基于LSTM网络的船舶机舱火灾多特征融合探测

发布时间：2021-09-21 23:29

　　针对船舶机舱火灾高效准确探测的需求,建立基于LSTM-ID3判决的船舶火灾探测方法。首先确定采集船舶火灾特征的三类传感器,然后完成LSTM神经网络模型的构建、参数的优化,将LSTM神经网络输出的明火、阴燃火、无火的概率值与烟雾持续时间作为决策树的输入量,输出火灾探测结果。利用国家标准火典型数据进行训练,并开展相关试验,对船舶机舱火灾进行探测。试验结果表明,与其他算法进行对比,探测准确率达到97%以上,该方案能对机舱火灾做出有效探测,为船舶安全提供科学依据。 

【文章来源】：消防科学与技术. 2020,39(07)北大核心

【文章页数】：4 页

【部分图文】：

LSTM的基本单元

如图2所示，LSTM神经网络模型的输入为t时刻及t-n-1时刻的温度、烟雾、CO体积分数，输出为t+1时刻的阴燃火概率(y1(t+1))、无火概率(y2(t+1))、明火概率(y3(t+1))。船舶火灾探测模型的关系可表示为式（8）。2.2 LSTM神经网络模型评价指标

经过计算各个属性的信息熵以及信息增益结果，取无火概率特征参量作为根节点，阴燃火、烟雾持续时间为叶子节点。决策树深度为4，能够有效进行决策。sample表示样本数量12,value表示划分子集，表1的火情等级结果中，有12种情况，其中7种表示有火灾，5种表示无火灾。图4给出了火灾判决过程。图4 火灾判决的决策树图

【参考文献】：
期刊论文
[1]基于神经网络的舰船机舱火灾温度快速预测[J]. 闫晓茹.  舰船科学技术. 2019(22)
[2]不同氧浓度船舶机舱油池火灾热流场特性[J]. 苏石川,崔海滨,王亮,郭晨宇,魏承印.  消防科学与技术. 2019(01)
[3]基于模糊神经网络的火灾算法研究[J]. 何志祥,孟超.  消防科学与技术. 2018(10)



本文编号：3402703