ISSN 1999-9429 · EISSN 2311-3103
Язык: ru

Статья: АЛГОРИТМ КЛАССИФИКАЦИИ ПОЖАРООПАСНЫХ СИТУАЦИЙ НА ОСНОВЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ (2024)

Читать онлайн

Современные технологические требования и развивающаяся городская инфраструктура ставят задачу разработки методов распознавания и классификации пожароопасных ситуаций. Быстрое и эффективное распознавание начальных признаков возгорания становится жизненно важным аспектом обеспечения безопасности людей, а также материальных ценностей. В связи с этим разрабатываются, реализуются, тестируются и внедряются системы, способные автоматически распознавать и классифицировать пожароопасные ситуации. Классификации пожароопасных ситуаций позволяет определить степень опасности обнаруженных отклонений, что способствуют к принятию более эффективных решений по предотвращению последствий пожаров и их признаков таких как, однократное кратковременное повышение температуры и уровня задымленности которое может указывать на выход из строя электрических компонентов, расположенных возле датчиков. Алгоритм классификации пожароопасных ситуаций разработан для комплекса взаимосвязанных датчиков, который в свою очередь, за счет своей структуры, позволяет обнаруживать даже малейший признака пожара. В рамках данного исследования приводится алгоритм классификации пожароопасных ситуаций на основе нейросетевых технологий. Приведено описание существующих классов пожароопасных ситуаций, а также критерии, по которым размечались данные по указанным классам. Проведено моделирование алгоритма на обучающей и тестовой выборках с приведением используемых параметров точности, формулой их расчетов, результатами классификации пожароопасных ситуаций. Проведено исследование влияния шага отсчета в выборке базы данных на параметры точности и время обучения нейронной сети. Разработанный алгоритм реализован на языке программирования Python в IDE PyCharm. Датасет для обучения и тестирования получены из реальных источников, содержащих информацию об обнаруженных пожароопасных ситуациях в метрополитенах, в которых установлен комплекс взаимосвязанных датчиков. Результаты моделирования алгоритма показали, что предложенный алгоритм обладает высокой точностью для предиктивной классификации пожароопасных ситуаций на реальных объектах.

Ключевые фразы: ПОЖАРНЫЙ ДАТЧИК, Python, ПАРАМЕТРЫ ТОЧНОСТИ, нейронные сети, классификация, моделирование, РАЗМЕТКА ДАННЫХ
Автор (ы): Сингх Санни, Прибыльский Алексей Васильевич
Журнал: ИЗВЕСТИЯ ЮФУ. ТЕХНИЧЕСКИЕ НАУКИ

Идентификаторы и классификаторы

УДК
004.942. Исследование поведения объекта на основе его математической модели
654.924.56. Пожарная сигнализация, срабатывающая под действием продуктов сгорания и дыма
eLIBRARY ID
69156311
Для цитирования:
СИНГХ С., ПРИБЫЛЬСКИЙ А. В. АЛГОРИТМ КЛАССИФИКАЦИИ ПОЖАРООПАСНЫХ СИТУАЦИЙ НА ОСНОВЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ // ИЗВЕСТИЯ ЮФУ. ТЕХНИЧЕСКИЕ НАУКИ. 2024. № 3
Текстовый фрагмент статьи