[发明专利]一种消防风险评估方法、装置及终端设备

说明书

本发明适用于消防预警技术领域，提供了一种消防风险评估方法、装置及终端设备，其中，方法包括：获取统计数据，根据统计数据获得数据样本；根据火灾统计数据建立与同时期的社会综合统计数据对应的风险评估等级，以社会综合统计数据的统计指标为特征变量，以风险评估等级为期望输出结果建立训练样本；根据随机森林算法对特征变量进行筛选并建立指标集；根据指标集生成训练样本集并建立机器学习模型，通过训练样本集对机器学习模型进行预训练，获取优化模型；根据指标集采集指标分值并输入优化模型，获取优化模型输出的评估结果。本发明能够识别被监控环境中的危险品及获取其对应的风险评估等级，预防意外火灾事故，提高了火灾防治效率。

技术领域

本发明属于消防预警技术领域，尤其涉及一种消防风险评估方法、装置及终端设备。

背景技术

有研究表明，消防安全与社会经济发展息息相关，例如人口密度越高，发生火灾的几率往往越高，火灾造成的危害也往往越大。因此，有本领域技术人员根据这些人口密度等统计指标建立消防风险预测模型进行消防风险评估。

然而，用于建立现有消防风险预测模型的统计指标体系往往是由专家根据消防风险因素分析的结果建立的。由于消防风险因素分析依赖于主观判断，因此对统计指标的选择可能缺乏客观依据，容易受到主观因素的影响，造成数据样本中存在大量噪声干扰。根据数据样本建立的消防风险预测模型结果不稳定，容易出现较大误差。。

发明内容

有鉴于此，本发明实施例提供了一种消防风险评估方法、装置及终端设备，以解决现有技术中存在的问题。

本发明实施例的第一方面提供了一种消防风险评估方法，包括：

获取统计数据，并根据所述统计数据获得数据样本；其中，所述统计数据包括社会综合统计数据和火灾统计数据；

根据所述火灾统计数据建立与同时期的所述社会综合统计数据对应的风险评估等级，将所述社会综合统计数据的统计指标作为特征变量，将所述风险评估等级作为期望输出结果，并根据所述特征变量和所述期望输出结果建立训练样本；

根据随机森林算法对所述特征变量进行筛选，并根据筛选出来的所述特征变量建立指标集；

根据所述指标集生成训练样本集并建立机器学习模型，通过所述训练样本集对所述机器学习模型进行预训练，以获取优化模型；

根据所述指标集采集指标分值，并将所述指标分值输入所述优化模型，以获取所述优化模型输出的评估结果。

可选的，所述获取统计数据，并对所述统计数据进行预处理，以获得数据样本，包括：

获取统计数据；

对所述统计数据进行缺失值分析、异常值分析、重复数据分析、不一致的值分析及含有特殊符号的值分析；

补齐所述缺失值，并剔除所述异常值、所述重复数据、所述不一致的值及所述含有特殊符号的值，以获得数据样本。

可选的，根据所述火灾统计数据建立与所述社会综合统计数据对应的风险评估等级的步骤包括：

根据所述火灾统计数据中的参数对所述火灾统计数据进行分析；其中，所述火灾统计数据中的参数包括火灾发生次数、伤亡人数、经济损失、火灾影响面积；

获取所述火灾统计数据中的各参数的权重；

根据所述火灾统计数据中的参数和所述火灾统计数据中的各参数的权重，获取风险评估指数并建立风险评估等级。

可选的，所述根据随机森林算法对所述特征变量进行筛选，并根据筛选出来的所述特征变量建立指标集，包括：

通过优化后的随机森林模型参数计算所述特征变量的贡献率，并根据预设排序方法对所述特征变量的贡献率进行排序；