实现对消防水源管网水压的准确、实时多点并发监测，通过对水压值动态分析，保证消防水箱和消防水池的水位处于正常水平范围内，保证消防管网系统通畅。当水位或管网系统发生异常时，能够迅速发出报警信息，及时排查消防水源隐患。
2. 4 大数据挖掘分析方法 Spark 目前支持常见的数据挖掘算法实现，包括: 相关分析、回归分析、时间序列分析、聚类分析等［3］。 ( 1) 相关分析。相关分析是研究变量间密切程度 的一种常用统计方法。线性相关分析仅研究两个变量 之间线性关系的程度。偏相关分析就是固定其他变量 不变而研究某两个变量间相关性的统计分析方法。主分量分析和因子分析研究一组变量内部的相关关系， 而典型相关分析考察两组变量之间的相互关系。 ( 2) 回归分析。回归分析研究一个变量和一组其 它变量之间相关关系的方法，按照回归变量的个数不 同可以分为一元回归分析和多元回归分析，按照回归 的形式不同可以分为线性回归分析和非线性回归分 析。通常线性回归分析法是最基本的分析方法，遇到 非线性回归问题可以通过对变量进行变换，从而转换 为线性问题来解决。 ( 3) 时间序列分析。时间序列分析是根据系统观 测得到的时间序列数据，通过曲线拟合和参数估计来 建立数学模型的理论和方法。时间序列分析主要用于 系统描述、系统分析、预测未来、决策和控制。 ( 4) 聚类分析。将物理或抽象的集合分组成由类 似的对象组成的多个类的过程被称为聚类。聚类分析 广泛应用于许多领域，例如模式识别、数据分析、图像 处理以及市场研究。通过聚类分析海量数据，从而得 到相应的数据分布形成特定的簇，并作进一步的分析。 3 基于大数据的“智慧消防”应用体系 建设 3. 1 “智慧消防”总体框架 “智慧消防”应用体系建设基于 J2EE 规范，符合 国际标准，具有良好的扩展性、跨平台性、移植性，体系 架构如图 2 所示。 ( 1) 数据资源层。通过数据的梳理整合得到的消 防大数据，包括: 装备数据、人员数据、场所数据、水源 数据、通讯数据、交通数据、物资数据、巡查数据、视频 监控等。 ( 2) 基础应用支撑层。基于 Hadoop 和 Spark 技 术进行构建，包括统一数据采集、基础数据存储和处理 中心。 ( 3) 系统应用层。构建统一的系统应用中心，通 过基于大数据技术，实现信息全面感知、风险监测预 警、作战科学指挥、装备精细管理、安全公共服务等应 用场景的应用。 3. 2 消防信息全面感知 通过消防信息感知采集系统对大数据资源的收 集、整理及融合分析，在 Hadoop 平台上进行消防信息 大数据的全面感知与管理，打通互联网、政务网、公安 网、消防网、通信网等数据通道，汇接实时路况、人口热 力、重点单位、装备实力、周边水源、物联传感、视频监 控等数据资源，建立多维度分析评估模型，提供可视化 展示结果，辅助区域消防业务科学化管理。

5月22日，宜昌市召开全市智慧消防建设暨居民住宅小区高层建筑电气火灾隐患整治工作视频会。夷陵区作经验交流发言。
因此，依托互联网、物联网、大数据与人工智能建设智慧社会是未来发展的方向。智慧消防必然是建设智慧社会的重要组成部分。然而，智慧消防是什么呢？
智慧消防是个非常宽泛的话题。从终端、到平台、再到应用；还有如何提高消防管理效率，如何有效的预警火灾，解决消防问题等；以及不同的功能所涉及的开发难度、周期、实用性场景都是千差万别。

依据消防物联网运行沉淀的海量消防数据，通过机器学习以及人工智能的手段，长期为监管者和单位提供火灾预警、研判服务。

6.云计算能力强，可持续优化算法模型，完成迭代

城市消防远程监控系统大多由运营商运行，接入方需要按点数交纳建设费、通讯费、维护费，运营方在建设时也难以获得各消防厂家通讯协议的问题，运营时的管理责任也不能完全落实到位，消防设施故障及火灾时的一些相关责任也难以承担，运营的管理体系没有建立，责权利没有分清，反而给接入单位带来了额外的费用，因而这套系统现在如同鸡肋。



m.gdliontech.b2b168.com