[发明专利]一种建筑BIM运维平台消防误报警的判定方法

权利要求书

1.一种建筑BIM运维平台消防误报警的判定方法，其特征在于包括如下步骤：

步骤1：从建筑BIM运维平台获取数据；具体包括如下过程：通过建筑物联网系统获得报警点所属空间的温度、烟雾浓度、CO浓度三个环境参量数据，然后结合BIM获得报警点所属空间位置ID号，由空间位置ID号可获得报警点所属空间使用的建筑材料种类；

步骤2：数据的预处理；具体包括如下过程：将由不同量纲的温度、烟雾浓度、CO浓度构成的动态数据集进行归一化，获得0-1之间的动态数据值，归一化公式为其中，X_i表示当前输入数据，X_min为整组数据中的最小值，X_max为整组数据中的最大值，X'为归一化后的数值；空间位置与建筑材料构成静态数据集，根据功能效用，将空间位置归类成不同功能场所，通过采用折合成标准木材的方法计算不同种类建筑材料的含量占比；

步骤3：动态数据分析；具体包括如下过程：考虑动态数据的特点及大型公共建筑的使用背景，采用遗传算法优化的BP神经网络进行动态数据分析；将温度、烟雾浓度、CO浓度作为GA-BP神经网络的输入变量，输出变量是火灾概率；

GA-BP神经网络的输入变量为建筑环境参量温度、烟雾浓度、CO浓度，输出变量为火灾概率，即建筑空间存在明火的可能性；GA-BP神经网络的输入层、输出层节点数分别为3和1，隐含层节点数的确定参考公式其中l为隐含层节点数；n为输入节点数；m为输出节点数；a是一个[1,10]区间上的调节常数；将经过预处理的动态数据集按10：1的比例分成训练集和测试集，先使用训练集对GA-BP神经网络进行训练，再将测试集输入GA-BP神经网络，预测输出火灾概率并与期望输出进行对比分析误差；

步骤4：静态数据分析；具体包括如下过程：在静态数据分析方面，面向建筑火灾风险概率分析，建立一个建筑火灾风险概率评估的贝叶斯网络模型，将建筑空间的功能分区和建筑材料的属性类别作为贝叶斯网络结构的父节点，火灾风险概率作为子节点，通过建立条件概率表，由父节点的变化预测子节点的结果，从而确定建筑空间的火灾风险概率；

步骤5：最后将火灾概率与火灾风险概率进行加权融合，获得融合概率，从而确定误报警的概率。

2.根据权利要求1所述的建筑BIM运维平台消防误报警的判定方法，其特征在于上述输入的训练集其中输入数据x_i为温度、烟雾浓度、CO浓度构成的归一化数据集，输出y_i为明火概率P0，i表示训练集D中的第i条数据，D中共有n条数据；交叉发生的概率Pc；变异发生的概率Pm；种群规模N；终止进化的代数G；输出是连接权值或阈值确定的GA-BP神经网络。

3.根据权利要求1所述的建筑BIM运维平台消防误报警的判定方法，其特征在于上述步骤5中将火灾概率与火灾风险概率进行加权融合，获得融合概率，从而确定误报警的概率，具体包括如下过程：将建筑空间的不同材料使用占比A、B、C、D通过模糊分割与集合，获得四个具有不同火灾风险的等级空间M1、M2、M3、M4；报警点所属空间位置根据其功能效用划分归纳成库房、餐饮区、商场超市、设备间、停车场、办公区、走廊七类，分别使用功能分区P1、P2、P3、P4、P5、P6、P7表示；将等级空间M、功能分区P、建筑空间火灾风险概率Fire作为节点构建贝叶斯网络，其中等级空间M和功能分区P作为父节点，建筑空间火灾风险概率Fire作为子节点，基于火灾风险变化特征及历史经验数据为贝叶斯网络设定条件概率表，所构建的模糊贝叶斯网络通过输入建筑空间的材料使用占比A、B、C、D与功能分区P1、P2、P3、P4、P5、P6、P7，输出该空间的火灾风险概率值。