本技术公开了一种基于机器学习的智能楼宇安全监测方法及系统,属于智能楼宇安全技术领域,方法包括数据采集、数据预处理、楼宇环境检测、异常访问识别和楼宇安全报告生成。本发明采用堆叠集成学习模型进行楼宇环境检测,综合不同基学习器的优势,增强对复杂特征的捕捉能力,提高模型鲁棒性和准确性,有助于提高楼宇环境检测的实时性和有效性;采用双维注意力机制神经网络模型进行异常访问识别,通过双维注意力机制灵活调整对不同数据维度的关注度,有效捕捉不同特征之间的复杂交互关系;结合楼宇环境检测和异常访问识别进行智能楼宇安全监测,通过综合分析楼宇安全,更好适应智能楼宇安全需求,有助于建立多层次的楼宇安全防护体系。
背景技术
智能楼宇安全监测利用机器学习技术对楼宇内的安全状况进行实时监测和分析,实现自动化地安全监测,它旨在提前发现楼宇内的潜在安全隐患,减少事故发生的风险,帮助楼宇管理人员及时采取措施,并优化安全管理策略,从而提升楼宇安全水平。
但在现有智能楼宇安全监测过程中,存在楼宇环境中包含大量多样化的数据,具有多样性和复杂性,单一模型难以全面捕捉复杂的数据特征,模型准确性较低,从而影响楼宇环境检测的有效性的技术问题;存在异常访问识别的数据维度较高,且具有复杂交互关系,传统预测模型难以同时关注时间维度和特征维度,导致特征捕捉能力弱,影响模型识别性能的技术问题;存在单一的楼宇环境检测或异常访问识别只能覆盖到部分楼宇安全问题,无法提供全面的安全保障的技术问题。
实现思路