基于CNN-LSTM与注意力机制的分布式光纤感温火灾探测算法

本发明公开了基于CNN‑LSTM与注意力机制的分布式光纤感温火灾探测算法，旨在解决传统探测技术中误报率高、响应滞后及场景适应性差的问题。该系统通过分布式光纤传感单元以2秒间隔、0.5米空间分辨率采集温度数据，经Z‑Score标准化、db4小波降噪及12维特征增强预处理后，输入CNN‑LSTM混合模型提取时空特征，结合注意力机制聚焦关键区域与时刻，输出0‑100的火灾风险指数。模型训练采用迁移学习与Focal Loss函数，实现跨场景快速适配与样本不平衡处理，每30天通过增量学习更新参数。实践表明，该方法较传统阈值法误报率降低80％以上，对阴燃火灾预警提前25秒，可广泛应用于隧道、变电站、综合管廊等复杂场景的消防安全监测。