بهبود عملکرد دستگاه های اعلام حریق اماکن جهت پیش‌بینی احتمال وقوع آتش سوزی با استفاده از الگوریتم های یادگیری ماشین

دستگاه های اولیه اعلام حریق در ابتدا به صورت تکی و سپس به صورت شبکه ای ساخته شده‌اند تا آتش‌سوزی را به شکل بهتری تشخیص دهند. اگرچه پیشرفت های اخیر در طراحی دستگاه های اعلام حریق باعث تشخیص بهتر آتش سوزی ها شده است، ولی دستگاه های کنونی در آتش‌سوزی های ناگهانی یا در حجم زیاد آتش‌سوزی ناتوان می‌باشند. بهترین کار جهت آمادگی برای این تیپ از حوادث، پیشبینی احتمال آتش سوزی می‌باشد. دستگاهی که ما ارائه کرده‌ایم، به صورت شبکه ای متصل بهم از دستگاه های تشخیص دود و گاز های خطرناک به محوریت یک دستگاه واحد که معماری master-slave را شکل می‌دهند، می‌باشد که گره های فرعی (nodes) این شبکه در اصل وظیفه جمع آوری دیتاست کل محیط ساختمان را دارند و گره اصلی (master) با استفاده از این دیتاست و الگوریتم های یادگیری ماشین به بررسی احتمال وقوع آتش‌سوزی می‌پردازد. در این مقاله ابتدا به بررسی ساز و کار شبکه اعلام حریق پرداخته و سپس دو سناریوی بانظارت و بدون نظارت را در نظر گرفته‌ایم و سه مدل یادگیری ماشین را پیاده و دقت خروجی هر یک از این مدل ها را با هم مقایسه کرده‌ایم. در نهایت به این نتیجه رسیدیم که وجود این الگوریتم ها در دستگاه اعلام حریق، قابلیت تشخیص احتمال آتش‌سوزی را به وضوح بهبود داده‌اند.