融合GRU和改进蚁群算法的火灾逃生路径规划方法
赵峰
姜孝文
安徽工业大学管理科学与工程学院 安徽 马鞍山 243032
摘要：高温环境下,传感器节点可能会出现工作状态异常的情况,由此引发误报、漏报等一系列问题,文章提出了融合门控循环单元神经网络(gated recurrent unit,GRU)和改进蚁群算法的室内建筑火灾逃生路径规划研究方法.根据火灾态势信息,建立GRU时序预测模型,实现对节点异常情况下火场内温度、CO浓度等态势信息的预测,并基于预测结果,利用改进的蚁群算法动态规划逃生路径,得到传感器工作异常情况下的火灾最佳安全逃生路径.研究结果表明,该方法在不同火灾时期都能有效规划出最佳疏散路径,具有实际应用价值.
关键词：GRU神经网络模型火灾疏散路径动态规划蚁群算法
论文发表日期：2025-01-27
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 65-69 )