朱廣,閆曉奎,欒慶磊,安君賠,趙汝海,畢曉華,薛海波
(1安徽建筑大學(xué) 機(jī)械與電氣工程學(xué)院,安徽 合肥 230601;
2 安徽省公安消防總隊(duì),安徽 合肥 230000)
據(jù)有關(guān)部門統(tǒng)計(jì),2000-2013年,全國(guó)消防員犧牲人數(shù)達(dá)151人,傷殘2228人;2014年,消防員犧牲人數(shù)13人,傷殘人數(shù)37人,總體呈逐年上升趨勢(shì)。特別是2015年“8·12”天津?yàn)I海新區(qū)爆炸事故”造成165人遇難,其中遇難消防員39人,失聯(lián)消防員64人[1-3]。消防員因火災(zāi)救援發(fā)生傷亡情況越來(lái)越引起相關(guān)部門的關(guān)注,尤其很多消防員傷亡是因?yàn)槠凇Ⅲw征參數(shù)異常、火災(zāi)現(xiàn)場(chǎng)極度惡劣等原因造成的無(wú)謂傷亡。因此需要一種對(duì)救援現(xiàn)場(chǎng)消防員安全評(píng)估預(yù)警的裝備,對(duì)消防員救援現(xiàn)場(chǎng)進(jìn)行綜合評(píng)估,為消防救災(zāi)、消防員調(diào)度、危險(xiǎn)狀態(tài)的及時(shí)救助提供重要依據(jù)。為尋求一種有效的火災(zāi)現(xiàn)場(chǎng)消防員安全評(píng)估算法,本文將借助神經(jīng)網(wǎng)絡(luò)相關(guān)理論對(duì)此展開研究。
BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)類型,它是一種多層的前饋網(wǎng)絡(luò),信號(hào)向前傳遞,誤差反方向傳遞。網(wǎng)絡(luò)由輸入層、輸出層、隱含層組成。其中隱含層又稱為中間層,包括單層或多層[4-5]。BP神經(jīng)網(wǎng)絡(luò)算法的基本原理是:首先利用輸出層的輸出與期望輸出得到預(yù)測(cè)誤差,然后通過(guò)預(yù)測(cè)誤差反向傳遞得到前導(dǎo)層的誤差,按此規(guī)律一直進(jìn)行下去,調(diào)整層與層之間的網(wǎng)絡(luò)權(quán)值與閾值,從而使網(wǎng)絡(luò)輸出的預(yù)測(cè)值逐步接近系統(tǒng)期望輸出[6]。
系統(tǒng)將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于火災(zāi)救援現(xiàn)場(chǎng)的數(shù)據(jù)融合,建立火災(zāi)救援現(xiàn)場(chǎng)消防員安全預(yù)警模型,對(duì)救援中的消防員安全狀態(tài)進(jìn)行預(yù)測(cè)與評(píng)估,以判斷消防員是處于“安全狀態(tài)”或“一級(jí)危險(xiǎn)狀態(tài)”或“二級(jí)危險(xiǎn)狀態(tài)”。預(yù)警模型的建模過(guò)程主要包括:網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建、網(wǎng)絡(luò)多樣本訓(xùn)練、BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)三個(gè)步驟,整個(gè)流程如圖1所示[7]。
圖1 算法流程
2.1.1 監(jiān)測(cè)參數(shù)的選取
火災(zāi)救援現(xiàn)場(chǎng)環(huán)境參數(shù)主要包括一氧化碳含量、煙霧含量、氧氣含量和環(huán)境溫度,這些參數(shù)的大小代表了救援現(xiàn)場(chǎng)環(huán)境的惡劣程度,因此環(huán)境參數(shù)有必要作為安全預(yù)警數(shù)據(jù)融合的輸入?yún)?shù)。另一方面,消防員本身的生命體征參數(shù),如血氧、脈搏、呼吸率等,這些參數(shù)是消防員本身生命狀態(tài)的描述,故生命體征參數(shù)也是安全預(yù)警數(shù)據(jù)融合的輸入?yún)?shù)。
2.1.2 輸入層節(jié)點(diǎn)數(shù)設(shè)計(jì)
