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！

龙图腾网获悉杭州师范大学申请的专利一种基于多源时序数据融合的鲁棒火灾预警系统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：CN119377906B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202411188212.7，技术领域涉及：G06F18/27；该发明授权一种基于多源时序数据融合的鲁棒火灾预警系统是由高澜;庄永格;蒋鹏;刘俊;杜鑫峰;马超;郑艳设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本一种基于多源时序数据融合的鲁棒火灾预警系统在说明书摘要公布了：本发明属于火灾预警技术领域，传统火灾预警主要利用传感器进行状态检测识别，尽管传感器技术在火灾预警方面已有显著进展，但在进一步缩短火灾预警时间，降低误报率和漏报率等方面仍存在诸多挑战，针对这些问题，本发明提出一种基于多源时序数据融合的鲁棒火灾预警系统，在硬件上主要依赖三种类型传感器：温度传感器、CO浓度传感器和烟雾浓度传感器，该模型利用温度、CO浓度、烟雾浓度传感器采集到的时序数据，从中提取12个维度的参数作为神经网络的输入进行多源数据融合，并同时考虑数据采集异常的情况，本发明与其它现有方法相比，大幅度降低了火灾预警的误报率和漏报率，明显缩短了火灾预警的时间。

本发明授权一种基于多源时序数据融合的鲁棒火灾预警系统在权利要求书中公布了：1.一种基于多源时序数据融合的鲁棒火灾预警系统，其特征在于，包括 数据异常处理模块： 火灾预警系统在硬件上包含三种类型传感器分别是温度传感器、CO浓度传感器和烟雾浓度传感器，采集到的某一时间点的时间序列数据用表示，其中代表传感器种类，表示时间序列； 首先采集到的时序数据进行异常检测，判断是否在置信区间内： ； 为根据实际情况设置的区间值，若超出这个范围，说明数据存在异常，需要对此数据进行异常处理，根据对数据的缺失实验发现自回归模型应用于对未知数据的预测有良好的效果，于是利用自回归公式预测异常数值即： ； 自回归公式中，为随机误差值，为自相关系数表示当前时刻的观测值与过去个时刻的观测值的线性关系的系数，预测完异常时刻的数据后，将预测值代替原有的异常数据，以上为整个模型的异常数据处理模块； 神经网络模块： 从已知数据集中获取火灾过程较为明显变化因素的时序序列数据，包括温度、一氧化碳浓度和烟雾浓度，从中提取能够准确反映数据变化过程的特征值； 输入数据是，表示传感器数据在时刻的数值，表示不同类型传感器的数量,为数据集的时间标签序列； 对其进行信息提取，整个信息提取的内容包含：移动均值、基准误差、预测基准误差、循环趋势指标，移动平均值是广为人知的技术指标之一，用于预测时间序列分析中的未来数据，利用移动平均值来增强对数据变化的判断，移动平均值的公式为： ； 表示传感器数据在时刻的移动平均值； 移动平均值是提取时间序列变化的一个关键元素，在此基础上得以求出基准误差和预测阶段的基准误差，基准误差是通过传感器当前时刻的数值与环境的基准值之间的差值计算所得，这能直接反应出当前时刻的数据的与环境基准的偏差程度，环境的基准值用移动平均值代替，基准误差公式表示为： ； 表示传感器数据在时刻时与的差值，将其作为神经网络的一种输入； 为能更好地提前去预测火灾发生，模型通过预测下一时刻数据与设定的基准之间的差值来判断，预测基准误差则利用指数平滑公式即： ； 其中和两个常数没有直接关系，用于对历史值和当前值的加权，表示传感器数据在时刻预测阶段的基准误差，随后模型将传感器前一时刻基准误差、当前时刻基准误差和下一时刻预测基准误差进行循环趋势提取，利用只返回-1、0、1的特性，返回同一传感器的循环趋势指标： ； 循环趋势指标为前一时刻基准误差、基准误差和预测阶段的基准误差在函数下的求和运算，循环趋势指标表示为： ； 表示传感器数据在时刻的循环趋势指标，它是同一传感器在上一时刻、当前时刻和下一时刻趋势变化程度的综合反应； 由于模型采用的方法包含BP神经网络，在BP神经网络中，模型将S型函数作为激活函数，为了防止输出数据中较小的数值不会被较大的数据吞噬，需要将异常处理后的数据以及提取的信息、和进行归一化处理，具体的归一化公式如下： ； 其中为的输入向量，表示参量输入归一化后的值，表示输入向量的最小值，代表输入向量的最大值； 模型将、、、归一化后的数据作为神经网络的输入，将火灾概率y作为神经网络的输出。

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杭州师范大学，其通讯地址为：311100 浙江省杭州市余杭区余杭塘路2318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。