来源：期刊VIP网 时间：
作者：张玉春1;崔贡酉生1;刘欣怡1;陶浩文1;李涛2;徐匆匆3
单位：1.西南交通大学消防工程系;2.四川高速公路建设开发集团有限公司;3.中国城市规划设计研究院
摘要：在隧道火灾应急救援中，迅速准确地掌握火场环境状况至关重要。提出一种动态预测隧道火灾热释放速率(Heat Release Rate, HRR)的双层长短期记忆(Long Short-Term Memory, LSTM)网络模型，该模型基于LSTM架构，通过输入烟气成分、温度及流速等关键参数，实现HRR的实时准确预测。通过试验获取不同纵向风速、火源尺寸和点火位置下的木垛火HRR数据；建立双层LSTM模型，利用隧道火灾中的烟气参数时序数据进行训练，最终实现多种火灾场景下HRR的快速预测。结果表明，该模型在多样化测试场景下表现优异的泛化能力，能够有效捕捉HRR变化趋势和峰值特征，决定系数平均值达0.88,平均绝对误差平均值为4.720 kW,均方根误差平均值为6.744 kW。双层LSTM模型对于数据集之外的扩展风速(1.7 m/s、2.2 m/s)及火源材料(木垛/聚乙烯塑料组合)下的工况均有较好的预测效果。
关键词：安全工程;隧道火灾;烟气特性参数;双层长短期记忆网络;热释放速率;态势评估
基金资助：国家重点研发计划项目(2022YFC3801104); 国家自然科学基金项目(52304257)