輸入層是用來(lái)接收外部傳來(lái)的初始數(shù)據(jù),主要包括兩類數(shù)據(jù):火災(zāi)現(xiàn)場(chǎng)環(huán)境數(shù)據(jù)、消防員生命體征數(shù)據(jù),其中火災(zāi)環(huán)境參數(shù)包含四種信號(hào):一氧化碳、煙霧濃度、環(huán)境溫度、氧氣。消防員生命體征參數(shù)包含三種信號(hào):血氧、脈搏和呼吸率。故7種信號(hào)作為神經(jīng)網(wǎng)絡(luò)的輸入信號(hào),即輸入層節(jié)點(diǎn)數(shù)為7。
2.1.3 隱含層節(jié)點(diǎn)數(shù)設(shè)計(jì)
BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),隱含層節(jié)點(diǎn)數(shù)設(shè)計(jì)很重要,隱含層節(jié)點(diǎn)數(shù)會(huì)直接影響神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)準(zhǔn)確性的高低[8-9]。如果隱含層節(jié)點(diǎn)數(shù)過(guò)少,會(huì)導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)的效率較低,且影響最終學(xué)習(xí)效果。隱含層節(jié)點(diǎn)數(shù)太多,訓(xùn)練時(shí)間會(huì)增加、網(wǎng)絡(luò)易出現(xiàn)過(guò)度擬合,其誤差反而增大、從而影響容錯(cuò)性,因此存在適當(dāng)?shù)碾[單元數(shù)[10-11]。本文選擇隱含層節(jié)點(diǎn)數(shù)參考以下公式:
上式中,l為隱含層的單元數(shù),n輸入層單元數(shù),m為輸出層單元數(shù),a為介于0-10之間的整數(shù)。系統(tǒng)隱含層節(jié)點(diǎn)數(shù)確定,首先依據(jù)公式(1)確定大致范圍,然后通過(guò)試湊法來(lái)確定最終節(jié)點(diǎn)數(shù),在試湊過(guò)程中,通過(guò)比較誤差率與隱含層節(jié)點(diǎn)數(shù)的關(guān)系,最終確定系統(tǒng)隱含層節(jié)點(diǎn)數(shù)為11個(gè)。
2.1.4 輸出層節(jié)點(diǎn)數(shù)設(shè)計(jì)
安全預(yù)警模型輸出層節(jié)點(diǎn)數(shù)根據(jù)系統(tǒng)實(shí)際需要來(lái)決定。根據(jù)實(shí)際情況設(shè)計(jì)安全預(yù)警模型,該模型能夠根據(jù)輸入?yún)?shù)來(lái)輸出消防員處于無(wú)危險(xiǎn)狀態(tài)、一級(jí)危險(xiǎn)、二級(jí)危險(xiǎn)狀態(tài)三種結(jié)果,因此輸出層節(jié)點(diǎn)數(shù)為3,可以滿足系統(tǒng)設(shè)計(jì)要求。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示。
圖2 消防員預(yù)警模型拓?fù)鋱D
完成BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)后,選用經(jīng)過(guò)選擇的學(xué)習(xí)樣本對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。按照隱含層激勵(lì)函數(shù)及加權(quán)公式逐層計(jì)算出隱層神經(jīng)元和輸出層神經(jīng)元的輸入和輸出。通過(guò)誤差反向傳播,對(duì)隱含層和輸出層的閾值以及各層神經(jīng)元之間的連接權(quán)值進(jìn)行多次修正,實(shí)現(xiàn)閾值與權(quán)值的更新。直至目標(biāo)值與期望輸出的偏差滿足要求,使網(wǎng)絡(luò)模型具有足夠高的預(yù)測(cè)能力[12-14]。BP網(wǎng)絡(luò)學(xué)習(xí)過(guò)程如下所示:
