[发明专利]一种基于长短时记忆网络及环境信息融合的多传感器火灾检测方法

权利要求书

1.一种基于长短时记忆网络及环境信息融合的多传感器火灾检测方法，其特征在于，包括以下步骤：

步骤S1：多传感器系统持续采集环境中温度、烟雾浓度、一氧化碳浓度和二氧化碳浓度数据，构建对应环境指标的监测值时间序列，并进行标准化处理；

步骤S2：基于长短时记忆网络构建深层环境信息提取模型，包括环境变化程度提取模块和环境水平提取模块；

步骤S3：利用深层环境信息提取模型中的长短时记忆网络对输入的环境指标监测值时序数据进行处理，预测当前时刻相对于前一时刻的环境指标变化程度以及当前时刻下的环境指标水平；

步骤S4：利用相似条件下的另一组原始火灾数据对多层感知机进行预训练，确定多层感知机的最佳隐藏层节点数；

步骤S5：使用多层感知机按时序对每一时刻的多种环境信息进行融合处理，得到该时刻对应的综合火灾状态信息；

步骤S6：将综合火灾状态信息值与系统运行中学习到的最佳阈值进行比较，若小于该阈值认为无火灾发生，反之则认为发生火灾。

2.根据权利要求1所述的一种基于长短时记忆网络及环境信息融合的多传感器火灾检测方法，其特征在于：所述步骤S2中的环境变化程度提取模块是一种长短时记忆网络，该网络中经过遗忘门和更新门处理后，用于传递的细胞状态为第一类火灾状态信息；经过输出门计算并输出的隐藏状态为环境指标变化程度信息。

3.根据权利要求2所述的一种基于长短时记忆网络及环境信息融合的多传感器火灾检测方法，其特征在于：所述的第一类火灾状态信息是基于环境变化对所监测火灾环境的一种量化描述，其量化公式如下：

上述公式(1)中，表示环境指标n在k时刻的第一类火灾状态，和分别表示环境指标n在k时刻的变化遗忘向量和变化更新向量，表示环境指标n在k-1时刻的第一类火灾状态，表示k时刻环境指标n的第一类火灾状态候选值向量；其中，和表达式如下：

上述公式(2)中，σ表示Sigmoid激活函数，W_vf表示环境变化遗忘权重，表示环境指标n在k-1时刻的变化程度，表示环境指标n在k和k-1时刻的监测数据差值，b_vf表示环境变化遗忘偏置；

上述公式(3)中，W_vu表示环境变化更新权重，b_vu表示环境变化更新偏置，其余相同符号表达同公式(2)；

上述公式(4)中，tanh表示tanh激活函数，W_v和b_v分别表示创建第一类火灾状态候选值向量的权重和偏置，其余相同符号表达同公式(2)。

4.根据权利要求2所述的一种基于长短时记忆网络及环境信息融合的多传感器火灾检测方法，其特征在于：所述的环境指标变化程度信息用于预测时间序列上当前时刻相较于前一时刻环境的变化程度，其计算公式如下：

上述公式(5)中，表示环境指标n在k时刻的变化程度，表示环境指标n在k时刻的变化输出向量，tanh表示tanh激活函数，表示环境指标n在k时刻的第一类火灾状态；其中，的表达式如下：

上述公式(6)中，σ表示Sigmoid激活函数，W_vo表示环境变化输出权重，表示环境指标n在k-1时刻的变化程度，表示环境指标n在k和k-1时刻的监测数据差值，b_vo表示环境变化输出偏置。

5.根据权利要求1所述的一种基于长短时记忆网络及环境信息融合的多传感器火灾检测方法，其特征在于：所述步骤S2中的环境水平提取模块是一种长短时记忆网络，该网络中经过遗忘门和更新门处理后，用于传递的细胞状态为第二类火灾状态信息；经过输出门计算并输出的隐藏状态为环境指标水平信息。