Тип публикации: статья из журнала
Год издания: 2025
Ключевые слова: mathematical model, intelligence, organizational model, gas and smoke protection service, neural networks, limited visibility, fire department, management, intelligent systems, decision support, математическая модель, разведка, организационная модель, газодымозащитная служба, нейронные сети, ограниченная видимость, пожарная охрана, управление, интеллектуальные системы, поддержка принятия решений
Аннотация: Статья посвящена разработке инновационной нейросетевой системы поддержки принятия решений при тушении пожаров в условиях ограниченной видимости. Представлен комплексный подход, основанный на интеграции данных мультиспектральных сенсоров (лидара, ультразвуковой фазированной решётки, температурных и гигрометрических датчиков). АрхитеПоказать полностьюктура включает гибридную сеть, совмещающую трехмерные свёрточные и двунаправленные LSTM-нейроны. Для повышения качества обработки используется механизм кросс-модального внимания, оценивающий физическую природу и достоверность поступающих сигналов. Применяется байесовский подход к учету неопределенности прогнозов с использованием метода Монте-Карло дропаутов. Алгоритмы адаптивной маршрутизации позволяют оперативно реагировать на изменения ситуации. Решение значительно улучшает эффективность действий пожарных и снижает риск для личного состава. The article is devoted to the development of an innovative neural network decision support system for firefighting in conditions of limited visibility. A comprehensive approach based on the integration of data from multispectral sensors (lidar, ultrasonic phased array, temperature and hygrometric sensors) is presented. The architecture includes a hybrid network that combines three-dimensional convolutional and bidirectional LSTM neurons. To improve the quality of processing, a cross-modal attention mechanism is used to evaluate the physical nature and reliability of incoming signals. A Bayesian approach is used to account for the uncertainty of forecasts using the Monte Carlo dropout method. Adaptive routing algorithms allow for quick response to changing situations. This solution significantly improves the efficiency of firefighting operations and reduces the risk to personnel.
Журнал: Инженерный вестник Дона
Выпуск журнала: № 11
Номера страниц: 238-264
ISSN журнала: 20738633
Место издания: Ростов-на-Дону
Издатель: Ростовское региональное отделение общероссийской общественной организации «Российская инженерная академия»