僅通過一段儲罐火災視頻，就能對儲罐火災內部溫度和外部熱輻射強度等參數做出智能預測并及時發出警報！近日，南京工業大學安全科學與工程學院張文豪、熊俊杰、袁啟哲、麻帥、楊周健等同學在趙坤老師的指導下完成的《基于深度學習的儲罐火災熱危害智能預測預警系統》實現了這一愿景，并在“第9屆全國高校安全科學與工程大學生實踐與創新作品大賽”中獲得一等獎。

儲油罐常用于煉油廠、油田、油庫以及其他工業中，由于儲油罐儲存的物質具有毒害、易燃易爆、易揮發等特性，如果不采取有效的防范措施和應急預案，一旦儲油罐發生泄漏就可能進一步升級，造成火災和爆炸等事故。《基于深度學習的儲罐火災熱危害智能預測預警系統》項目團隊對縮尺寸儲罐火災進行模擬，利用深度學習實現火場溫度和熱輻射強度的實時智能預測，并基于預測結果，結合硬件設備及時進行風險播報，實現智能預警。“我們設計的這個系統主要包括四個部分，即Pyrosim火災模擬及實驗驗證、深度學習建模和訓練、聲光報警裝置、軟硬件結合與結果可視化。”團隊負責人張文豪介紹道。

項目團隊調研了中國石化揚子石油化工有限公司的儲罐數據，并運用一款火災動力學模擬軟件PyroSim構建1/20縮尺寸儲罐模型，對不同情況下的油池火（儲罐火類似于油池火）燃燒開展仿真模擬研究，通過改變油池火源直徑和間距等邊界條件，獲得大量的模擬數據。“開展大尺寸油池火實驗的成本較高，通過有限的實驗結果，對處于不同環境下的油池火災分析仍較為困難，因此，進行數值模擬仿真非常必要。”團隊成員熊俊杰介紹道。

為了驗證模擬結果的可靠性，項目團隊開展了小尺寸油池火實驗，對單油池和不同間距的雙油池火燃燒行為和輻射特性進行實驗研究，獲得火焰高度、振蕩頻率、火焰輻射熱流等數據，并與模擬數據進行對比分析后，調整相關參數，獲得最優化的模擬結果。“獲得模擬結果后，我們用Python軟件編寫程序，對火災模擬結果進行插值批量處理，獲得指定時間間隔的特征參數。”團隊成員袁啟哲說。

“深度學習是機器學習領域中的一個研究方向，我們基于Keras深度學習框架搭建由輸入層、隱藏層、輸出層組成的多層感知機。”團隊成員麻帥表示，多層感知機是一種前饋人工神經網絡模型，多層感知機由多個神經元層組成，每個神經元層又由許多神經元組成，其中輸入層接收輸入特征，輸出層給出最終的預測結果，中間的隱藏層用于提取特征和進行非線性變換。

“比如，我們對時間-溫度、距離-熱輻射強度分別建立預測模型，并使用22組對應數據進行訓練，得到對應預測模型。然后，又使用4組測試數據進行驗證，對比了預測與實際結果，該模型預測的精準度達到了91%，結果比較可靠。”團隊負責人張文豪說道。

此外，項目團隊還設計了預測結果可視化界面，用戶可以自定義設置火源大小、火源間距，直觀地看到火焰的升溫曲線以及熱輻射強度曲線，以便更快速地進行預測預警。“當熱輻射預測值超過設置的臨界熱輻射強度時，聲光報警裝置就會亮燈并啟動語音播報，給管理者采取應急救援措施和疏散人員提供參考。”團隊成員楊周健說道。

通訊員 譙安冉 廖康利 宋雨軒

揚子晚報/紫牛新聞 楊甜子

校對 盛媛媛