典型文献
基于多核极限学习机的火灾代理模型研究
文献摘要:
火灾动力学模型(Fire Dynamics Simulation,FDS)能够较准确地描述火灾过程.但由于其模拟时间较长,故难以在实际消防力量救援和人员疏散引导中发挥重要作用.为解决上述问题,提出一种多核极限学习机(Multi-Kernel Extreme Learning Machine,MKELM)火灾代理模型来对火灾关键状态参数进行预测.在该代理模型中,两个不同类型的核函数被用于核极限学习机,并使用新近提出的鲸鱼优化算法(Whale Optimization Algorithm,WOA)来优化核函数参数;最后将MKELM算法建立火灾代理模型与其他代理模型进行比较,相比于其他代理模型,实验结果表明所提算法能够在可接受的计算时间内得到更好的预测结果.因此,不仅能解决FDS模拟费时问题,且可以为火灾应急处置和管理提供帮助.
文献关键词:
火灾预测;多核极限学习机;应急管理;代理模型
中图分类号:
作者姓名:
江春;范勤勤;韩新;王维莉;丛北华
作者机构:
上海海事大学物流科学与工程研究院,上海 201306;上海海事大学物流研究中心,上海 201306;上海交通大学电子信息与电气工程学院,上海 200240;同济大学上海防灾救灾研究所,上海 200092
文献出处:
引用格式:
[1]江春;范勤勤;韩新;王维莉;丛北华-.基于多核极限学习机的火灾代理模型研究)[J].制造业自动化,2022(12):39-44
A类:
B类:
多核极限学习机,代理模型,Fire,Dynamics,Simulation,FDS,消防,人员疏散,疏散引导,Multi,Kernel,Extreme,Learning,Machine,MKELM,状态参数,核函数,新近,鲸鱼优化算法,Whale,Optimization,Algorithm,WOA,函数参数,计算时间,费时,应急处置,火灾预测
AB值:
0.368043
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。