СПОСОБ ОБНАРУЖЕНИЯ В ПОМЕЩЕНИИ ВОЗГОРАНИЙ, ОПРЕДЕЛЕНИЯ ТИПА ГОРЮЧЕГО МАТЕРИАЛА, ПРИЧИНЫ ЕГО ВОЗГОРАНИЯ И ВЫРАБОТКИ РЕКОМЕНДАЦИЙ ПО ТУШЕНИЮ Российский патент 2024 года по МПК G08B17/00 

Изобретение относится к противопожарной технике, а именно к способам раннего обнаружения возгораний в помещениях, и предназначено для раннего обнаружения возгораний, прогнозирования типа вовлеченного в процесс горения материала, причины возгорания, а также выработки рекомендаций по тушению материала.

Известен способ автоматического координатного обнаружения очагов возгораний [RU 2768570 C1, МПК A62C 3/00 (2006.01), G01V 8/00 (2006.01), опубл. 24.03.2022], в котором по цифровому интерфейсу считывают информацию с каждого извещателя на автоматизированное рабочее место оператора и посредством программного обеспечения компьютера рассчитывают двухмерные координаты положения очагов пожара. С использованием программного обеспечения компьютера на автоматизированном рабочем месте оператора выполняют расчет границ зоны положения очага возгорания и координаты геометрического центра данной зоны (координаты положения очага пожара), осуществляют графическое отображение вероятной зоны очага возгорания и рассчитанных числовых значений двухмерных координат геометрического центра данной зоны в режиме реального времени.

Однако способ не позволяет определить тип вовлеченного в процесс горения материала, а также не предусматривает выдачу рекомендаций по тушению пожара.

Известен способ обнаружения на судах возгораний на ранней стадии, прогноза распространения пожара, выработки рекомендаций вахтенной службе и аварийным партиям по действиям в сложившейся обстановке [RU 137808 U1, МПК G08B 17/00 (2006.01), опубл. 27.02.2014], взятый за прототип. Способ предназначен для выявления условий, при которых возгорание потенциально возможно, прогнозирования результатов возгорания и хода развития пожара, выработки опережающих рекомендаций вахтенной службе, обеспечивающих предупреждение и минимизацию ущерба от пожара, выработки рекомендаций аварийным партиям по действию в сложившейся обстановке.

Однако не предусмотрена выработка рекомендаций по тушению очага возгорания, а именно по типу огнетушащего состава, длительности его подачи и плотности орошения очага. Также не предусмотрена идентификация типа вовлечённого в процесс горения материла, позволяющая сократить время обнаружения возгорания.

Техническим результатом предложенного изобретения является создание способа обнаружения в помещении возгораний, при котором определяют тип горючего материала, тип возгорания и формируют рекомендации по тушению.

Предложенный способ обнаружения в помещении возгораний, при котором определяют тип горючего материала, тип возгорания и формируют рекомендации по тушению, так же как прототипе, включает обнаружение возгораний на ранней стадии, выработку рекомендаций по действиям в сложившейся обстановке с учетом данных от извещателей пожарных, сохранение информации и её визуализацию.

Согласно изобретению в режиме реального времени данные от извещателей пожарных тепловых, дымовых проводных, пламени, дымовых автономных, извещателя пожарного дымового линейного, датчика кислорода, датчика оксида углерода, датчика диоксида углерода передают на входы прибора приемно-контрольного охранно-пожарного, с выхода которого передают в модуль аналогового и дискретного ввода, и далее через преобразователь интерфейсов на персональный компьютер, где их сохраняют и считывают с интервалом в 2 секунды с помощью нейронной сети, предварительно обученной с использованием экспериментальных данных, полученных внутри тестового стенда с типичными потенциально горючими материалами. На основе считанных данных формируют список сработавших извещателей пожарных и датчиков и для каждого из них фиксируют время срабатывания относительно первого сработавшего извещателя пожарного или датчика. При этом время срабатывания первого извещателя пожарного или датчика принимают равным нулю. Затем, сравнивая список сработавших извещателей пожарных и датчиков и время их срабатывания с теми данными, на которых обучена нейронная сеть, идентифицируют тип горючего материала. Причину возгорания определяют по первому сработавшему извещателю пожарному или датчику. Если первым сработал извещатель пламени, то фиксируют причину возгорания, соответствующую открытому пламени, а в других случаях фиксируют причину возгорания, соответствующую нерегламентированному нагреву материала. В случае возникновения возгорания, соответствующего открытому пламени, для тушения древесины рекомендуют использовать 5% эмульсию пенообразователя с расходом 1,548 л/м² и длительностью распыления 36 секунд. Для тушения линолеума рекомендуют использовать воду с расходом 0,195 л/м² и длительностью распыления 5 секунд. Для тушения картона рекомендуют использовать 5% эмульсию пенообразователя с расходом 1,935 л/м² и длительностью распыления 45 секунд. В случае возникновения возгорания, соответствующего нерегламентированному нагреву материала без появления пламени, для тушения древесины рекомендуют использовать воду с расходом 6 л/м² и длительностью распыления 15 секунд. Для тушения линолеума рекомендуют использовать воду с расходом 6 л/м² и длительностью распыления 15 секунд. Для тушения картона рекомендуют использовать 10% раствор бишофита с расходом 1,985 л/м² и длительностью распыления 60 секунд.

