融合GRU和改进蚁群算法的火灾逃生路径规划方法  

作　　者：赵峰[1] 姜孝文 ZHAO Feng;JIANG Xiaowen

机构地区：[1]安徽工业大学管理科学与工程学院,安徽马鞍山243032

出　　处：《信息技术与信息化》2025年第1期65-69,共5页Information Technology and Informatization

摘　　要：高温环境下,传感器节点可能会出现工作状态异常的情况,由此引发误报、漏报等一系列问题,文章提出了融合门控循环单元神经网络(gated recurrent unit,GRU)和改进蚁群算法的室内建筑火灾逃生路径规划研究方法。根据火灾态势信息,建立GRU时序预测模型,实现对节点异常情况下火场内温度、CO浓度等态势信息的预测,并基于预测结果,利用改进的蚁群算法动态规划逃生路径,得到传感器工作异常情况下的火灾最佳安全逃生路径。研究结果表明,该方法在不同火灾时期都能有效规划出最佳疏散路径,具有实际应用价值。

关 键 词：GRU神经网络模型 火灾疏散路径动态规划 蚁群算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TU998.1[自动化与计算机技术—控制科学与工程]