火灾自动报警云监测系统，按照全天、、全过程进行，全面对消防大数据进行记录，实时分析数据变化，为单位固定消防设施正常运转提供依据，发生问题时间推送报警信息，管理人员可实时查看防火系统，防火报警设施，防火设备的情况。
及时检查传输装置与火灾报警系统之间的连接线路，接线是否正确，检查火灾报警控制器的远程联网功能是否设置正确、联网机号是否设置正确。
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) 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 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、 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，建立多维度分析评估模型，提供可视化 展示结果，区域消防业务科学化管理。
6.云计算能力强，可持续优化算法模型，完成迭代
http://www.xf-119.com
