本發(fā)明涉及隧道火災(zāi)監(jiān)測預(yù)警，具體涉及一種基于氣體分析的隧道火災(zāi)預(yù)警方法及系統(tǒng)。

背景技術(shù)：

1、隧道作為重要的交通基礎(chǔ)設(shè)施，其內(nèi)部環(huán)境復(fù)雜多變，存在多種潛在的安全隱患，尤其是火災(zāi)事故。隧道內(nèi)可燃氣體、有毒有害氣體的積聚，一旦達到臨界濃度，極易引發(fā)火災(zāi)或爆炸，嚴重威脅人員生命財產(chǎn)安全。因此，對隧道火災(zāi)進行監(jiān)測和預(yù)警是實現(xiàn)隧道安全管理、減少災(zāi)害損失的關(guān)鍵技術(shù)手段。

2、現(xiàn)有技術(shù)中，通常采用溫度監(jiān)測法、煙霧監(jiān)測法、圖像監(jiān)測法、多參數(shù)融合監(jiān)測法來實現(xiàn)對隧道火災(zāi)的預(yù)警。這些方法盡管在一定程度上實現(xiàn)了對隧道火災(zāi)的預(yù)警，但仍存在不足之處。例如，溫度監(jiān)測法難以及時捕捉到火災(zāi)初期的微小溫度變化；煙霧監(jiān)測法在煙霧擴散到探測器之前難以發(fā)揮作用；圖像監(jiān)測法的成本較高，且易受環(huán)境溫度波動的影響；多參數(shù)融合監(jiān)測法由于其復(fù)雜的數(shù)據(jù)處理需求和較高的成本限制了其廣泛應(yīng)用。

3、目前，通過利用分析氣體的方式來實現(xiàn)對隧道火災(zāi)預(yù)警的研究工作并不多。所述研究工作花費的成本較低，能較早發(fā)現(xiàn)火災(zāi)跡象，但缺乏科學(xué)性和系統(tǒng)性，導(dǎo)致火災(zāi)預(yù)警效果不盡人意。因此，亟待提出一種更加科學(xué)、高效、精準的基于氣體分析的隧道火災(zāi)預(yù)警方法。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供了一種基于氣體分析的隧道火災(zāi)預(yù)警?方法及系統(tǒng)。

2、一方面，所述基于氣體分析的隧道火災(zāi)預(yù)警方法包括如下步驟：獲取隧道氣體在正常情況下和火災(zāi)情況下的多維目標數(shù)據(jù)；基于所述多維目標數(shù)據(jù)，構(gòu)建隧道火災(zāi)的優(yōu)化預(yù)測模型，所述優(yōu)化預(yù)測模型滿足如下表達式：

3、，

4、其中，表示相似度評分函數(shù)的歸一化權(quán)重，表示編碼序列為的歸一化函數(shù)權(quán)重，表示編碼序列為的歸一化函數(shù)偏差，表示歸一化函數(shù)，表示注意值 ，表示時間序列；通過所述優(yōu)化預(yù)測模型，獲得最優(yōu)預(yù)測模型；利用所述最優(yōu)預(yù)測模型，實現(xiàn)對隧道火災(zāi)的最佳效果預(yù)警。本發(fā)明集成了數(shù)據(jù)獲取、模型構(gòu)建、優(yōu)化訓(xùn)練及高效預(yù)警等多個關(guān)鍵步驟，通過利用正常情況下和火災(zāi)情況下的氣體濃度歷史數(shù)據(jù)去訓(xùn)練隧道火災(zāi)氣體預(yù)測模型，不斷更新所述預(yù)測模型，實現(xiàn)對隧道火災(zāi)的最佳效果預(yù)警，從而有效避免或減輕火災(zāi)帶來的損失，確保隧道運營及人員生命財產(chǎn)安全。

5、可選地，所述獲取隧道氣體在正常情況下和火災(zāi)情況下的多維目標數(shù)據(jù)包括：獲取隧道氣體在正常情況下和火災(zāi)情況下的目標數(shù)據(jù)；對所述目標數(shù)據(jù)進行預(yù)處理，獲得隧道氣體的多維目標數(shù)據(jù)。本發(fā)明獲取并預(yù)處理了從正常情況到火災(zāi)情況的氣體多維目標數(shù)據(jù)；首先，獲取隧道在正常運行狀態(tài)下氣體的目標數(shù)據(jù)，這些數(shù)據(jù)反映了隧道環(huán)境的基礎(chǔ)狀況；然后，獲取隧道在火災(zāi)發(fā)生時的氣體目標數(shù)據(jù)，這些數(shù)據(jù)對于理解火災(zāi)特征、火勢蔓延及氣體成分變化至關(guān)重要；最后，對這些原始數(shù)據(jù)進行預(yù)處理，獲得隧道氣體的多維目標數(shù)據(jù)，這些數(shù)據(jù)不僅包含了時間、空間等多個維度的信息，還涵蓋了氣體濃度、成分比例等關(guān)鍵指標，為后續(xù)的火災(zāi)預(yù)測模型構(gòu)建打下了堅實的基礎(chǔ)。

