基于稀疏表示的火灾自动报警系统产品性能评价

性能良好的火灾自动报警系统可以有效地避免和减少火灾发生,降低火灾带来的损失。根据《火灾自动报警系统性能评价》(GB/Z 24978—2010)中提出的火灾自动报警系统的产品性能评价一级指标,制定了详细的二级指标,由于各二级指标的相互耦合性,先根据二级指标对一级指标的隶属度建立模糊关系矩阵,再对此模糊关系矩阵进行带稀疏性约束的非负矩阵分解,得出稀疏性较高的初始运算矩阵;通过对样本的二级指标进行评价并得出评价向量,据此评价向量和稀疏分解后的关系矩阵进行运算,可得出火灾自动报警系统的产品性能评价等级。     

高层建筑物火灾危险性分析方法的选择与应用

从方法的类别、评价目标、特点、优缺点以及适用范围等几个方面对目前采用较多的各种火灾危险性分析方法进行比较,总结归纳出每种分析方法的优缺点及其适用范围,并根据高层建筑物火灾的特性以及火灾危险性分析方法的选取原则,选用定量计算与定性分析相结合的方法对高层建筑物火灾危险性进行分析。首先利用层次分析法对高层建筑物火灾危险性所有评价指标的权重进行计算,得到权重值相对较高的评价指标,分别是火灾荷载、防火分区、安全管理制度、火灾自动报警系统、安全制度落实情况;然后利用预先危险性分析方法,从危险有害因素、事故触发条件、事故可能造成的后果、危险等级、事故预防措施这几个方面对以上权重值较高的评价指标进行详细分析。     

基于神经网络的网络传感器火灾报警系统

为降低火灾报警系统的漏检、误报,本文利用网络化多传感器技术设计了数据融合模块,基于神经网络BP算法良好的非线性映射能力,对温度传感器、烟雾传感器和一氧化碳传感器同时探测的数据进行智能化融合处理。结果表明：该火灾报警系统能准确地识别火灾信号,明显减少了误报和漏报率。     

基于半定量模糊综合评价方法的火灾探测器可靠性研究

火灾探测器作为火灾自动报警系统的重要组成部件,其可靠性直接关系到整个建筑的安全。基于半定量模糊综合评价方法对火灾探测器的可靠性进行研究,以"人—机—环境"为出发点,建立了火灾探测器的可靠性评价指标体系,包含3个一级指标和17个二级指标,并通过实例对该可靠性研究方法进行了分析,得出了实例的可靠性水平和相应的整改措施。文中提出的可靠性研究方法有一定的合理性和实用性,对于像火灾探测器这种寿命较长的设备的可靠性研究有一定的指导作用。     

基于物联网技术的火灾自动报警系统研究

本文针对目前火灾自动报警系统存在的问题,通过对物联网技术及特点作简要介绍,提出了将其引入火灾自动报警系统具有可行性,并在现有物联网技术的基础上提出实现火灾自动报警系统网络的模式。通过对监控和传输方式的改善,可以提高火灾自动报警系统的稳定性和可靠性,为火灾自动报警系统的设计和发展提供参考。     

基于熵权的未确知测度理论的高层建筑火灾危险性评价

为准确地判断高层建筑的火灾危险性等级,采用未确知测度理论,建立高层建筑火灾危险性未确知测度评价模型。根据高层建筑火灾的特点和灾害机理,建立高层建筑火灾危险性评价指标体系,选取30项因素作为评价指标,并根据某高层建筑的实际情况建立各评价指标的未确知测度函数;利用熵权理论计算各影响因素的指标权重,并依照置信度识别准则进行等级判定,最后得到该高层建筑火灾危险性的评价结果。研究结果表明:该方法不仅能给出高层建筑的火灾危险性等级,且采用熵权法确定其指标权重,能使评价结果更为客观合理,为高层建筑火灾危险性等级评估提供了一条新的思路。     

基于Shapley值的高层建筑火灾安全灰色聚类评价

高层建筑火灾安全评价指标具有动态变化、非线性、非可加性和灰色性等特点,致使管理人员难以对高层建筑火灾安全作出合理判断。为科学、合理地对高层建筑火灾安全进行评价,提出基于Shapley值的高层建筑火灾安全灰色聚类评价方法。该方法先从建筑阻燃及构造、消防救援措施、自动灭火系统、自动报警系统、电气设备、安全疏散措施、火灾荷载、消防管理8个方面构建高层建筑火灾安全评价指标体系;然后运用Shapley值复合赋权方法量化分析不同指标组合对权重和目标的影响,并基于灰色白化权函数利用已知指标信息拟合出全部指标对目标的综合作用;最后将该方法运用于某高层建筑火灾的安全评价,评价结果表明该高层建筑火灾的安全性高。该研究可为高层建筑火灾安全评价提供一种新的方法。     

基于WSR和熵权物元可拓理论的地铁火灾风险评价

为客观合理地对地铁火灾风险进行评价,借助WSR方法论,以物理-事理-人理为基础,从人员、设备、设计、环境、管理五个方面构建了地铁火灾风险评价指标体系,并结合熵权法和可拓学理论建立了地铁火灾风险评价的熵权物元可拓模型,利用该模型对某地铁火灾风险等级进行评价。结果表明:待评价地铁火灾风险等级为II级,即该地铁火灾风险处于"较安全"状态,该评价结果与实际情况相符合,表明该方法能够客观地评价地铁火灾的风险,其中人员因素对地铁火灾风险的影响最大。根据地铁火灾风险评价等级和各评价指标的权重,可为地铁火灾防治提供理论依据。     

基于深度学习的近岸海浪等级视频监测

深度学习是机器学习的重要研究领域,同时作为大数据的有效处理和分析工具越来越受到关注。以多源长时间序列近岸海浪视频环境数据为样本,波浪仪同步测量海浪等级数据为图像标签,构建了面向海洋环境适用于深度学习的海浪训练集、测试集。通过数据扩增技术对视频监测数据进行预处理,提高模型泛化能力,依据视频的相关性,引入误差函数,优化模型灵敏度,提出了适用于海洋领域海浪等级深度学习模型架构（Wave-CNNs）,最后将提出的改进深度学习模型应用于3000样本海浪图像训练集,并通过300样本海浪图像测试集对结果进行验证,实验结果表明,算法对3个等级海浪识别精度达到了66.6%,优于传统Bayes及SVM方法。     

区域水资源可持续利用系统评价的插值模型

区域水资源可持续利用系统评价是区域可持续发展战略研究中的核心问题之一,目前提出的评价模型大多是用显式函数来表示评价指标与评价等级之间的复杂关系,其函数形式随区域水资源可持续利用系统评价内容的不同而变化,求解这些函数较复杂。为此,提出了用基于加速遗传算法的Shepard插值模型(SP模型)进行评价的新方法。实例研究的结果说明:SP模型直接由区域水资源可持续利用系统评价等级标准产生的样本数据驱动,建模方法简便而有效,在区域各种自然资源可持续利用系统评价中具有推广应用价值。