城镇-森林交界域火灾灾害链网络模型构建及风险分析

为确定城镇—森林交界域火灾灾害演化关系及风险特征,预防灾害事件发生,从157个火灾案例中提取43个典型灾害事件,运用灾害链和复杂网络理论,构建城镇-森林交界域火灾灾害链演化模型。使用Python工具对灾害链网络中关键节点、关键边和最短路径分析。结果表明:化工厂爆炸、加油加气站爆炸、城镇火灾、污染水质、污染空气及城市生命线损毁是关键节点,山洪—道路损毁、河流泥沙淤积—山洪、堤坝决堤—山洪、堰塞湖—山洪、森林火灾—城镇火灾是关键边。研究结果可为城镇-森林交界域火灾的防控、断链减灾提供科学依据,具有较高的现实意义。     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明：YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检...     

基于YOLOv5s的外脚手架隐患智能动态检测

针对脚手架工程隐患人工巡检效率低、实时排查难的问题,提出一种基于深度学习的隐患实时检测方法。利用添加噪声、随机裁剪等数据增强方式扩充数据集,提高模型在复杂环境下的鲁棒性;基于YOLOv5s目标检测算法建立脚手架工程隐患图像识别模型并进行训练测试,与YOLOv4、Faster R-CNN进行对比,验证模型的有效性。结果表明,在脚手架工程隐患检测任务上,YOLOv5s模型的均值平均精度达到92.23%,较YOLOv4提升8.11百分点;检测速度达到97.01帧/s,较Faster R-CNN提升5倍。轻量的YOLOv5s网络模型适合部署于嵌入式智能监控中,实时采集现场数据并进行隐患分类识别,有效缩短隐患发现时间,研究结果可为脚手架工程监控预警平台提供研究基础。     

基于改进YOLOv5s的综采工作面人员检测算法

为了智能监控井工煤矿综采工作面危险区域人员闯入和安全帽佩戴问题,避免监控视频受粉尘干扰、光照不均等因素影响图像检测精度的问题,提出一种基于改进YOLOv5s的目标检测算法(简称YOLOv5s-DPE),并建立相关模型。首先,在颈部网络部分,采用深度可分离卷积(DwConv)替换普通卷积,降低参数量和计算量;然后,引入改进的路径聚合网络(PANet)提升特征提取能力,替换边界框损失函数完全交并比(CIOU)为有效交并比(EIOU),提升检测准确率;最后,选取综采工作面视频中的人员图像进行检测,选取煤矿井下人员闯入和安全帽佩戴监控视频作为检测数据集,并进行训练和验证。结果表明：对比初始YOLOv5s算法模型,YOLOv5s-DPE算法模型的参数量下降14.2%,浮点数计算量下降7.6%,算法网络模型大小下降12.5%,均值平均精度(mAP)@0.5提升到93.7%,mAP@0.5∶0.95提升到65.8%,YOLOv5s-DPE模型对小目标检测效果更好,误检漏检等情况有所减少。     

基于层次分析法的某地区林业城镇棚户区消防风险评估

通过实地调研对某地区19个林业城镇的棚户区消防现状和存在的问题进行了评估。结合实测数据采用层次分析法对各城镇的棚户区火灾风险进行了评价,对风险指数进行等级划分,结果表明:此地区林业城镇棚户区60%处于高风险级,40%处于极高风险级。依据评价结果提出了减少火灾风险的建议和改进措施,降低城镇森林火灾发生的可能性。     

基于改进YOLOv7-x的多场景火灾识别算法

为解决发生火灾时传统的火灾报警器易受环境和空间的限制,出现检测精度下降的问题,提出1种基于改进YOLOv7-x的多场景火灾识别算法。首先,对火灾数据集进行多样化扩展,使其对任务场景更具适应性,再将扩展好的数据集进行数据增强以提升模型的鲁棒性;其次,在算法头部嵌入Coordinate Attention注意力机制,用来增强算法对火灾的专注力,并在算法主干引入ConvNeXtBlock结构,提升算法的精度;最后,使用Merge-NMS算法代替传统的NMS算法用来提升预测框位置的精准度。研究结果表明：改进YOLOv7-x算法相比于改进前的均值平均精确度mAP提高7.8个百分点,改进后的算法性能更优,可满足复杂场景下火灾精准检测的要求。研究结果可为智能化检测火灾提供技术支持。     

森林火灾防治决策专家系统的研究与实现

笔者比较系统地收集、研究了林火专家多年积累的理论、经验和解决问题的方法以及各种预测模型、模型的适应条件和使用规则等 ,利用人工智能和COM组件技术 ,通过模型技术和专家系统技术的有机结合 ,建立了基于网络的森林火灾防治决策专家系统。实现了森林火灾从火灾预测、林火扑救决策、清理火场、看守火场到最后的损失评估全过程的推理辅助决策 ;实现了整个决策过程中预测模型和预测结果随外界条件的突变而进行的实时修正 ,从而真正实现了森林火灾管理各个阶段的实时性、准确性和正确性。     