(1)初始化。分別為各個(gè)權(quán)值wij、wjk以及隱含層閾值aj、輸出層閾值bk賦予一個(gè)隨機(jī)值,該隨機(jī)值介于(-1,1)范圍內(nèi)的,同時(shí)確定激勵(lì)函數(shù)及學(xué)習(xí)速率。
(2)選擇任意一組輸入 p=(x1,x2,…,xn)、和目標(biāo)樣本T=(y1,y2,…,yq)提供給BP神經(jīng)網(wǎng)絡(luò)。
(3)通過(guò)輸入樣本 p=(x1,x2,…,xn)、wij和 aj,來(lái)計(jì)算中間層輸入sj,利用sj通過(guò)隱含層的激勵(lì)函數(shù)來(lái)計(jì)算隱含層各單元的輸出Hj。
式中,l是隱含層的節(jié)點(diǎn)數(shù)。
(4)通過(guò)隱含層的輸出Hj、wjk和bk計(jì)算輸出層各單元的輸出ok。
(5)通過(guò)目標(biāo)向量TK=(yk1,yk2,…,ykq)和預(yù)測(cè)輸出ok計(jì)算輸出層各單元預(yù)測(cè)誤差dk。
(6)通過(guò)wjk、誤差dk和隱含層的輸出bj計(jì)算隱含層的各單元誤差ej。
(7)根據(jù)隱含層的各單元誤差ej、學(xué)習(xí)速率η來(lái)修正隱含層與輸出層之間的連接權(quán)值wjk和閾值
bk。(8)利用輸出層各單元的誤差dk、隱含層輸出Hj、各單元的輸入p=(x1,x2,…,xn)來(lái)修正輸入層與隱含層之間的連接權(quán)值wij和閾值aj。
(9)判斷訓(xùn)練迭代是否完成,若沒有完成,則繼續(xù)執(zhí)行步驟(3),直至把全部訓(xùn)練樣本訓(xùn)練完畢。當(dāng)輸出誤差E小于預(yù)先設(shè)定的極小值,即網(wǎng)絡(luò)收斂完成整個(gè)學(xué)習(xí)過(guò)程。
進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練之前,首先要依據(jù)經(jīng)驗(yàn)數(shù)據(jù)庫(kù)關(guān)于火災(zāi)現(xiàn)場(chǎng)環(huán)境及消防員人體體征信息來(lái)選取訓(xùn)練樣本數(shù)據(jù)。由于輸入層7個(gè)節(jié)點(diǎn)數(shù)據(jù)的單位不同,數(shù)據(jù)范圍不同,存在數(shù)量級(jí)上的差別,可能會(huì)對(duì)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果產(chǎn)生誤差,故需要對(duì)輸入信號(hào)進(jìn)行歸一化處理,即將輸入信號(hào)的取值范圍調(diào)整到[0,1]范圍內(nèi)。系統(tǒng)選取消防員安全狀態(tài)、一級(jí)危險(xiǎn)狀態(tài)、二級(jí)危險(xiǎn)狀態(tài)下的200組數(shù)據(jù)作為訓(xùn)練樣本,然后將其輸入BP預(yù)警模型進(jìn)行反復(fù)的學(xué)習(xí)訓(xùn)練。
根據(jù)以上設(shè)計(jì)得知,輸入層節(jié)點(diǎn)數(shù)據(jù)共7個(gè),主要來(lái)自兩大類:火災(zāi)救援現(xiàn)場(chǎng)的環(huán)境參數(shù)和消防員生命體征參數(shù),其中火災(zāi)現(xiàn)場(chǎng)環(huán)境參數(shù)包括:環(huán)境溫度、CO含量、O2含量、煙霧濃度等,消防員生命體征參數(shù)包括呼吸率、脈搏、血氧飽和度等。輸出信號(hào)為消防員安全危險(xiǎn)等級(jí)信號(hào),分為三個(gè)等級(jí):安全、一級(jí)危險(xiǎn)、二級(jí)危險(xiǎn)。安全狀態(tài)下消防員可以正常戰(zhàn)斗;一級(jí)危險(xiǎn)時(shí),遠(yuǎn)程提醒消防員處于一級(jí)危險(xiǎn)狀態(tài),隨時(shí)聽候中心的調(diào)度命令;二級(jí)危險(xiǎn)狀態(tài),遠(yuǎn)程提醒消防員立即撤退,甚至需要對(duì)消防員進(jìn)行緊急救助。
