[发明专利]一种火灾温度场重构方法、系统、计算机设备、介质及终端

权利要求书

1.一种火灾温度场重构方法，其特征在于，所述火灾温度场重构方法包括：

利用计算流体动力学软件针对特定场景构建火灾数值模型，并进行不同工况火灾情景模拟；并基于神经网络技术，建立火灾温度场和关键影响因素之间的映射关系；

通过基于神经网络模型构建火灾表征参量、关键影响因素与火灾温度场之间的深度关联，实现对火灾温度场的预测；

所述火灾温度场重构方法包括以下步骤：

步骤一，筛选得到火灾温度场的表征参量和关键影响因素；

步骤二，针对特定场景构建火灾数值模型并利用计算流体动力学软件开展大量不同工况火灾情景模拟，获得基于步骤一所筛选物理量的数据集和/或数据库；

步骤三，将所述数据集和/或数据库分为训练集和测试集；

步骤四，将所述训练集用于训练神经网络模型，建立火灾温度场表征参数和影响因素之间的映射关系；

步骤五，将训练后的神经网络模型应用于所述测试集，验证模型预测精度；

步骤六，若模型预测精度未达到要求，则重复步骤二～步骤五，直至预测精度满足要求；若预测精度满足要求，则将神经网络结构保存，进行步骤七；

步骤七，将验证后的神经网络模型应用于新的火灾温度场重构。

2.如权利要求1所述火灾温度场重构方法，其特征在于，步骤一中，所述筛选得到火灾温度场的表征参量和关键影响因素，包括：

(1)在计算流体动力学软件构建的模型内随机设置温度监测点，获得各监测点在起火后随时间变化的温度曲线，选取特征温度信息作为神经网络模型的输出；

(2)在计算流体动力学软件构建的空间内所选定的固定温度测点在模拟时间内测得的最高温度为神经网络的一个输入；

(3)计算流体动力学软件所测得的烟气层高度数据中，烟气稳定后的时段内的烟气平均高度作为输入的烟气特征值，并对所有数据做归一化处理，统一量纲；

识别火灾影响因素，根据实际数据与实际情况划定火灾影响因素的数值范围，使得模拟工况更加接近实际火灾场景；其中，所述火灾温度场的表征参量包括：房间内任意点最高温度、温度变化率、辐射通量以及房间内烟气层厚度；所述关键影响因素包括：火源热释放速率、燃烧器的数量、火源面积、火源位置、房间具体分布情况、房间通风口位置以及尺寸；所述房间分布情况包括所包括的房间数、各房间的长宽高以及相对位置；

所述火源功率在500～1000kw/m²内随机取值；所述火源面积在0.5～1m²的范围内随机取值；所述燃烧器表面温度在500～1000℃范围内随机取值；所述燃烧器的数量不少于一个，位置为房间内外任意位置，火源面积为所有燃烧表面面积之和；所述房间主要通风为门窗，门尺寸为1m*1.9m，窗尺寸为0.5m*0.5m；所述房间的通风口包括各房间之间以及房间与外界的门窗；所述火源的位置在房间地面上的任意位置，火源高度固定；所述烟气高度取烟气层稳定后烟气平均高度；所述室内温度检测器的位置是在房间内部空间的任意位置随机选取，温度数值由计算流体动力学软件监测记录。

3.如权利要求1所述火灾温度场重构方法，其特征在于，步骤二中，所述数据集和/或数据库所使用的温度数据使用计算流体动力学软件模拟过程中该监测位置所记录的最高温度；此温度一定是火灾整个发展阶段过程中该点的最高温度；

步骤三中，将所述数据集和/或数据库分为训练集和测试集，包括：

训练集与测试集的划分不由人为划分，由python工具完成，对数据库进行随机划分，并通过random_state语句固定验证集。