[发明专利]一种基于突变点探测的火灾在线预警与快速分析方法

说明书

本发明涉及一种基于突变点探测的火灾在线预警与快速分析方法，包括以下步骤：获取各传感器的时序数据，建立数据缓冲区，缓冲海量时序数据；用多级Haar小波变换分解待检测的时序数据，同时构建均值二叉树TcA和差值二叉树TcD；基于改进的KS统计的基础上，分别提出两条突变点搜索规则，规则一是基于均值二叉搜索树，规则二是基于差值二叉搜索树，当规则一搜索不到突变点时，则采用规则二进行搜索，二者互为补充；最后，根据所述搜索规则从二叉树根结点开始，向下逐层寻找，找到一条突变点搜索路径，将检测到的突变点输出，实现火灾预警与在线分析。本发明能够提高火灾数据探测的及时性。

技术领域

本发明涉及火灾探测技术领域，特别是涉及一种基于突变点探测的火灾在线预警与快速分析方法。

背景技术

火灾探测是关系人民生命财产安全的重大手段，随着火灾探测技术的不断发展，人们对火灾的认识也越来越深入，不断涌现出新的探测手段。然而现有的大多数火灾探测器对火灾信号一直存在响应时间长，灵敏性低的问题，只能在火灾发生到难以控制的形势下才发出报警信号，且容易产生误报和漏报情况。而那些由于长期运行导致设备过载、过热、短路产生火灾的场所，如计算机机房、精密仪器实验中心、网络数据中心等，需要对火灾进行严格控制，确保在火灾发生初期就能及时发现火情并进行扑灭，减少财产损失。如何能在火灾处于萌芽状态时，准确实现火灾早期探测，提高火灾的报警的准确性，避免严重损失是目前亟待解决的一个重大问题。

发明内容

本发明所要解决的技术问题是提供一种基于突变点探测的火灾在线预警与快速分析方法，能够提高火灾数据探测的及时性。

本发明解决其技术问题所采用的技术方案是：提供一种基于突变点探测的火灾在线预警与快速分析方法，包括以下步骤：

(1)获取各传感器的时序数据，建立数据缓冲区，缓冲海量时序数据；

(2)用多级Haar小波变换分解待检测的时序数据，同时构建均值二叉树TcA和差值二叉树TcD；

(3)基于改进的KS统计的基础上，分别提出两条突变点搜索规则，规则一是基于均值二叉搜索树，规则二是基于差值二叉搜索树，当规则一搜索不到突变点时，则采用规则二进行搜索，二者互为补充；

(4)最后，根据所述搜索规则从二叉树根结点开始，向下逐层寻找，找到一条突变点搜索路径，将检测到的突变点输出，实现火灾预警与在线分析。

所述步骤(1)中的数据缓冲区采用队列结构，新产生的时序数据将按照时间顺序依次从队尾入列，当数据缓冲完成，进入数据处理过程时，缓冲数据又按时间顺序依次从队首出列。

所述步骤(2)具体为：将缓冲完成的时序数据Z＝{z1,z2,...,zN}经过多级Haar小波分解成不同频域分量，表示如下：其中，cA和cD分别为均值参数和差值参数；将时序数据Z分解成多维的均值参数矩阵McA和差值参数矩阵McD，其中，0≤k≤m＝log₂N,1≤j≤N/2^k，将参数矩阵McA和差值参数矩阵McD分别映射到对应的均值二叉搜索树TcA和差值二叉搜索树TcD的各层子节点，分别通过参数矩阵McA和差值参数矩阵McD来构造均值二叉搜索树TcA和差值二叉搜索树TcD中的各级的非叶子节点，同时，叶子节点直接来自时序数据Z中的元素。

根据多分辨率分析概念化小波变换的过程，将总体的N分解成一小段n。

在构建均值二叉树TcA和差值二叉树TcD时，分别以cA_k,1和cD_k,1作为均值二叉树TcA和差值二叉树TcD的根结点，cA_k-1,1,cA_k-1,2和cD_k-1,1,cD_k-1,2作为均值二叉树TcA和差值二叉树TcD第二层的结点，以此类推，直至和作为均值二叉树TcA和差值二叉树TcD第k层结点，最后将原数据作为第k+1层，即叶节点。