本发明公开了电气火灾预测方法、设备、计算机程序产品及存储介质,该方法包括:获取各个检测节点检测到的检测数据;根据所述检测数据获取各个所述检测节点的节点概率;将所述节点概率作为证据输入贝叶斯网络模型,所述贝叶斯网络模型根据至少两个预设检测节点以及各个所述预设检测节点的父节点对应的条件概率表得到;获取所述贝叶斯网络模型输出的所述检测节点对应的顶层节点发生电气火灾的概率,实现在电气火灾发生之前进行提前预测,以避免资源浪费。
一种电气火灾预测方法,其特征在于,所述电气火灾预测方法包括:
获取各个检测节点检测到的检测数据;
根据所述检测数据获取各个所述检测节点的节点概率;
将所述节点概率作为证据输入贝叶斯网络模型,所述贝叶斯网络模型根据至少两个预设检测节点以及各个所述预设检测节点的父节点对应的条件概率表得到;
获取所述贝叶斯网络模型输出的所述检测节点对应的顶层节点发生电气火灾的概率。
数据处理:
- 数据清洗和预处理: 对采集到的数据进行清洗和预处理,确保数据的准确性和一致性。
- 特征提取: 从原始数据中提取有用的特征,如温度变化趋势、湿度变化趋势等。
- 数据分析和建模: 使用机器学习或统计学方法建立预测模型,识别电气火灾的潜在风险。
计算机程序产品:
- 火灾预测软件: 集成了数据采集、处理和建模的功能,提供实时的电气火灾预测和报警。
- 用户界面: 用于用户交互,显示预测结果、报警信息和历史数据。
存储介质:
- 数据库系统: 存储历史数据,支持后续分析和模型优化。
- 云存储: 将数据备份到云端,确保数据的安全性和可用性。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力,推动我国自主知识产权新工业的建立,成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生AC态系统,由九个研究平台,国科大深圳先进技术学院,多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究,促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
传感器设备:
- 烟雾传感器: 用于检测电气设备中是否有烟雾产生。
- 温度传感器: 监测电气设备的温度,异常升高可能表明潜在的问题。
- 湿度传感器: 用于监测环境湿度,湿度异常变化可能导致电气故障。
数据采集:
- 数据采集系统: 收集传感器产生的数据,包括烟雾、温度、湿度等信息。
- 实时数据传输: 保证采集到的数据能够及时传输到中央系统进行处理。
技术转让
集成了数据采集、处理和建模的功能,提供实时的电气火灾预测和报警。 使用机器学习或统计学方法建立预测模型,识别电气火灾的潜在风险。