期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于FDS的商业建筑火灾温度场预测
1
作者
曹妍曦
马鸿雁
王顺
《中国安全科学学报》
2025年第8期213-218,共6页
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...
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%。
展开更多
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)
在线阅读
下载PDF
职称材料
题名
基于FDS的商业建筑火灾温度场预测
1
作者
曹妍曦
马鸿雁
王顺
机构
北京建筑大学智能科学与技术学院
出处
《中国安全科学学报》
2025年第8期213-218,共6页
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)。
文摘
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%。
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)
Keywords
commercial building fires
temperature field
fire dynamics simulator(FDS)
convolutional neural networks(CNN)
support vector machine(SVM)
分类号
X932 [环境科学与工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于FDS的商业建筑火灾温度场预测
曹妍曦
马鸿雁
王顺
《中国安全科学学报》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
