시공간 신경망 모델에 기반한 화재 확산 예측
Fire spreading prediction based on spatio-temporal neural network model
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 실내에서 발생하는 화재로부터 인명 피해를 막기 위해 딥러닝을 이용하여 화재의 확산을 예측하는데 필요한 학습 데이터와 신경망 모델을 제안한다. 건물 내의 화재 진행 상황에 대한 데이터셋을 얻기 위해 Pyrosim 시뮬레이터로 레이블 이미지를 만들고 입력은 시뮬레이터에서 설정한 센서값으로 하였다. 기존 연구에서는 건물 내부에서 취득된 온도, CO 센서들의 값을 시간적특성만을 추출하였던 반면 본 논문에서는 화재의 입력 값에서 지역적 특성과 시간적 특성을 효율적으로 추출하기 위한 ConvLSTM기반의 모델을 제안한다. 제안한 ConvLSTM은 기존의 LSTM 대비 R² 기준으로 약 4.7%, RMSE 기준으로 약 14% 향상된 성능을나타냈다. 온도 예측에서 ConvLSTM은 R² 점수가 LSTM_1보다 4.7% 높은 성능을 보였으며. RMSE는 15.4% 낮은 오차를 보였다.
Abstract
This paper proposes training data and neural network models required to predict the spread of fires using deeplearning to prevent human damage from fires occurring indoors. To obtain a dataset of fire progress in the building,a label image was created with the Pyrosim simulator, and the input was set to the sensor value set by the simulator. In previous studies, only temporal characteristics were extracted from the values of temperature and CO sensorsacquired inside the building, but this paper proposes a ConvLSTM-based model to efficiently extract regional andtemporal characteristics from the input values of fire. The proposed ConvLSTM showed an improvement of about4.7% based on R² and about 14% based on RMSE compared to conventional LSTM. In the temperature prediction,ConvLSTM showed 4.7% higher R² score than LSTM_1, and RMSE showed 15.4% lower error.