Ученые-информатики разработали алгоритм для прогнозирования смертельных взрывов в очагах пожара до того, как они произойдут, в надежде, что когда-нибудь он станет системой предупреждения для пожарных, которые займутся горящими зданиями.

Мебель и другие предметы, сделанные из горючих материалов, могут в пылу огня внезапно превратиться в шары пламени, которые быстро распространятся по замкнутому пространству, например комнате или полу здания. Эти инциденты, известные как пробои, могут привести к разрушению окон и стенам и представляют собой один из самых опасных факторов риска для пожарных.

Исследователи во главе с NIST правительства США пытаются разработать технологию, способную предупреждать пожарных о пробоях до того, как они произойдут. В основе технологии лежит нейронная сеть, обученная предсказывать эти взрывы с помощью датчиков температуры в здании. И да, он должен быть немного более сложным, чем алгоритм, который просто поднимает тревогу, когда температура превышает определенный уровень, поскольку эти ситуации обычно более сложные, чем это.

«Я не думаю, что у пожарной службы есть много инструментов с точки зрения технологии, которые позволяют прогнозировать возгорание на месте происшествия», сказал Исследователь NIST Кристофер Браун, который не принимал непосредственного участия в исследовании и является пожарным-добровольцем.

«Наш самый большой инструмент — это просто наблюдение, и оно может быть очень обманчивым. Снаружи все выглядит по-другому, а когда попадешь внутрь, все может быть совсем иначе ».

Команда создала компьютерное моделирование пожаров, чтобы не только научить нейронную сеть предсказывать неминуемый пробой, но и оценить ее возможности, создав 4033 обучающих примера и 504 тестовых примера. Система, получившая название P-Flash, показывала как минимум 80-процентную точность этих симуляций, согласно документу, подробно описывающему исследование, которое было проведено. опубликовано в материалах конференции AAAI по искусственному интеллекту. Исследователи заявили, что большинство ошибок были ложноположительными.

Читайте также:
Нет человека! Боффинс включает автопилот Tesla с веревкой, грузом и ремнем безопасности, а затем смотрит, как крутится • The Register

Однако точность упала до 25 процентов, когда алгоритму были предоставлены данные датчика температуры, взятые из реальных пожаров в 13 экспериментах, проведенных Исследовательским институтом пожарной безопасности UL, в зависимости от того, в какой комнате начался пожар.

P-Flash лучше предсказывал пробои на 30 секунд вперед в более открытых областях, таких как кухни и гостиные, и боролся с меньшими пространствами, такими как спальни. Показания температуры при пробое в замкнутом пространстве увеличиваются быстрее. Поскольку P-Flash не обучался на данных, которые так сильно колебались, его производительность в таких ситуациях была менее точной.

Наша способность точно моделировать условия пожара в зданиях ограничивает точность модели при прогнозировании реальных пожаров.

«Наша способность точно моделировать условия пожара в зданиях ограничивает точность модели при прогнозировании реальных пожаров», — сказал Вай Чеонг Там, соавтор статьи и инженер-механик NIST. Реестр. «Улучшение моделей пожара поможет [improve the model]. »

Чтобы их модель была протестирована и работала в реальных условиях, команде необходимо найти способ собирать данные в реальном времени с тепловых датчиков здания и передавать эту информацию в устройства, на которых работает программное обеспечение для машинного обучения. Такое устройство должно иметь возможность делать прогнозы на лету и предупреждать пожарных на месте происшествия.

«Точный механизм еще не определен», — сказал нам Томас Клири, инженер-химик из NIST и соавтор исследования. «Пожарная служба в конечном итоге решит, как использовать эту информацию. Можно представить себе проекционный дисплей с различными потоками данных ».

Читайте также:
Автопилот Tesla намного глупее, чем утверждает генеральный директор Маск, - сказал Кали DMV после разговора с руководителем программного обеспечения. °

«В следующем году мы планируем провести эксперименты по демонстрации и тестированию алгоритма. [in real-time] в строительстве пожарных испытаний с тепловыми извещателями », — добавил он. ®