預(yù)警模型建立后,需要提供訓(xùn)練樣本對(duì)其多次訓(xùn)練。訓(xùn)練樣本來(lái)源于模擬現(xiàn)場(chǎng),包含了對(duì)火災(zāi)環(huán)境的模擬及人體體征參數(shù)的模擬,對(duì)于火災(zāi)環(huán)境的模擬主要圍繞火災(zāi)早期、中期、后期的參數(shù)變化進(jìn)行模擬。對(duì)于人體生命體征的模擬,主要運(yùn)用醫(yī)學(xué)上關(guān)于體征參數(shù)隨環(huán)境變化的規(guī)律進(jìn)行模擬。兩類參數(shù)同步模擬,從而完成訓(xùn)練樣本的數(shù)據(jù)收集。訓(xùn)練樣本集中了安全狀態(tài)、一級(jí)危險(xiǎn)、二級(jí)危險(xiǎn)三種情況,訓(xùn)練樣本數(shù)據(jù)具有一定的完整性及代表性。
系統(tǒng)選用200組樣本信號(hào),當(dāng)對(duì)預(yù)警模型經(jīng)過(guò)180次的訓(xùn)練后其網(wǎng)絡(luò)均方誤差最小,從而確定此時(shí)權(quán)值矩陣和閾值矩陣。故180組樣本作為訓(xùn)練樣本,20組作為測(cè)試樣本。訓(xùn)練結(jié)束后,通過(guò)觀察20組測(cè)試樣本的輸出值,將其與期望值通過(guò)仿真進(jìn)行對(duì)比,可以觀察到消防員處于安全狀態(tài)、一級(jí)危險(xiǎn)、二級(jí)危險(xiǎn)等三種狀態(tài)輸出曲線與期望輸出曲線趨勢(shì)相似,預(yù)測(cè)輸出準(zhǔn)確度高,系統(tǒng)誤差滿足要求。根據(jù)以上分析能夠推斷樣本訓(xùn)練成功,所設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)模型精度達(dá)到要求,能夠利用安全預(yù)警模型來(lái)進(jìn)行消防員安全預(yù)警分析。
為了驗(yàn)證上述安全預(yù)警絡(luò)模型滿足系統(tǒng)設(shè)計(jì)需求,對(duì)模型進(jìn)行仿真。通過(guò)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)消防員的危險(xiǎn)狀態(tài)等級(jí)進(jìn)行測(cè)試,由樣本數(shù)據(jù)仿真出消防員的狀態(tài)預(yù)測(cè)概率,并與期望的狀態(tài)概率相比較,通過(guò)圖形觀察系統(tǒng)的預(yù)測(cè)準(zhǔn)確性。
測(cè)試樣本數(shù)據(jù)也來(lái)源于模擬現(xiàn)場(chǎng)的數(shù)據(jù)采集,同訓(xùn)練樣本一樣,包含火災(zāi)環(huán)境和人體生命體征兩類參數(shù)的模擬。測(cè)試樣本也涵蓋了“安全”、“一級(jí)危險(xiǎn)”、“二級(jí)危險(xiǎn)”三種情況,由于各個(gè)數(shù)據(jù)的量程范圍、單位均有較大差異,故需要將測(cè)試數(shù)據(jù)進(jìn)行歸一化,測(cè)試數(shù)據(jù)主要包括了三種狀態(tài)下的樣本輸入?yún)?shù),共20組,其中1-10組為火災(zāi)環(huán)境較安全、消防員生命體征較正常的數(shù)據(jù)樣本。11-15組是火災(zāi)環(huán)境較惡劣及消防員生命體征開始異常。15-20組火災(zāi)環(huán)境極度惡劣及消防員生命體征極度異常的數(shù)據(jù)樣本。歸一化后的測(cè)試樣本如表1所示。
表1 測(cè)試樣本(20組)
續(xù)表1