6、可選地，所述對所述目標數(shù)據(jù)進行預(yù)處理，獲得隧道氣體的多維目標數(shù)據(jù)包括：對所述目標數(shù)據(jù)進行第一數(shù)據(jù)處理，所述第一數(shù)據(jù)處理包括利用剔除異常值算法進行的數(shù)據(jù)處理，所述剔除異常值算法滿足如下關(guān)系式：

7、，

8、其中，表示數(shù)據(jù)的正常值范圍，表示任意一個氣體特征參數(shù)的平均值，表示標準差；對所述目標數(shù)據(jù)進行第二數(shù)據(jù)處理，所述第二數(shù)據(jù)處理包括利用插補缺失值算法進行的數(shù)據(jù)處理，所述插補缺失值算法滿足如下關(guān)系式：

9、，

10、其中，表示待處理的第維的第個氣體參數(shù)的數(shù)據(jù)，表示第維的第個氣體參數(shù)的數(shù)據(jù)，表示第維的第個氣體參數(shù)的數(shù)據(jù)，表示氣體參數(shù)的維度序號；

11、根據(jù)所述第一數(shù)據(jù)處理的結(jié)果和所述第二數(shù)據(jù)處理的結(jié)果，獲得隧道氣體的多維目標數(shù)據(jù)。本發(fā)明通過利用剔除異常值和插補缺失值算法的數(shù)據(jù)處理，顯著提升了氣體多維數(shù)據(jù)的質(zhì)量，使其更加準確、完整和可靠，有助于后續(xù)的數(shù)據(jù)分析和模型建立，為隧道火災(zāi)預(yù)警等工作提供了更加科學(xué)的決策依據(jù)。

12、可選地，所述基于所述多維目標數(shù)據(jù)，構(gòu)建隧道火災(zāi)的優(yōu)化預(yù)測模型包括：基于所述多維目標數(shù)據(jù)，建立算法優(yōu)化的模型隱藏層結(jié)構(gòu)；基于所述模型隱藏層結(jié)構(gòu)，設(shè)置自注意力機制；根據(jù)所述自注意力機制，構(gòu)建隧道火災(zāi)的優(yōu)化預(yù)測模型。本發(fā)明通過建立算法優(yōu)化的模型隱藏層結(jié)構(gòu)，確保了模型能夠深層次挖掘數(shù)據(jù)特征；通過引入自注意力機制，增強了模型對關(guān)鍵信息的捕捉能力，使預(yù)測結(jié)果更加精準；通過深入分析序列數(shù)據(jù)的時間特征，形成了具備全鏈接層結(jié)構(gòu)的隧道火災(zāi)優(yōu)化預(yù)測模型，充分保證了預(yù)測精度。

13、可選地，所述模型隱藏層結(jié)構(gòu)包括卷積隱藏層結(jié)構(gòu)、激活隱藏層結(jié)構(gòu)和池化隱藏層結(jié)構(gòu)；所述卷積隱藏層結(jié)構(gòu)滿足如下表達式：

14、所述卷積隱藏層結(jié)構(gòu)滿足如下表達式：

15、，

16、其中，表示卷積隱藏層結(jié)構(gòu)函數(shù)，表示權(quán)重，表示卷積運算，表示層的輸入，表示偏置，表示激活函數(shù)；

17、所述激活隱藏層結(jié)構(gòu)滿足如下表達式：

18、，

19、其中，表示激活隱藏層結(jié)構(gòu)函數(shù)，表示激活函數(shù)，表示特征函數(shù)；

20、所述池化隱藏層結(jié)構(gòu)滿足如下表達式：

21、，

22、其中，表示池化隱藏層結(jié)構(gòu)函數(shù)，表示池化函數(shù)，表示權(quán)重矩陣，表示偏置項，表示特征函數(shù)，表示元素總數(shù)。本發(fā)明詳細闡述了模型隱藏層結(jié)構(gòu)的構(gòu)成，包括卷積隱藏層、激活隱藏層和池化隱藏層，并指出了各層結(jié)構(gòu)的具體表達式，其效果在于清晰展現(xiàn)了模型內(nèi)部處理的復(fù)雜性和專業(yè)性，表明該模型設(shè)計精細，能夠通過卷積、激活以及池化等多種技術(shù)手段提取和轉(zhuǎn)換數(shù)據(jù)特征，為后續(xù)的預(yù)測分析奠定堅實基礎(chǔ)。

23、可選地，所述自注意力機制滿足如下表達式：

24、，

25、其中，、均表示學(xué)習(xí)矩陣，表示查詢向量，表示第個編碼序列，表示相似度評分函數(shù)；本發(fā)明通過計算序列中任意兩個元素間的相關(guān)性，增強了模型對關(guān)鍵信息的捕捉能力；所述自注意力機制涉及矩陣運算與權(quán)重分配，確保信息處理的靈活性和深度。

