首页|基于机器学习的双参数火灾探测方法

基于机器学习的双参数火灾探测方法

Double parameters fire detection method based on machine learning

扫码查看
原文链接
  • 万方数据
  • 维普
为解决单一技术在火灾探测上造成的误报、漏报现象,设计并建立可燃物燃烧试验平台,选取燃烧产物中质量浓度迅速升高的PM10及CO作为分类算法的特征参数,对特征参数进行数据处理后,采用逻辑回归(LR)、线性判别分析(LDA)、k近邻算法(kNN)、分类与回归树(CART)、朴素贝叶斯与支持向量机(SVM)等6种机器学习算法建立火灾探测模型,并评估分析其分类性能.结果表明:6种算法中kNN评估准确率、召回率、F1值和kappa值均高于其他算法,且评估准确率达到95.2％,能够准确地识别燃烧状态;通过分类处理燃烧产物中快速变化的PM1Q及CO质量浓度,能够较准确识别火灾.

刘全义、朱博、邓力、石航、梁光华

展开 >

中国民用航空飞行学院民航安全工程学院,四川广汉618307

清华大学合肥公共安全研究院,安徽合肥230601

机器学习 火灾探测 PM10 分类算法 k近邻算法(kNN)

国家自然科学基金国家自然科学基金四川省科技计划四川省科技计划中国民用航空飞行学院基金中国民用航空飞行学院基金中国民用航空飞行学院基金中国民用航空飞行学院大学生双创建设项目

U2033206U19331052018GZYZF00692020YFG0447J2020-110J2020-120X2019-022S202010624137

2022

10.16265/j.cnki.issn1003-3033.2022.05.0874

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2022.32(5)
  • 5
  • 5