基于深度集成模型的火灾事故预警方法

摘要

为了解决城市火灾预警问题,提出一种基于深度集成模型的火灾事故预警方法。首先,根据多种传感器数据和建筑的致灾因子与损失控制因子数据,基于深度神经网络进行特征学习,并提取学习结果;其次,将深度神经网络的特征学习结果与知识库规则特征学习结果结合;最后,引入集成神经森林模型学习所得特征集,并使用全局优化方法完成决策树的参数优化,完成火灾事故预警模型的建立。该方法在训练集的预测精度上比BP神经网络最少提升了6.8%,比随机森林最少提升了0.5%,比SVM最少提升了6.0%。