26、可選地，所述通過所述優(yōu)化預(yù)測模型，獲得最優(yōu)預(yù)測模型包括：通過所述優(yōu)化預(yù)測模型，獲得最優(yōu)網(wǎng)絡(luò)參數(shù)；依據(jù)所述最優(yōu)網(wǎng)絡(luò)參數(shù)，獲得最優(yōu)預(yù)測模型。本發(fā)明通過將優(yōu)化預(yù)測模型進行多輪迭代與優(yōu)化，鎖定最優(yōu)網(wǎng)絡(luò)參數(shù)，再根據(jù)所述最優(yōu)網(wǎng)絡(luò)參數(shù)，構(gòu)建出性能卓越的最優(yōu)預(yù)測模型，所述最優(yōu)預(yù)測模型不僅預(yù)測精度高，而且魯棒性強，能夠更準確地把握數(shù)據(jù)內(nèi)在規(guī)律，為決策制定提供堅實依據(jù)，展現(xiàn)了技術(shù)轉(zhuǎn)化為實際應(yīng)用價值的強大潛力。

27、可選地，所述利用所述最優(yōu)預(yù)測模型，實現(xiàn)對隧道火災(zāi)的最佳效果預(yù)警包括：利用所述最優(yōu)預(yù)測模型，進行多維目標數(shù)據(jù)的模型訓(xùn)練；通過對所述模型訓(xùn)練的結(jié)果進行處理分析，獲得最優(yōu)預(yù)測結(jié)果；根據(jù)所述最優(yōu)預(yù)測結(jié)果，實現(xiàn)對隧道火災(zāi)的最佳效果預(yù)警。本發(fā)明利用構(gòu)建的最優(yōu)預(yù)測模型，對隧道氣體的多維目標數(shù)據(jù)進行全面的模型訓(xùn)練，通過深度學(xué)習(xí)與智能分析，精準捕捉火災(zāi)先兆，輸出最優(yōu)預(yù)測結(jié)果，這不僅展現(xiàn)了模型的高效處理能力與預(yù)測精度，更實現(xiàn)了對隧道火災(zāi)的最佳效果預(yù)警，有效保障了隧道運營安全。

28、可選地，所述通過對所述模型訓(xùn)練的結(jié)果進行處理分析，獲得最優(yōu)預(yù)測結(jié)果包括：通過對所述模型訓(xùn)練的結(jié)果進行代入絕對誤差表達式的處理，獲得所述結(jié)果的絕對誤差，所述絕對誤差表達式如下：

29、，

30、其中，表示濃度真實值，表示濃度預(yù)測值；

31、通過對所述模型訓(xùn)練的結(jié)果進行代入均方根誤差表達式的處理，獲得所述結(jié)果的均方根誤差，所述均方根誤差表達式如下：

32、，

33、其中，表示濃度真實值，表示濃度預(yù)測值；

34、通過對所述模型訓(xùn)練的結(jié)果進行代入決定系數(shù)表達式的處理，獲得所述結(jié)果的決定系數(shù)，所述決定系數(shù)表達式如下：

35、，

36、其中，表示濃度真實值，表示濃度預(yù)測值，表示濃度真實值的平均值；

37、根據(jù)對所述絕對誤差、所述均方根誤差和所述決定系數(shù)進行分析，獲得最優(yōu)預(yù)測結(jié)果。本發(fā)明通過利用絕對誤差、均方根誤差和決定系數(shù)三大精準評估工具，衡量預(yù)測值與實際值的偏離程度，量化預(yù)測誤差的分散性，揭示模型預(yù)測能力相對于隨機預(yù)測的優(yōu)勢，從而全面評估并優(yōu)化模型性能，確保預(yù)測結(jié)果的準確性與可靠性，最終鎖定最優(yōu)預(yù)測結(jié)果。

38、第二方面，本發(fā)明所提供的一種基于氣體分析的隧道火災(zāi)預(yù)警系統(tǒng)，該系統(tǒng)包括輸入設(shè)備、處理器、輸出設(shè)備和存儲器，所述輸入設(shè)備、所述處理器、所述輸出設(shè)備和所述存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括程序指令，所述處理器被配置用于調(diào)用所述程序指令，所述系統(tǒng)使用所述的基于氣體分析的隧道火災(zāi)預(yù)警方法。本發(fā)明所提供的基于氣體分析的隧道火災(zāi)預(yù)警系統(tǒng)，結(jié)構(gòu)緊湊、性能穩(wěn)定，采用先進算法分析數(shù)據(jù)，一旦發(fā)現(xiàn)異常立即觸發(fā)預(yù)警，實現(xiàn)火災(zāi)的早發(fā)現(xiàn)、早報告、早處理，不僅能有效預(yù)防火災(zāi)，還能在火災(zāi)初期迅速響應(yīng)，保障隧道內(nèi)人員與車輛安全，提升隧道管理智能化水平。