清华大学优秀博士学位论文丛书
基于边缘计算的建筑火灾参数
反演与态势预测方法研究
Research on the Building Fire Inversion and
Situation Prediction Method Based on Edge
Computing
寇璐瑶（Kou Luyao）著
清华大学出版社
北京
内容简介
本书在建筑智能化与数字化发展的背景下，结合边缘计算这一分布式计算模式，
围绕火源参数反演与态势预测方法展开，尝试回应以下问题：如何提高火灾感知与
预测的及时性与准确性？如何提升火灾感知与预测模型用于不同建筑的可扩展性？
如何利用感知与预测信息辅助消防救援与人员疏散？
书中提出基于深度学习的火源参数反演模型，解决已有模型受数据量影响显著
导致效率低的问题；提出基于变分推断的分布式火源参数反演方法，解决反演方法
缺乏可解释性与可扩展性的问题；提出基于数据同化的分布式火灾态势预测方法，
解决预测准确性和可扩展性不足的问题；建立基于反演与预测结果的建筑区域火灾
动态危险度评估方法，为建筑火灾应急救援与人员疏散提供决策支持。
本书适合高校或科研机构安全工程、消防工程等领域学者和研究人员阅读，也
可供相关领域的技术人员及安全管理人员参考。
版权所有，侵权必究。举报：010-62782989, beiqinquan@tup.tsinghua.edu.cn。
图书在版编目 (CIP)数据
基于边缘计算的建筑火灾参数反演与态势预测方法研究 / 寇璐瑶著.
北京 : 清华大学出版社, 2026. 7. -- (清华大学优秀博士学位论文丛书).
ISBN 978-7-302-72115-4
Ⅰ．TU998.1-39
中国国家版本馆 CIP数据核字第 2026MX2060号
责任编辑：樊婧
封面设计：傅瑞学
责任校对：薄军霞
责任印制：宋林
出版发行：清华大学出版社
网址：https://www.tup.com.cn, https://www.wqxuetang.com
地址：北京清华大学学研大厦 A座邮编：100084
社总机：
010-83470000邮购：010-62786544
投稿与读者服务：010-62776969, c-service@tup.tsinghua.edu.cn
质量反馈：010-62772015, zhiliang@tup.tsinghua.edu.cn
印装者：三河市春园印刷有限公司
经销：全国新华书店
开本：155mm×235mm 印张：
9.75插页：
2 字数：
151千字
版次：
2026年 7月第 1版印次：
2026年 7月第 1次印刷
定价：
79.00元
产品编号：
107748-01
一流博士生教育体现一流大学人才培养的高度（代丛书序）(.)
人才培养是大学的根本任务。只有培养出一流人才的高校，才能够成
为世界一流大学。本科教育是培养一流人才最重要的基础，是一流大学
的底色，体现了学校的传统和特色。博士生教育是学历教育的最高层次，
体现出一所大学人才培养的高度，代表着一个国家的人才培养水平。清华
大学正在全面推进综合改革，深化教育教学改革，探索建立完善的博士生
选拔培养机制，不断提升博士生培养质量。
学术精神的培养是博士生教育的根本
学术精神是大学精神的重要组成部分，是学者与学术群体在学术活
动中坚守的价值准则。大学对学术精神的追求，反映了一所大学对学术的
重视、对真理的热爱和对功利性目标的摒弃。博士生教育要培养有志于
追求学术的人，其根本在于学术精神的培养。
无论古今中外，博士这一称号都和学问、学术紧密联系在一起，和知
识探索密切相关。我国的博士一词起源于
2000多年前的战国时期，是一
种学官名。博士任职者负责保管文献档案、编撰著述，须知识渊博并负有
传授学问的职责。东汉学者应劭在《汉官仪》中写道：“博者，通博古今；
士者，辩于然否。”后来，人们逐渐把精通某种职业的专门人才称为博士。
博士作为一种学位，最早产生于
12世纪，最初它是加入教师行会的一种
资格证书。
19世纪初，德国柏林大学成立，其哲学院取代了以往神学院
在大学中的地位，在大学发展的历史上首次产生了由哲学院授予的哲学
博士学位，并赋予了哲学博士深层次的教育内涵，即推崇学术自由、创造
新知识。哲学博士的设立标志着现代博士生教育的开端，博士则被定义为
