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！

龙图腾网获悉西安电子科技大学申请的专利一种基于多类型传感器的可解释性机器学习辅助的火灾预测评估方法、系统、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119445799B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411560428.1，技术领域涉及：G08B31/00；该发明授权一种基于多类型传感器的可解释性机器学习辅助的火灾预测评估方法、系统、设备及介质是由赵若菁;王子恩设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种基于多类型传感器的可解释性机器学习辅助的火灾预测评估方法、系统、设备及介质在说明书摘要公布了：一种基于多类型传感器的可解释性机器学习辅助的火灾预测评估方法、系统、设备及介质，针对不同场景使用多种类型的传感器，采集整合大量火灾数据集，涵盖多种不同火灾场景，即不同时间、地点等，并将数据集划分出训练集和测试集；构建卷积神经网络子模型，使用数据集对模型进行训练，实现对火灾预测的普适性建模；使用主成分分析法并结合熵权法对预测发生火灾的地方进行灾情评估，实现对受灾程度的精确的普适性评估；本发明通过结合卷积神经网络子模型与主成分分析法PCA及熵权法进行灾情评估，能够准确分析和预测不同类型和规模的火灾情况，具有提高灾情评估的准确性和可操作性，同时增强模型的数据处理能力和输出的可解释性。

本发明授权一种基于多类型传感器的可解释性机器学习辅助的火灾预测评估方法、系统、设备及介质在权利要求书中公布了：1.一种基于多类型传感器的可解释性机器学习辅助的火灾预测评估方法，其特征在于，包括如下步骤： 步骤1，搜集火灾数据集T，火灾数据集T由多类型传感器收集的时间序列数据以及相应时刻是否发生火灾的真实标签组成，对火灾数据集T进行预处理，并划分为训练集和测试集； 对搜集到的火灾数据集T通过以下方法进行预处理： 其中，μ和σ分别代表每种传感器数据的均值和标准差，火灾数据集T随后被划分为训练集和测试集； 步骤2，构建卷积神经网络子模型，使用步骤1得到的训练集对卷积神经网络子模型进行训练，将步骤1得到的测试集输入至训练后的卷积神经网络子模型中，通过计算准确率和损失值，判断得到的输出结果与相应的真实标签是否匹配，经过多轮训练和测试，完成模型训练，得到训练后的最优卷积神经网络子模型；获取当前部署在多个地点的传感器数据集A’，将当前传感器数据集A’输入至训练后的最优卷积神经网络子模型中，得到输出结果，以此作为依据对当前传感器数据集A’进行筛选，删掉不会发生火灾的位置对应数据，得到会发生火灾的位置对应的传感器数据集A； 步骤3，对步骤2中会发生火灾的位置对应的传感器数据集A，使用主成分分析法PCA判断该位置影响火灾发生的主要因素，以此为依据，在步骤2得到的会发生火灾的位置对应的传感器数据集A的基础上进行数据筛选，得到仅有该位置影响火灾发生的主要因素的数据集M； 步骤4，使用熵权法对步骤3中仅有该位置影响火灾发生的主要因素的数据集M进行该位置发生火灾发生后的灾情评估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。