清华大学学报(自然科学版)

作者：杨涅, 熊才溢, 程家圻

单位：华南理工大学 机械与汽车工程学院，广州 510641

关键词：隧道火灾,烟气图像,机器学习,火势预测

基金：广东省自然科学基金面上项目(2024A1515012261)

隧道火灾预测的传统方法是使用传感器，但存在设备老化、误报率高等缺陷，因此需要开发更加高效的火灾预测手段。该文提出一种利用在隧道外安全区域可观测的外部烟气图像和深度学习算法，对隧道内的火源功率和火源位置进行同步预测的方案，首先通过FDS软件构建了100 m长隧道的外部烟气图像数据库，再利用VGG16神经网络框架建立了烟气图像与火源参数间的联系。结果表明，该文所提方案可对隧道火灾进行有效预测；基于隧道双侧正向视角的烟气图像训练所得模型的预测精度最高，对火源功率的预测误差小于25%，对火源位置的预测误差小于10 m；此外，当火源以0~2 m/s速度移动时，该文所提方案依旧可进行有效预测。该文成果可为隧道火灾的智能预测技术提供参考。

来源：2025年第4期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2025年第4期