[发明专利]基于径向基神经网络的室内火灾预测方法及系统

说明书

技术领域

本发明涉及一种室内火灾预测方法及系统，尤其是一种基于径向基神经网络的室内火灾预测方法及系统，属于室内火灾预测的技术领域。

背景技术

随着社会的发展，人们生活水平的提高，商厦，酒店，宾馆等购物娱乐场所的人员密度也随之增加，这些场所往往因为火灾因素复杂，可燃物质多，财产分布密集，火灾时疏散困难，一旦发生火灾，造成的人员伤亡和财产损失将会更大。近年来，不断发生的大大小小的火灾暴露出多种室内火灾安全隐患，更加为人们敲响了警钟。

现有选择神经网络建立的数据融合处理模型，较多的是运用BP网络，但是BP（BackPropagation）网络采用负梯度下降法来调节权值，存在局部最优问题，收敛速度慢、训练时间长。RBF（Radical Basis Function）神经网络是一种三层的前向神经网络，相对结构简单，对非线性连续函数具有一致逼近性，学习速度快，可以进行大范围的数据融合，高速的处理数据。但RBF网络对隐含层中心节点的选取较困难，中心节点的选择对网络的性能有较大的影响。

现有的室内火灾监控系统，大多采用有线的方式连接，随着使用年限的增加，线缆极易老化、腐蚀，且不易进行维修、更换，而且如果火灾烧断电缆，则传感器或者监控设备不能与控制器通信，及时报警。单一的火灾传感器误报和漏报率高，且不能及时的检测到火灾初期环境参数的变化，利用多种传感器检测火灾发生时的温度、火焰、烟雾、气体等特征，并对这些特征加以分析、综合以完成所需的决策而进行数据融合处理，从而克服了单传感器检测的局限性，有效的提高了可靠性。如果不能准确的定位，由于室内的区域结构复杂，昏迷的被困人员不能发出声音求救或者儿童躲进不易被发现的狭窄空间，进而导致消防人员不能快速有效地抢救被困人员。

发明内容

本发明的目的是克服现有技术中存在的不足，提供一种基于径向基神经网络的室内火灾预测方法及系统，其能够及时发现室内火灾隐患，实时性好，可靠性高，稳定性强。

按照本发明提供的技术方案，一种基于径向基神经网络的室内火灾预测方法，所述室内火灾预测方法包括如下步骤：

a、建立室内火灾发生概率预估模型，所述建立的室内火灾发生概率预估模型位于上位机内；

b、在室内设置所需的监控节点，所述监控节点实时采集室内环境参数，并将所述采集的室内环境参数传输到上位机内；

c、上位机将接收的室内环境参数输入室内火灾发生概率预估模型内，以获得当前室内环境时对应的火灾概率值；

d、当上位机通过室内火灾发生概率预估模型得到对应的室内环境判断为明火或阴燃火时，上位机向监控节点传输报警信息，以通过监控节点进行报警提示。

所述步骤a中，利用径向基神经网络建立室内火灾发生概率预估模型，且径向基神经网络的中心节点及基函数宽度采用近邻传播(AP)聚类方法得到。

所述步骤a包括如下步骤：

a1、根据中国标准实验火SH1-SH4实验规则，分别采集标准无火、标准明火以及标准阴燃火条件下的室内环境参数，得到若干组室内环境数据，以作为室内火灾发生概率预估模型的建模数据样本；

a2、上位机对上述建模数据样本进行归一化处理，并去除奇异样本点，得到建模数据组；

a3、采用Kullback-Leibler方法对建模数据组内第i组数据组与第k组数据组之间的散度