Details

Данная работа направлена на оценку эффективности применения сверточной нейронной сети для расчета распространения опасных факторов пожара в сравнении с традиционными методами. Объектом исследования выступает процесс расчета опасных факторов пожара. Предметом исследования является разработка нейронной сети, предназначенной для расчета распространения опасных факторов пожара.  Целью работы является разработка сверточной нейронной сети, предназначенной для оптимизации процесса вычисления распределения температуры внутри помещения. Задачи, которые выполнены в ходе работы: 1. Анализ современных методов расчета опасных факторов пожара. 2. Анализ и выбор архитектур нейронных сетей для оценки пожарного риска. 3. Разработка структуры информационной системы для расчета опасных факторов пожара на основе нейронных сетей. 4. Разработка нейронных сетей для расчета опасных факторов пожара. 5. Проведение экспериментов по обучению и анализу нейронных сетей. 6. Оценка эффективности разработанной модели и сравнение с традиционными методами. В результате работы были проанализированы существующие методы расчета опасных факторов пожара и архитектуры нейронных сетей, а также разработана и обучена сверточная нейронная сеть для прогнозирования распространения опасных факторов пожара на примере температуры и видимости. Для достижения данных результатов в работе были использованы такие информационные технологии, как электронная библиотека СПБПУ, программа для моделирования динамики пожара FDS, интегрированная среда разработки PyCharm и виртуальное окружение Python для разработки сверточной нейронной сети. В результате проведенного исследования разработанная модель показала высокую эффективность расчета опасных факторов пожара, что позволяет сделать вывод о целесообразности применения сверточной нейронной сети для оперативного приближенного прогнозирования динамики температурного поля и видимости в помещении.

This work aims to evaluate the effectiveness of using a convolutional neural network to calculate the spread of fire hazards in comparison with traditional methods. The object of the study is the process of calculating fire hazards. The subject of the research is the development of a neural network designed to calculate the spread of fire hazards.  The aim of the work is to develop a convolutional neural network designed to optimize the process of calculating the indoor temperature distribution. Tasks that are completed during the work: 1. Analysis of modern methods for calculating fire hazards. 2. Analysis and selection of neural network architectures for fire risk assessment. 3. Development of an information system structure for calculating fire hazards based on neural networks. 4. Development of neural networks for calculating fire hazards. 5. Conducting experiments on learning and analysis of neural networks. 6. Evaluation of the effectiveness of the developed model and comparison with traditional methods. As a result of the work, existing methods for calculating fire hazards and neural network architectures were analyzed, and a convolutional neural network was developed and trained to predict the spread of fire hazards using temperature and visibility as an example. To achieve these results, information technologies such as the SPBPU electronic library, the FDS fire dynamics simulation program, the PyCharm integrated development environment, and the Python virtual environment for developing a convolutional neural network were used in the work. As a result of the research, the developed model showed high efficiency in calculating fire hazards, which allows us to conclude that it is advisable to use a convolutional neural network for operational approximate forecasting of the dynamics of the temperature field and visibility in a room.