数计算公式如下：
[0015][0016]
其中v2为二阶偏相关，即火灾扑救总量为i、抢险救援总量为m、社会救助总量为h和出动总量为j，其中r
ij.h
是火灾扑救总量、出动总量和社会救助总量的二阶偏相关系数，公式如下：
[0017][0018]
其中r
ij
为火灾扑救总量和抢险救援总量的一阶偏相关系数；
[0019]rih
为火灾扑救总量和社会救助总量的一阶偏相关系数；
[0020]rjh
为出动总量和社会救助总量的一阶偏相关系数；
[0021]
步骤三：计算面向火灾数据质量的加权相关系数，加权相关系数计算公式如下：
[0022]
v3＝v1
×
k1 v2
×
k2(k1＝0.7，k2＝0.3)
[0023]
步骤四：根据数理统计的基本原理，相关系数在0.8-1.0为极强相关，在0.6-0.8为强相关，在0.4-0.6为中等程度相关，在0.2-0.4为弱相关，在0.0-0.2极弱相关或无相关。
[0024]
按照v1、v2、v3的相关系数值关系得到火灾数据相关性：
[0025]
若v2＞0.2，v1≥0.6，则火灾数据的真实性可信度较高；
[0026]
若v2＞0.2，v1＜0.6，v3≥0.6，则火灾数据的真实性可信度较高；
[0027]
若v2＞0.2，v1＜0.6，0.4≤v3＜0.6则火灾数据的真实性可信度一般；
[0028]
若v2＞0.2，v1＜0.6，v3＜0.2，或者v2≤0.2则火灾数据的真实性可信度较低。
[0029]
本发明方法基于数据统计的基本原理，利用相关性原理和基本的客观假设，着重解决消防灾情数据准确性不高、真实性欠缺的问题。通过基于相关性原理的消防灾情数据核查方法，实现灾情数据的有效核查，能客观真实反映地区消防安全工作的状况，也对消防事业的健康发展产生了许多有利影响。
附图说明
[0030]
图1是本发明火灾数据的真实性的可信度判别流程图。
具体实施方式
[0031]
本发明方案的设计基本原理和技术方案如下：
[0032]
(1)关于灾情数据相关性的基本假设
[0033]
火灾数量作为消防救援职责中的重要灾情，能客观真实反映地区消防安全工作的状况。在与各地消防救援人员的多次交流和调研过程中，我们得到了以下基本的假设：
[0034]
1、火灾的数据与灾情总量和出动次数往往是有相关性的。
[0035]
2、由于抢险救援、社会救助等干扰因素的影响，火灾数据与出动总量具有偏相关性。
[0036]
(2)基于相关性分析的消防灾情数据核查技术
[0037]
本发明应用皮尔森积矩数值化火灾的数据和出动次数的线性相关系数。
[0038]
1、皮尔森相关系数也称皮尔森积矩相关系数，是一种线性相关系数，是最常用的一种相关系数。我们将火灾扑救总量、抢险救援总量、社会救助总量、出动队伍总量、出动车辆总量、出动人员总量等进行皮尔森积矩计算。采用相关系数r数值化火灾的数据和出动次数的线性相关性。
[0039]
2、当其他变量被固定住，即将他们控制起来后，给定的任意两个变量之间的相关系数叫偏相关系数，偏相关系数才是真正反映两个变量相关关系的统计量。在此，我们控制抢险救援总量、社会救助总量的影响，用二阶偏相关系数来数值化火灾的数据和出动次数的偏相关性。
[0040]
3、面向火灾数据质量的加权相关性算法。
[0041]
二阶偏相关系数只能够反映已有数据中火灾总量和出动次数的数据质量，但是不能反映漏报、瞒报的情况。本方法设计了相关性加权算法，综合线性相关性和偏相关性来核查火灾数据的真实性。
[0042]
4、火灾数据的真实性的可信度判别流程：
[0043]
将火灾扑救总量i、抢险救援总量m、社会救助总量h、出动总量j等数据作为输入源，进行皮尔森积矩计算，依据关于灾情数据相关性的基本假设，通过火灾扑救总量和出动人员总量等因素的相关系数来核查火灾数据的真实性。
[0044]
具体步骤如下：
[0045]
步骤1：选取标准样本数据计算线性相关系数，线性相关系数计算公式如下：
[0046]
计算火灾扑救总量和抢险救援总量、火灾扑救总量和出动总量的两个线性相关系数r
im
和r
ij
的平均值v1；
[0047]
即v1＝(r
im
r
ij
)/2
[0048]
线性相关系数计算公式：
[0049]
即r
im
、r
ij
均可代入公式(1)计算得出相应的相关系数；
[0050]
当计算r
im
时，xi为一段时间内火灾出动总量，yi为一段时间抢险救援总量；
[0051]
当计算r
ij
时，xi为一段时间内火灾出动总量，yi为一段时间出动总量；
[0052]
选取多段时间求相关系数；
[0053]
步骤2：选取标准样本数据计算偏相关系数，偏相关系数计算公式如下：
[0054][0055]
其中v2为二阶偏相关，即火灾扑救总量为i、抢险救援总量为m、社会救助总量为h和出动总量为j，其中r
ij.h
是火灾扑救总量、出动总量和社会救助总量的二阶偏相关系数，公式如下：
[0056][0057]
其中r
ij
为火灾扑救总量和抢险救援总量的一阶偏相关系数；
[0058]rih
为火灾扑救总量和社会救助总量的一阶偏相关系数；
[0059]rjh
为出动总量和社会救助总量的一阶偏相关系数；
[0060]
步骤3：计算面向火灾数据质量的加权相关系数，加权相关系数计算公式如下：
[0061]
v3＝v1
×
k1 v2
×
k2(k1＝0.7，k2＝0.3)
[0062]
步骤4：根据数理统计的基本原理，相关系数在0.8-1.0为极强相关，在0.6-0.8为强相关，在0.4-0.6为中等程度相关，在0.2-0.4为弱相关，在0.0-0.2极弱相关或无相关。