买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉同济大学申请的专利一种火源参数与空温的实时识别与预测方法、设备、介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117312813B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311158747.5，技术领域涉及：G06F18/21；该发明授权一种火源参数与空温的实时识别与预测方法、设备、介质是由李国强;朱劭骏;吉蔚;李晋宇;王尧;戚洪辉设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本一种火源参数与空温的实时识别与预测方法、设备、介质在说明书摘要公布了：本发明涉及一种火源参数与空温的实时识别与预测方法、设备、介质，包括：建立单层厂房的数值模型；基于数值模拟获得用于深度学习代理模型训练的单层厂房火灾热响应数据；确定单层厂房空气温度测量位置；构建基于循环神经网络和全连接神经网络的深度学习代理模型；将实测历史空气温度和受火单层厂房几何参数作为输入、当前火源参数和未来空气温度作为输出对深度学习代理模型进行训练；将训练得到的深度学习代理模型作为最终代理模型用于实际火场中单层厂房火源参数的识别与未来空气温度的预测。与现有技术相比，本发明能对受火建筑的火源状态参数进行实时识别，并进一步预测未来的空气温度发展趋势，能快速、准确获取火灾状态和发展趋势。

本发明授权一种火源参数与空温的实时识别与预测方法、设备、介质在权利要求书中公布了：1.一种火源参数与空温的实时识别与预测方法，其特征在于，包括以下步骤： S1：确定火灾时单层厂房的几何参数和火源状态参数的概率分布，根据确定好的概率分布进行随机采样，并建立单层厂房建筑的数值模型； S2：对建立好的数值模型进行火灾数值模拟，基于数值模拟获得用于深度学习代理模型训练的单层厂房火灾热响应数据； S3：确定单层厂房空气温度的测量位置； S4：构建基于循环神经网络和全连接神经网络的深度学习代理模型； S5：将单层厂房火灾热响应数据和火灾时单层厂房的几何参数作为输入、当前火源状态参数和未来空气温度作为输出对深度学习代理模型进行训练，训练至满足预测精度要求； 所述深度学习代理模型的训练采用均方根误差和分位数误差，火源参数识别模块的损失函数设置为均方根误差，空气温度预测模块的损失函数设置为分位数误差，总误差为均方根误差与分位数误差按权重加和，分位数误差计算中的置信度t与所需预测的未来空气温度的置信度t一致，采用误差反向传播算法更新深度学习代理模型中的待学习参数； 采用相对误差r、区间覆盖率ICP和区间宽度IW评估所训练的深度学习模型在测试集上的表现，定义r0.1且-5%ICP-置信度t5%且IW50℃为高精度样本的判定准则，并将高精度测试样本比例最高的深度学习模型作为最终代理模型； S6：将训练得到的深度学习代理模型作为最终代理模型用于实际火场中单层厂房火源状态参数的识别与未来空气温度的预测，根据现场实测的空气温度数据和单层厂房的几何参数，输入至预先训练好的深度学习代理模型中，然后深度学习代理模型根据输入数据实时识别火灾状态参数并输出具有置信度的未来空气温度预测值； S2、S5中，所述单层厂房火灾热响应数据包括关键温度测点的空气温度在火灾全过程中的时程曲线和火源状态参数在火灾全过程中的时程曲线； S4、S5、S6中，所述深度学习代理模型包含火源参数识别模块和空气温度预测模块； 火源参数识别模块的输入量为历史空气温度实测时程曲线和单层厂房几何参数，输出量为单层厂房的真实火灾模型和火源状态参数； 空气温度预测模块的输入量为单层厂房建筑的真实火灾模型，输出量为单层厂房未来具有一定置信度t的空气温度预测时程曲线。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。