Учените проектират система, базирана на AI, за да предупреждават пожарникарите за проблясъци

Flashover е много опасно явление, при което всички изложени горими материали в затворена зона почти едновременно се запалват. Благодарение на нова система, базирана на AI, пожарникарите може скоро да получат предупреждения, когато предстои флаш.

Обикновено проблясъците се случват, когато пожар в конструкцията води до достигане на температурата в затворено пространство поне до 593 ºC (1100 ºF) – това е приблизителната температура на самозапалване на много често използвани органични материали. В резултат на това те ще отделят запалими газове и ще се възпламенят горе-долу по едно и също време, дори ако не са били пряко изложени на пламъци.

Излишно е да казвам, че пожарникарите го правят не искате да бъдете в сграда, когато възникне пропуск. Като се има предвид хаосът и ограничената видимост в горящите конструкции, за тях може да е трудно да забележат видими предупредителни знаци като пламъци, търкалящи се по тавана. И докато много сгради са оборудвани с топлинни сензори, устройствата обикновено спират да работят при температура около 150 ºC (302 ºF), много преди да се случат флешове.

Ето къде е предвиден P-Flash – предсказващият модел за Flashover.

Проектиран от учени от базирания в САЩ Национален институт за стандарти и технологии (NIST), той използва алгоритми за машинно обучение, обучени на 4033 различни компютърни симулации на горящ дом с три спални, едноетажен, в стил ранчо. В повечето щати на САЩ това е най-често срещаният тип къща.

Един от сценариите за пожар в къщата, който беше използван при обучението на P-Flash

NIST

Въпреки че виртуалните топлинни сензори в този дом се изключват при 150 ºC, алгоритмите се научиха да прогнозират приблизително кога температурата в дома ще достигне 593 ºC, въз основа на променливи като скоростта, с която температурата се повишава. Когато P-Flash впоследствие беше тестван на допълнителни симулации на изгаряне, той беше 86 процента точен при прогнозиране на флашове една минута преди да се случат. Освен това, когато беше по-малко точен, обикновено ги предсказваше рано … което очевидно е по-добре, отколкото да ги предсказва късно.

Впоследствие системата беше тествана спрямо реални данни от 13 действителни пожари в къщи, които бяха умишлено запалени в тестов дом в стил ранчо при различни условия. Въпреки че P-Flash остава точен в случаите, когато огънят произхожда от открита зона като дневната, това е много по-малко, когато пожарът започне в затворени помещения. Това може да се дължи на факта, че когато пожарите първоначално се задържат в такива пространства, температурите се повишават непредсказуемо, когато тези пожари впоследствие избухнат в останалата част от интериора на сградата.

Преди и след снимки на интериора на тестовия дом, който умишлено е запален като част от експериментите на Underwriters Laboratories
Преди и след снимки на интериора на тестовия дом, който умишлено е запален като част от експериментите на Underwriters Laboratories

UL Изследователски институт за безопасност на пожарникарите

Въпреки този настоящ недостатък, учените смятат, че след като се доразвие, P-Flash все още може да се превърне в ценен инструмент. Чрез комбиниране на данните на датчика за топлина в реално време в дома с информация за променливи като неговите строителни материали, системата може да предава предупреждения на пожарникарите, които иначе може да не са наясно, че предстои да възникне флаш.

Изследването е описано в статия, която наскоро беше публикувана в Сборник с доклади от AAAI конференция за изкуствен интелект.

Източник: NIST

.

Публикациите се превеждат автоматично с google translate