基于人工神经网络的火灾图象探测方法

提出了一种新型的火灾探测方法,基于ＢＰ神经网络的火灾图象探测方法。该方法利用了早期火灾火焰的形体变化特性,用图象处理的方法提取特征信息,最后利用人工神经网络来进行火灾判,别。     

基于蚁群神经网络火灾信息处理技术研究

简要介绍了火灾信息处理技术的发展历程。鉴于传统的BP网络神经算法在时间和收敛性上的不足,提出用蚁群算法来训练神经网络,并针对火灾信息的特征建立模型。最后通过实例进行了验证,说明蚁群算法训练神经网络权值和阀值的方法,用于火灾探测信息处理,提高了信息处理准确率,缩短了训练执行时间。     

提高每具灭火器的最小灭火级别将会减小建筑A类火灾的次数

本文研究了近年的火灾案例,指出ＧＢＪ１４０－９０规范中的参数“每具灭火器最小灭火级别是”是很重要的,直接影响扑灭建筑Ａ类初期火灾的成功率。通过引入英国标准ＢＳ５３０６０,提出扑灭实际火灭火级别要降低,通过与美国ＮＦＰＡ１０－１９８４规定的比较,指出我国规范对严重危险级建筑Ａ类火灾规定的“每具灭火器的最小级别”为５Ａ的规定值太低,不能有效地扑灭初期火灾。根据用大Ａ值的灭火器火灭初期火灾的试验,提出将     

虚拟仪器技术在神经网络火灾识别模型中的应用研究

为降低火灾自动报警系统的误报、漏报率,基于BP神经网络算法,用LabVIEW虚拟仪器开发了一套智能火灾识别模型。在火灾探测区域内合理布置若干感温探测器,在火灾识别模型中,将探测到的温度场参数作为BP神经网络的输入,火灾发生与否作为输出,并对影响BP神经网络的各项参数和该模型的运行结果进行测试研究。仿真试验结果表明:选取42组训练样本,当网络训练到4 000次左右时,最大相对误差值达到目标值0.1,其中大部分相对误差值达到0.05以下,网络的实际输出值非常逼近样本的理想输出值;实际火灾试验表明:该火灾识别模型能够探测火灾的发生。     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题，在现有技术成果基础上对多种火灾探测方式进行研讨，并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术，以红外热成像探测为辅助手段，采用神经网络实现数据融合，对模拟实验舱火灾烟雾进行联合探测，在单一火灾探测方式基础上提高了探测准确率。     

基于神经网络的火灾探测系统

本文提出了一种基于神经网络的火灾探测方法,其对火灾的各种状态进行了识别,提高了早期发现火灾的能力,实验结果表明,该方法在火灾自动探测中是一种十分有效的方法。     

火灾探测算法评估技术研究

论述了火灾探测算法评估技术研究的重要性。提出一种火灾探测算法评估技术方法,在评估过程中主要考虑了火灾探测算法的三种重要属性,即火灾探测性能、环境适应性和抗误报能力。设计并实现了三种火灾探测算法评估模式和相应的实验流程,包括实体实验、接口模拟和软件模拟。为每一种模式设计了具体的实验方法,评估实例证明了所设计的模式和方法的有效性。     

面向视频火灾火焰识别的轻量化卷积神经网络模型

深度学习在基于视频的火灾火焰识别技术中得到了广泛应用。为解决当前常用的卷积神经网络模型由于层数和训练参数过多，导致存储和速度问题突出，很大程度上限制了其在一些硬件平台上使用的问题，基于轻量级卷积神经网络模型SqueezeNet,通过适当修改模型结构，构建了一种适用于火灾火焰识别的新网络模型。将获取的各类火灾火焰图像数据，采用数据增强的方法来增加数据量，制作火灾火焰图像数据集，形成学习样本，并使用运动探测算法提取图像的火焰区域进行模型训练和识别前预处理。试验结果表明：该模型所需存储空间仅为0.28 MB,为VGG16的1/200;火灾火焰识别预测准确率达98%,比SqueezeNet提高了近4个百分点，且具有良好的抗干扰能力，有效缓解了当前卷积神经网络中存在的存储和速度问题。     