Таким образом, используя заранее обученную путем обработки больших наборов экспериментальных данных нейронную сеть, сравнивают данные, полученные расположенными в помещении пожарными извещателями и датчиками, с данными, выгруженными из статистической базы. На основе сравнения осуществляют выбор группы данных, содержащих близкое совпадение. По наиболее близкому совпадению, выраженному в процентах, идентифицируют тип материала и причину возгорания. Руководствуясь полученными данными, выдают соответствующие возгоранию рекомендации по тушению: время тушения, тип тушащего состава, его расход. Это позволяет быстрее оценить пожарную опасность в помещении и выработать стратегию по тушению очага пожара.

На фиг. 1 представлена структурно-функциональная схема комплекса технических средств для осуществления предложенного способа обнаружения возгораний в помещении.

На фиг. 2 показано время тушения модельных очагов пожара с использованием различных огнетушащих составов при воспроизведении случая неосторожного обращения с огнем.

На фиг. 3 показано время тушения модельных очагов пожара с использованием различных огнетушащих составов при воспроизведении случая нарушения правил эксплуатации нагревательного оборудования.

На фиг. 4 приведена плотность орошения, необходимая и достаточная для тушения модельных очагов с использованием разных огнетушащих составов при воспроизведении случая неосторожного обращения с огнем.

На фиг. 5 приведена плотность орошения, необходимая и достаточная для тушения модельных очагов с использованием разных огнетушащих составов при воспроизведении случая нарушения правил эксплуатации нагревательного оборудования.

На фиг. 6 показана выгрузка данных из базы экспериментов в формате CSV.

На фиг. 7 показан пример структуры отображения данных в пользовательском интерфейсе.

В табл. 1 приведена структура отображения рекомендаций по тушению очага пожара в помещении.

Для осуществления предложенного способа обнаружения возгораний в помещении в каждом контролируемом помещении согласно фиг. 1 размещают два извещателя пожарных тепловых 1 (ИПТ 1) и 2 (ИПТ 2), два извещателя пожарных дымовых проводных 3 (ИПДП 1) и 4 (ИПДП 2), два извещателя пожарных пламени 5 (ИПП 1) и 6 (ИПП 2), извещатель пожарный дымовой линейный 7 (ИПДЛ), два извещателя пожарных дымовых автономных 8 (ИПДА 1) и 9 (ИПДА 2), датчик кислорода 10 (ДК), датчик оксида углерода 11 (ДОУ), датчик диоксида углерода 12 (ДДУ), которые по линии связи подключены к прибору приемно-контрольному охранно-пожарному 13 (ППКОП), который через модуль аналогового и дискретного ввода 14 (МАДВ) и далее через преобразователь интерфейсов 15 (ПИ) подключен к персональному компьютеру 16 (ПК), с установленными на нем программным обеспечением для опроса датчиков, предварительно обученной нейронной сетью и программным модулем пользовательского интерфейса.

В качестве персонального компьютера 16 (ПК) может быть использован персональный компьютер с MS Windows 10. Нейронная сеть представляет собой набор исполняемых сценариев, реализованных на языке программирования Python с использованием библиотек keras, tensorflow и scikit-learn. Программный модуль пользовательского интерфейса представляет собой набор исполняемых сценариев, реализованных на языке программирования JavaScript с использованием библиотеки Vue.js.

