基于无线传感器网络火灾趋势预测若干问题的研究

《基于无线传感器网络火灾趋势预测若干问题的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据AThes‘s‘nthe。egree。f^僵aster‘nc。ntr。1En91neerln乏!12垡堂4箩铆ResearchonCertainQuestionsofFireTrendPredictionBasedonWirelessSensorNetworkByZuoChaoSupervisor：AssociateProfessorRenYanshuoLecturerJiaZixiNortheasternUniversityJune2012万方数据独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发

2、表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：‘办乡L日期：弘，)一．占．杉学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，文许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。半年口一年口～年半口两年函。学位论文作者签名：夕纽导师签名：彳钐名爹7多签字日期：矽，7．∥．移签字日矽／力．么，7刀万方数据东北大学硕士学位论文

3、摘要基于无线传感器网络的火灾趋势预测的若干问题研究摘要无线传感器网络作为一种全新的信息获取与处理技术，具有独特的技术优势，在大型建筑突发灾难救援系统中可以对火源进行定位，实时发现火险险情。结合火灾蔓延趋势预测技术减少人员伤亡和财产损失。本文依托无线传感器网络，研究火灾趋势预测的关键问题。首先研究了火灾模型的建立及其着火点定位问题。提出了一种高斯火点模型，该模型较好地描述了火灾初始阶段场景；研究了利用无线传感器网络节点自适应采样数据，基于EM．MR算法进行火点定位以及参数估计的方法，仿真实验证明该算法具有定位精度高、计算复杂度低等优点。针对于火灾蔓延趋势预测，本文研究并采用元胞自动

4、机进行构建数学模型。火灾蔓延速度由无线传感器网络进行监控和探测，能够获得准确实时的火灾速度。提出了多因素火灾蔓延速度模型，改进了元胞自动机的局部蔓延机制，增强了了火灾蔓延趋势预测的准确度。元胞自动机的机制较为统一，建模结构清晰，是一种新颖的火灾蔓延趋势的仿真方法。本文还研究了基于卡尔曼滤波算法的火灾蔓延趋势预测，利用火灾蔓延速度的经验模型及修正模型，构建了自火源起的八个方向上的火焰蔓延轨迹。利用卡尔曼滤波算法，基于上一时刻的火点位置来预测估计下一时刻的火点位置，从而实现的火灾的动态趋势预测。仿真实验表明，在考虑风速以及其他干扰的情况下，卡尔曼滤波算法能够很好地第火灾趋势进行预测。

5、关键词：无线传感器网络；火灾监测；趋势预测；火源定位；元胞自动机；卡尔曼滤波一II—万方数据TheResearchonCertainQuestionsofFireTrendPredictionBasedonWirelessSensorNetworkAbstractAsanewtechnologyofinformationcapturingandprocessing，wirelesssensornetworkhasspecialtechnicaladvantages，itcanlocatethefiresourceinthelarge-scaleconstructionofsudd

6、endisasterreliefsystem，real—timeagainstfiredangerandcanreducecasualtiesandlossesofpeoplejSpropertiescombinedwiththeforecastingtechniqueoffirespreadingtrend．ResearchonthekeypointoffirepredictiontechnologybaseonWirelesssensornetworks．Firstly,theresearchoftheproblemsoffiremodelingandlocalization

7、iscarriedout．AGaussianfiresourcesmodelisproposed．Thismodelcallsimulatetherealsituationoffireinearlystageverywell．ThefirelocationsandotherparametersareestimatedthroughadaptivesamplingwithsensornodesusingEM—MRalgorithm．Accordingtosimulationresu