来源：期刊VIP网 时间：
作者：彭曙蓉;李元书;黄浩宇;唐程;王娜;苏盛
单位：1.长沙理工大学电气与信息工程学院
摘要：针对高层建筑电气系统因运况复杂多变导致的火灾预警难题，提出了一种融合长短期记忆(Long Short-Term Memory, LSTM)网络与Kolmogorov-Arnold网络(Kolmogorov-Arnold Network, KAN)的电气火灾风险预警方法。通过分析正常工况下电气线路负荷电流与环境温度变化规律，构建LSTM-KAN温度预测模型，计算预测值与实测值残差，并利用高斯核密度函数拟合残差值的概率分布确定预警阈值，最终采用异常情况下的数据进行验证。试验结果表明，与LSTM、双向长短期记忆(Bidirectional Long Short-Term Memory, BiLSTM)网络模型和单维温度输入的LSTM-KAN模型相比，该模型温度预测平均绝对误差降低至0.836℃,均方根误差为1.014℃,预测精度显著提升，且未出现误报情况，实现了电气火灾风险的有效预警。
关键词：安全工程;电气火灾;风险预警;高层建筑;长短期记忆网络;Kolmogorov-Arnold网络
基金资助：国家自然科学智能电网联合基金项目(U1966207); 国家电网总部科技项目(5400-202320578A-3-2-ZN)