В качестве извещателей пожарных тепловых 1 (ИПТ 1) и 2 (ИПТ 2) могут быть использованы извещатели пожарные тепловые «ИП 101-1А-А1» (временная задержка срабатывания при повышении температуры со скоростью 3°C/мин – 580–820 с, при 30°C/мин – 58–100 с; минимальная температура срабатывания – 54–65°С). В качестве извещателей пожарных дымовых проводных 3 (ИПДП 1) и 4 (ИПДП 2) – извещатели пожарные дымовые оптико-электронные точечные «ИП 212-141» (временная задержка срабатывания – 5–9 с; диапазон рабочих температур – 45…+55°С). В качестве извещателей пожарных пламени 5 (ИПП 1) и 6 (ИПП 2) – извещатели пожарные пламени «Пульсар 1-01С» (временная задержка срабатывания – не более 4,5 с; угол обзора – 120°). В качестве извещателя пожарного дымового линейного 7 (ИПДЛ) может быть использован извещатель пожарный дымовой линейный «ИПДЛ-52СМД» (диапазон рабочих температур – 30…+55°С). В качестве извещателей пожарных дымовых автономных 8 (ИПДА 1) и 9 (ИПДА 2) – извещатели пожарные дымовые автономные «ИП 212-63А» (временная задержка срабатывания – 5–7 с; диапазон рабочих температур – 10…+55°С). Датчик кислорода 10 (ДК) – газоанализатор Сенсон-СВ-5023 с электрохимическим типом сенсора и диапазоном измерения 0,1–30%. Датчик оксида углерода 11 (ДОУ) – газоанализатор Сенсон-СВ-5023 с электрохимическим типом сенсора и диапазоном измерения 0,1–300 мг/м³. Датчик диоксида углерода 12 (ДДУ) – газоанализатор Сенсон-СВ-5023 с оптическим типом сенсора и диапазон измерения 0,01–5%. В качестве модуля аналогового и дискретного ввода 14 (МАДВ) может быть использован модуль аналогового и дискретного ввода «ОВЕН МВ110-8А». Прибор приемно-контрольный охранно-пожарный 13 (ППКОП) – прибор приемно-контрольный охранно-пожарный «Контакт 16GSM». Преобразователь интерфейсов 15 (ПИ) – преобразователь интерфейсов RS-485 – USB «АС4».

Предварительно обучают нейронную сеть. Для получения экспериментальных данных используют тестовый экспериментальный стенд размерами 1,5×1×1,25 м, во внутренней полости которого в верхней части размещают извещатели пожарные тепловые 1 (ИПТ 1) и 2 (ИПТ 2), извещатели пожарные дымовые проводные 3 (ИПДП 1) и 4 (ИПДП 2), извещатели пожарные пламени 5 (ИПП 1) и 6 (ИПП 2), извещатель пожарный дымовой линейный 7 (ИПДЛ), извещатели пожарные дымовые автономные 8 (ИПДА 1) и 9 (ИПДА 2), датчик кислорода 10 (ДК), датчик оксида углерода 11 (ДОУ), датчик диоксида углерода 12 (ДДУ). При выполнении каждого отдельного эксперимента выполняют следующую последовательность действий. На первом этапе регистрируют характеристики свободного горения материала без его тушения. Для этого модельные очаги из древесины, картона и линолеума по отдельности устанавливают внутри тестового экспериментального стенда. Инициируют наиболее вероятные причины возгорания в помещении: неосторожное обращение с огнем (например, открытый огонь, свечи, спички) и нарушение правил эксплуатации нагревательного оборудования (например, эксплуатация неисправных печей и электроприборов, оставленный без наблюдения утюг и прочие электроприборы, подключенные к сети). Перечисленные причины возгорания приводят к возникновению двух типов возгорания: возгорание, соответствующее возникновению открытого пламени и возгорание, соответствующее нерегламентированному нагреву материала (без появления пламени, тление).

Одновременно осуществляют запуск всех извещателей пожарных и датчиков. Данные от извещателей пожарных и датчиков передают на входы прибора приемно-контрольного охранно-пожарного 13 (ППКОП) и далее в модуль аналогового и дискретного ввода 14 (МАДВ). После этого через преобразователь интерфейсов 15 (ПИ) данные передают на персональный компьютер 16 (ПК), где с использованием программного обеспечения Owen Process Manager записывают показания со всех извещателей пожарных и датчиков в файл с расширением opr, представляющий собой базу данных в формате Microsoft Access. Измерения проводят в течение 15 минут. Для каждого материала и причины возгорания проводят не менее 100 экспериментов. С использованием персонального компьютера 16 (ПК) определяют типы сработавших извещателей пожарных и датчиков и время их срабатывания.

На втором этапе изучают особенности тушения материалов огнетушащими составами. Тушение материала начинают при срабатывании хотя бы одного извещателя пожарного или датчика. Время срабатывания извещателей пожарных определяют с момента выдачи ими сигнала «Fire Alarm» на вход прибора приемно-контрольного охранно-пожарного 13 (ППКОП). Время срабатывания датчиков определяют по времени достижения концентрациями кислорода, оксида углерода и диоксида углерода пороговых значений. В качестве пороговых значений используют: для оксида углерода – 20 мг/м³; для диоксида углерода – 0,1%; для кислорода – 20,5%. Для тушения материала используют распылительную форсунку ФМТ-100, к которой по трубопроводу под давлением 200 кПа подают огнетушащие составы: или воду, или 5% эмульсию пенообразователя, или 10% раствор бишофита. Концентрации огнетушащих добавок к воде обоснованы практикой пожаротушения. Для каждого материала и огнетушащего состава проводят не менее 100 экспериментов.

