本申请提出一种基于人工智能的建筑事故预警方法、装置、电子设备及存储介质，基于人工智能的建筑事故预警方法包括：采集目标建筑物的固有属性和固有数据，依据固有属性和固有数据构建固有风险向量；采集目标建筑物的动态数据，并对动态数据进行归一化处理获得动态风险向量；依据固有风险向量与动态风险向量构建训练数据集；依据训练数据集训练事故预警模型；实时采集目标建筑物的实时固有数据和实时动态数据以获得预测样本数据，将预测样本数据输入事故预警模型获得多个预警向量；对比多个预警向量与预设的风险阈值以制定预警决策。该方法可以实时预测建筑物的固有数据并基于固有数据进行实时预警，从而能够提升建筑事故预警的时效性。的时效性。的时效性。
【技术实现步骤摘要】
基于人工智能的建筑事故预警方法及相关设备
[0001]本申请涉及人工智能
，尤其涉及一种基于人工智能的建筑事故预警方法、装置、电子设备及存储介质。
技术介绍
[0002]在生产生活中，人员和财产的安全一直以来都广受关注。诸如建筑物坍塌等安全事故也层出不穷。
[0003]目前，通常由各个地方的建筑监管部门对建筑物的安全性进行定期检查以规避可能出现的建筑事故，然而人力始终有限，这种方法无法实时监测建筑物的安全，缺乏对于事故预警的时效性。
技术实现思路
[0004]鉴于以上内容，有必要提供一种基于人工智能的建筑事故预警方法及相关设备，以解决如何提高建筑事故预警的时效性这一技术问题，其中，相关设备包括基于人工智能的建筑事故预警装置、电子设备及存储介质。
[0005]本申请实施例提供一种基于人工智能的建筑事故预警方法，所述方法包括：
[0006]采集目标建筑物的固有属性和固有数据，依据所述固有属性和所述固有数据构建所述目标建筑物的固有风险向量；
[0007]采集所述目标建筑物的动态数据，并对所述动态数据进行归一化处理获得所述目标建筑物的动态风险向量；
[0008]依据所述固有风险向量与所述动态风险向量构建训练数据集；
[0009]依据所述训练数据集训练所述目标建筑物的事故预警模型；
[0010]实时采集所述目标建筑物的实时固有数据和实时动态数据以获得预测样本数据，将所述预测样本数据输入所述目标建筑物的事故预警模型获得多个预警向量；
[0011]对比所述多个预警向量与预设的风险阈值以制定预警决策。
[0012]在一些实施例中，所述采集目标建筑物的固有属性和固有数据，依据所述固有属性和所述固有数据构建所述目标建筑物的固有风险向量，包括：
[0013]采集目标建筑物的固有属性，所述固有属性包括所述目标建筑物的年限、总高度、楼层数量；
[0014]在多个预设的采样时间点采集所述目标建筑物的固有数据，所述固有数据包括目标建筑物的顶层海拔高度和倾斜率；
[0015]分别对所述固有数据中的顶层海拔高度和倾斜率进行归一化处理获得归一化固有数据，所述归一化固有数据包括归一化海拔高度和归一化倾斜率；
[0016]组合所述固有属性与所述归一化固有数据获得所述目标建筑物在每个所述采样时间点的固有风险向量。
[0017]在一些实施例中，所述采集所述目标建筑物的动态数据，并对所述动态数据进行
归一化处理获得所述目标建筑物的动态风险向量，包括：
[0018]在所述多个预设的采样时间点采集所述目标建筑物的动态数据，所述动态数据包括目标建筑物的人口密度、所述目标建筑物所在地区的风力、所述目标建筑物所在地区的温度；
[0019]分别对所述动态数据中的每项信息进行归一化处理获得归一化动态数据，所述归一化动态数据包括归一化人口密度、归一化风力值和归一化温度值；
[0020]依据每个采样时间点的归一化动态数据构建所述目标建筑物在每个所述采样时间点的动态风险向量。
[0021]在一些实施例中，所述依据所述固有风险向量与所述动态风险向量构建训练数据集，包括：
[0022]组合所述固有风险向量与所述动态风险向量获得每个所述预设的采样时间点对应的样本数据；
[0023]组合所述固有数据和所述动态数据以获得每个采样时间点对应的标签数据；
[0024]将同一个采样时间点对应的样本数据和标签数据作为一组训练数据，联合存储所有采样时间点对应的训练数据获得训练数据集。
[0025]在一些实施例中，所述依据所述训练数据集训练所述目标建筑物的事故预警模型，包括：
[0026]依据预设的划分比例将所述训练数据集划分为多个批次，每个批次包含多组训练数据，所述训练数据包括样本数据和标签数据；
[0027]依据预设的测试比例将每个批次的训练数据划分为样本组和标签组，所述样本组和标签组均包含多组训练数据；
[0028]构建初始预测模型，所述初始预测模型包括编码器和预测器；
[0029]依据每个批次的训练数据和预设的损失函数训练所述初始预测模型，当遍历完成所有批次的训练数据时，停止训练并获得所述目标建筑物的事故预警模型。
[0030]在一些实施例中，所述实时采集所述目标建筑物的实时固有数据和实时动态数据以获得预测样本数据，将所述预测样本数据输入所述目标建筑物的事故预警模型获得多个预警向量，包括：
[0031]在预设的监测时间点实时采集所述目标建筑物的实时固有数据和实时动态数据；
[0032]分别对所述实时固有数据和所述实时动态数据进行归一化处理获得归一化实时固有数据和归一化实时动态数据；
