РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ ПРОГНОЗИРОВАНИЯ ПОЖАРООПАСНЫХ СИТУАЦИЙ

Аннотация

Раннее обнаружение пожароопасных ситуаций является критически важным аспектом обеспечения безопасности, так как позволяет минимизировать риск материальных и человеческих потерь. Заблаговременное выявление угроз способствует сохранению материальных ценностей, уменьшению времени на их восстановление и, что важнее, спасению человеческих жизней. В связи с этим, предлагается новый подход к прогнозированию пожароопасных ситуаций: алгоритм обу- чения модели прогнозирования пожароопасных ситуаций, а также алгоритм прогнозирования пожароопасных ситуация, которые разрабатываются на моделях машинного обучения таких как рекуррентные нейронные сети, случайный лес, оптимизационные деревья, авторегрессионные нейронные сети и т.д. В исследовании предлагается рассмотреть алгоритмы прогнозирования пожароопасных ситуаций, разработанных на основе анализа существующих алгоритмов прогно- зирования, включая методы на основе машинного обучения, статистические модели и симуляци- онные подходы, учитывая их преимущества и недостатки, показатели точности. Результаты исследования разработанных алгоритмов показывают, что они способны с точностью 93.33% предсказывать значение температуры снаружи датчика на основе тестовых данных с комплекса взаимосвязанных пожарных датчиков, с ошибками MAE = 1.72, MSE = 2.95 в нештатном режиме на тестовых данных, и с точностью 92.85% температура внутри датчика, ошибки MAE = 1.66, MSE = 2.75. Точность на тестовых данных в штатном режиме для температуры снаружи со- ставили 96.27%, ошибки MAE = 1.22, MSE = 1.48, а точность прогнозирования температуры внутри составила 96.16%, ошибки MAE = 1.24, MSE = 1.53. Для тестовой выборки в 500 000 от- счетов, ошибки спрогнозированной температуры снаружи составили: MAE = 1.82, а MSE = 3.31, а точность составили 91.78%. Ошибки спрогнозированной температуры внутри (temp2_inside) составили: MAE = 1.89, а MSE = 3.57, а точность составили 91.35%.