中国安全科学学报

作者：刘全义, 朱博, 邓力, 石航, 梁光华

单位：1 中国民用航空飞行学院 民航安全工程学院,四川 广汉 618307；2 清华大学 合肥公共安全研究院,安徽 合肥 230601

关键词：机器学习,火灾探测,PM10,分类算法,k近邻算法(kNN)

基金：国家自然科学基金资助(U2033206); 国家自然科学基金资助(U1933105); 四川省科技计划项目(2018GZYZF0069); 四川省科技计划项目(2020YFG0447); 中国民用航空飞行学院基金资助(J2020-110); 中国民用航空飞行学院基金资助(J2020-120); 中国民用航空飞行学院基金资助(X2019-022); 中国民用航空飞行学院大学生双创建设项目(S202010624137)

为解决单一技术在火灾探测上造成的误报、漏报现象,设计并建立可燃物燃烧试验平台,选取燃烧产物中质量浓度迅速升高的PM10及CO作为分类算法的特征参数,对特征参数进行数据处理后,采用逻辑回归(LR)、线性判别分析(LDA)、k近邻算法(kNN)、分类与回归树(CART)、朴素贝叶斯与支持向量机(SVM)等6种机器学习算法建立火灾探测模型,并评估分析其分类性能。结果表明: 6种算法中kNN评估准确率、召回率、F1值和kappa值均高于其他算法,且评估准确率达到95.2%,能够准确地识别燃烧状态;通过分类处理燃烧产物中快速变化的PM10及CO质量浓度,能够较准确识别火灾。

来源：2022年第5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2022年第5期