实时识别火灾状态
融合LSTM与迁移学习，利用建筑几何与气体温度实时识别大空间建筑火灾状态并预测温度发展，为消防员提供火场动态信息。
继卫 · Li, Guoqiang · 朱劭骏 · Jinyu, Li · Qi, Honghui · Wang, Yao
Expert Systems with Applications 2024
结合建筑几何与气体温度数据，模型在数值模拟中识别火灾状态的准确率超过95%，能可靠判断火源位置和火灾阶段。
在真实火灾场景中，模型能以超过89%的准确率预测20分钟后的气体温度，为消防员提供宝贵的提前预警。
模型使用相关系数和标准差方法检测损坏的热电偶，在损伤比低于30%时准确率超过96%，避免错误数据干扰。
机器学习框架通过可靠性理论进行温度预测，能维持模型在通风条件变化下的鲁棒性。