本发明涉及人工智能，具体而言，涉及一种基于大数据的火灾蔓延模拟模型训练方法及系统。
背景技术：
1、火灾是一种严重威胁人类生命财产安全的灾害，火灾的蔓延行为受到许多因素的影响，包括火源的大小、物质的燃烧性能、环境条件等。
2、传统的火灾蔓延模拟方法通常依赖于专家知识和经验，对于复杂的实际场景，这些方法可能无法准确地预测火灾的蔓延行为。
3、近年来，随着大数据技术和机器学习算法的发展，利用历史火灾数据进行火灾蔓延模拟成为了一种可能的解决方案。
4、然而，如何有效地使用历史和实时数据进行模型训练，以及如何将训练得到的模型应用到实时火灾蔓延模拟中，仍然是当前研究的重要问题。
技术实现思路
1、本发明的目的在于提供一种基于大数据的火灾蔓延模拟模型训练方法及系统。
2、第一方面，本发明实施例提供一种基于大数据的火灾蔓延模拟模型训练方法，包括：
3、获取历史火灾蔓延数据集和实时火灾蔓延数据集，所述历史火灾蔓延数据集中包括历史火灾蔓延数据，所述实时火灾蔓延数据集中包括实时火灾蔓延数据；
4、根据至少两个火灾特征学习网络建立预训练模型，所述至少两个火灾特征学习网络由所述历史火灾蔓延数据训练得到，所述预训练模型中包括单独学习网络和联合学习网络，所述单独学习网络包括架构一致并且同时运作的第一单独学习网络和第二单独学习网络；其中，所述第一单独学习网络用于对所述历史火灾蔓延数据进行特征编码，所述第二单独学习网络用于对所述实时火灾蔓延数据进行特征编码；所述联合学习网络用于对所述单独学习网络的特征编码结果进行集成分析；
5、通过所述历史火灾蔓延数据与所述实时火灾蔓延数据对所述预训练模型执行训练操作，得到火灾蔓延模拟模型，所述火灾蔓延模拟模型用于将所述历史火灾蔓延数据集对应的至少两个火灾特征学习网络的学习策略进行优化后，引用到对所述实时火灾蔓延数据的火灾蔓延模拟阶段中。
6、第二方面，本发明实施例提供一种服务器系统，包括服务器，所述服务器用于执行第一方面描述的方法。
7、相比现有技术，本发明提供的有益效果包括：采用本发明公开的一种基于大数据的火灾蔓延模拟模型训练方法及系统，通过获取历史和实时火灾蔓延数据集，用于训练一个预训练模型，该模型包含两个由历史火灾数据训练得到的特征学习网络，预训练模型的单独学习网络对历史和实时火灾蔓延数据进行特征编码，联合学习网络则集成分析这些编码结果，执行训练操作后，得到的火灾蔓延模拟模型优化了学习策略，并在模拟阶段中引用实时火灾蔓延数据。
8、如此设计，通过利用大数据和深度学习技术，结合历史和实时火灾数据进行模型训练，可以更准确地预测火灾蔓延行为，提前采取应对措施，减少火灾对人类生命财产的损失。
1.一种基于大数据的火灾蔓延模拟模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据至少两个火灾特征学习网络建立预训练模型，包括：
3.根据权利要求2所述的方法，其特征在于，当所述待定单独学习网络被构建为所述第一单独学习网络时，所述第二单独学习网络由所述第一单独学习网络通过克隆获取；或者，
4.根据权利要求2所述的方法，其特征在于，所述将位于末位的火灾特征学习网络作为起始位置，顺序选择至少一个火灾特征学习网络得到所述联合学习网络，包括：
5.根据权利要求1所述的方法，其特征在于，所述预训练模型还包括对所述历史火灾蔓延数据和所述实时火灾蔓延数据进行蔓延趋势类型识别的类别识别器；所述历史火灾蔓延数据对应标注有历史火灾蔓延预期结果，所述实时火灾蔓延数据对应标注有实时火灾蔓延预期结果；
6.根据权利要求1所述的方法，其特征在于，所述获取历史火灾蔓延数据集和实时火灾蔓延数据集之后，还包括：
7.根据权利要求1所述的方法，其特征在于，所述火灾蔓延模拟模型用于对图像进行蔓延趋势类型判定；
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的方法，其特征在于，所述将多个火灾模拟特征向量和多个消防调度特征向量执行整合操作，得到所述目标区域的消防关联特征之前，所述方法还包括：
10.一种服务器系统，其特征在于，包括服务器，所述服务器用于执行权利要求1-9中任一项所述的方法。
