DOI QR코드

DOI QR Code

Recognition of Fire Levels based on Fuzzy Inference System using by FCM

Fuzzy Clustering 기반의 화재 상황 인식 모델

  • Received : 2010.12.16
  • Accepted : 2011.02.11
  • Published : 2011.02.28

Abstract

Fire monitoring system detects a fire based on the values of various sensors, such as smoke, CO, temperature, or change of temperature. It detects a fire by comparing sensed values with predefined threshold values for each sensor. However, to prevent a fire it is required to predict a situation which has a possibility of fire occurrence. In this work, we propose a fire recognition system using a fuzzy inference method. The rule base is constructed as a combination of fuzzy variables derived from various sensed values. In addition, in order to solve generalization and formalization problems of rule base construction from expert knowledge, we analyze features of fire patterns. The constructed rule base results in an improvement of the recognition accuracy. A fire possibility is predicted as one of 3 levels(normal, caution, danger). The training data of each level is converted to fuzzy rules by FCM(fuzzy C-means clustering) and those rules are used in the inference engine. The performance of the proposed approach is evaluated by using forest fire data from the UCI repository.

기존의 화재 감시 시스템은 보통 연기, CO 혹은 온도나 온도의 변화량을 가지고 화재여부를 판단하였다. 대부분 각각의 센서에서 측정된 값을 미리 설정한 값과 비교하여 기준을 넘었을 경우에 화재라고 결정한다. 그러나 화재 가능성이 있는 상황도 정확히 예측하는 것이 화재를 예방하기 위해 요구된다. 본 연구에서는 여러 인자들 간의 조합에 의한 규칙을 생성하고, 불명확한 데이터 처리가 가능한 퍼지추론을 사용하여 화재상황을 인식하는 방식을 제안한다. 또한 퍼지추론 방식에서 지식의 일반화, 형식화의 문제점을 해결하기 위해, 화재의 특정 패턴들의 특징을 찾아서 분석하고 규칙베이스를 구축함으로써 시스템의 성능을 더욱 향상 시킨다. 화재의 레벨을 3단계(정상, 주의, 위험)로 나누고, 각 단계별로 훈련데이터를 FCM(fuzzy C-means clustering)에 의해 규칙화 하여 추론하는 시스템을 제안한다. 제안된 방식을 UCI의 삼림화재 데이터를 이용하여 성능을 평가한다.

Keywords

References

  1. Gyu-Jin Jang, Jin-Pyung Kim, Moon-Hyun Kim, Jae-Yong Jung, Tae-Ki Ahn, "Recognition of fire levels using fuzzy reasoning", International Conference Industrial Mechatronics and Automation(ICIMA2010), pp.557-560, May 2010
  2. 홍성호, 김두현, 김상철,"열과 연기농도를 입력변수로 갖는 퍼지로직을 이용한 화재감지시스템",한국화재소방학회 논문지, 제18권, 제4호, 42-51쪽, 2004.
  3. Zadeh, L.A.," The concept of a linguistic variable and its applications to approximate reasoning", part II, Information Sciences, vol.8, pp 301-357.,1975
  4. Bezdec, J.C., Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, New York, 1981.
  5. Chiu, S., "Fuzzy Model Identification Based on Cluster Estimation," Journal of Intelligent & Fuzzy Systems, Vol. 2, No. 3, Spet. 1994.
  6. Soon H. Kwon, Haiyoung Lee, Ick Choy,"A Cluster Validity Index for Fuzzy Clustering", 한국퍼지 및 지능 시스템학회 논문지, 제9권, 제6호, pp. 621-626, 1999
  7. Rui Xu, Wunsch, D.," Survey of clustering algorithms", Neural Networks, IEEE Transactions on, vol. 16(3), 2005.
  8. Mathworks. MATLAB Fuzzy Logic Tool box 2.1 Manual, 2nd edition, 2000.