Research and design of a system for early fire detection using machine learning on indoor laboratory data
Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Tran Thao Chi |
| Người hướng dẫn | Ha Manh Hung; VNU - International School |
| Cơ sở đào tạo | Đại học Quốc gia Hà Nội |
| Năm | 2024 |
| Nguồn | Thư viện số Đại học Quốc gia Hà Nội · trang gốc |
Tóm tắt
This thesis presents the research, design, and development of an early fire detection system leveraging machine learning algorithms on indoor laboratory data. With a focus on enhancing fire safety, this work addresses the critical need for timely fire detection to mitigate property damage and loss of life. The proposed system integrates multiple sensors, including temperature, humidity, and gas sensors, to gather comprehensive environmental data. Controlled fire experiments were conducted to collect a robust dataset for the training and evaluation of machine learning models. Two primary algorithms, the Support Vector Machine (SVM) and Artificial Neural Network (ANN) were assessed for their effectiveness in predicting fire events. The ANN model demonstrated an accuracy of 87%, making it a viable option for practical fire forecasting applications. The SVM, particularly when combined with Principal Component Analysis (PCA), showed potential for commercial applications due to its enhanced performance with PCA. The findings highlight the importance of sensor selection and fusion in building an effective fire detection system. The contributions of this thesis include a practical technique for early fire forecasting using ANN, recommendations for sensor configurations, and insights into the performance of SVM and ANN models. This research lays the groundwork for future advancements in fire detection technology, aiming to improve safety and response times in home environments.
Early fire detectionArtificial Neural NetworksMachine learningSensor dataPrincipal Component AnalysisSupport Vector Machines
Bản toàn văn lưu tại thư viện Đại học Quốc gia Hà Nội
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Thành lập bản đồ địa chính xã Quỳnh Vinh, Thị xã Hoàng Mai, Tỉnh Nghệ An từ số liệu đo đạc trực tiếp bằng phần mềm Microstation và Famis
- Thiết kế, lập trình gia công khuôn đúc cho chi tiết tay nắm cầm mở cửa trên xe Uoát
- Ứng dụng phần mềm Microstation V8 và Gcadas thành lập bản đồ hiện trạng sử dụng đất từ bản đồ địa chính số phường Tào Xuyên, thành phố Thanh Hóa, tỉnh Thanh Hóa
- Thành lập bản đồ hiện trạng sử dụng đất từ bản đồ địa chính cho xã Thống Nhất, huyện Hoành Bồ, Tỉnh Quảng Ninh bằng phần mềm Microstation
- Nghiên cứu Phần mềm catia ứng dụng trong thiết kế và gia công khuôn nhựa trên máy CNC
- Ứng dụng ảnh máy bay và hệ thống thông tin địa lý (GIS) để theo dõi biến động thảm thực vật và sử dụng đất khu vực Xuân Mai và Lương Sơn
- Ứng dụng hệ thống thông tin địa lý (GIS) trong theo dõi, đánh giá biến động hiện trạng sử dụng đất giai đoạn 2001- 2006 tại xã Vĩnh Chấp, huyện Vĩnh Linh, tỉnh Quảng Trị
- Ứng dụng phương pháp phân tích đa tiêu chuẩn (Multi Criteria Analysis = MCA) với sự trợ giúp của phần mềm SPSS để lựa chọn tập đoàn cây trồng cảnh quan đường phố cho thành phố Hải Dương
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.