بهبود عملکرد دستگاه های اعلام حریق اماکن جهت پیشبینی احتمال وقوع آتش سوزی بااستفاده از الگوریتمهای یادگیری ماشین

دستگاه های اولیه اعلام حریق در ابتدا به صورت تکی و سپس به صورت شبکه ای ساخته شدهاند تا آتش سوزی را به شکل بهتری تشخیص دهند. اگرچه پیشرفتهای اخیر در طراحی دستگاه های اعلام حریق باعث تشخیص بهتر آتش سوزی ها شده است، ولی دستگاه های کنونی در آتش سوزیهای ناگهانی یا در حجم زیاد آتش سوزی ناتوان میباشند بهترین کار جهت آمادگی برای این تیپ از حوادث پیشبینی احتمال آتش سوزی میباشد دستگاهی که ما ارائه کرده،ایم به صورت شبکهای متصل بهم از دستگاه های تشخیص دود و گازهای خطرناک به محوریت یک دستگاه واحد که معماری Master-Slave را شکل میدهند میباشد که گره های فرعی (nodes) این شبکه در اصل وظیفه جمع آوری دیتاست کل محیط ساختمان را دارند و گره اصلی (master) با استفاده از این دیتاست و الگوریتم های یادگیری ماشین به بررسی احتمال وقوع آتش سوزی میپردازد در این مقاله ابتدا به بررسی ساز و کار شبکه اعلام حریق پرداخته و سپس دو سناریوی با نظارت و بدون نظارت را در نظر گرفته ایم و سه مدل یادگیری ماشین را پیاده و دقت خروجی هر یک از این مدل ها را با هم مقایسه کرده ایم. در نهایت به این نتیجه رسیدیم که وجود این الگوریتم ها در دستگاه اعلام حریق قابلیت تشخیص احتمال آتش سوزی را به وضوح بهبود داده اند.

Keywords:

اعلام حریق , اعلام حریق های اولیه , پیش بینی , معماری Master-Slave , یادگیری ماشین