换一批正态分布的贝叶斯网络火灾数据融合预警研究
Research on early warning of fire data fusion of Bayesian network based on normal distribution
摘要近年来，WSN应用趋向于网内节点数量增多、模块功能多样、应用环境复杂，由此基于WSN的火灾监测预警系统容易因节点故障出现数据融合异常的现象。为提高火灾数据融合精度，引入高斯模型，通过对不同节点间同类信息融合形成的熵值，表示融合结果的不确定性，以鉴定融合效果。由此推理出一种正态分布的贝叶斯网络算法。在仿真实验中，将三种常用火灾传感器探测信息融合，分析改进后的静态、动态贝叶斯网络特点。用FDS平台模拟火灾场景，实验得到探测信息离散区间与发生率，再以BayesiaLab计算输出节点的条件概率。最后通过Vi-sual C＋＋离散化选取探测阈值下限的判定依据，实现全网信息融合，作出正确、快速的报警反应。
更多相关知识
- 浏览0
- 被引21
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
