基于人工神经网络的城市火灾事故的预测方法

1、 基于人工神经网络的城市火灾事故的预测方法   1 引言     现代化城市具有建筑物集中、生产集中、财宝集中、人口集中等特点，一旦发生火灾，热必造成巨大的经济损失和人员伤亡，甚至会引起社会动荡。特殊近年来城市火灾发生呈上升趋势，给社会造成了不行忽视的损失。1998年3月22日，伦敦金融城中心发生火灾，一幢44层高塔楼的1/5化为灰烬。2021年8月27日，俄罗斯首都莫斯科的奥斯坦基诺电讯放射塔（世界其次高的电视放射塔）发生火灾，7人遇难。2021年6月16日，位于北京海淀区学院路20号的“蓝极速”网吧发生火灾，造成25人死亡，12人

2、受伤，烧毁建筑952，烧毁台式电脑71台。因而对火灾发生次数及其分布特性进行精确、有效地猜测，有利于消防部门合理投入人力、物力，优化配置消防资源、设施等，也有利于消防队伍的科学培训和管理。应用神经网络猜测方法，把握火灾事故发生次数的规律，胜利的预防火灾的发生，对削减人员伤亡，财产损失，对社会经济进展，对保持社会秩序的稳定，都具有特别重要意义。    2 BP神经网络模型及其算法步骤    人工神经网络是基于连接学说构造的智能仿生模型，它是由大量神经元组成的非线性动力学系统，是由大量的，同时也是很简洁的处理单元（神经

3、元）广泛地相互连接而形成的简单网络系统。人工神经网络模拟人的大脑活动，具有极强的非线性靠近、大规模并行处理、自训练学习、容错力量以及外部环境的活应力量。由于城市火灾的发生具有很大的突发性、简单多样性及非线性，在很大程度上受外界环境的影响，因而利用神经网络的特点和功能，对城市火灾进行猜测预报，更符合火灾发生的特性。    2.1BP网络模型    BP（Back Propagation）网络是当前应用最为广泛的一种人工神经网络，有80%90%的人工神经网络模型是采纳BP网络或变形网络，是前向网络的核心部分。标准的Bp

4、网络模型由3个神经元层次组成，如图1所示。其最下层称为输入层，中间层称为隐含层，最上层称为输出层，各层次之间的神经元形成全互连接，各层次内的神经元之间没有连接。其中输入层n个节点分别对应n个输入重量，输入重量p=(p1，p2， p3pn)，输出层m个节点，其对应m个输出重量T=（t 1，t 2，t 3t m）。         图1 BP网络模型     2.2BP算法步骤    给输入层单元到隐含层单元的连接权值w ij1，i=1，2

5、，s1，j=1，2n，隐含层单元到输出层单元连接权值w mi2，m=1，2s2，i=1，2，s1，隐含层阀值单元b i1，输出层的阀值b m2，并给予权值、阀值（-1+1）区间的随机值。    2.2.1BP网络的输入向前传播    （1）将样本值P输入，通过连接权值w ij1送到隐含层，产生隐含层单元的激活值：    At1=f1（w ij1P+ b i1） （1）    式中，i，j同上，f1函数为对数s形函数，即f1（x）（1+e -x）-1 （2）    （2）计算输出层单元激活值：    Am2=f（w mi2 At1+ b m2）    令c=w mi2 At1+