.本文首发于《光明日报》，2017年
12月
5日。
基于边缘计算的建筑火灾参数反演与态势预测方法研究
独立从事学术研究、具备创造新知识能力的人，是学术精神的传承者和光
大者。
博士生学习期间是培养学术精神最重要的阶段。博士生需要接受严
谨的学术训练，开展深入的学术研究，并通过发表学术论文、参与学术活
动及博士论文答辩等环节，证明自身的学术能力。更重要的是，博士生要
培养学术志趣，把对学术的热爱融入生命之中，把捍卫真理作为毕生的追
求。博士生更要学会如何面对干扰和诱惑，远离功利，保持安静、从容的
心态。学术精神，特别是其中所蕴含的科学理性精神、学术奉献精神，不
仅对博士生未来的学术事业至关重要，对博士生一生的发展都大有裨益。
独创性和批判性思维是博士生最重要的素质
博士生需要具备很多素质，包括逻辑推理、言语表达、沟通协作等，
但是最重要的素质是独创性和批判性思维。
学术重视传承，但更看重突破和创新。博士生作为学术事业的后备力
量，要立志于追求独创性。独创意味着独立和创造，没有独立精神，往往
很难产生创造性的成果。1929年
6月
3日，在清华大学国学院导师王国
维逝世二周年之际，国学院师生为纪念这位杰出的学者，募款修造“海宁
王静安先生纪念碑”，同为国学院导师的陈寅恪先生撰写了碑铭，其中写
道：“先生之著述，或有时而不章；先生之学说，或有时而可商；惟此独
立之精神，自由之思想，历千万祀，与天壤而同久，共三光而永光。”这
是对于一位学者的极高评价。中国著名的史学家、文学家司马迁所讲的
“究天人之际，通古今之变，成一家之言”也是强调要在古今贯通中形成
自己独立的见解，并努力达到新的高度。博士生应该以“独立之精神、自
由之思想”来要求自己，不断创造新的学术成果。
诺贝尔物理学奖获得者杨振宁先生曾在
20世纪
80年代初对到访纽
约州立大学石溪分校的
90多名中国学生、学者提出：“独创性是科学工
作者最重要的素质。”杨先生主张做研究的人一定要有独创的精神、独到
的见解和独立研究的能力。在科技如此发达的今天，学术上的独创性变得
越来越难，也愈加珍贵和重要。博士生要树立敢为天下先的志向，在独创
性上下功夫，勇于挑战最前沿的科学问题。
批判性思维是一种遵循逻辑规则、不断质疑和反省的思维方式，具
有批判性思维的人勇于挑战自己，敢于挑战权威。批判性思维的缺乏往
往被认为是中国学生特有的弱项，也是我们在博士生培养方面存在的一
一流博士生教育体现一流大学人才培养的高度（代丛书序）
个普遍问题。
2001年，美国卡内基基金会开展了一项“卡内基博士生教
育创新计划”，针对博士生教育进行调研，并发布了研究报告。该报告指
出：在美国和欧洲，培养学生保持批判而质疑的眼光看待自己、同行和导
师的观点同样非常不容易，批判性思维的培养必须成为博士生培养项目
的组成部分。
对于博士生而言，批判性思维的养成要从如何面对权威开始。为了鼓
励学生质疑学术权威、挑战现有学术范式，培养学生的挑战精神和创新能
力，清华大学在
2013年发起“巅峰对话”，由学生自主邀请各学科领域
具有国际影响力的学术大师与清华学生同台对话。该活动迄今已经举办
了
21期，先后邀请
17位诺贝尔奖、3位图灵奖、1位菲尔兹奖获得者参
与对话。诺贝尔化学奖得主巴里·夏普莱斯（
Barry
Sharpless）在
2013
年
11月来清华参加“巅峰对话”时，对于清华学生的质疑精神印象深刻。
他在接受媒体采访时谈道：“清华的学生无所畏惧，请原谅我的措辞，但
他们真的很有胆量。”这是我听到的对清华学生的最高评价，博士生就应
该具备这样的勇气和能力。培养批判性思维更难的一层是要有勇气不断
否定自己，有一种不断超越自己的精神。爱因斯坦说：“在真理的认识方
面，任何以权威自居的人，必将在上帝的嬉笑中垮台。”这句名言应该成
为每一位从事学术研究的博士生的箴言。
提高博士生培养质量有赖于构建全方位的博士生教育体系
一流的博士生教育要有一流的教育理念，需要构建全方位的教育体
系，把教育理念落实到博士生培养的各个环节中。
在博士生选拔方面，不能简单按考分录取，而是要侧重评价学术志
趣和创新潜力。知识结构固然重要，但学术志趣和创新潜力更关键，考分
不能完全反映学生的学术潜质。清华大学在经过多年试点探索的基础上，
于
2016年开始全面实行博士生招生“申请
