38、基于神经网络与路径收敛设计的火灾与城市人口集聚研究

基于神经网络与路径收敛设计的火灾与城市人口集聚研究

一、GRNNFA在火灾热界面预测中的应用

在火灾安全工程领域，GRNNFA（General Regression Neural Network with Firefly Algorithm）这一新型混合神经网络模型被用于预测单室火灾中热界面的位置。

（一）热界面高度预测实验

研究人员运用训练好的GRNNFA火灾模型，对门开口宽度在0.25m至0.95m之间（增量步长为0.05m）的不同情况下的热界面位置进行预测。在每个步长中，将火源放置在隔间地板的每个网格（0.01m×0.01m）中，以确定稳态热界面的高度。火源床顶部距地板0.02m，热释放率恒定为62.9kW，环境温度为20°C。预测结果表明：
- 随着门开口宽度的增加，热界面层会升高。
- 火源床靠近门开口时，热界面层会降低。

以下是不同门开口宽度下热界面高度的相关数据表格：
| 样本编号 | 热界面高度（m） |
| ---- | ---- |
| 5 | - |
| 10 | - |
| 15 | - |
| 20 | - |
| 25 | - |
| 30 | - |
| 35 | - |
| 40 | - |
| 45 | - |
| 50 | - |
| 55 | - |

mermaid流程图展示热界面高度预测实验流程：

graph LR
    A[设置门开口宽度范围] --> B[