目   录

第1章  引言  1

　　1.1  研究背景和意义  1

　　1.2  国内外研究现状  5

　　　　1.2.1  火源参数反演研究  5

　　　　1.2.2  火灾态势预测研究  11

　　　　1.2.3  建筑智能化系统与边缘计算研究  17

　　　　1.2.4  国内外研究现状总结  22

　　1.3  主要研究内容和章节安排  23

第2章  基于循环神经网络的火源参数反演模型  26

　　2.1  本章引论  26

　　2.2  深度学习反演模型  27

　　　　2.2.1  参数反演流程  27

　　　　2.2.2  建筑火灾模型敏感性分析  28

　　　　2.2.3  循环神经网络与门控循环单元GRU  30

　　　　2.2.4  基于双向GRU的火源参数反演模型  33

　　2.3  反演模型在火灾实验数据上的表现  35

　　2.4  多室建筑火源反演结果分析  38

　　　　2.4.1  时序信息对反演模型的提升效果  39

　　　　2.4.2  模型时效性分析  43

　　　　2.4.3  模型鲁棒性分析  47

　　　　2.4.4  正向模型影响分析  47

　　2.5  本章小结  50

第3章  基于变分推断的分布式火源参数反演方法  52

　　3.1  本章引论  52

　　3.2  分布式反演方法  53

　　　　3.2.1  反演方法框架  53

　　　　3.2.2  建筑区域划分与通信规则设计  53

　　　　3.2.3  数据生成与火灾数据库建立  55

　　3.3  基于变分推断的火源参数反演方法  56

　　　　3.3.1  建筑火灾隐变量模型  57

　　　　3.3.2  火灾反演问题中的变分推断方法  58

　　　　3.3.3  基于变分自编码器的网络架构  59

　　　　3.3.4  近似变分推断的深度学习算法  61

　　3.4  参数反演算例验证  64

　　　　3.4.1  分布式反演方法可行性分析  66

　　　　3.4.2  模型在多火源点算例上的表现  67

　　　　3.4.3  分布式反演方法在火灾实验数据上的表现  68

　　　　3.4.4  模型误报识别效果分析  72

　　　　3.4.5  消融实验结果分析  74

　　3.5  本章小结  75

第4章  基于数据同化的分布式火灾态势预测方法  77

　　4.1  本章引论  77

　　4.2  分布式火灾态势预测模型  78

　　　　4.2.1  预测模型框架  78

　　　　4.2.2  集合卡尔曼滤波EnKF  78

　　　　4.2.3  火灾模型及控制参数更新  81

　　　　4.2.4  交互计算流程  82

　　　　4.2.5  视频提取烟气层高度  84

　　4.3  态势预测算例验证  91

　　　　4.3.1  量化不确定性  91

　　　　4.3.2  EnKF对火灾模型的修正  93

　　　　4.3.3  火灾实验数据验证  95

　　　　4.3.4  动态火源火灾场景态势预测  97

　　4.4  本章小结  101

第5章  建筑区域火灾动态危险度评估  103

　　5.1  本章引论  103

　　5.2  建筑区域火灾危险度评估方法  103

　　　　5.2.1  热威胁分析  103

　　　　5.2.2  火灾状态危险性分析  104

　　　　5.2.3  有毒气体危险性分析  105

　　　　5.2.4  火灾烟气危险性分析  105

　　　　5.2.5  综合危险度计算  106

　　5.3  高层建筑动态危险度计算实例  106

　　　　5.3.1  建筑区域划分与通信拓扑设计  107

　　　　5.3.2  建筑区域火灾危险度图  113

　　5.4  本章小结  116

第6章  总结与展望  117

　　6.1  工作总结  117

　　6.2  主要创新点  119

　　6.3  研究展望  120

参考文献  121