LVQ神经网络的红外光谱火灾早期预警算法
对前期大量试验采集的火灾气体数据进行特征提取,找出能够代表火灾整体特征的过程特征信息.通过体积分数曲线拟合分析,提取出体积分数、速度和加速度估值等火灾特征信息参量,建立适合于火灾早期探测的学习向量量化(LVQ)神经网络算法.通过对比分析证明,该算法比传统火灾探测器报警时间提前3~21 min,且对于真假火灾可进行准确识别,实现火灾早期探测预警的目标.
火灾探测、红外光谱、学习向量量化、神经网络、早期预警算法
32
TP183;TN215(自动化基础理论)
福建省自然科学基金资助项目2009J01290;国务院侨办科研基金资助项目09QZR04;福建省厦门市科技计划项目3502Z20103028
2012-03-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
607-610