–审核”制，从原来的按照考
试分数招收博士生，转变为按科研创新能力、专业学术潜质招收，并给予
院系、学科、导师更大的自主权。《清华大学“申请
–审核”制实施办法》
明晰了导师和院系在考核、遴选和推荐上的权力和职责，同时确定了规范
的流程及监管要求。
在博士生指导教师资格确认方面，不能论资排辈，要更看重教师的学
术活力及研究工作的前沿性。博士生教育质量的提升关键在于教师，要让
更多、更优秀的教师参与到博士生教育中来。清华大学从
2009年开始探
基于边缘计算的建筑火灾参数反演与态势预测方法研究
索将博士生导师评定权下放到各学位评定分委员会，允许评聘一部分优
秀副教授担任博士生导师。近年来，学校在推进教师人事制度改革过程
中，明确教研系列助理教授可以独立指导博士生，让富有创造活力的青年
教师指导优秀的青年学生，师生相互促进、共同成长。
在促进博士生交流方面，要努力突破学科领域的界限，注重搭建跨学
科的平台。跨学科交流是激发博士生学术创造力的重要途径，博士生要努
力提升在交叉学科领域开展科研工作的能力。清华大学于
2014年创办了
“微沙龙”平台，同学们可以通过微信平台随时发布学术话题，寻觅学术
伙伴。3年来，博士生参与和发起“微沙龙”
12
000多场，参与博士生达
38
000多人次。“微沙龙”促进了不同学科学生之间的思想碰撞，激发了
同学们的学术志趣。清华于
2002年创办了博士生论坛，论坛由同学自己
组织，师生共同参与。博士生论坛持续举办了
500期，开展了
18
000多
场学术报告，切实起到了师生互动、教学相长、学科交融、促进交流的
作用。学校积极资助博士生到世界一流大学开展交流与合作研究，超过
60％的博士生有海外访学经历。清华于
2011年设立了发展中国家博士生
项目，鼓励学生到发展中国家亲身体验和调研，在全球化背景下研究发展
中国家的各类问题。
在博士学位评定方面，权力要进一步下放，学术判断应该由各领域的
学者来负责。院系二级学术单位应该在评定博士论文水平上拥有更多的
权力，也应担负更多的责任。清华大学从
2015年开始把学位论文的评审
职责授权给各学位评定分委员会，学位论文质量和学位评审过程主要由
各学位分委员会进行把关，校学位委员会负责学位管理整体工作，负责制
度建设和争议事项处理。
全面提高人才培养能力是建设世界一流大学的核心。博士生培养质
量的提升是大学办学质量提升的重要标志。我们要高度重视、充分发挥
博士生教育的战略性、引领性作用，面向世界、勇于进取，树立自信、保
持特色，不断推动一流大学的人才培养迈向新的高度。
清华大学校长
2017年
12月
丛书序二
以学术型人才培养为主的博士生教育，肩负着培养具有国际竞争力
的高层次学术创新人才的重任，是国家发展战略的重要组成部分，是清华
大学人才培养的重中之重。
作为首批设立研究生院的高校，清华大学自
20世纪
80年代初开始，
立足国家和社会需要，结合校内实际情况，不断推动博士生教育改革。为
了提供适宜博士生成长的学术环境，我校一方面不断地营造浓厚的学术
氛围，一方面大力推动培养模式创新探索。我校从多年前就已开始运行一
系列博士生培养专项基金和特色项目，激励博士生潜心学术、锐意创新，
拓宽博士生的国际视野，倡导跨学科研究与交流，不断提升博士生培养
质量。
博士生是最具创造力的学术研究新生力量，思维活跃，求真求实。他
们在导师的指导下进入本领域研究前沿，吸取本领域最新的研究成果，拓
宽人类的认知边界，不断取得创新性成果。这套优秀博士学位论文丛书，
不仅是我校博士生研究工作前沿成果的体现，也是我校博士生学术精神
传承和光大的体现。
这套丛书的每一篇论文均来自学校新近每年评选的校级优秀博士学
位论文。为了鼓励创新，激励优秀的博士生脱颖而出，同时激励导师悉心
指导，我校评选校级优秀博士学位论文已有
20多年。评选出的优秀博士
学位论文代表了我校各学科最优秀的博士学位论文的水平。为了传播优
秀的博士学位论文成果，更好地推动学术交流与学科建设，促进博士生未
来发展和成长，清华大学研究生院与清华大学出版社合作出版这些优秀
的博士学位论文。
感谢清华大学出版社，悉心地为每位作者提供专业、细致的写作和出
基于边缘计算的建筑火灾参数反演与态势预测方法研究
版指导，使这些博士论文以专著方式呈现在读者面前，促进了这些最新的
