赵月爱，郭兴原

(太原师范学院 a.计算机科学与技术系，b.数学系，山西 晋中 030619)

随着社会经济的发展和科技生产力的提高，各行各业进入到了一个高电气化时代。但用电量的不断增加导致电气火灾事件的发生也逐年攀升。而传统的电气火灾报警系统对数据处理方式比较单一，智能化程度较低，经常是在发生火灾险情后才报警，甚至出现延迟报警、误报甚至漏报，给人民造成很大的经济损失[1]。如何在单一传感数据未达到阈值前就及早发现异常信息，实现精准预测，减少甚至完全消灭火灾，把由火灾而引发的各种损失尽可能降低成为该领域的研究重点。

近年来，国内外学者提出了许多有关火灾及电气火灾检测的预警算法。如WANG et al[2]提出的基于深度学习的监控视频火灾探测系统，适用于在相对开放的环境中对监控视频中的火焰、烟雾等采用卷积神经网络算法进行分析检测；GAGLIARDI et al[3]在监控视频火灾探测中将传统的卡尔曼滤波与卷积神经网络算法进行了融合；CHOUDHURY et al[4]利用多传感器智能程序识别探测器实现了一种基于模糊规则的智能预警系统；黄翰鹏等[5]采用温度、烟雾浓度和一氧化碳浓度三个特征指标，在融合模糊神经网络与时序模型的火灾预警中实现了对实测环境火灾条件的实时检测；GUO et al[6]提出了基于模糊神经网络的火灾检测模型，随后，赵栋[7]将这种算法应用于电气火灾预警系统，提高了系统的可靠性和准确性；任嘉锋[8]在传统图像识别的卷积网络算法下，提出了混合卷积网络的火灾识别方法，提高了火灾的识别精度；……