识别100%·定位<0.4m
融合无线传感器网络、边缘计算与深度神经网络，实现地铁施工火灾风险的快速探测与精确定位，优于传统依赖人工巡检和单一传感器的监测方式。
Chen, Guangyao · Shaofeng, Wang · Ran, Yinsai · Xiangpeng, Cao · Fang, Zhuozhen · 徐照
Journal of Cleaner Production 2024
通过多源数据融合与深度神经网络对传感器数据进行综合分析，在实际应用中实现了100%的火灾风险识别准确率，杜绝漏报。
采用气体扩散模型与加权风心定位算法，在有风条件下火源定位误差仍低于0.4 m，实现了亚米级精确定位。
利用 LSTM 对传感器时间序列进行预测，关键火灾风险指标的预测误差（RMSE）仅为3.34，为早期预警提供了可靠的定量依据。
专门开发了适用于有风条件的火源定位算法，解决了传统定位算法在风流影响下精度显著下降的问题。