算法分析
基于神经网络算法的火灾探测系统的研究
张健
(辽宁建筑职业学院辽宁辽阳111000)
与质用
摘要：本文旨在利用人工神经网络，应用于火实操测系统，提高系统检出单。对于多个传感器来说在不同情况条件下的环境对特征参数进行智能处理时，它能够很好快速处理；并且,对于火灾信号的有效定住迅速准确,进而使信号早期能够报警发，实境火突的早期发疏和报警,能够大幅度的提高报警器的安全可靠性。
关键词神经网络算法火灾探测自动报警
中图分类号：TP274
文献标识码:A
随着我国社会进步和经济的快速发展，人们的生活水平有了很大提高。然而，火灾事故也有增无减，如何防止火灾对社会财富和人身安全造成危害是值得研究的重要课题之一。火灾的的发生是一个极为复杂的过程，这样就一来，在探测火灾时候，会给探测器带来定的于扰性，做出对信号的正确处理和适当的算法，确保探测器的正确定位，避免错误报警，这些是火灾报警系统的关键点，
神经网络是一个复杂网络，它是由大量简单的处理单元经过连接构成，能够实现大规模的并行处理能力、包括处理元余性，容错性、非线性映射能力，以及能够实现自已适应、学习计算和组织能力。在不同情况条件下的环境对特征参数进行智能处理时，它能够很好快速处理，并且，对于火灾信号的有效定位迅速准确，进而使信号早期能够报警发，实现火灾的早期发现和报警，能够大幅度的提
高报警器的安全可靠性。 1BP算法原理
BP(BackPropagation)网络是一个多层次的前馈智能神经系统。能够实现对任意的非线性映射进行从输人和输出处理。标准的三层BP 网络是本文所要重点简介说明的，该神经网络为的结构如图1所示。
本次设计采用温度，烟露和CO三种参数作为网络的输人，如图 2所示。第一步是将信号进行归一化处理，使其范围归一到3-之间的数值，那么，温度归一化计算公式：T=(ttmin)/(tmax-tmin)
其中T一归一化温度，t一温度实际值，min一样本集中温度最小值；tmax一温度最大值。其它参数与此相同。
其次，将BP网络的三个参数值数归一化处理输人，此时设置的温度传感器
cn特质器烟雾传感器
输入层
混度烟露 CO
日化
神择展络
图1神经网络结构图
晚含层
图2参数网络输入图
输出层
换带无火朗燃火 ★明火
文章编号：1007-9416(2013)10-0130-02
网络层数为三层，三种变量为网络的输出层，他们分别为无火，阴燃火，明火可能性；由于网络三种变量的输出为隶属度函数值，因此，在网络的障节点层(输人层节点到隐含层节点之间)神经元，那么采
用正切sigmoid函数科作为传递函数：f(x)-[1+exp(x))。网络输出为：0,=[T。(Wx,-)-b,]。其中x为输人，W为输人节点与隐层节点间的网络权值，Ti为隐层节点与输出层之间的网络权值，bl和b2分别为阅值，O1为输出。误差计算公式为：E=之(-0)产，
其中t一期望输出。OI一网络实际输出，E一平方和误差。
利用标准的BP算法学习，尽量使探测的误差最小，可以通过修改W权值)和阅值b1,b2来实现。本文采用网络为三层前向，三个神经元的输入层系统，他们分别代表温度信号、烟露信号和CO信号，三个神经元在输出层时候分别表示火灾各状态(无火、阴燃和明火) 的发生概率。在隐层神经元个数计算公式主要是根据经验确定，可
以选取公式q=r+s+(1～10)来确定， 2训练和测试方法
对所有的测试样本数据进行一次正向运行，并进行一次反向传
开始
输入调变、CO、烟雾流度
归一化处理
神经网络权值、属值利帕化设置量大调练次款、误差平方和指标
计算误差平方和
量否达到最大调炼次数？
是否达到最大续次数?
结来
参改权值、属值
图3训练程序流程图
下转第132页