优秀研究成果的快速广泛传播。相信本套丛书的出版可以为国内外各相
关领域或交叉领域的在读研究生和科研人员提供有益的参考，为相关学
科领域的发展和优秀科研成果的转化起到积极的推动作用。
感谢丛书作者的导师们。这些优秀的博士学位论文，从选题、研究到
成文，离不开导师的精心指导。我校优秀的师生导学传统，成就了一项项
优秀的研究成果，成就了一大批青年学者，也成就了清华的学术研究。感
谢导师们为每篇论文精心撰写序言，帮助读者更好地理解论文。
感谢丛书的作者们。他们优秀的学术成果，连同鲜活的思想、创新的
精神、严谨的学风，都为致力于学术研究的后来者树立了榜样。他们本着
精益求精的精神，对论文进行了细致的修改完善，使之在具备科学性、前
沿性的同时，更具系统性和可读性。
这套丛书涵盖清华众多学科，从论文的选题能够感受到作者们积极
参与国家重大战略、社会发展问题、新兴产业创新等的研究热情，能够感
受到作者们的国际视野和人文情怀。相信这些年轻作者们勇于承担学术
创新重任的社会责任感能够感染和带动越来越多的博士生，将论文书写
在祖国的大地上。
祝愿丛书的作者们、读者们和所有从事学术研究的同行们在未来的
道路上坚持梦想，百折不挠！在服务国家、奉献社会和造福人类的事业中
不断创新，做新时代的引领者。
相信每一位读者在阅读这一本本学术著作的时候，在吸取学术创新
成果、享受学术之美的同时，能够将其中所蕴含的科学理性精神和学术奉
献精神传播和发扬出去。
清华大学研究生院院长
2018年
1月
5日
摘要
城市化水平提升使大型综合体建筑不断涌现，并趋向于智能化与数
字化发展。建筑结构复杂程度与智能化程度的提高，将进一步加剧火灾的
突发性、随机性与严重性，为建筑安全带来新的隐患与挑战，因此需要更
为有效的控制手段与准确、快速的火灾感知与预测方法。分布式建筑控
制提供了一个可行思路，然而，目前分布式系统主要关注对机电设备的控
制，如何增强边缘终端的智能分析能力，进而提升建筑消防安全仍需进一
步探索与研究。鉴于此，本书结合边缘计算这一分布式计算模式，围绕火
源参数反演与态势预测方法展开研究，主要工作如下：
针对已有反演模型受数据量影响显著而导致执行时间长的问题，本
书提出基于深度学习的火源参数反演模型，引入门控循环单元赋予模型
提取时序信息的能力。通过实例证明了时序信息对火源参数反演的提升
效果，分析了反演模型的时效性与鲁棒性及正向火灾模型精度的影响，验
证了反演模型在实际火灾场景中的应用性。反演模型能在极短的时间内
给出火源参数估计值。为后续分布式火源参数反演方法提供模型支撑。
针对反演方法缺乏可解释性与可扩展性的问题，提出基于变分推断
的分布式火源参数反演方法。构建了包含强度和距离特征的隐变量模型，
由变分推断推导出启发式算法的架构，并设计了变分自编码器深度网络
高效执行。所提出的反演方法，既能保持解析模型的可解释性，又能利
用数据驱动的高效学习优势。通过对正向模拟模块化与探测信息区域化，
边缘计算节点各自运行反演模型以识别误报并估计动态火源强度，缩减
与优化了模型规模与复杂程度，提高了反演方法对不同建筑结构的可扩
展性。
针对态势预测准确性与可扩展性不足的问题，提出基于数据同化的
基于边缘计算的建筑火灾参数反演与态势预测方法研究
分布式火灾态势预测方法。将火灾模型分解为依赖局部信息的子模型，同
时基于集合卡尔曼滤波同化技术利用探测信息实时修正火灾模型的预测。
通过多室建筑火灾实验数据验证，结果表明分布式态势预测方法能够对
火灾态势的长期发展进行在线预测，并且有效修正了火灾模型的系统误
差，相比基于数据同化的全局火灾模型预测，准确性有明显提高。
基于上述火源参数反演与态势预测研究，本书建立了建筑区域火灾
动态危险度评估方法，为建筑火灾应急救援与人员疏散提供决策支持。
关键词：建筑火灾;火源参数反演;火灾态势预测;危险度评估;模拟仿真
Abstract
The
promotion
of
urbanization
has
led
to
the
emergence
of
large-
scale
complex
buildings,
which
are
increasingly
inclined
towards
intelligent
and
digital
development.
