公开(公告)号：CN115983115A

公开(公告)日：2023-04-18

申请号：CN202211648832.5

申请日：2022-12-20

Applicant: 厦门大学

Inventor： 刘向荣 ,  傅娆 ,  沈炼 ,  陈中贵 ,  余航

IPC: G06F30/27 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/048 ,  G06F119/08

Abstract: 本公开是关于一种基于深度神经网络的室内火灾演变预测方法、装置、电子设备以及存储介质。其中，该方法包括：构建基于FDS的火灾演变仿真，并完成对物理模型数据、火灾演变模型关键参数的设置，建立预设火灾场景的模拟数据及拟合数据；以所述模拟数据为输入，基于预设第一深度神经网络模型、预设第二深度神经网络模型，生成温度场图；在火灾发生时，接收现场信息，并根据所述现场信息基于所述预设深度神经网络模型生成预测温度场图，完成对火灾演变的预测。本公开通过设计两阶段深度神经网络对输入向量进行高精度重建，对场模型的仿真数据进行拟合，从而提高了火灾演变预测的实时性和准确性。

公开(公告)号：CN116011670A

公开(公告)日：2023-04-25

申请号：CN202310076286.0

申请日：2023-01-17

Applicant: 厦门大学

Inventor： 刘向荣 ,  黄越涵 ,  沈练 ,  陈中贵 ,  余航 ,  柳娟

IPC: G06Q10/04 ,  G06N3/082 ,  G06Q50/26

Abstract: 本发明提供了一种火灾预测模型训练方法，具体实现方案为：获取预设参数，基于数据模拟软件生成与目标场景对应的模拟火灾数据；其中，所述预设参数包括目标场所空间参数以及火灾特征参数；基于所述模拟火灾数据进行初步建模，生成火灾预测模型；利用特征蒸馏方式训练所述火灾预测模型并利用历史时序信息对所述火灾预测模型进行实时修正。根据本发明的技术方案，克服了传统物理模拟火灾预测模型在时效性上的不足，加快了模型的推理速度，同时能够对火灾全时段进行预测，提供更符合实际环境的预测结果及有效的火灾救援信息。

公开(公告)号：CN117078852A

公开(公告)日：2023-11-17

申请号：CN202311045704.6

申请日：2023-08-18

Applicant: 厦门大学

Inventor： 曹娟 ,  余航 ,  陈中贵 ,  刘向荣

IPC: G06T17/00 ,  G06T7/11 ,  G06T7/187

Abstract: 基于全局对齐的建筑物点云带约束重建方法，涉及点云三维重建。步骤：1、对输入的点云进行初始法向的估计；2、对估计的初始法向进行稀疏优化，使得同一个面上的点具有相同的法向；3、结合初始估计法向和优化后的法向，利用区域增长算法对输入点云进行分割得到一系列的平面基元；4、计算出建筑物点云的主轴方向作为全局参考，为每个平面基元设置目标法向来构建平面基元中的平行，垂直，共面和对称关系；5、根据构建得到的约束关系，全局优化平面基元的方向和位置；6、对所有平面求交计算平面基元的边界，得到最终的模型。方法简单高效，能在恢复点云形状的同时保持严格的约束关系，且对噪声和异常值具有良好鲁棒性。