消防火灾自动报警器由于人为和外部环境等因素的影响,而造成大量的误报,这不但会导致消防人力和物力的浪费,还会降低人们对火警的紧迫感和危机感。因此,如何避免在值班人员管理系统中出现大量的火警误报就变得非常重要。普通的单一传感器具有不确定性和局限性的缺点,而基于多传感器的信息融合技术具有算法复杂度大,信息处理效率低的缺点。为解决以上问题,本文提出了基于BP神经网络的探测器空间分布算法。具体的研究内容包括如下:(1)分析火灾起火过程中的各种物理信号量,提出将烟雾信号、温度信号、火焰信号进行结合综合判断火警的方案,更有利于减少误报。(2)验证不同类型的火灾探测器的空间正相关性;通过剪枝算法挖掘火灾探测器的空间关联规则,得出火灾探测器的类型关联规则、数量关联规则和位置关联规则。(3)依据火灾探测器空间关联规则,提出基于BP神经网络的探测器空间布局优化算法,用于简化误报算法的复杂度,减少误报判断时间。通过以上研究内容进行有效实践:(1)建立消防报警信息数据库,提供报警探测器编码地址、空间位置、报警时刻、报警真伪等信息,作为误报分析和研究的大数据。(2)将火灾智能分析算法应用于值班人员管理系统中,并对运行结果进行分析。综上,通过理论分析和实践较好地解决了火警误报问题。但还存在不足之处,如建筑物密集处,探测器的空间位置关系相对复杂,需要通过更精确的建模来解决。