جامع آتش نشانی ایران NFSI

سیستم شناسایی خودکار آتش، سیستمی است که آتش را هنگام وقوع و یا حتی قبل از وقوع شناسایی و آژیر هشدار را به صدا در می‌آورد. شناسایی آتش را می‌توان به دو دسته شناسایی آتش جنگل و شناسایی آتش در مناطق مسکونی و تجاری تقسیم نمود. شناسایی خودکار آتش بدلیل نقش مهمی که در کاهش صدمات جانی و خسارات مالی ایفا می‌کند از اهمیت خاصی برخوردار است. با توجه به اینکه برای شناسایی آتش در هر دو محیط باز و بسته باید از حسگرهای ترکیبی استفاده نمود که بسیار هزینه‌بر هستند؛ کارهای محققین معمولا بر روی شناسایی آتش در یکی از دو محیط باز یا بسته متمرکز می‌شوند. از این رو هدف این پایان نامه ارائه سیستمی مبتنی بر دانش جهت شناسایی آتش در کلیه محیط‌ها می-باشد. با توجه به بررسی‌های انجام شده بر روی کارهای محققین از سال 2000 به بعد، مدل پیشنهادی در این پایان‌نامه از دو فناوری الگوریتم‌های ژنتیک و شبکه‌های عصبی برای شناسایی آتش در مناطق باز و از فناوری‌های یادگیری ماشین برای شناسایی آتش در مناطق مسکونی و تجاری استفاده می‌کند. برای تست کارایی شناسایی آتش در محیط باز از مجموعه داده آتش جنگل‌های کانادا و در مناطق مسکونی از مجموعه داده‌های آتش در سایت NIST استفاده شده است. نتایج حاصل از شبیه‌سازی روش ترکیبی پیشنهادی GANN در محیط Matlab با سایر روش‌های موجود مقایسه و مشخص گردید که روش پیشنهادی قادر است با میانگین مربع خطای 0.00562 و بدون اینکه از دقت شناسایی آن کاسته شود، تعداد ویژگی‌ها را کاهش دهد. همچنین سیستم پیشنهادی قادر است که جهت بهبود شناسایی آتش در مناطق مسکونی، روش‌های دسته‌بندی مختلفی را با توجه به عوامل شناساگر دریافتی از محیط با استفاده از نرم‌افزار WEKA شبیه‌سازی نموده و برای شناسایی آتش در محیط‌های بسته بهترین روش را اخذ و اجرا ‌نماید. بررسی این نتایج نشان می‌دهد که روش دسته‌بندی شبکه‌های بیزین از سرعت و دقت خوبی برای شناسایی آتش در محیط بسته برخوردار است.