一种基于物联网的消防栓状态监测方法与系统技术方案

本发明专利技术提供一种基于物联网的消防栓状态监测方法与系统，属于物联网技术领域，具体包括：基于阀门开启信号、加速度信号确定消防栓不处于存在用水或者撞击状态时，判断消防栓的水压在第一时间阈值内的压力变化量是否大于第一阈值，若是对消防栓的水温进行监测得到水温信号，并基于水温信号、水压信号、在第一时间阈值内的压力变化量、前一天同时刻的水压信号作为输入集，采用基于智能算法的预测模型，得到消防栓在第二时间阈值后的水压数据；基于消防栓在第二时间阈值后的水压数据得到所述消防栓的状态信号，从而进一步提升了消防栓状态监测的准确性。监测的准确性。监测的准确性。

【技术实现步骤摘要】
一种基于物联网的消防栓状态监测方法与系统


[0001]本专利技术属于物联网
，具体涉及一种基于物联网的消防栓状态监测方法与系统。

技术介绍

[0002]市政消防栓作为重要的城市配套供水设施，是城市公共消防设施的关键组成部分，承担着在消防部门灭火救援中提供水源的重要作用。它的正常功能的发挥直接影响到火灾能否及时有效扑救，对于保障人民群众生命财产安全至关重要。然而在实际应用中，由于安装地点分散、管理松弛、民众法律意识淡薄等原因，市政消防栓损毁失修、水压不足、无水漏水、违规用水等现象屡见不鲜，不仅影响市民正常用水，同时也可能影响灭火救援，带来严重的安全隐患。据统计，我国每年因火灾所造成的巨大经济损失和人员伤亡70％以上是由于消防栓管理不善，延误了灭火救援的最佳时机。
[0003]为了实现对消防栓的状态监测，在硕士论文《消防供水智慧监测系统的设计与实现》中作者宗文杰设计了物联网监测终端，实现了对水压、温度等的测量，针对消防水压波动会受到多种复合因素影响，易出现线性与非线性两种特性的问题，在单一ARIMA模型基础上进行优化，利用SVR支持向量回归机在处理非线性问题上的优势，采用了一种基于ARIMA
‑
SVR组合模型的消防水压预测方法。实验表明优化后的模型较单一ARIMA模型精度明显提高，但是却没有基于水压监控的结果确定是否进行水压的预测，由于大量的消防栓的水压是处于正常状态，只有水压监控的结果趋势存在问题时，此时再进行水压预测，不然会导致造成了不必要的电能浪费，此外在进行水压预测时，忽略了温度的变化对水压预测的影响，在不同的温度条件下，导致水压的预测准确率不高。
[0004]基于上述技术问题，需要设计一种基于物联网的消防栓状态监测方法与系统。

