基于灰色神经网络高原地区火灾探测算法研究.pdfVIP

2010(沈阳)国际安全科学与技术学术研讨会论文集 基于灰色神经网络的高原地区火灾探测算法研究 王彦，涂然，于春雨，方俊，王进军，张永明 (中国科学技术大学火灾科学国家重点实验室，安徽合肥230027) 摘要：针对高原低压环境火灾烟气信号较常压环境弱致使按照国家检测标准校验合格的火灾探测器不能准确及时 报警的情形，提出了基于灰色神经网络的多信息融合火灾探测算法。在算法的合理性分析之后，实地实验在拉萨(约0．66大 气压)标准实验问展开，用采集到的标准火烟气信号数据来验证该算法的可靠性与有效性。研究结果表明，该算法能够在高 原低压环境提供比传统火灾报警器更早且更准确的报警。该研究将为拉萨等高原地区的火灾探测设备的设计和安装提供 有价值的参考。 关键词：火灾探测；高原低压；灰色预测；神经网络 以我国西藏拉萨为代表的高原地区，拥有大量极其珍贵的古建筑及历史文物，存在大量诸如木材、经 书、布幔等大量可燃材料。一旦发生火灾将发生不可估量的损失。火灾发生时探测器能够尽早及时准确报 警对该类古建筑防火安全具有重要实用价值。 高原低压环境下燃烧速率降低【1卜田，顶棚的烟气浓度和温度信号较弱直接影响火灾探测器的灵敏度，在 86kPa一106kPa(GB4715—2005)【3】检验合格的探测器在该环境下不能及时准确的报警。调整火灾探测器灵 敏度、更换火灾探测报警装置和发展火灾探测算法等都可能解决该问题。但是，只是调整了灵敏度会出现 顾此失彼的现象，即对于某种或者某几种火能有效的报警，但是对于其它种类的火灾多出现误报漏报的情 况；而更换西藏地区的火灾报警装置成本较高。 neural network，ANN)由于其大规模并行处理、容错性、自组织和自适应能力以 人工神经网络(artificial 及联想功能等特点对探索类似火灾这样无法预知、非结构的信号极具优势㈣。此外，灰色系统能够以离 散时序建立连续时间模型，解决无法用传统数字精确描述的复杂系统问题。目前对于高原地区火灾信号 特征缺少定量的理论和实验研究，于是。针对该特殊环境提出了基于灰色神经网络的多信息融合火灾探 测算法。 1算法介绍 1．1灰色GM(1,1)预测模型 灰色系统为部分信息已知、部分信息未知的系统。对于难以精确建立数学模型的系统都属于灰色系 统。灰色预测是灰色系统理论的一个重要方面，它利用已知信息，建立灰色预测模型，从而确定系统未来 的变化趋势。典型的灰色预测模型是邓聚龙教授f6J提出的GM(1，1)模型，具体的计算过程如下：设有原始 序列护． x‘∞={x‘回(1)，x‘o’(2)，…，z‘o’(f)，…，工‘o’(n) (1) 对其进行一次,累方I](1-AGO)生成序列 ≯1)={≯1’(1)，≯1’(2)，．．．，x‘1’O)’…，X‘1’(n)) 其中： 七 妒(尼)=∑≯o’(f)，七=1,2，．．．，n i=1 基金项目：国家“十一五”科技支撑计划资助项目(2006BAK06807)，国家自然科学基金资助项目 一144— on Scienceand Proceedingsof2010(Shenyang)International ColloquiumSafety Technology 对于生成的数列婀以建立白化形式的微分方程，它成为一阶灰色微分方程，记为GM(I，1)： 掣+d％u 一 出 其中a和u为待定参数。该方程的解为 釜1’(露+1)=(x‘1’(1)一u／a)e一出+u／a 该式称为