《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計(jì)應(yīng)用 > 基于GRU神經(jīng)網(wǎng)絡(luò)的有毒氣體擴(kuò)散預(yù)測方法
基于GRU神經(jīng)網(wǎng)絡(luò)的有毒氣體擴(kuò)散預(yù)測方法
信息技術(shù)與網(wǎng)絡(luò)安全
陳 立，陳賢富
(中國科學(xué)技術(shù)大學(xué) 微電子學(xué)院，安徽 合肥230027)
摘要： 有毒氣體的擴(kuò)散預(yù)測在應(yīng)急響應(yīng)中起著重要作用。現(xiàn)有的計(jì)算流體力學(xué)(CFD)方法存在計(jì)算耗時(shí)長等問題，無法快速進(jìn)行毒害氣體擴(kuò)散預(yù)測。提出了一種利用深度學(xué)習(xí)技術(shù)進(jìn)行有毒氣體擴(kuò)散預(yù)測的方法。根據(jù)有毒氣體擴(kuò)散原理，設(shè)計(jì)基于GRU的神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)快速、有效的氣體擴(kuò)散濃度的預(yù)測。將本文的方法在經(jīng)典的公開數(shù)據(jù)集草原牧場數(shù)據(jù)集上進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明本文方法可實(shí)現(xiàn)較高精度的氣體擴(kuò)散濃度的預(yù)測，并且優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)模型的方法。
中圖分類號： TP18
文獻(xiàn)標(biāo)識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.04.007
引用格式： 陳立，陳賢富. 基于GRU神經(jīng)網(wǎng)絡(luò)的有毒氣體擴(kuò)散預(yù)測方法[J].信息技術(shù)與網(wǎng)絡(luò)安全，2021，40(4)：42-45.
Prediction method of toxic gas diffusion based on gated recycle unit(GRU)
Chen Li，Chen Xianfu
(School of Microelectronics，University of Science and Technology of China，Hefei 230027，China)
Abstract： The prediction of toxic gas diffusion plays an important role in emergency response. Existing computational fluid dynamics(CFD) methods have problems such as time-consuming calculations and cannot quickly predict the diffusion of toxic gases. This paper proposes a method for predicting the diffusion of toxic gases using deep learning technology. According to the principle of toxic gas diffusion, a neural network model based on GRU is designed to realize fast and effective gas diffusion concentration prediction. The method is verified on the classic open data set of grassland and pasture data set. The experimental results show that the method can achieve high-precision gas diffusion concentration prediction and be better than the method based on BP neural network model.
Key words : toxic gas diffusion；concentration prediction；GRU；deep learning

0 引言

近年來，各國經(jīng)常發(fā)生化工廠爆炸事故、危險(xiǎn)品倉庫發(fā)生火災(zāi)爆炸等引發(fā)的有毒氣體泄露[1]，嚴(yán)重影響人們的生命財(cái)產(chǎn)安全。2018年12月18日，江蘇南通一化工廠設(shè)備爆裂，設(shè)備內(nèi)的氮?dú)庖约胺瘹湫孤?，造成作業(yè)人員中毒死亡。2019年中國江蘇鹽城、美國休斯敦的化工廠爆炸均造成了大面積的有毒氣體的泄露。2020年11月9日1，浙江衢州中天東方氟硅材料有限公司發(fā)生火災(zāi)事故，該起火災(zāi)燃燒物質(zhì)主要是氯硅烷，屬于高沸物，燃燒產(chǎn)物有毒。目前被廣泛使用的大氣擴(kuò)散模型主要分為兩大類，一類是基于數(shù)理計(jì)算的，一類是基于機(jī)器學(xué)習(xí)的。數(shù)理計(jì)算的典型代表有高斯擴(kuò)散模型[2]、計(jì)算流體力學(xué)(CFD)模型等。Mazzoldi[3]用高斯擴(kuò)散模型模擬二氧化碳運(yùn)輸和儲存設(shè)施泄漏的情況。高斯擴(kuò)散模型使用簡單的數(shù)學(xué)表達(dá)式，易于計(jì)算，耗時(shí)少，但只適用于平坦地形上暢通無阻的氣體流動，在復(fù)雜環(huán)境下的預(yù)測往往不準(zhǔn)確。PONTIGGIA M[4]用CFD模型模擬城市地區(qū)大氣中液化石油氣(LPG)擴(kuò)散進(jìn)行后果評估。CFD基于有限元計(jì)算，能較為精準(zhǔn)地預(yù)測濃度擴(kuò)散，但計(jì)算耗時(shí)長。2019年中國科學(xué)技術(shù)大學(xué)的程云芳[5]用機(jī)器學(xué)習(xí)算法粒子群－支持向量機(jī)模型，對苯儲罐泄漏的濃度進(jìn)行了危險(xiǎn)位置的短距離預(yù)測。這些方法仍基于傳統(tǒng)的機(jī)器學(xué)習(xí)方法。





本文詳細(xì)內(nèi)容請下載：http://ihrv.cn/resource/share/2000003476




作者信息：

陳  立，陳賢富

(中國科學(xué)技術(shù)大學(xué) 微電子學(xué)院，安徽 合肥230027)


此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。