■ 谭龙飞 应急管理部四川消防研究所 电子科技大学自动化工程学院

■ 霍伟博 电子科技大学自动化工程学院

■ 尹航 梅秀娟 应急管理部四川消防研究所

随着电子信息化技术的发展，智慧化成为消防领域发展重点，在火灾领域的应用也越来越成熟。多数据融合火灾预警系统的研究，能够很大程度地改善火灾预警的准确率，对于未来火灾预警技术的发展具有重大意义。现代建筑尤其是高层或超高层建筑结构紧凑，功能复杂，一旦发生火灾，救援人员难以迅速及时到达火灾现场。目前，工程上广泛采用的都是传统单一传感器的火灾探测器。传统单一式传感器的火灾探测是通过采集探测现场单一的火灾参数信息，采取简单的阈值算法判断火灾的发生。但是，由于火灾信号的随机性和不确定性，单一参数的探测容易造成火灾预警的误报、漏报以及迟报，从而威胁人们的生命与财产安全。

本文提出了深度学习方法中基于受限玻尔兹曼机（RBM）的高层建筑火灾风险研究方法，该方法弥补了单传感器的随机性与不确定性，将来自高层火灾环境中的多源信息进行综合分析与智能化处理，可以极大程度地降低火灾的漏报率和误报率。同时，本项目提出的多源数据融合的高层建筑火灾大数据分析，可以将建筑目前单点监测改变为立体式防控，是未来火灾探测预警的必然发展趋势。

一、实验

实验地点设置于应急管理部四川消防研究所高层实验塔内，该试验塔可开展火灾发生、烟火蔓延、自动报警、防排烟调控和灭火逃生等消防专业化试验。……