来源：期刊VIP网 时间：
作者：贾进章;陈佳琦;陈怡诺;
单位：辽宁工程技术大学安全科学与工程学院;辽宁工程技术大学矿山热动力灾害与防治教育部重点实验室;辽宁工程技术大学土木工程学院;
摘要：针对隧道火灾过程中高温烟气对人员避灾的威胁，为实现隧道火灾有效控制，及时提供隧道火灾实时救援决策，提出了一种试验测量和人工智能相结合的方法，基于温度传感器和长短期记忆(Long Short-Term Memory, LSTM)网络对烟气温度进行实时预测。首先，通过1∶20小面积火灾试验收集不同工况下的温度数据，然后，采用LSTM模型从试验火灾数据库中学习、训练，并进行不同火源类型测试，发现该算法模型可以很好地预测隧道内温度分布。对模型的预测能力进行测试，测试结果表明，预测结果精度高，相对误差在±10%内。与反向传播神经网络(Back Propagation Neural Network, BPNN)模型进行比较，测试误差均值降低3.85百分点，对比效果明显，满足隧道火灾实时态势检测需要，为隧道火灾事故的应急救援建立了较为新颖的智能预测方法。
关键词：安全工程;;隧道火灾;;长短期记忆网络;;烟气温度;;实时预测
基金资助：国家自然科学基金项目(52174183,52374203)
