1.一种矿井火灾多源信息融合智能预警系统，其特征在于：包括多源信息采集单元、信息预处理单元、核心分析单元和火情风险预警单元，其中，多源信息采集单元、信息预处理单元、核心分析单元和火情风险预警单元之间信号连接；

多源信息采集单元用于采集火情影响信息：先通过三维建模获取矿井巷道分布立体模型，设置并标记火灾监测点，通过移动式巡检设备对火灾监测点的火情影响信息进行采集，预设有N0个火灾监测点；

信息预处理单元用于对火情影响信息进行预处理：火情影响信息包括若干影响参数指标，针对各个参数指标进行预处理，将其转化为标准数据；

核心分析单元用于对标准样本数据进行深度分析：先建立参数分析整合模型，针对各项参数指标的标准数据进行处理，分别获取各项参数指标的影响系数，进而通过各项参数指标的影响系数相结合，获取综合火情评估指数；再建立火情趋势预测模型，对于综合火情评估指数进行整体趋势分析，获取风险预测评估系数；

火情风险预警单元用于对风险预测评估系数进行精细化分析：划分并判定火灾监测点的风险程度，通过降序排序生成火势蔓延预测轨迹；

采集和预处理火情影响信息的具体过程为：

火情影响信息包括光线强度、温度、瓦斯浓度、烟雾含量、氧气占比、气压以及空气流速，将光线强度、温度、瓦斯浓度、烟雾含量、氧气占比、气压以及空气流速整合为火情影响信息的影响参数指标集；

建立数据预处理模型，对影响参数指标进行转化：

设置输入数据为影响参数指标A，预设影响参数指标A的标准范围为[Wa1，Wa2]，当影响参数指标A的数据值在标准范围内，则表示该影响参数指标A的数值正常，反之，表示该影响参数指标A的数值异常；

预设公式，获取影响参数指标A的标准数据Ba：

其中，标准数据Ba呈开口向上的抛物线，且标

准数据Ba均大于等于0；当影响参数指标A位于标准范围内，则影响参数指标A的标准数据Ba小于等于 ；反之，则影响参数指标A的标准数据Ba大于 ；

将火情影响信息的影响参数指标依次代入数据预处理模型，进而获取相应的标准数据；

建立参数分析整合模型的具体过程为：

向参数分析整合模型中输入影响参数指标A的标准数据Ba，设置信息采集周期Tc，以信息采集周期Tc为横坐标，以标准数据Ba为纵坐标，构建标准数据Ba‑信息采集周期Tc的动态曲线Sa；

预设标准数据Ba的高风险区间，提取动态曲线Sa位于高风险区间的曲线片段，并将其标记为高风险片段，对高风险片段进行针对性分析，通过针对性分析，获取n0个高风险片段的风险因子系数；

再通过高风险片段si与动态曲线Sa的横坐标，获取动态曲线Sa的高风险时长占比ZBa；

通过动态曲线Sa的n0个高风险片段的风险因子系数与高风险时长占比ZBa相结合，综合获取影响参数指标A的影响系数YXa；

将火情影响信息的影响参数指标依次代入参数分析整合模型，获取各项参数指标的影响系数，进而通过各项影响参数指标的影响系数相结合，获取综合火情评估指数；

对高风险片段进行针对性分析的具体过程为：

预设有n0个高风险片段，将任一个高风险片段标记为si，获取高风险片段si的全部点的坐标及斜率，预设高风险片段si有n1个点，将其中任一点标记为P（Xp，Yp），并将点P的斜率标记为Kp；

通过对n1个点的纵坐标进行降序排序，获取高风险片段si的最大幅度Ai；通过对n1个点的斜率进行平均值测算，获取高风险片段si的平均斜率 ，进而通过测算标准差，获取高风险片段si的增率波动系数σi；

通过高风险片段si的最大幅度Ai、平均斜率 和增率波动系数σi相结合，获取高风险片段si的风险因子系数Xi；

建立火情趋势预测模型的具体过程为：

以信息采集周期Tc为横坐标，以综合火情评估指数HQz为纵坐标，构建综合火情评估指数HQz‑信息采集周期Tc的动态曲线Sz；

获取动态曲线Sz的全部点坐标及斜率，预设动态曲线Sz有N1个点，将任一点标记为D（Xd，Yd），并将点D的斜率标记为Kd；

通过测算N1个点的斜率的平均值，获取动态曲线Sz的平均增率 ；

通过求取N1个点的纵坐标的平均值，获取动态曲线Sz的平均火情指数 ，进而求取标准差，获取动态曲线Sz的整体浮动系数σz；

再通过动态曲线Sz的平均增率 、平均火情指数 和整体浮动系数σz相结合，获取风险预测评估系数FX。

2.根据权利要求1所述的一种矿井火灾多源信息融合智能预警系统，其特征在于：获取综合火情评估指数的具体过程为：将光线强度、温度、瓦斯浓度、烟雾含量、氧气占比、气压以及空气流速的影响系数分别标记为光强影响系数GQ、温度影响系数WD、瓦斯影响系数WS、烟雾影响系数YW、氧气影响系数YQ、气压影响系数QY以及气流影响系数QL；

先通过光强影响系数GQ、温度影响系数WD以及瓦斯影响系数WS相结合，生成常态检测指数Zct；

再通过烟雾影响系数YW、氧气影响系数YQ、气压影响系数QY以及气流影响系数QL相结合，生成火情浮动指数Zhq；

设置火情浮动指数Zhq的火灾阈值Z0，当火情浮动指数Zhq达到火灾阈值Z0，则判定当前区域发生火灾；当火情浮动指数Zhq低于火灾阈值Z0，再通过常态检测指数Zct和火情浮动指数Zhq相结合，获取综合火情评估指数HQz。

3.根据权利要求2所述的一种矿井火灾多源信息融合智能预警系统，其特征在于：对风险预测评估系数进行精细化分析的具体过程为：依次获取N0个火灾监测点的风险预测评估系数，设置风险预测评估系数FX的火情风险区间，判定当前火灾监测点的火情预测风险程度，对于不同火情预测风险程度的火灾监测点分别进行相应的管理操作；

将N0个火灾监测点的风险预测评估系数进行由高到低的降序排序，将风险预测评估系数最高的火灾监测点作为初始点并按照顺序依次连接，生成火势蔓延预测轨迹，从而进行不同程度的火灾预防管理措施。