基于多核极限学习机的火灾代理模型研究  

Research on fire surrogate model based on multi-kernel extreme learning machine

作　　者：江春 范勤勤 韩新[4] 王维莉 丛北华[4] JIANG Chun;FAN Qin-qin;HAN Xin;WANG Wei-li;CONG Bei-hua

机构地区：[1]上海海事大学物流科学与工程研究院,上海201306 [2]上海海事大学物流研究中心,上海201306 [3]上海交通大学电子信息与电气工程学院,上海200240 [4]同济大学上海防灾救灾研究所,上海200092

出　　处：《制造业自动化》2022年第12期39-44,共6页Manufacturing Automation

基　　金：国家重点研发计划资助项目(2016YFC0800200);国家自然科学基金山东联合基金(U2006228);国家自然科学基金资助(61603244,71904116);上海市科技创新行动计划资助(19DZ1209600,18DZ1201500)。

摘　　要：火灾动力学模型(Fire Dynamics Simulation,FDS)能够较准确地描述火灾过程。但由于其模拟时间较长,故难以在实际消防力量救援和人员疏散引导中发挥重要作用。为解决上述问题,提出一种多核极限学习机(Multi-Kernel Extreme Learning Machine,MKELM)火灾代理模型来对火灾关键状态参数进行预测。在该代理模型中,两个不同类型的核函数被用于核极限学习机,并使用新近提出的鲸鱼优化算法(Whale Optimization Algorithm,WOA)来优化核函数参数;最后将MKELM算法建立火灾代理模型与其他代理模型进行比较,相比于其他代理模型,实验结果表明所提算法能够在可接受的计算时间内得到更好的预测结果。因此,不仅能解决FDS模拟费时问题,且可以为火灾应急处置和管理提供帮助。

关 键 词：火灾预测 多核极限学习机 应急管理 代理模型 

分 类 号：TP303[自动化与计算机技术—计算机系统结构]