随着物联网技术的快速发展,将其应用在工业领域可以有效的提高生产过程中的工作效率。国内油库企业正在积极引进新技术,部分油库已搭建无线传输平台并投入使用。但是物联网的应用会让网络边缘设备数量迅速增加,加上原有的信息系统设备会产生大量的数据,处理不当容易导致终端设备能耗增加,数据运算缓慢,无法实现智能化预测的问题。本文在改进油库信息系统技术的研究中,针对油库信息系统中所要进行的密集任务,引入边缘计算,设计了多平台任务卸载算法,三个平台分别是本地计算、移动边缘计算和云计算。对问题进行数学建模,定义总能耗为计算任务卸载过程中的传输能耗和执行能耗,为了避免单目标优化脱离实际应用,综合考虑了任务最大容忍延迟、计算资源分配、传输速率等约束条件。由于建模后为非凸问题,采用量子粒子群算法进行最优化求解,从而确定多平台任务智能卸载策略。利用MATLAB软件仿真,多平台卸载算法最高可降低38.3%的能耗。通过结果分析,使用卸载算法后,无需对终端设备硬件进行大幅升级即可实现多任务处理并降低能耗,解决终端设备计算能力不足、电池容量有限以及网络延迟增加的问题。在数据处理方面,针对油库消防信息系统进行了改进,构建了基于量子粒子群算法优化BP神经网络的火灾智能预警算法,以温度、烟雾以及CO数据作为神经网络的输入,无火、明火以及阴燃火作为神经网络的输出。使用量子粒子群算法优化BP神经网络运行过程中随机产生的权值和阈值,加快神经网络收敛到期望误差的速度,增强全局搜索能力。通过MATLAB软件对智能火灾预警的模型进行仿真,模型输出的火情概率与实际值基本吻合。为了进一步验证算法的有效性,设计了多传感器数据采集设备,将实验数据输入网络模型,证明算法能够有效识别明火、阴燃火和无火情况,达到了提高油库消防预警系统准确性的目的。