模糊神经网络在火灾探测系统中的应用

为使火灾探测具有较低的误报率、较高的可靠性和较强的环境适应能力,提出了一种基于人工智能的数据融合技术的火灾探测算法,以环境温度、烟雾浓度、CO含量为检测对象,利用人工神经网络和模糊推理技术对多传感器信号进行融合,最终输出火灾危险性大小的信号。神经网络采用径向基函数网络(RBF),运用最近邻聚类学习算法,实现隶属度函数参数的自动提取,并结合模糊逻辑具有较强综合判断能力和识别能力的特点,在MATLAB下完成了火灾探测系统的设计与仿真,明显提高了火灾探测系统的性能。     

火灾探测器研究

火灾探测是将火灾中出现的物理特征,利用探测器进行接受并将其变为易于处理的物理量,通过火灾探测算法判断火灾的有无.本文从火灾探测器的探测原理和火灾探测算法两个方面详细介绍了火灾探测器,为实际工程中火灾探测器的选择提供了指导和参考.     

重大事故人员应急疏散模型研究

介绍了遗传算法和毒负荷的基本概念,给出了基于有毒气体泄漏事故后果预测仿真人员疏散最佳路径选择的遗传算法的模型。在该模型中,人员疏散最佳路径选择算法与遗传算法在该领域的应用较为新颖,且有一定的实用价值,可为事故的预防准备和现场决策提供支持     

BP神经网络技术在交通工具火灾预警中的应用

通过对交通工具火灾成因机理以及现有典型交通工具火灾实例的分析研究,建立了预警评价指标体系。根据非线性理论和模式识别原理以及交通工具火灾的特点,采用基于BP神经网络的智能灾害诊断方法,对交通工具火灾发生的可能性和危险性进行评估和预测。研究表明:BP神经网络方法是解决非线性系统问题的一种有效方法,与传统的预警方法相比,该方法具有速度快、效率高、可信度好、自学能力强等特点。采用BP网络进行交通工具火灾预警时,只需输入影响交通工具火灾发生的相关指标因素,网络便可在较短的时间内得出可靠的预警结果。     

Method to map human and infrastructure vulnerability using CNN land cover: Case study of floating tank explosion at petrochemical plants of LaemChabang,Thailand

Industrial storage tanks, used to store flammable materials in the petrochemical industry, can induce potential fire and explosion under specific conditions. Therefore, it is necessary to map the population and environment vulnerability, and, to develop procedures for emergency responses in order to reduce potential casualties. In order to achieve this, Convolutional Neural Networks (CNN) are used in this study using 6 classes: floating tank, forest, house, road, wasteland and water. Datasets are built for a total of approximately 1.4 million tiles with a resolution of 0.33m/pixel and their size are optimized in function of the class. The 6 associated CNN models are built and optimized to classify each class. The validation of the models shows that, with the exception of road and wasteland where the precision is only 73% and 89% respectively, the other 4 classes have a value higher than 95%. Post-processing is performed on each prediction before aggregating these results to obtain the land cover. For the floating tank class, a 5 step post-processing is used based on a Density-Based Spatial Clustering of Applications with Noise algorithm (DBCAN) after which blast simulation is applied and effects on people, buildings and trees are obtained through 4 steps. Finally, the petrochemical site of LaemChabang in Thailand is used as study case. Except for the road class that is difficult to detect, land cover is well performed. Human casualties and surface of damaged buildings are finally estimated demonstrating the usefulness of the tool to be used for the emergency planning of industrial disasters.     

遗传神经网络在地下商场火灾风险评价中的应用

由于地下商场火灾时非线性强、风险大，目前国内没有明确的地下商场火灾风险评价模型。建立了地下商场火灾风险评价的指标体系。根据遗传神经网络原理提出了地下商场火灾风险的遗传神经网络评价模型，其中采用了适用于少样本评价的灰色聚类方法来确定训练遗传神经网络的样本。将所建立的模型通过实例评价进行了验证，结果表明此模型在地下商场火灾评价中具有较好的应用价值。     

Predicting of blasting vibrations in Sarcheshmeh copper mine by neural network

Artificial Neural Networks (ANN) have proven to be an effective tool for solving complex engineering problems requiring estimation, pattern recognition, and classification of variables. Ground vibration caused by blasting imposes damages and financial penalties and as such must be predicted accurately. In this study, the potentials of ANN are investigated in prediction of ground vibrations due to blasting in open pit mines. Real vibration data is recorded using PDAS 100 seismometers, and used as input data for ANN. Using back propagation algorithm and performance function, root mean square error (RMSE) the network, containing four hidden layers and 23 data sets, was trained. Six sets of data were used to make sure that correct training had been carried out. This produced the coefficient correlation of 0.99355.     

