许春芳,乔元健,李军

• 1:德州市陵城区水利局
• 2:齐鲁工业大学(山东省科学院)电气工程与自动化学院
• 3:齐鲁工业大学(山东省科学院)电子信息工程学院(大学物理教学部)

摘要(Abstract)：

针对火灾信号的时变性和非线性特点以及单特征信号火灾预测方法的高漏报率和误报率的问题,提出一种基于LSTM (Long Short Time Memory,长短时记忆网络)和RBF-BP (Radial Basis Function and Back Propagation,径向基反向传播网络)深度学习模型的多源信息融合火灾预测方法。首先,在信息层通过多种传感器采集火灾发生时的特征信息,并通过速率检测算法对特征信息进行预处理。然后在特征层利用深度学习中的LSTM和RBF-BP神经网络对火灾多种特征信号进行自适应学习,输出有火、无火以及阴燃火三种火型的发生概率。最后采用模糊逻辑控制系统决策输出有无火灾发生。仿真实验结果表明,所提出的火灾预测方法与传统的和单神经网络方法相比具有更高的预测精度和自适应性。

关键词(KeyWords)： LSTM;RBF-BP;多源信息融合;火灾预测

Abstract:

Keywords:

基金项目(Foundation): 山东省研究生教育计划创新项目(SDYY16032)

作者(Author): 许春芳,乔元健,李军

DOI: 10.16442/j.cnki.qlgydxxb.2020.03.009

参考文献(References)：

• [1] 赵月爱,秦佳宁.基于TensorFlow的LSTM神经网络智能电气火灾预测研究[J].太原师范学院学报(自然科学版),2019,18(02):44-48.
• [2] 闫晓茹.基于神经网络的舰船机舱火灾温度快速预测[J].舰船科学技术,2019,41(22):85-87.
• [3] 邱明月.基于大数据的草原火险预报预警机制研究[J].科技与创新,2019(18):88-89.
• [4] 李伟山,王琳,卫晨.LSTM在煤矿瓦斯预测预警系统中的应用与设计[J].西安科技大学学报,2018,38(06):1027-1035.
• [5] 赵爱蓉.基于小波分析及BP神经网络的瓦斯浓度预测方法研究[J].煤矿机械,2014,35(06):258-260.
• [6] 张昭昭,乔俊飞,余文.基于动态神经网络的瓦斯浓度实时预测方法[J].控制工程,2016,23(04):478-483.
• [7] 汤群芳.基于模糊神经网络的火灾数据处理方法的研究[D].长沙:湖南大学,2011.
• [8] 窦晨超.基于多源信息融合方法的火灾检测系统的算法研究[D].上海:华东理工大学,2013.
• [9] 张茜,李彦.基于支持向量机的船舶机舱火灾温度快速预测[J].舰船科学技术,2018,40(01):148-152.
• [10] 马文龙.多传感器信息融合方法研究及在火灾预测中的应用[D].沈阳:东北大学,2015.
• [11] 尚赛花.基于信息融合的煤矿采空区火灾预警研究[D].西安:西安科技大学,2013.

文章评论(Comment)：