基于连续贝叶斯网络的火灾预警研究

发布时间：2017-05-24 23:00

  本文关键词：基于连续贝叶斯网络的火灾预警研究，由笔耕文化传播整理发布。

【摘要】：火灾的发生不仅给自然环境带来严重的灾害,还对人类的生命和财物造成了严重的威胁和重大的损失,然而经济的快速发展和人们各种社会活动的不断增多,给火灾的发生带来了更多的可能,因此,我们更需要做好火灾的各种防范工作。火灾是一种发展速度快,在空间上和时间上都是失去控制的一种灾害,在火灾发生后再进行扑灭工作,会耗费较大的人力物力和财力。为了尽可能的减少火灾所带来的危害和损失,对火灾进行灾前预警并采取相应的防范措施具有重要的现实意义。灾前预警是对不确定性事件进行预测的过程,贝叶斯网络则是人工智能学科中处理不确定性问题的一个新兴分支,在处理不确定性事件的过程中有其独特的优点,可应用于有条件依赖多种控制因素的相关问题。传统的火灾预警研究,大多都采用单一信息源离散化的方法。但单一信息源和离散化信息造成了火灾信息片面性和火灾信息缺失的情况,间接影响了火灾预警的真实性和可靠性。根据多传感器信息融合技术和贝叶斯网络处理连续多传感器信息的优势,本文采用一种高斯贝叶斯网络混合模型来融合多信息源火灾数据,并建立相应的贝叶斯网络火灾预警模型来作出火灾发生的决策判断,该方法克服了离散化数据造成的信息缺失和单一信息源造成的信息片面性,具有较好的科学意义和实用价值。主要研究内容如下：(1)分析火灾发生前周边环境的各种物理量信息,并判断多控制因素之间的影响关系,确定贝叶斯网络火灾预警模型的拓扑结构。(2)采用多传感器信息融合技术对影响火灾的多控制因素进行采集和预处理,并利用高斯分布可以处理连续信号的特征,建立高斯贝叶斯网络模型对多源火灾信息进行决策融合。(3)采用MATLAB平台进行仿真实验,通过与传统火灾预警模型的对比,判断改进的网络模型对火灾预警的有效性和准确性。本文研究的创新之处：单一信息源离散化数据影响了火灾预警的准确性,文中提出的高斯贝叶斯网络多传感器信息融合模型能够较好的处理多传感器连续型火灾数据。从多方面采集影响火灾的信息、,并对火灾的多控制因素进行连续型数据融合。不仅改善了单一信息源的局限性,避免了离散化数据的信息丢失,还提高了火灾预警的真实性和有效性。
【关键词】：火灾预警 数据融合 高斯分布 贝叶斯网络
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP277
【目录】：

• 摘要4-6
• Abstract6-12
• 第一章 绪论12-18
• 1.1 本文的研究背景及意义12-13
• 1.2 国内外研究现状13-16
• 1.2.1 国外的研究现状13-14
• 1.2.2 国内的研究现状14-16
• 1.3 本文研究内容及章节安排16-18
• 1.3.1 研究内容16
• 1.3.2 章节安排16-18
• 第二章 相关理论与技术简介18-30
• 2.1 多传感器信息融合技术18-22
• 2.1.1 多传感器信息融合的原理18-21
• 2.1.2 多传感器信息融合的方法21-22
• 2.2 贝叶斯网络和连续分布的理论基础22-27
• 2.2.1 贝叶斯网络理论基础22-25
• 2.2.2 连续变量的联合概率分布25-27
• 2.3 火灾预警系统原理27-29
• 2.3.1 火灾的产生及发展过程27-28
• 2.3.2 火灾参数分析28-29
• 2.4 实验仿真平台工具的介绍29
• 本章小结29-30
• 第三章 改进的连续贝叶斯网络火灾预警模型研究30-55
• 3.1 多传感器火灾信息融合预警模型30-39
• 3.1.1 信息的采集和预处理31-37
• 3.1.2 低层次融合过度到高层次融合37-39
• 3.2 连续变量贝叶斯网络火灾预警模型39-49
• 3.2.1 连续变量离散化信息处理40-45
• 3.2.2 服从联合正态分布的变量信息处理45-49
• 3.3 改进的火灾信息融合预警模型49-54
• 3.3.1 多传感器决策层融合火灾信息49-50
• 3.3.2 多维GMM-BN融合连续火灾信息50-54
• 本章小结54-55
• 第四章 仿真实验及结果分析55-61
• 4.1 概率推理实验分析55-60
• 4.1.1 概率推理实验55-58
• 4.1.2 MATLAB仿真实现58-60
• 4.2 结果分析60
• 4.2.1 有效性能分析60
• 4.2.2 准确性能分析60
• 本章小结60-61
• 结论与展望61-63
• 1. 结论61-62
• 2. 展望62-63
• 参考文献63-67
• 攻读硕士学位期间发表的论文67-69
• 致谢69

