谢荣全，徐志胜

(中南大学土木工程学院，湖南 长沙 410075)

由于火灾燃烧具有复杂性和多变性的基本特性，难以用一个比较精确的数学公式来描述火灾图像的特征。对此，国内虽有一些学者和科研单位做过一些模拟实验，但对于运用BP神经网络算法检测火灾图像技术却很少涉及。加之国内火灾报警生产厂家存在着联动模块的接口联接层面和信号输入输出方式不统一、不规范，给火灾自动报警系统实现经济、安全、灵活、便捷的工程优化集成带来了一系列技术问题。为此，本文利用BP神经网络算法的方法，用神经网络对信号的幅度、动态范围和持续时间等特征进行规范处理，使火灾报警输出的信号达到稳定性和准确性，提高火灾报警的准确率［1］。

1 BP神经网络火灾探测算法

BP神经网络算法的基本思想:(1)预处理和神经网络。反向传播是BP神经网络学习的基本特征，用归一化到［0，1］的范围来探测火灾信号。(2)BP神经网络因迭代次数多，收敛慢，需要不断地改进方法。(3)BP神经网络为报警和误报警提供了［0，1］区分标准显示“0”为火灾;显示“1”为非火灾［2］。算法步骤如下:

(1)用随机数据(一般数据比较小)对网络的权值(Wji)，(Vkj)和偏置值(θj)，(γk)赋予一个初值，这就是网络的初始化。

(2)第一步初始化以后，再输入第一个模式。

(3)求中间层单元j的输入Uj对应的输出Hj:

式中:f(*)为Sigmoid函数(以下同)。

(4)求出对输出层单元(k)的输入(Sk)和相对应的输出(Ok)值:

(5)求偏置值，并连接到上权值的误差(δk):

(6)用误差δk、输出层的权值(Vkj)和中间层的输出值(Hj)，求中间层j的偏置值(σj):