申请/专利权人：西南交通大学

申请日：2023-08-29

公开（公告）日：2024-06-18

公开（公告）号：CN117291293B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N3/0442;G06N3/0464;G06N3/08;G06F30/27;G06F111/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.01.12#实质审查的生效;2023.12.26#公开

摘要：本发明涉及隧道火灾技术领域，涉及一种隧道火场灾情感知和态势发展预测方法，其包括以下步骤：1基于隧道复杂火情火灾实验，提取隧道火灾数据；2构建隧道复杂火情火灾感知大数据库；3构建隧道火情感知预测模型；4建立隧道火灾模型，提取隧道火灾态势发展数据；5构建隧道火灾态势发展大数据库；6构建隧道火灾态势发展神经网络预测模型；7基于实际隧道中各项实时传感器，将实时数据传输到隧道火情感知预测模型，提取隧道火场信息；8基于提取的隧道火场信息，输入到隧道火灾态势发展神经网络预测模型中，预测后续隧道火灾态势发展，将预测结果可视化。本发明能较佳地进行隧道火场灾情感知和态势发展预测。

主权项：1.隧道火场灾情感知和态势发展预测方法，其特征在于：包括以下步骤：1基于隧道复杂火情火灾实验，提取隧道火灾数据；2基于隧道火场数据，通过图像处理和数据处理方法，构建隧道复杂火情火灾感知大数据库；步骤2中，具体步骤如下：2-1基于数字图像处理技术，对视频监控所提取的火灾图像进行图像分割、空间转换；在数字图像处理的几何空间转换运算中，采用控制点法来描述空间的变换关系；控制点法是通过测量实际场景中特征比较明显的坐标点的位置变化来确定坐标变换的方程系数，进而建立原始图像坐标与目标坐标之间的映射关系，具体如下：原始图像与目标图像有四个点相对应，根据这4个控制点可建立方程确定坐标之间的变换关系，见公式：x1＝ax0+by0+cx0y0+dy1＝ex0+fy0+gx0y0+h式中，x0，y0为原始图像控制点的初始坐标；x1，y1为原始图像控制点的目标坐标；a,b,c,d,e,f,g,h为方程系数；求解上述公式中的8个系数，就可建立满足要求的近似变换关系；上述变换可表示为更一般的幂函数形式，见公式： 式中，i,j是幂函数的次方数，N是幂函数的阶，提高N可提高精度，但是需要控制点对数目的增大，计算量也会随之加大；2-2对上述图像再次进行灰度转变、二值化处理，提取火焰信息特征；在通过进行图像二值化处理之前，首先通过将原图像变成灰度图，然后增强灰度级，再进行中值滤波处理；中值滤波是把数字序列或者数字图像中一点的值用该点的一个邻域中各点值的中值代替，中值的定义为：一组数x1，x2，x3，…，xn，将n个数按照值的大小顺序进行排列：xi1≤xi2≤xi3≤…≥xin 上式中，y就称为序列x1，x2，x3，…，xn的中值；2-3将每一帧视频图像与实验所采集的热释放速率、隧道顶棚温度、烟气回流长度、热辐射、热通量参数一一对应；2-4整理上述步骤2-1处理后的图像和步骤2-2对应的参数，建立隧道复杂火情火灾感知大数据库；3基于机器学习方法，选择合适的神经网络预测模型，神经网络预测模型包括ConvLSTM、CNN模型，构建隧道火情感知预测模型；4基于FDS火灾动力学数值模拟软件，建立隧道火灾模型，提取隧道火灾态势发展数据，隧道火灾态势发展数据包括火灾温度、CO浓度、能见度、烟气回流长度；5基于隧道火灾态势发展数据，构建隧道火灾态势发展大数据库；6选定机器学习模型，基于隧道火灾态势发展数据库，构建隧道火灾态势发展神经网络预测模型；步骤6中，具体步骤如下：6-1基于步骤5所述的隧道火灾态势发展大数据库，选定人工智能模型，人工智能模型包括CNN、LSTM、ANN神经网络模型；6-2确定模型参数，模型参数包括隐藏层结构、神经元个数、损失函数的选取、激活函数的选取、迭代次数；6-3基于步骤4-1中隧道结构和选定的神经网络模型，构建隧道火灾态势发展神经网络预测模型；6-4基于步骤6-3中构建的隧道火灾态势发展神经网络预测模型和步骤5中所构建的隧道火灾态势发展大数据库，划分训练集和测试集比例，训练隧道火灾态势发展神经网络预测模型；7基于实际隧道中各项实时传感器，实时传感器包括视频监控系统、风速仪、光纤光栅、热电偶和无人机，将实时数据传输到隧道火情感知预测模型，提取隧道火场信息；步骤7中，具体步骤如下：7-1基于实际隧道中各项实时传感器，提取隧道中火场实时数据，实时数据包括但不限于火灾图像、风速风向、火灾位置、温度参数；7-2将步骤7-1所提取的火场实时数据经步骤2-1所述的数字图像处理技术预处理后，将几帧连续的隧道火灾图像输入步骤3所述的隧道火情感知预测模型中，输出该隧道此时对应的火灾信息，火灾信息包括热释放速率、隧道顶棚温度、烟气回流长度、热辐射、热通量参数；7-3隧道火情感知预测模型还可基于已有几帧连续隧道火灾图像预测未来隧道火灾图像，提前获取未来可能的隧道火场信息；8基于提取的隧道火场信息，输入到隧道火灾态势发展神经网络预测模型中，预测后续隧道火灾态势发展，将预测结果可视化。

全文数据：

权利要求：

百度查询： 西南交通大学 隧道火场灾情感知和态势发展预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD