如“医疗+AI”：大量准确的被医生标注过的数据较重要，没有数据，再天才的科学家也无用武之地。
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较基本的分析方法，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。
结合当地智慧用电、用气、用水系统建设，整合高层住宅建筑各类监控系统和视频资源，建立智能消防预警系统。在新建高层住宅应用城市物联网消防远程监控系统，对消防设施、电气线路、燃气管线、疏散楼梯等进行实时监测。运用手机 APP 系统和移动互联网技术将各类监测信息与手机互联互通，消
防监督员、公安派出所民警、社区网格员、物业管理人员、微型消防站队员以及楼栋居民，可实时接收火灾报警信号，查看消防设施、安全疏散、电气燃气等各项监测数据，实现高层住宅消防安全信息化管理。结合城市物联网消防远程监控系统，同步建设高层住宅智能消防预警系统。
各地政府已将“智慧消防”嵌入“智慧城市”管理，重点将监管部门、行业部门消防管理责任纳入城市综合管理服务“一张网”，各司其职、各负其责，在各自行业领域同步落实消防管理，建立起政府统一领导下的监管部门、行业部门、基层组织、社会单位齐抓共管的消防安全责任体系。引导社会单位利用移动互联网技术建立单位内部消防安全管理系统，初步实现了消防安全信息网上录入、巡查流程网上管理、检查活动网上监督、整改质量网上考评、安全工作网上研判、强化落实主体责任等活动，大大提高了消防监督检查工作的效率与针对性。
-/gjighh/-
http://www.xf-119.com