结构损伤诊断与系统时域辨识研究综述

对结构时域辨识理论及其应用进行系统研究和综述。研究表明:环境激励的非平稳与不确定性、响应信息的不完备性、反问题的不适定性以及测试噪声等是影响系统时域辨识理论在结构损伤诊断中应用的关键因素。以影响因素为主线,系统阐述结构时域辨识理论、方法的发展和研究现状,并对其优、缺点进行比较。分析指出,基于系统识别的结构损伤诊断技术适合于从整体层次上把握结构的健康状况,只有将其与局部损伤检测方法结合才有可能对大型复杂结构的健康状况作出正确的评估。展望结构时域辨识技术的发展趋势认为:随机子空间法等先进的系统辨识方法、EMD非平稳信号处理技术以及神经网络智能算法将成为未来研究和发展的主流。     

矿井重大灾害危险性评价的改进灰色统计法

用灰色统计理论［１］研究了矿井四大灾害即冒顶、水灾、火灾和瓦斯爆炸的危险性预评价问题，提出了一种新的评价方法──灰色统计综合法。同时，从应用的角度出发对灰色统计的算法作了改进，改进后的算法便于记忆和应用。     

A flexible intelligent algorithm for identification of optimum mix of demographic variables for integrated HSEE-ISO systems: The case of a gas transmission refinery

This study proposes a flexible intelligent algorithm for assessment and optimization of demographic features on integrated health, safety, and environment and ergonomics (HSEE)-ISO systems among operators of a gas transmission refinery. To achieve the objectives of this study, standard questionnaires with respect to HSEE and ISO standards are completed by 80 operators. Demographic features include age, education, gender, weight, stature, marital status, and work type. The average results for each category of HSEE are used as inputs and effectiveness of ISO systems (ISO 18000, ISO 14000, and ISO 9000) are used as output for the intelligent algorithm. Artificial Neural Networks (ANN) and Adaptive Neuro Fuzzy Inference System (ANFIS) in addition to conventional regression are used in this paper. Result shows the applicability and superiority of the flexible intelligent algorithm over conventional methods through mean absolute percentage error (MAPE). Computational results show that the proposed ANN performs better than ANFIS and conventional regressions based on its relative error. Finally, the optimum mix of demographic variables from viewpoint of HSEE and ISO are identified. This is the first study that proposes a flexible intelligent algorithm for assessment of optimum mix of demographic features for HSEE and ISO systems in a complex system such as a gas transmission refinery.     

网络攻击检测中的机器学习方法综述

在详细介绍网络攻击检测机器学习原理的基础上,对现有的各种方法进行了评述,并结合网络攻击检测系统的应用需求,阐述了网络攻击检测系统机器学习技术的发展方向。     

火灾风险评估相关概念辨析

对易于混淆的火灾风险评估相关概念进行辨析,界定一些概念的内涵和外延。根据防灭火涉及的不同因素,提出了火灾风险源、狭义火灾风险和广义火灾风险的概念。从3个层次上对火灾危险、火灾危险性和火灾风险进行阐释。分析结果表明,有关概念外形和语义上的相似性,不利于火灾风险评估的推广与普及,现行术语需要及时进行修订和统一;在危险源概念从理论向实践传播存在困难的情况下,采用由实践需要向理论提升而创新的风险源概念,有利于扩大火灾风险评估的适用性;从3个层次对火灾危险、火灾危险性和火灾风险进行界定,可促进对火灾风险评估的理解;狭义火灾风险与广义火灾风险概念的提出,可以为根据火灾风险评估的目标对象所处的不同阶段,选择使用不同的评估方法提供有益的参考。