[发明专利]基于大数据的多元线性回归火灾风险评估方法

说明书

本发明涉及一种基于大数据的多元线性回归火灾风险评估方法，于数据处理分析领域。包括如下步骤：(1)构建火灾风险因素层级结构模型：(2)划分建筑火灾风险等级；(3)确立评估模型R＝W^TX；(4)构建风险评估机器学习数据样本；(5)根据样本计算权重W，完成消防安全火灾风险评估模型建立R＝W^TX；用以评估民用建筑中的公共建筑的火灾风险：(6)根据步骤(4.1)计算得出待评估建筑的属性值，再以步骤(5)建立的模型计算出风险值与步骤(2)中划分的风险等级进行对比，进而得出建筑物的风险等级。本方法采用多属性评估方法，实现火灾风险等级定量化评价，全方位综合评估社会单位消防安全管理风险。

技术领域

本发明涉及一种基于大数据和机器学习的火灾风险评估方法，属于数据处理分析领域。

背景技术

当今社会飞速发展，火灾早已成为一种不容忽视的灾害，如何主动发现、提前预警，如何降低社会单位的火灾风险，一直是社会化消防工作的基础。随着科技的发展，基于大数据、云计算以及人工智能的火灾风险评估方法不断成熟，通过对海量历史数据的分析和挖掘，建立一套科学的火灾风险评估体系。通过对社会单位进行火灾风险评估，确定其消防安全等级，发现风险项，指导其改进消防安全机制，提升消防安全等级，从而降低风险、保护人民群众的生命财产安全，更能够帮助各级政府和部门有针对性地开展消防工作，更有重点地解决至于火灾扑救和抢险救援的基础性、瓶颈性问题，从而提升城市防灾减灾能力。

火灾风险评估方法可分为定性法和定量法。定性的方法最为简单，适用于社会单位的安全检查，识别最不利火灾事件；定量的方法最为复杂，需要大量的历史数据，通过明确的假设、数据以及数学关联大量的模型实地评估确定火灾的实际风险。虽然评估结果较为准确，但难以在智慧消防的体系中方便快捷地运用。

发明内容

为了解决上述存在的技术问题，本发明提供一种基于大数据的多元线性回归火灾风险评估方法，该方法是建立在大数据和机器学习基础上的半定量火灾风险评估方法，采用科学的方法进行风险识别与风险分析，更加高效实用。

本发明的目的是通过下述技术方案实现的：一种基于大数据的多元线性回归火灾风险评估方法，其特征在于：包括如下步骤：

（1）构建火灾风险因素层级结构模型：

（2）划分建筑火灾风险等级；

（3）确立评估模型；其中，代表评估风险值，向量为权重，向量为因素的属性值；

（4）构建风险评估机器学习数据样本，具体过程如下：设，消防火灾风险评估数据样本有m个：具体为构建消防多因素的属性值样本以及与之对应的风险值样本{}；

（4.1）构建因素的属性值样本

筛选清洗消防安全数据及火灾数据样本。由第（1）步建立的火灾风险层级结构确定的风险因素表示为：

（式1）

代表第个火灾风险因素，将其进行数据标准化，计算各风险因素的属性值；

具体为：

（式2）

式2中为因素属性值的赋值函数向量，分别对进行数据标准化,标准化后的值域为[0,5]；

属性既有定性属性也包括定量属性，对于属于定性因素的风险因素，根据其对消防安全的影响程度进行分值计算；对于定量因素的风险因数，采用min-max标准化，即离差标准化方法计算分值将各个属性值标准化为可进行比较计算的定量属性值：

（式3）

标准化后的因素属性值由向量表示，为计算后续权重将属性值向量添加，其中恒为1；

（4.2）构建对应的风险评估分数样本：