基于信息熵的森林火灾应急指挥信息传递分析

为提升森林火灾应急指挥协同能力,剖析指挥过程中要素之间的影响关系,首先基于系统理论事故模型与过程分析法(STAMP)的思想,明确事故近因事件链,辨识相关的控制组件,构建森林火灾应急指挥控制结构;然后根据复杂网络理论建立森林火灾应急指挥信息流动的有权无项网络,对实时、阶段和固定3类信息的信息量进行建模计算,从而确定信息熵;同时建立边载权重计算模型,用以描述不同信息传递路径的重要度。结果表明：前线指挥部在应急指挥扑火过程中重要性最大,且与联合指挥部的信息传递密集程度最大;扑火组和专业扑火队之间信息总量和信息熵最大,分别为24和3.900,指挥中需保证人员部署的准确性;专家研判和气象信息在一定程度上会影响扑火过程中的指挥决策,应重点监控这2方面的信息传递路径,保证传输通畅性。     

基于CNN的化工园区火灾火焰图像识别研究

为及时发现化工园区火灾事故,降低事故损失,利用卷积神经网络(CNN)建立化工园区火灾实时检测系统。基于CNN-YOLOv5算法训练化工园区火灾数据集和普通火灾数据集,分析对比2个数据集的损失值、召回率、精度和类别平均精度。其中,化工园区火灾数据集的损失值和召回率略低,但精度和类别平均精度高于普通火灾数据集,证明通过CNN检测化工园区火灾的可行性。结果表明：基于火灾检测结果,借助PyQt5程序框架设计化工园区火焰图像识别软件系统,可实现对化工园区火灾火焰图像和视频的识别应用,扩大该方法适用范围。基于CNN的YOLOv5目标检测算法可以实时检测化工园区火灾,其检测方法具有便携性、检测结果具有可靠性,可提高化工园区的安全管理水平。     

基于Logistic模型的四川凉山州森林火灾风险分析

森林火灾严重危害人类生命财产安全,科学准确的林火风险分析对防灾减灾具有重要意义.四川省凉山州因林火频发而成为重点监测区域.基于MCD64A1火烧迹地数据,提取凉山州2010-2020年的火烧迹地范围,在分析历史火灾时空分布的基础上,选取地形、植被类型及植被覆盖指数、干湿季平均温度及降水量、土地利用和人口密度等主要风险因子,建立Logistic模型并计算森林火灾的风险概率,结合火灾迹地的空间统计划分风险等级.结果 表明:1)基于火灾迹地进行空间采样所构建的Logistic模型在显著性水平0.05时通过模型系数检验,拟合效果较好;2)影响凉山州森林火灾发生的风险因子主要有植被类型、植被覆盖指数、高程、坡度、人口密度和干季均温,其中干季均温对林火发生与否影响最大;3)西昌市、会理、会东和德昌县等干热河谷地区的林火风险极高,应重点监测.     

基于马尔科夫灰色残差GM(1,1)模型的火灾损失预测

科学地预测火灾事故及其损失,对于制定火灾防控措施具有重要的现实意义。应用基于马尔科夫的灰色残差GM(1,1)模型,对2002—2011年全国火灾损失进行模拟和预测,结果表明,该模型预测精度明显高于GM(1,1)模型,为火灾损失的预测提供了一种简单而可靠的新途径。     

基于IPSO-BP模型的火灾气体传感器气压补偿算法

为完善飞机火灾检测系统,设计一套方案,模拟试验不同气压下CO、CO2气体传感器采集气体的体积分数值,并与理论值比较,进而提出一种根据粒子适应度值动态调整学习因子的粒子群算法.采用改进的粒子群(IPSO)算法寻找反向传播(BP)神经网络的最优初始权值阈值,再利用寻优后的BP神经网络修正CO、CO2气体传感器的检测结果,消...     

基于物元多级可拓模型的档案馆火灾安全风险评价

档案馆是收集、保管纸质档案材料的场所,火灾荷载大。档案馆火灾造成的社会影响和经济损失是无法估量的。为了评估档案馆火灾安全风险状况,预防档案馆火灾的发生,通过分析档案馆火灾安全风险因素,全面、系统地构建了由4个一级指标,27个二级指标构成的档案馆火灾安全风险评估指标体系,构建了基于多级可拓模型的档案馆火灾安全风险评估模型。应用该模型对西安某档案馆进行实证评价,得出该档案馆火灾安全风险等级为II级,评估结果与实际安全情况相符,表明该模型适用于档案馆的火灾安全风险评价。