预测消防员在城市消防行动中受伤和陷入困境:对修改火灾时间阶段和机器学习的有效性进行调查
Mohammad Mahdi Barati Jozan1,2, Hamed Khosravi3, Aynaz Lotfata4
1Department of Medical Informatics, School of Medicine Mashhad University of Medical Sciences Mashhad Iran.
Health science reports
|March 5, 2025
概括
机器学习模型准确地预测城市火灾期间的消防员受伤和陷入困境. 这项技术通过为应急人员提供早期风险评估来提高安全性.
科学领域:
- 消防安全工程 消防安全工程
- 计算风险评估计算风险评估
- 应急响应管理 应急反应管理
背景情况:
- 城市火灾对财产和生命构成重大风险.
- 在紧急响应行动中,消防员的安全至关重要.
- 预测消防员受伤和陷入困境对于有效的事件管理至关重要.
研究的目的:
- 开发城市火灾期间消防员受伤和陷入困境的预测模型.
- 在这个预测任务中评估机器学习算法的有效性.
- 为了在最初的灭火行动之前或期间提前识别风险.
主要方法:
- 八个机器学习算法的比较.
- 使用来自消防部门运营和管理系统 (FOMS) 的数据.
- 模型通过五个阶段进行了评估,包括内置的FOMS功能用于特征计算.
主要成果:
- 多层感知器实现了96.7%的消防员伤害预测准确度.
- 内核天真贝叶斯实现了96.0%的预测准确度,用于消防员陷.
- 这两种算法都在预测关键消防员安全事件方面表现出高效.
结论:
- 开发的机器学习模型可以显著减少消防员受伤和陷入困境.
- 早期预测风险因素有助于城市消防决策者.
- 增强的情境意识提高了紧急人员的安全结果.


