隧道火灾超前预测方法技术

本发明专利技术公开了一种隧道火灾超前预测方法，包括：建立火灾模型，并根据火灾模型获取不同工况下的火灾数据；对不同工况下的火灾数据进行处理，并根据处理后的不同工况下的火灾数据建立火灾数据库；建立火灾预测模型，并将火灾数据库内的不同工况下的火灾数据分为训练集、验证集和测试集，以便根据训练集和验证集对火灾预测模型进行训练，以得到训练好的火灾预测模型；将测试集输入到训练好的火灾预测模块，以得到预测数据；建立数据同化模型，并根据数据同化模型将预测数据和实时观测数据进行数据融合，以便修正预测数据，得到实时火灾的最佳状态估计；由此，可以对隧道火灾进行超前快速预测，从而提高了隧道火灾预测的实时性和准确性。确性。确性。

【技术实现步骤摘要】
隧道火灾超前预测方法


[0001]本专利技术涉及火灾检测
，特别涉及一种隧道火灾超前预测方法、一种计算机可读存储介质和一种计算机设备。

技术介绍

[0002]近年来，随着我国城市快速发展，隧道数量和复杂性都在不断增加，由于隧道独特的空间特性、交通运输方式等，导致隧道火灾不同于一般工业和民用建筑火灾；隧道火灾受交通工具、车载货物、隧道类型以及火灾时的交通状况等因素影响，使得车辆的流动性会导致起火点随车辆的行驶而发生变化；同时，随着隧道结构的逐渐丰富，分岔隧道数量的增加，导致隧道火灾烟气蔓延情况及控制手段都更为复杂，从而使得隧道发生火灾时人员的安全疏散以及灭火救援难度会高于普通地面建筑。
[0003]隧道火灾预测不仅可以为火场危险性评估和火灾扑救提供技术支持，同时对应急救援具有重大意义，但是现有的隧道火灾预测方法通常是根据火灾图像进行预测的，导致预测效果差。

