ارائه سیستمی مبتنی بر دانش جهت شناسایی آتش در کلیه محیط ها

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 می آورد. شناسایی آتش را می توان 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 می کند 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 هزینه بر هستند؛ کارهای محققین معمولا بر روی شناسایی آتش در یکی از دو محیط باز یا بسته متمرکز می شوند. از این رو هدف این پایان نامه ارائه سیستمی مبتنی بر دانش جهت شناسایی آتش در کلیه محیط ها می-باشد. با توجه به بررسی های انجام شده بر روی کارهای محققین از سال 2000 به بعد، مدل پیشنهادی در این پایان نامه از دو فناوری الگوریتم های ژنتیک و شبکه های عصبی برای شناسایی آتش در مناطق باز و از فناوری های یادگیری ماشین برای شناسایی آتش در مناطق مسکونی و تجاری استفاده می کند. برای تست کارایی شناسایی آتش در محیط باز از مجموعه داده آتش جنگل های کانادا و در مناطق مسکونی از مجموعه داده های آتش در سایت nist استفاده شده است. نتایج حاصل از شبیه سازی روش ترکیبی پیشنهادی gann در محیط matlab با سایر روش های 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 ویژگی ها را کاهش دهد. همچنین سیستم پیشنهادی قادر است که جهت بهبود شناسایی آتش در مناطق مسکونی، روش های دسته بندی مختلفی را با توجه به عوامل شناساگر دریافتی از محیط با استفاده از نرم افزار weka شبیه سازی نموده و برای شناسایی آتش در محیط های بسته بهترین روش را اخذ و اجرا نماید. بررسی این نتایج نشان می دهد که روش دسته بندی شبکه های بیزین از سرعت و دقت خوبی برای شناسایی آتش در محیط بسته برخوردار است.