基于极限学习机的炭化可燃物着火时间预测

机器学习技术近年来在许多传统科学领域取得了应用,针对火灾中炭化可燃物着火时间与物性参数及环境参数之间关系复杂的特点,提出了一种基于极限学习机的预测方法以实现不同物性及环境参数时着火时间的快速准确预测,为防治及扑救火灾提供参考。首先建立炭化可燃物热解数值模型,考虑了可燃物热解过程中的含水率以及热解反应、气体流动等复杂物理化学反应过程,然后搭建极限学习机,以数值模拟数据为基础进行训练及验证工作。结果表明基于极限学习机的预测方法能够有效实现炭化可燃物着火时间的快速准确预测,平均相对误差小于3%。

基于多组分热解气体的炭化可燃物燃烧模拟

为弥补现有火灾数值模拟在热解气体和气固边界耦合方面的不足,将真实燃烧往往包含的多组分热解气体直接应用于炭化可燃物燃烧模拟过程,提高数值模拟的预测精度。首先,针对多组分热解气体更新热解模型、燃烧模型、烟模型、边界条件等;然后,基于OpenFOAM平台建立新的求解器—multiFireFOAM进行数值模拟,并通过热重、红外光谱、火蔓延仪(FPA)、锥形量热仪等仪器进行试验,从而提供必要的模拟输入参数和验证数据。结果表明:新建求解器的模拟结果与试验数据取得较好的一致性;对比基于多组分和单组分热解气体的锥形量热仪模拟结果,虽然多组分比单组分多用时3%,但质量损失速率和热释放速率模拟精确度显著提升。