基于神经网络的多参数矿井火灾识别方法

被引：18

作者：

任慧 ^{[1
]}

孙继平 ^{[2
]}

田子建 ^{[2
]}

王会芹 ^{[1
]}

机构：

[1] 中国传媒大学自动化系

[2] 中国矿业大学(北京)煤炭资源与安全开采国家重点实验室

来源：

辽宁工程技术大学学报 | 2007年 / 04期

基金：

高等学校博士学科点专项科研基金;

关键词：

矿井火灾; 多参数; 神经网络; 火灾识别;

D O I：

暂无

中图分类号：

TD75 [矿山防火]; TP183 [人工神经网络与计算];

学科分类号：

081903 [安全技术及工程]; 140502 [人工智能];

摘要：

针对矿井火灾早期预测预报研究了新的方法,将矿井火灾图像与温度、烟雾、CO、CO2、O2等多个参数相结合,进行综合分析,对矿井火灾进行判断。依据神经网络建立的数学模型,采用神经网络的学习算法,对矿井火灾进行识别。通过仿真分析结果表明,矿井火灾正确识别率很高,特别是采用RBF神经网络,正确识别率达到98%以上,从而为神经网络实际用于矿井火灾识别成为可能,该方对矿井火灾早期预测预报具有重要的理论意义和实用价值。

引用

页码：555 / 558

页数：4