简单森林火灾模型的自组织临界行为(英文)

森林火灾系统是和自然、社会以及经济发展息息相关的的复杂系统.森林火灾的自组织临界行为也是复杂科学的重要研究领域.森林火灾模型的幂律分布,很好地揭示了森林火灾系统自组织临界性,进一步自组织临界行为研究有利于帮助了解森林火灾系统.研究一个简单的森林火灾模型,通过数值模拟得到了很好的"频率-尺度"分布,模型很好的满足有限尺度效应.引入异质性和风向因素,来讨论和原初模型的"频率-尺度"分布差别,给出了平均过火面积和控制参数的变化关系.模型的结果对如何控制森林火灾提供了很好的建议.

典型舱室火灾智能识别的贝叶斯网络模型

基于先进传感器,建立了火灾大小和类型智能识别的贝叶斯网络模型,上层温度、下层温度、CO浓度、CO2浓度、O2浓度和遮光度等6个火灾特征参数为识别模型的输入变量,火灾大小和类型为输出变量,并推导了输入变量与输出变量之间的关系。分别在住舱、指挥室、机舱和机库等4种典型舱室模拟了床垫火、电缆火、油池火和喷射火等4种火源,利用CFAST软件得到了2 880组模拟样本数据,对模型参数进行了训练,并根据全尺度火灾试验数据对训练后的识别模型进行了验证。验证结果表明:在火灾传感器数据完整时,对小火、中火和大火状态的平均识别正确率分别为88.0%、95.0%、85.7%,对固体火和油料火的平均识别正确率分别为90.2%、81.5%;在火灾损害严重或武器打击致使单个传感器失效的情况下,对火灾大小和类型的平均识别正确率分别为82.4%、82.7%,比火灾传感器数据完整时分别降低8.1%、2.8%。可见,识别模型具有良好的识别能力和鲁棒性,可应用于舰船损管监控系统,为指挥员选择最有效的灭火方法和战术提供实时的决策支持。