半U形隧道火灾补气速度和最高烟气温升的机器学习预测
Machine learning prediction and analysis of supplement velocity and maximum smoke temperature rise in half-U-shaped tunnel fire作者机构：中南大学土木工程学院长沙410075 西南交通大学地球科学与工程学院成都611756
出 版 物：《安全与环境学报》 (Journal of Safety and Environment)
年 卷 期：2024年第24卷第9期
页 面：3376-3388页
核心收录：
学科分类：08[工学] 0837[工学-安全科学与工程]
主 题：安全工程 半U形隧道火灾 烟囱效应 空气补充速度 最高烟气温升 机器学习
摘 要：半U形隧道是考虑火灾发生在水下隧道变坡点前而简化得到的隧道结构,通过理论推导很难建立有关烟气运动参数预测模型。因此,借助于FDS数值模拟和机器学习对320组火灾工况进行模拟分析和机器学习预测。结果表明:纵向风速的增大对于空气补充速度会有一定的抑制效果,BP神经网络在测试集和训练集上的预测效果较其他机器学习模型更为精确,决定系数R~2能够达到0.99;通过Shap值对影响隧道内空气补充速度的特征因素按重要性从高到低排序依次为高度效应、热效应、风效应;最高烟气温升受风速影响,坡高小则温升随风速减小剧烈,坡高大时风速影响不显著,并且相较于其他机器学习方法,BP神经网络和理论计算均能准确预测烟气最高温升,R~2均大于0.9。研究结合数值模拟与机器学习,为高效预测隧道火灾动力学行为及通风排烟系统优化设计提供了新方法。
维普期刊数据库
同方期刊数据库