The
increase
in
the
complexity
of
building
structures
and
intelligence
level
will
further
exacerbate
the
suddenness,
randomness,
and
severity
of
fires,
bringing
new
dangers
and
challenges
to
building
safety.
Therefore,
more
effective
control
methods
as
well
as
accurate
and
rapid
fire
detection
and
prediction
methods
are
needed.
Decentralized
building
control
strategy
provides
a
feasible
solution,
but
currently,
decentralized
systems
mainly
focus
on
controlling
electromechanical
equipment.
Further
exploration
and
research
are
needed
to
enhance
the
intelligent
capability
of
edge
terminals
and
thus
improve
building
fire
safety.
Based
on
this,
the
paper
combines
edge
computing,
a
decentralized
computing
method,
to
conduct
research
on
fire
inversion
and
situation
prediction
methods.
The
main
work
is
as
follows:
The
book
proposes
a
deep
learning-based
fire
inversion
model
to
address
the
issue
of
long
execution
time
of
existing
inversion
models
due
to
significant
data
volume
dependence.
The
model
is
equipped
with
the
ability
to
extract
temporal
information
by
introducing
gated
recurrent
units.
The
effectiveness
of
temporal
information
on
fire
inversion
is
demonstrated
by
various
cases,
and
the
timeliness
and
robustness
of
the
inversion
model
and
the
influence
of
the
forward
fire
model
are
analyzed.
The
applicability
of
the
model
is
verified
in
actual
fire
scenarios.
The
inversion
model
can
provide
estimates
of
fire
source
parameters
in
基于边缘计算的建筑火灾参数反演与态势预测方法研究
an
extremely
short
period
of
time.
This
work
acts
as
model
support
for
subsequent
decentralized
fire
inversion
method.
In
terms
of
the
lack
of
interpretability
and
scalability
of
inversion
methods,
a
decentralized
fire
inversion
method
based
on
variational
inference
is
proposed.
A
latent
variable
model
that
contains
intensity
and
distance
features
is
constructed,
and
the
architecture
of
the
heuristic
algorithm
is
derived
by
variational
inference,
with
an
efficient
variational
autoencoder
deep
network
designed
for
execution.
The
proposed
inversion
method
can
maintain
the
interpretability
of
analytical
models
while
utilizing
the
efficient
learning
advantages
of
data-driven
models.
By
modularizing
the
forward
simulation
module
and
localizing
the
detection
information,
each
edge
computing
node
runs
the
inversion
model
to
identify
false
alarms
and
estimate
dynamic
fire
source
intensity.
This
improvement
reduces
the
model
size
and
complexity,
and
improves
the
scalability
of
the
inversion
method
for
different
building
structures.
To
address
the
issues
of
insufficient
accuracy
and
scalability
in
fire
prediction,
a
decentralized
fire
prediction
method
based
on
data
assimilation
is
proposed.
The
fire
model
is
decomposed
into
sub-models
that
depend
on
local
information,
and
the
prediction
of
the
fire
model
is
corrected
in
real-time
using
sensor
data
based
on
the
ensemble
Kalman
Filtering
assimilation
The
experimental
data
of
multi-room
building
fires
are
used
to
validate
the
proposed
decentralized
method.
The
results
show
that
the
method
could
predict
the
long-term
development
of
the
fire
situation
online
and
effectively
correct
the
system
errors
of
the
fire
model,
with
a
significant
improvement
in
accuracy
and
computational
efficiency
compared
to
EnKF-based
global
fire
models.
Based
on
the
aforementioned
research
on
fire
inversion
and
situation
prediction,
this
paper
establishes
a
method
for
dynamically
assessing
the
fire
risk
of
building
zones.
This
work
provides
decision
support
for
emergency
rescue
and
personnel
evacuation
in
building
fires.
Abstract
11
Keywords：building
fire,
fire
inversion,
fire
prediction,
hazard
assessment,
simulation
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
基于边缘计算的建筑火灾参数反演与态势预测方法研究
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
目录
15
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
