消防科学与技术 ›› 2024, Vol. 43 ›› Issue (9): 1292-1297.
蒋立1, 何廷全2, 郭鑫1, 阳东1
Jiang Li1, He Tingquan2,
Guo Xin1, Yang Dong1
摘要: 火源位置和热释放速率(HRR)是指导隧道火灾消防应急救援的重要信息。但在实际中,得到的关于火场的信息十分有限,很难直接得到火源关键信息。提出了一种基于深度学习的隧道火灾火源位置和HRR的反演方法。首先,基于试验数据验证的数值模拟建立不同边界条件下的隧道火灾数据集。基于卷积神经网络(CNN)和长短期记忆网络(LSTM)建立有限的固定式传感器温度数据和火源位置及HRR之间的映射关系,评估了该模型对于火源位置和HRR的反演效果。评估了时间输入步长和传感器间距对该模型反演性能的影响。结果表明,该模型对HRR和火源位置都有较好的反演性能,当时间输入步长为20 s,传感器间距为30 m时,模型反演HRR和火源位置的R2值分别为0.97和0.99。