中国安全科学学报

作者：曹妍曦, 马鸿雁, 王顺

单位：1 北京建筑大学 智能科学与技术学院, 北京 100044；2 分布式储能安全大数据研究院, 北京 100044；3 城市建筑超级智能技术北京市重点室, 北京 102616

关键词：商业建筑火灾,温度场,火灾动力学模拟(FDS),卷积神经网络(CNN),支持向量机(SVM)

基金：北京建筑大学博士基金资助(ZF15054); 北京建筑大学2022年度“双塔计划”(GJZJ20220802); 北京建筑大学2024年度研究生创新项目(PG2024095)

为解决现代商业建筑火灾环境复杂、温度场预测难的问题,利用卷积神经网络(CNN)结合支持向量机(SVM)构建火灾温度场预测模型。先采用火灾动力学模拟(FDS)搭建商业建筑火灾模型,获得温度测点接收的序列数据,将温度、位置坐标和火灾持续时间作为输入参数建立数据集;再引入霜冰优化算法(RIME)对CNN-SVM中的隐藏层节点数、正则化系数和学习率进行寻优,建立预测模型,并讨论模型在不同的传感器损坏率下的抗干扰能力。结果表明:该模型在温度场平面预测上表现最优,平均绝对百分比误差为5.6%,最大相对温度误差不超过25%。在3种工况下抗干扰性能最佳,极端条件下最大误差不超过15%。

来源：2025年第8期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第8期