火灾自动报警主机(简称报警主机,下同)品牌和型号多,不同品牌或同品牌不同型号的数据协议都不一样,这为智慧消防的信息集成增加了难度,而且还会有新的协议出现,协议外在表现为火警、故障、屏蔽或联动等消防事件信息。火灾探测器等探测设备由于受外部人为或环境因素影响,报警主机会产生大量误报信息,将不利于优化消防资源配置。实现对报警主机的协议的智能化解析和对误报信息的智能化判断,能很好地促进智慧消防的良性发展。本文首先对探测设备的外部影响因子进行分析,提出了火警智能化管理的理论体系,然后根据火警智能化管理的理论体系,建立了一个火警智能分析的完整系统,实现对火警协议信息、外部影响因子进行数据融合并实现标准化处理,生成标准综合消防事件信息,在此基础上提出了一种基于深度学习机制的SSANNSMFA模型作为火警智能分析系统的核心模块,根据标准综合消防事件信息的特性,该模型通过将栈式稀疏自编码器神经网络(SSANN)和正则化softmax回归框架组合成一个新的深度神经网络模型,实现对已知探测设备的火警协议数据进行深度学习,对未知探测设备的协议数据进行快速高效的识别,通过对SSANN和softmax回归残差计算推导和实验表明,SSANNSMFA模型有较高的对探测设备协议数据的特征提取分类准确率和误报分辨率。最后将该模型应用于消防信息集成联网管理平台中。通过理论分析和实践表明,本文提出的火警智能分析模型能较好的实现火警协议的智能化分析和解决部分火警误报的问题,同时该模型也可以应用于智慧消防的其他领域,如图纸识别、巡查机器人等,也可以应用于其他工业控制协议数据识别如于PLC。但是实践中由于真实火警数量少,该模型还有待进一步检验完善。