[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

说明书

本发明公开了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。该方法在检测火灾时，首先使用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；其次，基于长短时记忆网络构建深层环境信息提取模型中的环境变化程度提取模块和环境水平提取模块，借助长短时记忆网络对时序数据长距离依赖关系的处理能力，实现对环境指标变化程度以及环境指标水平的预测；然后，使用多层感知机对所获取到的多种环境信息进行融合，得到综合火灾状态信息；最后，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，完成火灾判断。

技术领域

本发明涉及火灾检测领域、机器学习应用领域，更准确地说，涉及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。

背景技术

火灾作为一种复杂的燃烧过程，其发生伴随着多种环境指标的变化，如温度、烟雾浓度、有害气体强度等。传统的单一传感器火灾检测方法通过比较当前时刻的传感器读数和预设阈值，针对单个环境指标进行报警，但由于获取到的环境信息有限，单传感器检测方法容易产生误报和漏报。而随后出现的基于多传感器系统的火灾检测方法可以同时监测多种环境指标，并基于一定准则对获取的信息进行分析、处理、综合和融合，从而实现更为准确的火灾判断。多传感器检测方法克服了单个传感器的不确定性和局限性，提高了整个系统的有效性能，且传感器之间的冗余数据也增强了系统的可靠性。然而，目前绝大部分多传感器火灾检测方法仅考虑当前时刻的环境指标监测数值，忽略了环境指标对应的深层环境信息，如量化当前时刻相对前一时刻环境信息变化程度的环境指标变化信息，以及从时间维度上衡量环境水平的环境指标水平信息。因此，现存的多传感器火灾检测方法容易受非火灾因素影响而产生误报，如短时间的传感器失灵、瞬时的电磁干扰等。另外，由于多传感器系统需要处理的环境信息较多，存在整体结构复杂和检测效率低的问题。于是，如何综合考虑环境指标监测值、环境指标变化程度和环境指标水平，如何高效的实现环境信息融合，是目前多传感器火灾检测需要解决的重要问题。

发明内容

本发明目的是针对现有技术的不足，提供了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，利用长短时记忆网络优秀的时间序列预测能力，从不同环境指标时序数据中提取深层环境信息，再结合信息融合技术，得到当前时刻的综合火灾状态用于火灾判断，该方法有效避免了非火灾因素造成的干扰，显著提高火灾检测的鲁棒性和准确性。

为实现上述目的，本发明采用如下技术方案：

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：为提高系统运行效率，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。

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。环境变化程度提取模块的核心思想是保持第一类火灾状态在神经网络链条中传递，通过长短时记忆网络中独特的三种门结构在传递过程中对第一类火灾状态信息进行遗忘、更新和输出，进而控制环境指标变化程度信息的输出。