火灾预警的SVR应用研究

摘要

针对传统火灾探测系统对火灾特征信号响应灵敏度均匀性差,而基于神经网络的智能处理方法又存在泛化能力差和过学习等问题.建立了一种基于支持向量回归机(SVR)模式识别方法与传感器阵列相结合火灾预警模型.SVR方法根据统计学习理论中结构风险最小化原则,将气体传感器、烟雾传感器和温度传感器组成的传感器阵列数据进行融合,将复杂的非线性问题转化成了高维平面内的线性问题,克服了传统方法和神经网络方法的缺陷.实验结果表明,使用支持向量回归机的火灾预警模型的预测精度优于神经网络方法,提高了火灾预警系统的可靠性和准确度.