[发明专利]一种建筑火灾火源参数反演评估方法

权利要求书

1.一种建筑火灾火源参数反演评估方法，其特征在于，包括以下步骤：

1)选取待进行火源参数反演的建筑空间；在建筑空间内安装传感器，所述传感器用于按照设定时间间隔发送探测数据；确定待反演的火源参数类型；

2)建立建筑火灾烟雾扩散模型；

在步骤1)选取的建筑空间中设定不同火灾场景，利用建筑火灾烟雾扩散模型对每种火灾场景进行模拟；其中，按照步骤1)设定的火源参数类型设定每种火灾场景下的该火源参数的数值，每个场景模拟一次，将该场景对应的火源参数值输入建筑火灾烟雾扩散模型，该模型输出该火源参数值对应的传感器在每个采样时刻的模拟探测值；

将建筑火灾烟雾扩散模型每次输入的火源参数值和该输入对应的输出结果组成一个火灾场景的原始数据，所有原始数据构成原始数据集；

3)对步骤2)得到的原始数据集中所有原始数据中的探测值进行预处理，具体方法如下：

记任一火灾场景下任一时刻传感器探测值为：

式中，表示对于火灾场景j，在时刻i传感器的探测值组成的一维数组，x^ji_0m为火灾场景j下在时刻i传感器m的探测值，其中m∈{1,2,…,M}，M为探测器的总数；

首先，将探测值进行稀疏化：

式中，是火灾场景j下时刻i的稀疏化的探测值；

然后，设定滑动窗口大小为N，则场景j下第g个窗口数据表示如下：

预处理完毕后，每个原始数据扩展为多个样本，其中每个样本包含该原始数据的火源参数值及对应的任一窗口数据；将所有样本组成数据集，并按照设定比例将该数据集随机划分为训练集和测试集；

4)建立深度学习序列模型，该模型输入为预处理完毕的传感器探测值，输出为火源参数值的概率分布；

利用步骤3)得到的训练集与测试集，迭代训练深度学习序列模型直至模型收敛，得到训练完毕的深度学习序列模型作为火源参数反演模型；

5)基于火场探测值估计火源参数；

当步骤1)的建筑空间实际发生火灾时，每个传感器获取探测值并按照设定时间间隔发送探测值；当获取N个连续时刻的传感器探测值后，将该N个连续时刻的传感器探测值按照步骤3)的方法进行预处理，然后将预处理完毕的传感器探测值输入步骤4)训练完毕的火源参数反演模型，该模型输出火源参数值的概率分布，实现对火源参数的估计。