卷积神经网络在建筑消防信息化的应用——以城市综合管廊火灾监控为例

摘要：

随着科学技术的进步,越来越多的行业和领域在朝着信息化方向发展.综合管廊已成为城市能源输送的重要保障,但是在大型市政基础设施集中化发展背景下,其火灾隐患问题逐渐凸显.利用YOLO V5建立的卷积神经网络能够对火焰进行高精度识别,进而实现从识别结果中提取实时火焰蔓延位置、蔓延速度和火焰宽度等重要火灾发展关键参数.通过设计12组发展速度不同的综合管廊电缆火灾试验,对卷积神经网络进行训练并验证其信息提取的准确性.结果表明:卷积神经网络提取的火焰前锋蔓延位置平均相对误差为5％～15％、火焰蔓延速度平均相对误差为6％～20％、火焰宽度平均相对误差为10％～27％,进而证实该方法能够保证良好的提取精度.对建筑消防信息化监控来说,该方法能为火灾现场制定灭火救援战术提供关键依据,并让实时研判火灾发展趋势、评估事故严重性和估计事故损失成为可能.

关键词：建筑消防信息化、综合管廊、火灾监控、卷积神经网络、火焰识别

所属期刊栏目：55

分类号：N945.14(系统科学)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：112-120,128