2022年12月22日星期四
华盛顿：消防中最糟糕的火焰是您看不到的火焰。在燃烧建筑物的混乱中，很难发现即将发生的闪存的警告信号 - 这是一种致命的火灾现象，其中几乎所有房间中的所有可燃物品都会自发地点燃。bob体育打彩票Flashover是消防员死亡的主要原因之一，但新的研究表明，人工智能（AI）可以为急需的急救人员提供急需的警告。bob体育打彩票
美国国家标准技术研究所（NIST），香港理工大学和bob体育打彩票其他机构的研究人员创建了一个Flashover预测神经网络（bob体育平台二维码FLASHNET）模型，以预测致命事件在发生之前的几秒钟。在最近在人工智能的工程应用中发表的一项研究中，FlashNet优于现有的基于AI的Flashover预测工具，在美国的十几个流行的住宅平面图中，精度高达bob体育打彩票92.1％。
闪存往往会突然在大约600摄氏度（1,100华氏度）下爆发，然后会导致温度进一步射击。为了预见这些事件，现有的研究工具要么依赖于燃烧建筑物的恒定温度数据流，要么使用机器学习来填充缺失的数据，这可能是热探测器屈服于高温的情况。
到目前为止，大多数基于机器学习的预测工具，包括先前开发的一项工具，都已接受了在单个熟悉的环境中运行的培训。实际上，消bob体育打彩票防员没有这样的奢侈品。当他们冲入敌对领土时，他们可能对平面图，火的位置或门是打开或关闭的几乎一无所知。
NIST机械工程师Wai Cheong Tam说：“我们以前的模型只需要在一个布局中考虑四到五个房间，但是当布局切换并且您有13或14个房间时，这可能是模型的噩梦。”bob体育打彩票新研究的作者。“对于实际应用bob体育打彩票程序，我们认为关键是转向适用于许多不同建筑物的广义模型。”
为了应付真实火灾的可变性，研究人员用图形神经网络（GNN）加强了他们bob体育打彩票的方法，这是一种机器学习算法，旨在根据节点和线条的图表进行判断，代表不同的数据点及其与一个的关系其他。
“ GNN经常用于估计的到达时间或ETA，在您可以分析10到50条道路的交通中。同时适当地使用此类信息是非bob体育打彩票常复杂的，因此我们可以使用这个想法。Gnns，”香港理工大学的研究助理教授尤金·尤金·富（Eugene Yujun Fu）兼研究联合作者。“除了我们的应用程序外，我们正在寻找房间而不是道路，并且正在预测闪存事件，而不是交通中的ETA。”
研究人员在数字化建筑物中模拟了41,000bob体育打彩票多起大火，代表了美国大多数住宅建筑股票。除了布局外，诸如火灾的起源，家具类型以及门和窗户的开放或闭合因素之类的因素各不相同。他们为GNN模型提供了一组近25,000个火灾案例，可用作研究材料，然后进行16,000个进行微调和最终测试。bob体育打彩票
在这17种房屋中，新型号的准确性取决于它必须咀嚼的数据量以及它试图提供消防员的提前时间。但是，该模型的准确性充其量（最多只有30秒的交货时间）优于其他五个基于机器学习的工具，包括作者的先前模型。至关重要的是bob体育打彩票，该工具产生了最小的错误负面因素，即模型无法预测即将发生的闪存的危险情况。
作者将Flashnet投入到场景中，那里没有关于建筑物的细节和内部燃烧的火灾的事先信息，类似于消防员经常发现自己的情况。鉴于这些限制，该工具的性能非常有前途。但是，作者仍然有一条路要走，然后才能在整个终点线上进行FlashNet。作为下一步，他们计划使用现实世界而不是模拟数据来战斗模型。bob体育打彩票
塔姆说：“为了充分测试模型的性能，我们实际上需要构建和燃烧自己的结构，并在其中包含一些真实的传感器。”bob体育打彩票“归根结底，如果我们想在真正的火灾场景中部署此模型，那是必须的。”bob体育打彩票
