基于bp神经网络算法的火灾报警智能分析的研究与实践

《基于bp神经网络算法的火灾报警智能分析的研究与实践》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、硕士学位论文题目:基于BP神经网络算法的火灾报警智能分析的研究与实践研究生张绍龙专业计算机技术指导教师裘炅副教授完成日期2016年3月杭州电子科技大学硕士学位论文基于BP神经网络算法的火灾报警智能分析的研究与实践研究生：张绍龙指导教师：裘炅副教授2016年3月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterTheResearchandPracticeofFireintelligentanalysisBasedon

2、BPneuralnetworkalgorithmCandidate:ZhangShaoLongSupervisor:AssociateProf.QiuJiongMarch,2016梳州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明，，：所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的成果，。除文中己经注明引用的内容外本论文不含任何其他个人或集体己经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均己在文中Ｗ明确方式标明。一

3、申请学位论文与资料若有不实之处，本人承担切相关责任。Ｉｔ论文作者签名：兴年：日期５月日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学，。本人保证毕业离校后发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可Ｗ公布论文的全部或部分内容，可Ｗ允许采用影印、缩印或其它复制手段保存论文。（保密论文在解密后遵守此规定）

4、／６＂日论文作者签名：包＾＾日期：Ｗｉ年＾月指导教师签名日期：年＾月＂日杭州电子科技大学硕士学位论文摘要根据消防规范，一定面积以上的建筑物都必须配备火灾自动报警系统，有些大单位会有多个建筑物，为了避免值班人员过多，往往将多个火灾自动报警系统集成到一起，这样也带来新的问题：火灾报警事件频繁，基本都是误报为主。如何让值班人员更好地判断误报变得非常重要。所以很有必要进行火灾报警事件的智能化分析。通过对火灾自动报警系统的误报情况的分析，引入BP神经网络来解决以上难点，本文主要工作为：1、根据火

5、灾报警信息的智能分析的相关理论，主要由时空因子的模糊聚类的分析，视频监控智能识别的颜色分析模式、动态纹理频谱分析等理论对火灾报警信息的智能分析的模型的建立；2、在火灾报警信息的智能分析的模型的基础上，通过对BP神经网络的算法的收敛时间改进，并用改进后的BP神经网络算法对智能分析算法的时空因素和视频因素进行训练的方式，最终得到了对火灾报警信息的智能分析算法。3、为了更好地体现上述算法的应用，本文将火灾报警信息的智能分析算法应用于实践，并对智能分析算法的火灾报警联网平台的运行结果进行分析。通过理论分析

6、和实践较好地解决了火灾误报问题。同时也可以应用于安防的智能疏散等系统。但还有不足的地方，例如：对报警事件不频繁或者建筑物比较少的地方作用效果不是十分明显等问题，今后还可以结合大量报警数据的分析等更好解决相关性。关键词：火灾自动报警器；BP神经网络；智能分析；时空因子；误报I杭州电子科技大学硕士学位论文ABSTRACTAccordingtothefirecode,morethanacertainareaofbuildingsmustbeequippedwithautomaticfirealarmsy

7、stem,somelargeunitwillhavemultiplebuildings,inordertoavoiddutypersonneltoomuch,oftenmultipleautomaticfirealarmsystemareintegratedtogether,thisalsobroughtnewproblems:firealarmeventsfrequently,basicitisfalsealarm.Howtoletthepersonnelondutybetterjudgment

8、misstatementbecomesveryimportant.Thereforeitisnecessarytoconductfireincidentintelligentanalysis.Basedontheanalysisofthefalsealarmoffireautomaticalarmsystem,WeintroducetheBPneuralnetworktosolvetheabovedifficulties,Themainworksinthispaperareasfo