科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于采用传统单传感器检测火灾时存在精度低、误报率高等不足，提出了一种基于PSO-Nadam算法优化BP神经网络的多传感器火灾检测算法。算法模型以火灾环境参数作为BP神经网络的输入，以不同火灾状态的概率作为输出。但是传统BP神经网络算法中存在两个问题，一是因初始权值和阈值随机选定而导致的可能陷入局部最优解，二是因反向误差传播过程中学习率α固定所导致的收敛速度慢。因此分别采用粒子群算法（PSO）和Nadam算法来优化BP神经网络模型。最后在MATLAB软件上进行算法仿真模拟，相较于BP神经网络模型，该优化模型输出结果与样本实际值吻合度更高，样本预测均方根误差更小，并且收敛速度更快。该算法在一定程度上提高了检测准确率和检测速度，为后续更完善的火灾检测算法打下基础。
-
单位通信与信息工程学院; 上海大学
