斜风场中基于加权距离差法的早期火灾源点定位研究

火灾早期阴燃状态下,释放热量少,却产生大量的烟气,而风场中烟气的传播除了受自身的各向同性扩散影响外,更主要是受外界风的影响.基于斜风场中的气体浓度衰减模型,利用空间分布传感器对火灾源点进行定位,并提出了一种加权距离差法来修正定位误差.该方法首先确定每个传感器对应的估计范围(集合),然后通过寻求所有集合的交集来估计出火源点位置.结果表明,该方法不仅能提高定位精度,而且克服了迭代算法难收敛问题,具有实现简单,运行稳定的优点.     

用于早期火灾分类的非线性决策树支持向量机

对早期火灾信息进行研究，提出了一种基于非线性决策树的支持向量机多类分类模型。该模型利用非线性映射将样本投影到高维特征空间，比较每类样本在高维空间的分布情况，进行聚类构造出一个二叉决策树，使容易区分的类别从根节点逐层分类出来，有效克服了错分积累和避免不可分情况；同时，各个节点采用二值最小二乘小波支持向量机，以获得较高的泛化能力。该文将该模型用于早期火灾分类，并与BP神经网络、K近邻法和决策树方法进行比较，实验结果表明，该模型对早期火灾的识别率更高。