APP下载

基于核极限学习机的火灾预警算法研究

2017-11-13丁承君张井超何乃晨

河北工业大学学报 2017年5期

丁承君,张井超,何乃晨

(河北工业大学 机械工程学院,天津 300130)

基于核极限学习机的火灾预警算法研究

丁承君,张井超,何乃晨

(河北工业大学 机械工程学院,天津 300130)

火灾信息处理算法的有效性影响着火灾预警系统的准确性和可靠性,所以智能火灾预警算法研究成为了火灾预警技术的一个研究热点.针对以往火灾信息处理算法的不足,提出了一种基于核极限学习机(KELM)的火灾预警算法.该算法利用核极限学习机对多种传感器采集到的数据进行融合分析,实现火情识别.利用MATLAB对核极限学习机的火灾预警算法进行仿真,通过与BP神经网络火灾预警算法和支持向量机火灾预警算法的仿真结果进行对比,证明了该火灾预警算法较之以往算法的优越性.

火灾预警;多传感器;数据融合;核函数;极限学习机

0 引言

随着社会的重大变革,经济飞速发展,城市化进程加快,人们对火灾预警和消防系统提出了更高的要求,高度智能化的火灾预警系统正在取代传统的火灾预警系统,基于多传感器信息融合的智能火灾预警算法研究成为火灾预警技术的一个重要研究方向,基于神经网络的火灾预警算法成为智能火灾预警算法的一个研究热点.例如Gerberus开发了基于神经网络的AlgoRex火灾报警器[1];Okayama[2]研发了针对不同火灾信息的神经网络火灾预警算法;张健[3]提出了基于前馈神经网络的火灾预警算法;汤群芳[4]提出了基于模糊神经网络的火灾预警算法;……

登录APP查看全文