消防管理工作繁重，人员紧缺，以技术代替消防人工保姆式服务方式，以大数据有效指导消防部门的督导压力，提升管理效能和精度。

你了解我国的消防无人装备体系、高倍数泡沫灭火技术吗？你知道日本消防团（志愿消防队） 如何招募和管理吗？你知道美国消防协会的火灾生命安全系统是怎样的吗？在第九届中国国际安全生 产论坛消防安全分论坛上，来自国内外消防领域的专家、学者给出了答案。 此次消防安全分论坛以“强化火灾事故预防，促进消防事业发展”为主题，邀请了国内消防部 门、科研院所、高校、消防企业以及海外消防专家、学者，举行了14场主题演讲。既包括高层、地下 建筑、石油化工企业、大型城市综合体及新能源汽车的火灾风险分析和防控技术研究的新成果，也 包括智慧消防建设、外墙外保温材料、火灾事故调查、志愿消防队伍管理以及国内消防产品进军海外 市场认证等内容，这些都是当前消防安全工作中的热点、难点和焦点问题。 参加分论坛的与会者纷纷表示，中外同行通过讨论交流，不但增进了彼此间的了解，而且增进 了合作和友谊。 大型城市综合体一旦发生火灾，不易被控制，易 演变成其他类型的火灾事故。 针对大型城市综合体的消防安全问题，要准确把握 现状，确立有时代特征、符合客观规律、针对性强的火 灾防控策略，包括深化火灾基础理论研究；提升建筑设 计设防等级，通过技术手段提升大型城市综合体的消防设计水平；强化日常监督管理；加强灭火救援技术、战 术研究，有效提升队伍的应急处置能力。 同时，需要先进技术作为支撑。在建筑防火方面， 采用建筑保温防火技术、玻璃幕墙防火技术及自动喷水 系统加防火玻璃分隔技术。在安全疏散及避难方面，通 过国家“十三五”重点研发技术项目，研发火灾避难系 列产品。在消防设施方面，采用新型自动灭火技术。

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。

技术虽好，推广运维不好也白搭。夷陵区对公共场所采用政府全额购买服务，对个体商户、小作坊采用业主自费、政府补贴的方式予以保障。目前政府全额补贴用户1414个。技术公司对设备产品购买保险，赔付因产品未预警而引发火灾所造成的用户损失，免除后顾之忧。
m.gdliontech.b2b168.com