摘要：火灾是一种严重危害人们一种自然灾害过程，因此，我们必须要对火情有提前的预知，以达到最小的损失程度。本论文研究的重点就是如何实现对火灾的提前预警功能，以满足我们当今社会的需求。在文章中，我们利用了BP神经网络技术模糊推理技术相结合的方法，通过决策级来判断输出结果；同时，提出火灾保护等级的概念来作为决策层的一个间接依据，
将火灾燃烧的持续时间及特征层得出的明火、阴燃火概率作为直接判据，进行决策层的模糊推理，最终将火灾报警分为四个等级进行决策输出，提高了火灾探测系统的准确性。
关键词：火灾探测；BP神经网络；模糊逻辑推理；决策层
1 引言
随着我们的生活水平的提高，人们越来越注重对环境的舒适度，以便我们能更安心的居住在我们自己的住宅。因此，对火灾的探测也越来越收到我们的关注。火灾探测系统主要是由传感器、数据采集与处理系统组成,火灾探测传感器主要有温度传感器、烟雾传感器、CO传感器以及火焰传感器等多种形式。但在以前的探测系统中，采用的是单一的传感器，时常出现误报的情况，故随着技术的发展，目前火灾探测器的智能化是火灾探测报警系统的一个很重要的研究方向[1]。
本文提出了以BP神经网络和模糊逻辑推理技术的火灾探测系统，将四种传感器采集的信息经过预处理，作为BP神经网络的输入信号；BP神经网络将输入的信息进行训练学习，其输出为明火、无火、阴燃火的概率；之后利用模糊逻辑推理技术以及其判断规则得出本文所要求的火灾发生概率。2 火灾探测系统的数据融合系统
本文利用的是多传感器数据融合[2]系统来进行的，在融合过程中，将其分为三个层次来完成的，即信息层的融合、特征层的融合以及决策层的融合。
2.1信息层实现
本文采用了4种传感器来实现对火灾的探测，即：温度传感器、CO传感器、红外线传感器以及烟雾传感器。在不同的环境下多个传感器所探测到的数据有着很大的不确定性；在本文中，我们选取一些典型的数据[3 4 5]作为我们此次训练的样本集。本文中信息预处理采用归一化方法，使其范围在0～1之间。
作者：丁承君 赵泽羽