技术实现思路

[0005]本专利技术的目的是提供一种基于物联网的消防栓状态监测方法与系统。
[0006]为了解决上述技术问题，本专利技术第一方面提供了一种基于物联网的消防栓状态监测方法，包括：
[0007]S11对消防栓的水压、阀门开启状态、加速度进行采集得到水压信号、阀门开启信号、加速度信号，并基于所述阀门开启信号、加速度信号确定所述消防栓是否存在用水或者撞击状态，若否，则进入步骤S12；
[0008]S12判断所述消防栓的水压在第一时间阈值内的压力变化量是否大于第一阈值，若是，则确定所述消防栓的水压处于潜在异常状态，并进入步骤S13，若否，则输出消防栓正常状态信号；
[0009]S13对所述消防栓的水温进行监测得到水温信号，并基于所述水温信号、水压信号、在第一时间阈值内的压力变化量、前一天同时刻的水压信号作为输入集，采用基于智能算法的预测模型，得到所述消防栓在第二时间阈值后的水压数据；
[0010]S14基于所述消防栓在第二时间阈值后的水压数据得到所述消防栓的状态信号。
[0011]通过对消防栓的阀门开启状态和加速度的判断，从而可以准确的判断消防栓是否处于用水或者撞击状态，当不处于用水或者撞击状态时，再对消防栓的水压的变化量进行判断，从而确定消防栓是否属于潜在异常状态，当处于潜在异常状态时，基于水温信号、水压信号、在第一时间阈值内的压力变化量、前一天同时刻的水压信号构成输入集，从而可以得到第二时间阈值后的水压数据，并根据上述水压数据得到所述消防栓的状态信号，从而解决了原有的未考虑温度数据带来的精度不高问题以及没有根据水压的监测情况进行水压的预测导致的不必要的能量损失的技术问题，进一步提升了精度，降低了能源消耗。
[0012]通过基于所述阀门开启信号、加速度信号确定所述消防栓是否存在用水或者撞击状态，将上述两种状态进行排除，从而进一步提升了外界因素改变对水压的影响，提升了预测的精度。
[0013]通过对消防栓的水压在第一时间阈值内的压力变化量的监测，从而进一步的提升了水压异常信号判断的准确性，降低了水压的正常波动导致的错误判断的可能性，在提升准确性的基础上，也保证了预测的效率。
[0014]在处于潜在异常状态时，再基于温度数据、以及最近的水压数据，对第二时间阈值后的水压数据进行预测，不仅排除了温度数据对水压变化的影响，也充分考虑了最近的水压数据的指导意义，使得最终的消防栓在第二时间阈值后的水压数据的预测的精准度得到一定程度的提升。
[0015]通过采用预测的水压数据进行消防栓状态的判断，从而可以准确的根据消防栓的一段时间后的水压数据得到消防栓的状态，而不仅仅考虑当前或者历史记录，不仅稳定性和准确性得到了大幅度的提升，也使得最终的状态信号能够准确的反应消防栓的真实状态，从而保证了消防栓的安全可靠运行，降低了由于消防栓的原因导致的消防隐患。
[0016]进一步的技术方案在于，确定消防栓的撞击状态的具体步骤为：
[0017]S21判断所述消防栓是否存在加速度信号，若是，则进入步骤S22；
[0018]S22判断所述消防栓的加速度信号是否大于第一加速度阈值，若是，则进入步骤S23；
[0019]S23确定所述消防栓处于撞击状态，并记录所述消防栓存在加速度信号的次数。
[0020]通过第一加速度阈值的设置，从而可以避免了非撞击状态时对消防栓的误判，排除了不必要的干扰，提升了准确性。
[0021]进一步的技术方案在于，确定消防栓的水压处于潜在异常状态的具体步骤为：
[0022]S31判断消防栓的水压在第一时间阈值内的压力变化量是否大于第一阈值，若是，则进入步骤S32；
[0023]S32判断消防栓的水压在第三时间阈值内是否处于逐渐变低的状态，所述第三时间阈值大于第一时间阈值，若是，则进入步骤S33；
[0024]S33确定所述消防栓的水压处于潜在异常状态。
[0025]通过对于压力变化量的预测以及长时间段内的水压逐渐变低的状态进行判断，从而可以进一步提升潜在异常状态判断的准确性，从一个更高的时间维度对消防栓的真实状态进行评估，大幅度降低了外来异常干扰的影响。
[0026]进一步的技术方案在于，所述第一时间阈值、所述第一阈值根据所述消防栓的额
定水压，消防栓所处的位置的重要程度决定。
[0027]进一步的技术方案在于，所述智能算法为基于LSTM
‑
ARIMA算法的预测模型。
[0028]通过采用LSTM
‑
ARMA算法的预测模型，可以结合LSTM算法能够逼近复杂的非线性关系的技术优势以及ARIMA算法的模型简单但不需要借助外生变量的技术优势，同时也避免了ARIMA算法智能处理线性关系的技术问题，进一步提升了预测的精度。
[0029]进一步的技术方案在于，得到所述消防栓在第二时间阈值后的水压数据的具体步骤为：
[0030]S41基于所述输入集，将所述输入集传输至基于LSTM算法的预测模型中，得到LSTM预测结果；
[0031]S42基于所述输入集，将所述输入集传输至基于ARIMA算法的预测模型中，得到ARIMA预测结果；
[0032]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的消防栓状态监测方法，其特征在于，具体包括：S11对消防栓的水压、阀门开启状态、加速度进行采集得到水压信号、阀门开启信号、加速度信号，并基于所述阀门开启信号、加速度信号确定所述消防栓是否存在用水或者撞击状态，若否，则进入步骤S12；S12判断所述消防栓的水压在第一时间阈值内的压力变化量是否大于第一阈值，若是，则确定所述消防栓的水压处于潜在异常状态，并进入步骤S13，若否，则输出消防栓正常状态信号；S13对所述消防栓的水温进行监测得到水温信号，并基于所述水温信号、水压信号、在第一时间阈值内的压力变化量、前一天同时刻的水压信号作为输入集，采用基于智能算法的预测模型，得到所述消防栓在第二时间阈值后的水压数据；S14基于所述消防栓在第二时间阈值后的水压数据得到所述消防栓的状态信号。2.如权利要求1所述的消防栓状态监测方法，其特征在于，确定消防栓的撞击状态的具体步骤为：S21判断所述消防栓是否存在加速度信号，若是，则进入步骤S22；S22判断所述消防栓的加速度信号是否大于第一加速度阈值，若是，则进入步骤S23；S23确定所述消防栓处于撞击状态，并记录所述消防栓存在加速度信号的次数。3.如权利要求1所述的消防栓状态监测方法，其特征在于，确定消防栓的水压处于潜在异常状态的具体步骤为：S31判断消防栓的水压在第一时间阈值内的压力变化量是否大于第一阈值，若是，则进入步骤S32；S32判断消防栓的水压在第三时间阈值内是否处于逐渐变低的状态，所述第三时间阈值大于第一时间阈值，若是，则进入步骤S33；S33确定所述消防栓的水压处于潜在异常状态。4.如权利要求1所述的消防栓状态监测方法，其特征在于，所述第一时间阈值、所述第一阈值根据所述消防栓的额定水压，消防栓所处的位置的重要程度决定。5.如权利要求1所述的消防栓状态监测方法，其特征在于，所述智能算法为基于LSTM
‑
ARIMA算法的预测模型。6.如权利要求5所述的消防栓状态监测方法，其特征在于，得到所述消防栓在第二时间阈值后的水压...

【专利技术属性】
技术研发人员：陈晓东，
申请(专利权)人：陈晓东，
类型：发明
国别省市：