【相似文献】

中国期刊全文数据库 前10条

1 陈英武;高妍方;;贝叶斯网络扩展研究综述[J];控制与决策;2008年10期

2 徐立;;预案分析的贝叶斯网络方法[J];价值工程;2012年08期

3 胡春玲;;贝叶斯网络研究综述[J];合肥学院学报(自然科学版);2013年01期

4 楼宇希;;应用贝叶斯方法缩短可靠性试验时间[J];现代雷达;1986年01期

5 郑骏;随机方法与贝叶斯方法在高新技术中的应用[J];软科学;1995年01期

6 覃秋梅;张师超;;一类贝叶斯网络的线性推理[J];计算机科学;1999年10期

7 张琨,徐永红,王珩,刘凤玉;用于入侵检测的贝叶斯网络[J];小型微型计算机系统;2003年05期

8 陈晓怀,程真英,刘春山;动态测量误差的贝叶斯建模预报[J];仪器仪表学报;2004年S1期

9 李芸;;基于贝叶斯信念网络的数据分类挖掘算法[J];计算机科学;2006年09期

10 徐计;张桂芸;;基于贝叶斯网络的一种牛奶产量预测研究[J];计算机工程与科学;2008年10期

中国重要会议论文全文数据库 前10条

1 David Z.D'Argenio;;贝叶斯方法在实验室研究向临床的转化以及辨识隐含亚群体中的应用(英文)[A];中国药理学会临床药理学专业委员会会议暨第十次全国临床药理学学术会议论文集[C];2007年

2 姜峰;高文;姚鸿勋;;贝叶斯网络的推理和学习[A];全国网络与信息安全技术研讨会'2005论文集（下册）[C];2005年

3 丁东洋;刘希阳;;风险分析中的稳健贝叶斯方法[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

4 周桃庚;沙定国;;贝叶斯可靠性序贯验证试验方法[A];中国仪器仪表学会第三届青年学术会议论文集（下）[C];2001年

5 陈晓怀;程真英;刘春山;;动态测量误差的贝叶斯建模预报[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 杜鹏英;罗小平;何志明;;贝叶斯网络的发展及理论应用[A];第三届全国虚拟仪器大会论文集[C];2008年

7 杨丽;武海滨;李康;;无金标准诊断试验评价的贝叶斯方法及应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

8 宁鹏达;;贝叶斯方法在风险投资项目决策中的应用[A];第四届中国科学学与科技政策研究会学术年会论文集（Ⅰ）[C];2008年

9 朱永生;;贝叶斯方法确定泊松变量的置信上限[A];中国物理学会高能物理分会第七届学术年会实验分会场论文集[C];2006年

10 王增忠;柳玉杰;施建刚;;建筑工程项目全寿命安全管理决策的贝叶斯方法[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 阚英男;基于网格近似法的数控机床贝叶斯可靠性评估研究[D];吉林大学;2015年

2 翟胜;基于贝叶斯网络的复杂系统可靠分析方法研究与应用[D];天津工业大学;2016年

3 刘瑞;基于贝叶斯网络的洪水灾害风险评估与建模研究[D];华东师范大学;2016年

4 贾海洋;贝叶斯网学习若干问题研究[D];吉林大学;2008年

5 黄友平;贝叶斯网络研究[D];中国科学院研究生院（计算技术研究所）;2005年

6 朱允刚;贝叶斯网学习中若干问题研究及其在信息融合中的应用[D];吉林大学;2012年

7 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年

8 李小琳;面向智能数据处理的贝叶斯网络研究与应用[D];吉林大学;2005年

9 江敏;贝叶斯优化算法的若干问题研究及应用[D];上海大学;2012年

10 胡笑旋;贝叶斯网建模技术及其在决策中的应用[D];合肥工业大学;2006年

中国硕士学位论文全文数据库 前10条

1 张路路;贝叶斯网络系统可靠性分析及故障诊断方法研究[D];山东建筑大学;2015年

2 徐冰;基于贝叶斯网络的传染病时空预警模型研究[D];长安大学;2015年

3 李艳强;基于不确定理论的酸洗线和镀锌线的视情维修策略研究[D];河北工程大学;2015年

4 王芸;贝叶斯AGARCH模型在我国商业银行利率风险度量中的应用[D];南京财经大学;2015年

5 侯欢欢;基于贝叶斯网络城市埋地燃气管线风险评价研究[D];首都经济贸易大学;2015年

6 王宇;贝叶斯参数更新在可靠性分析中的应用[D];南京航空航天大学;2014年

7 李福伟;贝叶斯压缩感知理论与技术[D];电子科技大学;2015年

8 李景囡;基于依赖分析的贝叶斯网络结构学习算法研究[D];西安电子科技大学;2014年

9 杨祥睿;基于贝叶斯网络的船撞桥风险评估研究[D];重庆交通大学;2015年

10 汤玉利;贝叶斯反问题的MAP估计及其一致性[D];上海交通大学;2015年

  本文关键词：基于连续贝叶斯网络的火灾预警研究，，由笔耕文化传播整理发布。

本文编号：392158