买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及消防救援队伍的应急救援领域，公开一种消防应急救援现场有毒有害气体风险监测预警系统，感知单元获取所有参战消防单兵携带的有毒有害气体传感器的有毒有害气体浓度信息的实时感知数据及单兵携带的通信终端的位置信息后传输到消防战斗网，后接入消防指挥调度网，预测单元通过救援现场数据信息，应用神经网络Reformer模型实现现场有毒有害气体浓度趋势预测并根据单兵所在区域的预警等级判定方法，对预测后的数据进行单兵预警等级更新。本发明以消防救援队伍现有的应急通信体系、装备为基础，实现了消防单兵体域周围的有毒有害气体浓度的实时感知、传输、处理，实现有毒有害气体蔓延浓度预测与预警，为现场指挥员科学指挥提供了数据支撑。

主权项：1.一种消防应急救援现场有毒有害气体风险监测预警系统，其特征在于，系统运行环境包括消防单兵体域网、消防战斗网和消防指挥调度网，系统包括感知单元、传输单元及预测单元，所述感知单元运行在消防单兵体域网内，所述传输单元运行在消防战斗网，所述预测单元运行在现场指挥部的消防指挥调度网；所述感知单元获取所有参战消防单兵携带的有毒有害气体传感器的有毒有害气体浓度信息的实时感知数据及单兵携带的通信终端的位置信息后传输到消防战斗网；所述消防战斗网的传输单元接收感知单元传输的数据后通过Mesh的方式接入消防指挥调度网，预测单元基于传输单元发送的数据，通过救援现场有毒有害气体浓度信息的实时感知数据及结合消防单兵作战轨迹信息，应用神经网络Reformer模型实现现场网格区域的有毒有害气体浓度趋势预测并根据单兵所在区域的预警等级判定方法，对预测后的数据进行单兵预警等级更新；所述预测单元对救援现场的有毒有害气体浓度趋势预测包括以下步骤：S1、收集有毒有害气体扩散历史数据及火灾实验室试验数据，建立训练数据集；S2、对于训练数据集，采用优化算法对神经网络Reformer模型进行训练，得到优化的Reformer模型；具体包括以下步骤：S2.1、对训练数据集的有毒有害气体数据进行预处理，具体包括步骤：S2.1.1、对数据进行归一化处理，确保数据在统一尺度上，便于模型训练；S2.1.2、将归一化后的数据按照时间序列切分为训练集和测试集，确保模型能够学习到数据的时间特征；数据归一化后的输入矩阵记为 ；其中，包括有毒有害气体浓度数据；S2.2、采用优化算法对神经网络Reformer模型进行训练，具体包括步骤：S2.2.1、模型初始化：设定多个超参数构建Reformer模型以适应不同的任务需求，超参数包括：层数、注意力头数、隐藏单元数、序列长度和嵌入维度；S2.2.2、损失函数定义：定义损失函数为预测值与真实值之间的均方误差MSE，以衡量模型的预测准确性； ；其中，为样本个数，为第i个样本的预测值，yi为真实样本值；S2.2.3、模型训练：首先将步骤S2.1.2得到的训练集按批次输入模型，通过前向传播计算预测值，并使用损失函数计算误差；然后通过反向传播算法计算梯度，使用优化算法更新模型参数；通过多次迭代，不断调整模型参数以最小化损失函数值，并使用测试集评估模型性能；得到的优化后的Reformer模型具有有毒有害气体浓度的时间序列特征，提高预测的准确性和可靠性；S3、建立救援现场坐标系，建立急救援现场有毒有害气体风险监测数据矩阵并与现场坐标系建立对应关系，初始化矩阵单元的有毒有害气体种类和浓度，得到现场实时数据集；S4、每1秒采集一次参战消防单兵携带的有毒有害气体传感器的有毒有害气体浓度信息的实时感知数据及单兵携带的通信终端的位置信息并记录到输入参数矩阵中，形成基于时间序列实时数据集；S5、将基于时间序列实时数据集输入到优化后的Reformer模型中，得到根据时间序列预测的各区域有毒有害气体浓度值和救援现场有毒有害气体浓度趋势。

全文数据：

权利要求：

百度查询： 应急管理部沈阳消防研究所 一种消防应急救援现场有毒有害气体风险监测预警系统