序號(hào) 呼吸率 脈搏 血氧度 溫度 CO O2 煙霧5 6 7 8 9 1 0 11 12 13 14 15 16 17 18 19 20 0.36 0.37 0.41 0.39 0.4 0.37 0.84 0.82 0.86 0.83 0.88 0.87 0.92 0.91 0.93 0.94 0.27 0.26 0.28 0.28 0.29 0.3 0.75 0.7 0.8 0.78 0.83 0.82 0.89 0.88 0.9 0.91 0.975 0.98 0.97 0.96 0.95 0.96 0.38 0.5 0.33 0.4 0.3 0.31 0.2 0.24 0.18 0.15 0.2 0.69 0.25 0.4 0.89 0.88 0.75 0.86 0.88 0.9 0.64 0.63 0.935 0.92 0.936 0.94 0.06 0.05 0.07 0.09 0.1 0.11 0.49 0.47 0.52 0.5 0.58 0.6 0.75 0.68 0.77 0.79 0.9 0.92 0.86 0.85 0.83 0.84 0.13 0.14 0.106 0.108 0.091 0.09 0.072 0.083 0.069 0.06 0.18 0.23 0.21 0.24 0.27 0.26 0.73 0.7 0.75 0.72 0.81 0.8 0.89 0.85 0.9 0.92
為了更直觀的看出火災(zāi)環(huán)境參數(shù)、消防員生命體征參數(shù)及二者將上述表用圖形繪制出來(lái),如圖3、圖 4所示。
圖3 安全狀態(tài)下的樣本參數(shù)
圖4 危險(xiǎn)狀態(tài)(一級(jí)、二級(jí))樣本參數(shù)
從表1及圖3、圖4中可以看出,1-10組中,呼吸率、脈搏、CO、煙霧數(shù)據(jù)較小同時(shí)血氧度、氧氣含量高,且數(shù)值總體平穩(wěn),說(shuō)明此時(shí)環(huán)境參數(shù)較安全,生命體征參數(shù)正常,消防員處于安全狀態(tài)。11-15組樣本中,呼吸率和脈搏數(shù)據(jù)升高、血氧濃度下降,環(huán)境參數(shù)CO和煙霧含量升高、氧氣含量下降。此時(shí)無(wú)論環(huán)境參數(shù)還是生命體征參數(shù)均處于異常狀態(tài),但數(shù)據(jù)并未到達(dá)極限狀態(tài),此時(shí)消防員處于一級(jí)危險(xiǎn)狀態(tài)。16-20組樣本中,呼吸率和脈搏數(shù)據(jù)接近最大值、血氧度極度下降,空氣中CO和煙霧濃度極高、氧氣含量極低,此時(shí)環(huán)境參數(shù)和消防員生命體征參數(shù)均處于極度惡劣狀態(tài),消防員處于二級(jí)危險(xiǎn)狀態(tài),需要緊急撤離救援現(xiàn)場(chǎng)[15]。
通過(guò)模擬火災(zāi)環(huán)境獲得測(cè)試樣本(20組)組序打亂,并將其輸入到訓(xùn)練成熟的安全預(yù)警模型,通過(guò)誤差分析來(lái)判斷安全預(yù)警模型的有效性,當(dāng)系統(tǒng)的誤差越小,可以說(shuō)明其有效性和穩(wěn)定性越好。將所有樣本的預(yù)測(cè)結(jié)果和實(shí)際結(jié)果對(duì)照,繪制在同一圖中,如圖5所示。同時(shí)繪制樣本的預(yù)測(cè)結(jié)果誤差圖,如圖6所示。
圖5 測(cè)試樣本預(yù)測(cè)危險(xiǎn)等級(jí)
圖6 測(cè)試樣本預(yù)測(cè)誤差
圖5 中,水平軸為測(cè)試樣本序號(hào),縱軸為危險(xiǎn)等級(jí),1表示安全、2表示一級(jí)危險(xiǎn)、3表示二級(jí)危險(xiǎn)。紅色的為測(cè)試樣本“預(yù)測(cè)危險(xiǎn)等級(jí)”,藍(lán)色為“實(shí)際危險(xiǎn)等級(jí)”,可以看出20組預(yù)測(cè)測(cè)試數(shù)據(jù)中,第1組測(cè)試樣本“預(yù)測(cè)危險(xiǎn)等級(jí)”與“實(shí)際危險(xiǎn)等級(jí)”均為2即消防員處于一級(jí)危險(xiǎn),第1組樣本預(yù)測(cè)正確。同理第 2、3、4、5、8、9、10、11、13、14、15、17、18、19、20組均預(yù)測(cè)準(zhǔn)確。僅在第6、7、12、16組樣本預(yù)測(cè)等級(jí)存在誤差。20組中16組樣本預(yù)測(cè)完全正確,統(tǒng)計(jì)正確率達(dá)80%。從圖6也可以看出只有樣本6、7、12、16存在分類誤差,其他16個(gè)樣本對(duì)應(yīng)的分類誤差均為0,在誤差允許范圍內(nèi),系統(tǒng)能較準(zhǔn)確的判斷消防員的安全狀態(tài),滿足預(yù)測(cè)要求。
