Spatiotemporal Prediction of Fire-Hazard Parameters in Commercial Buildings Considering Active Fire Protection Systems

当大型购物中心或办公楼发生火灾时，危险不仅在于火焰本身，还在于随之而来的超高温气体和浓烟组成的无形云团。对于试图逃生的人们来说，最关键的信息是他们呼吸高度（大约离地面六英尺处）的空气状况。在这一高度，温度、剩余氧气量、有毒气体浓度以及能见度都成了关乎生死的关键因素。现代建筑配备了主动安全系统，旨在应对这些危害：喷淋系统通过喷水来冷却空气，机械风扇则负责将烟雾从房间内抽走。然而，这些系统的作用不仅仅是抑制火灾；它们从根本上改变了热量和烟雾在空间中的移动方式。它们创造了一个复杂的、不断变化的环境，使得标准传感器难以准确描述人们奔跑高度处的真实情况。

研究人员长期以来一直使用一种被称为分布式光纤温度传感的高明技术来监测这些火灾。想象一根细长的玻璃纤维线沿着天花板和墙壁延伸，能够测量沿线每一个点的温度。这创建了一个连续且详细的热量分布图，其精确度远高于仅有几个零散温度计的情况。挑战在于，当建筑物的安全系统启动时，喷淋系统的水和排烟风机的空气会冷却传感器所在的天花板和墙壁，但它们也会以某种方式搅动空气，从而以不可预测的方式改变呼吸高度处的温度。如果计算机试图仅根据天花板的温度读数来推测呼吸高度处的危险状况，往往会出错，因为安全系统已经改变了天花板与地面之间的关系。

来自中国多所大学和研究机构的一个研究小组致力于解决这一特定问题。他们希望开发出一种方法，能够即使在喷淋器和风机运行时，也能利用这些光纤传感器的温度读数，准确预测呼吸高度处的危险状况。为此，他们并没有依赖现实世界中的火灾，因为现实火灾过于危险且难以在受控环境下进行研究。相反，他们利用先进的计算机模拟构建了一个庞大的火灾场景数字库。他们模拟了各种规模的商业空间，从小型店铺到大型中庭，并模拟了不同强度的火灾。随后，他们针对每个场景进行了三次模拟：一次在没有安全系统的情况下，一次仅有喷淋系统，一次仅有排烟系统，以及最后一次两者协同工作的场景。这使他们能够准确观察到安全系统是如何改变温度和空气成分的。

研究人员发现，安全系统产生了深远且可衡药量的影响。当仅有喷淋系统启动时，呼吸高度处的平均温度比不受控的火灾降低了30摄氏度以上。当仅使用排烟风机时，温度下降了约10度。但当两个系统同时工作时，呼吸高度处的温度骤降了近60度。这种巨大的冷却效应意味着，基于天花板温度来推测空气质量的旧规则不再适用。如果在活跃火灾期间仍使用旧规则，系统会显著高估危险程度，或者完全误判实际情况。数据表明，水流和气流已经彻底改写了天花板热量与呼吸高度处空气之间的关系。

为了解决这个问题，团队转向了机器学习——一种能从数据中学习模式的计算机智能技术。他们训练了几个不同的计算机模型来充当“翻译官”。目标是利用天花板上光纤传感器的原始温度数据，结合房间大小和火灾强度信息，输出经过修正的、准确的呼吸高度温度。他们测试了四种不同类型的学习算法。其中一种——图神经网络，被证明是最有效的。这种特定的模型特别擅长理解传感器的空间布局，能够识别天花板上某一点的温度如何与相邻点相关联，以及喷淋器的水如何比风机的空气更具差异性地冷却特定区域。

在获得用于修正温度的最佳模型后，研究人员利用它来预测其他危险因素。由于热量、烟雾和气体在物理上是相互关联的，了解真实的温度就能让计算机估算出二氧化碳含量、剩余氧气量、烟雾密度以及能见度。结果令人瞩目。在应用修正之前，计算机对二氧化碳水平的预测误差接近14%。应用了新的温度修正后，误差降至不到5%。对于对寻找出口至关重要的能见度，误差率从接近8%降至仅3%以下。该模型甚至能在由活跃安全系统造成的混乱环境中，准确预测烟雾密度和剩余氧气量。

研究人员随后测试了这种新方法是否适用于从未见过的建筑。他们将模型应用于小型零售店、高大中庭和大型商业大厅的数字模拟中，而这些建筑都不在原始训练数据之内。该模型在各种不同形状和规模的建筑中表现得异常出色。它在预测危险状况方面保持了极高的准确性，证明该方法不仅是针对某个特定房间的解决方案，而是一个能够适应现代商业建筑多样化结构的稳健工具。这表明，在真实的紧急情况下，单根光纤电缆就能提供一个完整的、实时的呼吸高度安全状况图景，即便是在喷淋器喷水和风机轰鸣的过程中。

这项工作的意义在于它如何提升大型公共空间的安全性。目前，消防系统旨在检测火灾并触发警报，但通常不会提供人体逃生高度处的详细实时危险状况图。这种新方法提供了一种途径，可以利用现有的用于温度监测的传感器来生成该地图。通过修正数据以考虑主动安全系统的作用，建筑管理者和消防员可以潜在地看到空气在何处变得有毒、氧气在何处耗尽，以及烟雾在何处阻挡了视线。这些信息可以用来引导人们远离危险并走向安全出口，或者帮助消防员了解他们正在进入的环境。尽管这项研究完全是通过计算机模拟进行的，但其结果为开发新一代火灾监测提供了坚实的基础——这种监测将足够聪明，能够理解那些旨在拯救生命的系统本身。