技术实现思路

[0004]本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种隧道火灾超前预测方法，可以对隧道火灾进行超前快速预测，从而提高了预测的实时性和准确性。
[0005]本专利技术的第二个目的在于提出一种计算机可读存储介质。
[0006]本专利技术的第三个目的在于提出一种计算机设备。
[0007]为达到上述目的，本专利技术第一方面实施例提出了一种隧道火灾超前预测方法，包括建立火灾模型，并根据所述火灾模型获取不同工况下的火灾数据；对所述不同工况下的火灾数据进行处理，并根据处理后的不同工况下的火灾数据建立火灾数据库；建立火灾预测模型，并将所述火灾数据库内的不同工况下的火灾数据分为训练集、验证集和测试集，以便根据所述训练集和验证集对所述火灾预测模型进行训练，以得到训练好的火灾预测模型；将所述测试集输入到所述训练好的火灾预测模块，以得到预测数据；建立数据同化模型，并根据所述数据同化模型将所述预测数据和实时观测数据进行数据融合，以便修正预测数据，得到实时火灾的最佳状态估计。
[0008]根据本专利技术实施例的隧道火灾超前预测方法，首先建立火灾模型，并根据火灾模型获取不同工况下的火灾数据；接着对不同工况下的火灾数据进行处理，并根据处理后的不同工况下的火灾数据建立火灾数据库；然后建立火灾预测模型，并将火灾数据库内的不同工况下的火灾数据分为训练集、验证集和测试集，以便根据训练集和验证集对火灾预测模型进行训练，以得到训练好的火灾预测模型；再接着将测试集输入到训练好的火灾预测模块，以得到预测数据；最后建立数据同化模型，并根据数据同化模型将预测数据和实时观测数据进行数据融合，以便修正预测数据，得到实时火灾的最佳状态估计；由此，可以对隧
道火灾进行超前快速预测，从而提高了预测的实时性和准确性。
[0009]另外，根据本专利技术上述实施例提出的隧道火灾超前预测方法还可以具有如下附加的技术特征：
[0010]可选地，建立火灾模型，并根据所述火灾模型获取不同工况下的火灾数据，包括：根据隧道图纸在数值模拟软件中搭建全尺寸隧道仿真模型；预先设置多种不同的火灾工况，并模拟各种火灾工况下的火灾发生及发展情况，以得到对应的火灾数据，其中，所述火灾工况包括火源位置、火源功率和纵向风速，所述火灾数据包括火灾温度、CO浓度和能见度。
[0011]可选地，对所述不同工况下的火灾数据进行处理，并根据处理后的不同工况下的火灾数据建立火灾数据库，包括：对基于数值模拟软件所获得的不同工况下的火灾温度、CO浓度和能见度进行分类处理，并根据分类处理后的不同工况下的火灾温度、CO浓度和能见度建立火灾数据库。
[0012]可选地，建立火灾预测模型，包括：基于火灾数据库选择机器学习模型；基于火灾数据库确定所选择的机器学习模型的神经网络的层数、神经元的个数，以及选取适合的激活函数、损失函数，以便构建所述火灾预测模型，其中，激活函数可为Sigmoid、Tanh或者ReLU，损失函数可为均方根误差。
[0013]可选地，将所述火灾数据库内的不同工况下的火灾数据分为训练集、验证集和测试集，包括：对所述火灾数据进行shuffle操作以打乱顺序；选择不同比例将打乱后的火灾数据划分为训练集、验证集和测试集。
[0014]可选地，根据所述训练集和验证集对所述火灾预测模型进行训练，以得到训练好的火灾预测模型，包括：预先设置火灾预测模型的学习率、数据集训练轮次和每次训练的样本数；将所述训练集中的火源位置、火源功率和纵向风速输入到所述火灾预测模型，以得到任意时刻不同位置的隧道温度；采用所述验证集根据决定系数和相对误差对所述火灾预测模型进行准确性分析。
[0015]可选地，根据以下公式对所述火灾预测模型进行准确性分析：
[0016][0017][0018]其中，R2表示决定系数，RE表示相对误差，R2取值范围为[0,1]，其值越大，则模型预测效果越好；y
i
表示样本值，表示模型对样本y
i
的预测值，表示样本平均值，m表示样本个数。
[0019]可选地，建立数据同化模型，并根据所述数据同化模型将所述预测数据和实时观测数据进行数据融合，以便修正预测数据，得到实时火灾的最佳状态估计，包括：构建数据同化模型；预设数据同化算法的初始值，并采用数据同化算法对所述预测数据和采用传感器获得的实时观测数据进行数据融合，以得到修正后的预测数据；迭代更新预测数据，直至得到实时火灾的最佳状态估计。
[0020]为达到上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，其上
存储有隧道火灾超前预测程序，该隧道火灾超前预测程序被处理器执行时实现如上述的隧道火灾超前预测方法。
[0021]根据本专利技术实施例的计算机可读存储介质，通过存储隧道火灾超前预测程序，以使得处理器在执行该隧道火灾超前预测程序时，实现如上述的隧道火灾超前预测方法，由此，可以对隧道火灾进行超前快速预测，从而提高了预测的实时性和准确性。
[0022]为达到上述目的，本专利技术第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上述的隧道火灾超前预测方法。
[0023]根据本专利技术实施例的计算机设备，通过存储器对隧道火灾超前预测程序进行存储，以使得处理器在执行该隧道火灾超前预测程序时，实现如上述的隧道火灾超前预测方法，由此，可以对隧道火灾进行超前快速预测，从而提高了预测的实时性和准确性。
附图说明
[0024]图1为根据本专利技术实施例的隧道火灾超前预测方法的流程示意图；
[0025]图2为根据本专利技术一个实施例的数值模拟软件模拟的不同工况下的隧道火灾图；
[0026]图3为根据本专利技术一个实施例的神经网络预测模型图；
[0027]图4为根据本专利技术一个实施例的火灾预测模型训练和预测过程示意图；
[0028]图5为根据本专利技术一个实施例的隧道火灾实时预测流程示意图。
具体实施方式
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种隧道火灾超前预测方法，其特征在于，包括以下步骤：建立火灾模型，并根据所述火灾模型获取不同工况下的火灾数据；对所述不同工况下的火灾数据进行处理，并根据处理后的不同工况下的火灾数据建立火灾数据库；建立火灾预测模型，并将所述火灾数据库内的不同工况下的火灾数据分为训练集、验证集和测试集，以便根据所述训练集和验证集对所述火灾预测模型进行训练，以得到训练好的火灾预测模型；将所述测试集输入到所述训练好的火灾预测模块，以得到预测数据；建立数据同化模型，并根据所述数据同化模型将所述预测数据和实时观测数据进行数据融合，以便修正预测数据，得到实时火灾的最佳状态估计。2.如权利要求1所述的隧道火灾超前预测方法，其特征在于，建立火灾模型，并根据所述火灾模型获取不同工况下的火灾数据，包括：根据隧道图纸在数值模拟软件中搭建全尺寸隧道仿真模型；预先设置多种不同的火灾工况，并模拟各种火灾工况下的火灾发生及发展情况，以得到对应的火灾数据，其中，所述火灾工况包括火源位置、火源功率和纵向风速，所述火灾数据包括火灾温度、CO浓度和能见度。3.如权利要求2所述的隧道火灾超前预测方法，其特征在于，对所述不同工况下的火灾数据进行处理，并根据处理后的不同工况下的火灾数据建立火灾数据库，包括：对基于数值模拟软件所获得的不同工况下的火灾温度、CO浓度和能见度进行分类处理，并根据分类处理后的不同工况下的火灾温度、CO浓度和能见度建立火灾数据库。4.如权利要求1所述的隧道火灾超前预测方法，其特征在于，建立火灾预测模型，包括：基于火灾数据库选择机器学习模型；基于火灾数据库确定所选择的机器学习模型的神经网络的层数、神经元的个数，以及选取适合的激活函数、损失函数，以便构建所述火灾预测模型，其中，激活函数可为Sigmoid、Tanh或者ReLU，损失函数可为均方根误差。5.如权利要求1所述的隧道火灾超前预测方法，其特征在于，将所述火灾数据库内的不同工况下的火灾数据分为训练集、验...

【专利技术属性】
技术研发人员：张玉春，杨云萍，成艳英，李涛，白慧，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：