同樣以上述20組測(cè)試信號(hào),如果運(yùn)用單一參數(shù)(例如溫度)進(jìn)行預(yù)測(cè),由于除溫度以外的其他參數(shù)沒有參與預(yù)測(cè),所以當(dāng)它們極度異常而溫度正常時(shí),預(yù)測(cè)的結(jié)果為“安全”,而消防員實(shí)際處于危險(xiǎn)狀態(tài)。將兩種情況下預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,如表2所示。
表2 多數(shù)據(jù)融合算法預(yù)測(cè)方法與單一參數(shù)預(yù)測(cè)方法比較
續(xù)表2
組號(hào) 多數(shù)據(jù)融合預(yù)測(cè) 單一參數(shù)(溫度)預(yù)測(cè) 實(shí)際結(jié)果7 8 9 1 0 11 12 13 14 15 16 17 18 19 20二級(jí)危險(xiǎn)安全二級(jí)危險(xiǎn)二級(jí)危險(xiǎn)二級(jí)危險(xiǎn)安全二級(jí)危險(xiǎn)安全安全二級(jí)危險(xiǎn)二級(jí)危險(xiǎn)安全安全安全一級(jí)危險(xiǎn)一級(jí)危險(xiǎn)二級(jí)危險(xiǎn)二級(jí)危險(xiǎn)一級(jí)危險(xiǎn)一級(jí)危險(xiǎn)二級(jí)危險(xiǎn)一級(jí)危險(xiǎn)安全一級(jí)危險(xiǎn)一級(jí)危險(xiǎn)一級(jí)危險(xiǎn)安全安全一級(jí)危險(xiǎn)安全二級(jí)危險(xiǎn)二級(jí)危險(xiǎn)二級(jí)危險(xiǎn)一級(jí)危險(xiǎn)二級(jí)危險(xiǎn)安全安全一級(jí)危險(xiǎn)二級(jí)危險(xiǎn)安全安全安全
從表2中可以看出,運(yùn)用多數(shù)據(jù)融合算法,僅第6、7、12、16組預(yù)測(cè)等級(jí)存在偏差,預(yù)測(cè)準(zhǔn)確率達(dá)80%;而運(yùn)用單一參數(shù)(溫度),則在第 3、6、8、11、14、17、18組存在預(yù)測(cè)偏差,準(zhǔn)確率僅為65%。所以運(yùn)用單一參數(shù)進(jìn)行預(yù)測(cè),顯然過(guò)于片面,難以做到高準(zhǔn)確預(yù)測(cè)。故基于神經(jīng)網(wǎng)絡(luò)的多參數(shù)融合進(jìn)行預(yù)測(cè)的方法更準(zhǔn)確、可行。
本文運(yùn)用通過(guò)BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)一種安全預(yù)警模型,對(duì)火災(zāi)救援現(xiàn)場(chǎng)的消防員進(jìn)行安全等級(jí)評(píng)估,火災(zāi)現(xiàn)場(chǎng)環(huán)境參數(shù)及消防員生命體征參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型的輸入層參數(shù),輸出層以消防員處于三個(gè)危險(xiǎn)狀態(tài)等級(jí)概率作為輸出節(jié)點(diǎn),判斷火災(zāi)現(xiàn)場(chǎng)消防員的危險(xiǎn)等級(jí),為火災(zāi)現(xiàn)場(chǎng)消防員指揮調(diào)度提供支持。預(yù)警模型通過(guò)測(cè)試樣本進(jìn)行仿真預(yù)測(cè)與分析,在誤差允許的范圍內(nèi)安全預(yù)警模型能夠?qū)馂?zāi)現(xiàn)場(chǎng)消防員的狀態(tài)進(jìn)行可靠評(píng)估[16-18]。說(shuō)明運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行多數(shù)據(jù)融合的預(yù)警評(píng)估方法,較單一參數(shù)的預(yù)測(cè),更加完整,準(zhǔn)確性更高。