基于火灾痕迹的起火点判定研究现状及展望

为帮助火灾调查人员快速准确地确定起火点位置、完善事故调查证据链,进而探明火灾原因,综述基于火灾痕迹的起火点判定研究现状。首先,介绍火灾痕迹分类,包括燃烧痕迹、烟熏痕迹、倒塌痕迹及电器线路痕迹,着重介绍烟熏痕迹的研究现状及不足;然后,综述当前国内外多种起火点判定方法,将其分为利用经验、数值重构技术以及机器学习算法等3种,并分别分析3种方法的优势和不足;最后,展望未来起火点判定技术的研究趋势。结果表明:利用烟熏痕迹数值模拟结合机器学习进行起火点判定具有良好的应用前景。

基于BP神经网络及烟尘沉积特征的单隔间内起火点预测

为帮助火灾调查人员更准确、高效地判定起火点,提出了一种基于BP神经网络的起火点预测模型。通过对单隔间火灾烟尘沉积进行数值模拟,构建了59种不同起火点场景下壁面烟尘沉积数据库,并分析了典型起火点场景下的壁面烟尘沉积特征,发现起火点位置与壁面沉积总量及最大浓度平均值之间具有强关联性。选取上述两个参数作为输入,起火点位置作为输出进行神经网络训练,并利用新数据进行预测。结果表明起火点位置预测值的最大绝对误差为0.65 m,最小绝对误差为0.03 m,平均绝对误差为0.37 m,说明本文提出的模型能以较高精度预测起火点位置,是一种较好的火灾调查替代方法。