一种基于动态集成神经网络的多源信息融合火灾预测方法

摘要

本发明涉及一种基于动态集成神经网络的多源信息融合火灾预测方法，采用创新性的逻辑设计，基于多源信息融合方法建立火灾预测模型，将多种火灾特征信号依次经过信息层、特征层、决策层，在特征层利用深度学习中的LSTM和RBF‑BP神经网络作为子网络对多源火灾特征信号进行自适应学习，并将输出结果进行集成分析，再经决策层完成火灾预测，解决了火灾信号的时变性和非线性特点以及单特征信号火灾预测方法的高漏报率和误报率问题，有效提高了火灾预测系统的识别准确度。此方法具有较强的可扩展性，当检测环境改变后，只需要重新提供数据集即可建立一个较为完备的预测模型，具有较强的自适应性。