[0033]依据所述固有属性、归一化实时固有数据和归一化实时动态数据构建预测样本数据；
[0034]将所述预测样本数据输入所述预警模型以获得预警向量，所述预警向量用以表征由所述预警模型预测到的所述目标建筑物的固有数据和动态数据。
[0035]在一些实施例中，所述预警向量包括预测倾斜率，所述对比所述预警向量与预设的风险阈值以制定预警决策，包括：
[0036]若任意一个预测倾斜率不小于预设的倾斜率风险阈值，则也对所述目标建筑物进行事故预警；
[0037]若所有预测倾斜率都小于预设的倾斜率风险阈值，则分别依据每个所述预警向量
计算每个所述预警向量对应的综合风险系数；
[0038]计算所述综合风险系数的梯度，若所述梯度的均值大于0，则向监测人员进行高风险预警。
[0039]本申请实施例还提供一种基于人工智能的建筑事故预警装置，所述装置包括：
[0040]第一采集单元，用于采集目标建筑物的固有属性和固有数据，依据所述固有属性和所述固有数据构建所述目标建筑物的固有风险向量；
[0041]第二采集单元，用于采集所述目标建筑物的动态数据，并对所述动态数据进行归一化处理获得所述目标建筑物的动态风险向量；
[0042]构建单元，用于依据所述固有风险向量与所述动态风险向量构建训练数据集；
[0043]训练单元，用于依据所述训练数据集训练所述目标建筑物的事故预警模型；
[0044]预测单元，用于实时采集所述目标建筑物的实时固有数据和实时动态数据以获得预测样本数据，将所述预测样本数据输入所述目标建筑物的事故预警模型获得多个预警向量；
[0045]预警单元，用于对比所述多个预警向量与预设的风险阈值以制定预警决策。
[0046]本申请实施例还提供一种电子设备，所述电子设备包括：
[0047]存储器，存储计算机可读指令；及
[0048]处理器，执行所述存储器中存储的计算机可读指令以实现所述基于人工智能的建筑事故预警方法。
[0049]本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述基于人工智本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的建筑事故预警方法，其特征在于，所述方法包括：采集目标建筑物的固有属性和固有数据，依据所述固有属性和所述固有数据构建所述目标建筑物的固有风险向量；采集所述目标建筑物的动态数据，并对所述动态数据进行归一化处理获得所述目标建筑物的动态风险向量；依据所述固有风险向量与所述动态风险向量构建训练数据集；依据所述训练数据集训练所述目标建筑物的事故预警模型；实时采集所述目标建筑物的实时固有数据和实时动态数据以获得预测样本数据，将所述预测样本数据输入所述目标建筑物的事故预警模型获得多个预警向量；对比所述多个预警向量与预设的风险阈值以制定预警决策。2.如权利要求1所述的基于人工智能的建筑事故预警方法，其特征在于，所述采集目标建筑物的固有属性和固有数据，依据所述固有属性和所述固有数据构建所述目标建筑物的固有风险向量，包括：采集目标建筑物的固有属性，所述固有属性包括所述目标建筑物的年限、总高度、楼层数量；在多个预设的采样时间点采集所述目标建筑物的固有数据，所述固有数据包括目标建筑物的顶层海拔高度和倾斜率；分别对所述固有数据中的顶层海拔高度和倾斜率进行归一化处理获得归一化固有数据，所述归一化固有数据包括归一化海拔高度和归一化倾斜率；组合所述固有属性与所述归一化固有数据获得所述目标建筑物在每个所述采样时间点的固有风险向量。3.如权利要求1所述的基于人工智能的建筑事故预警方法，其特征在于，所述采集所述目标建筑物的动态数据，并对所述动态数据进行归一化处理获得所述目标建筑物的动态风险向量，包括：在所述多个预设的采样时间点采集所述目标建筑物的动态数据，所述动态数据包括目标建筑物的人口密度、所述目标建筑物所在地区的风力、所述目标建筑物所在地区的温度；分别对所述动态数据中的每项信息进行归一化处理获得归一化动态数据，所述归一化动态数据包括归一化人口密度、归一化风力值和归一化温度值；依据每个采样时间点的归一化动态数据构建所述目标建筑物在每个所述采样时间点的动态风险向量。4.如权利要求1所述的基于人工智能的建筑事故预警方法，其特征在于，所述依据所述固有风险向量与所述动态风险向量构建训练数据集，包括：组合所述固有风险向量与所述动态风险向量获得每个所述预设的采样时间点对应的样本数据；组合所述固有数据和所述动态数据以获得每个采样时间点对应的标签数据；将同一个采样时间点对应的样本数据和标签数据作为一组训练数据，联合存储所有采样时间点对应的训练数据获得训练数据集。5.如权利要求1所述的基于人工智能的建筑事故预警方法，其特征在于，所述依据所述训练数据集训练所述目标建筑物的事故预警模型，包括：
依据预设的划分比例将所述训练数据集划分为多个批次，每个批次包含多组训练数据，所述训练数据包括样本数据和标签数据；依据预设的测试比例将每...
【专利技术属性】
技术研发人员：邓志龙，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。