基于改进PSO优化的RBF火灾预测系统

针对系统预测火灾状态不准确,导致火情变大造成人民群众生命和财产损失的问题,本文提出了一种基于改进粒子群优化的径向基神经网络多传感器数据融合算法的火灾状态预测系统。以温度、烟雾浓度、一氧化碳浓度为输入,以无火、阴燃火、明火的概率为输出,为了避免输出产生偏差,模糊推理系统对神经网络系统的输出做补偿。由于粒子群算法存在容易陷入局部最优的缺陷,采用一种非线性动态自适应惯性权重的改进粒子群优化算法(IPSO)。仿真实验表明,改进后的系统,以明火为例的平均绝对百分比误差达到0.169、均方根误差达到0.0021、平均绝对误差达到0.031。