资源描述：
《多红外火焰探测中基于决策树的火灾识别》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、多红外火焰探测中基于决策树的火灾识别杨帮华刘燕燕何美燕程智（上海大学机电工程与自动化学院自动化系;上海市电站自动化技术重点实验室上海200072）摘要：在多红外火焰探测系统中，提出了一种基于决策树的火灾识别算法。按照特种火灾探测器的国家标准实验的要求，获取实验数据。该算法首先对五个红外火焰探测器获得的数据进行多窗口巫叠交叉预处理,然后提取六个火灾特征作为决策树的分类属性，对决策树进行训练、剪枝，最后得到火灾识别的最优决策树模型。将该识别模型应用于在线火灾识别，实验结果表明该决策树分类算法的准确率可以达到95.2%,识别速度在2S以内，较其它的分类识别算法有
2、更高的准确率和更快的识别速度，具有很好的实用性。关键词：火焰探测；火灾识别；决策树；分类；实用性中图分类号：TP391文献标识码：AFireRecognitionOfMulti-infraredFlameDetectionBasedOnDecisionTreeYangBang-Hua,LiuYan-Yan,HeMei-yan,Chengzhi(DepartmentofAutomation,SchoolofMechatronicsEngineeringandAutomation;KeyLaboratoryofPowerStationAutomationTec
3、hnology;ShanghaiUniversity,Shanghai200072,China)Abstract：Inthemulti-infraredflamedetection,afiredetectionalgorithmbasedondecisiontreeisproposed.AccordingtotheNationalStandardforSpecialFireDetectors,largenumberofexperimentaldataarcacquired.Firstly,theacquireddataofthefiveinfraredfl
4、amedetectorarepretreatedbytheoverlappingcrosswayinthealgorithm.Thensixcharacteristicsoffireareextractedasadecisiontreeclassifiedattributes,anddecisiontreeistrainedandpruned・Finally,theoptimaldecisiontreemodelforfiredetectionisobtained・Thisrecognitionmodelisappliedtotheonlinefirede
5、tection,theexperimentalresultsshowthattheaccuracyofthedecisiontreeclassifiedalgorithmcanachieve95.2%andtherccognitionspeedislessthan2S.Comcparcdwithotherrecognizablealgorithms,decisiontreehashigheraccuracyandfasterrecognitionspeed・Itisofgreatpracticality.Keywords:flamedetection;fi
6、reRecognition;decisiontree;classification;practicality引言的多红外火焰探测系统，对多个火焰探测器得到的火的合理使用促进了人类文明的发展，但失去控制的火灾也给人们带来了巨大的生命威胁和财产损失，対国民经济和生态坏境也造成了严重的危害。因此，如何快速发现火情并及时发出报警信号,冇效降低火灾带來的危害成为亟待解决的问题。随着火灾探测技术的不断发展，各种各样的火灾探测系统应运而生［1］。比较常见的有感温、感烟、火焰、气体探测系统等。它们探测的是火灾不同发展阶段的不同燃烧产物，都是对某种单一的物理量进行探测，灵敏
7、度较低、受环境干扰较大；相比于其它火灾探测系统，火焰探测系统更适用于大空间，火灾早期出现明火，需要对火灾快速采取措施的场合。物质在燃烧过程中产生的火焰光谱从红外、可见光到紫外波段都有能量辐射，但以红外辐射为主，这就是物质燃烧时火焰炽热和发红的原因，而火焰在4.3um波段附近产生红外辐射峰值，利用多个波段的火焰探测器进行火灾信息探测，可以尽可能多的探测火焰信息。本文基于研究组设计不同波段的火焰信息进行识别算法的研究。目前火灾探测⑵系统主要的识别算法有：⑴阈值法；⑵差值法；（3）持续时间法。这些传统算法基于经验值或是反复实验推理得到的火灾判据值，具有不定性且准
8、确度不高，不能很好的排除外界干扰，很容易产生误报及漏报现象。决策树
