【摘 要】
：
针对BP神经网络的随机权重和阈值稳定性不高的问题,运用遗传算法(GA)对BP神经网络的初始权重和阈值进行优化,提出了一种基于GA优化BP神经网络的多参量数据融合方法以实现火灾
【机 构】
：
安徽理工大学安全科学与工程学院,安徽理工大学经济与管理学院,东北大学资源与土木工程学院
【基金项目】
：
国家自然科学基金资助项目(71971003),国家社科基金重大项目(20ZDA084)。
论文部分内容阅读
针对BP神经网络的随机权重和阈值稳定性不高的问题,运用遗传算法(GA)对BP神经网络的初始权重和阈值进行优化,提出了一种基于GA优化BP神经网络的多参量数据融合方法以实现火灾探测,提高火灾探测准确率和模型泛化性能,并利用该模型对标准明火和阴燃火中的温度、烟雾浓度和CO浓度进行数据融合实现火灾探测。研究显示,相较单纯BP神经网络,经GA优化的BP神经网络火灾探测算法能够更快速精确地实现火灾探测,探测精度有显著改善,火灾识别准确率提高至98.84%。
其他文献
进入“十四五”时期,少数人对建筑业未来发展表现出担忧:一是随着国家对经济社会高质量发展要求不断提高,建筑业转型升级缓慢,支柱产业地位是否会动摇?二是在双循环新发展格
为提高防灭火三相泡沫的性能,主要对高分子凝胶剂、表面活性剂、稳泡剂等5种试剂利用正交实验进行三相泡沫发泡剂的复配优化。采用自主设计的空压机和发泡枪测定该复配体系的
通过对资料和文献的对比与分析,总结了近年来我国仓库的火灾形势,提出应重点加强仓库初期火灾的防护。在研究国内外最新标准和研究文献的基础上,对比了国内外标准中关于物流
为了解决目前逃生缓降器下降速度变化范围大的问题,在固定节流口液压阻式逃生缓降器的基础上,提出了一种感载式自动调速液压缓降器。对感载式自动调速液压缓降器的工作原理进