-
题名卷积与长短期记忆网络在火灾源强实时预测中的应用
- 1
-
-
作者
孟晓静
陈佳静
-
机构
西安建筑科技大学资源工程学院
西部绿色建筑国家重点实验室
-
出处
《安全与环境学报》
CAS
CSCD
北大核心
2024年第1期152-158,共7页
-
文摘
针对火灾场景中火源位置及强度实时、准确识别困难的问题,利用卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆(Long Short-Term Memory,LSTM)网络的算法优势,构建一种火灾源强实时预测模型,该模型通过建筑内温度传感器接收的序列数据,实时、准确地预测火灾场景中的火源位置及强度信息。采用火灾动力学模拟软件(Fire Dynamics Simulator,FDS)模拟火灾场景,获得温度传感器实时接收的序列数据,建立火灾场景数据库,进行火灾场景数据分析并对火灾源强实时预测模型完成训练,通过实例验证该模型的准确性、及时性和鲁棒性。结果表明,该模型能够通过较短长度样本数据实时、准确预测火灾场景中火源位置及强度,预测准确率为99.18%,在温度传感器间隔损坏且损坏率不高于70%时,预测准确率仍可达到95.10%以上。
-
关键词
安全工程
卷积神经网络
长短期记忆网络
火灾源强
实时预测
-
Keywords
safety engineering
Convolutional Neural Networks((CCNNNN)
)
L oLnogn gShSohrot-rTt-eTremrm MMeemmoorr(yyL(SLTSTMM))networks
fire source intensity
real-time prediction
-
分类号
X924.2
[环境科学与工程—安全科学]
-