基于机器学习的双参数火灾探测方法

作者：刘全义; 朱博; 邓力; 石航; 梁光华^*

来源：中国安全科学学报, 2022, 32(05): 90-96.

DOI：10.16265/j.cnki.issn1003-3033.2022.05.0874

• 机器学习
• 火灾探测
• PM10
• 分类算法
• k近邻算法(kNN)

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。

• 单位
  中国民用航空飞行学院; 清华大学合肥公共安全研究院