Определяют типы сработавших извещателей пожарных и датчиков, время тушения модельных очагов пожара при воспроизведении случаев неосторожного обращения с огнем (фиг. 2) и правил эксплуатации нагревательного оборудования (фиг. 3), плотность орошения и тип тушащего состава необходимые и достаточные для тушения модельных очагов при воспроизведении случая неосторожного обращения с огнем (фиг. 4) и при воспроизведении случая нарушения правил эксплуатации нагревательного оборудования (фиг. 5).

На основе полученных результатов экспериментов формируют рекомендации по тушению материалов в зависимости от типа материала и типа возгорания и систематизируют их в формате, представленном в табл. 1, а также получают базу данных, которую далее используют для обучения нейронной сети. В дальнейшем для работы обученной нейронной сети база экспериментов не требуется. С использованием нейронной сети автоматически генерируют файлы модели нейронной сети в формате TensorFlow. С их использованием вырабатывают рекомендации по тушению материала.

Обученную нейронную сеть используют для определения типа материала, причины возгорания и формирования рекомендаций по тушению в конкретном помещении. Для этого в режиме реального времени данные от всех извещателей пожарных, датчика кислорода 10 (ДК), датчика оксида углерода 11 (ДОУ), датчика диоксида углерода 12 (ДДУ) по линии связи передают на входы прибора приемно-контрольного охранно-пожарного 13 (ППКОП), с дискретных выходов которого передают в модуль аналогового и дискретного ввода 14 (МАДВ) и далее через преобразователь интерфейсов 10 (ПИ) на персональный компьютер 11 (ПК), где с использованием программного обеспечения Owen Process Manager записывают показания с датчиков в файл с расширением opr, представляющий собой базу данных в формате Microsoft Access. С использованием программного модуля нейронной сети считывают данные из opr-файла с интервалом 2 секунды. В программном модуле нейронной сети на основе считанных данных формируют список сработавших извещателей пожарных и датчиков. Для каждого сработавшего извещателя пожарного и датчика в оперативной памяти фиксируют время срабатывания относительно первого сработавшего датчика, при этом время срабатывания первого извещателя пожарного или датчика принимают равным нулю. С использованием программного модуля обученной нейронной сети идентифицируют тип материала, сравнивая список сработавших извещателей пожарных и датчиков и время их срабатывания с теми данными, на которых обучена нейронная сеть. При этом тип возгорания определяют по первому сработавшему извещателю пожарному или датчику. Если первым сработал извещатель пожарный пламени 5 (ИПП 1) или 6 (ИПП 2), фиксируют причину возгорания, соответствующую открытому пламени. В любом другом случае фиксируют причину возгорания, соответствующую нерегламентированному нагреву материала (без появления пламени, тление).

Рекомендации по тушению формируют с использованием программного модуля нейронной сети следующим образом: в случае возникновения возгорания, соответствующего открытому пламени, для тушения древесины рекомендуют использовать 5% эмульсию пенообразователя с расходом 1,548 л/м² (фиг. 4) и длительностью распыления 36 секунд (фиг. 2), для тушения линолеума рекомендуют использовать воду с расходом 0,195 л/м² (фиг. 4) и длительностью распыления 5 секунд (фиг. 2), для тушения картона рекомендуют использовать 5% эмульсию пенообразователя с расходом 1,935 л/м² (фиг. 4) и длительностью распыления 45 секунд (фиг. 2).

В случае возникновения возгорания, соответствующего нерегламентированному нагреву материала без появления пламени, для тушения древесины рекомендуют использовать воду с расходом 6 л/м² (фиг. 5) и длительностью распыления 15 секунд (фиг. 3), для тушения линолеума рекомендуют использовать воду с расходом 6 л/м² (фиг. 5) и длительностью распыления 15 секунд (фиг. 3), для тушения картона рекомендуют использовать 10% раствор бишофита с расходом 1,985 л/м² (фиг. 5) и длительностью распыления 60 секунд (фиг. 3).

После идентификации типа материала и формирования рекомендаций по тушению с использованием программного модуля нейронной сети в программный модуль пользовательского интерфейса по протоколу WebSocket передают статусное сообщение с информацией о типе материала, списке рекомендаций и сработавших пожарных извещателей и датчиков.

В качестве примера из базы экспериментов выполнена выгрузка в формате CSV. На основе этой выгрузки была обучена нейронная сеть. На фиг. 6 приведен фрагмент выгрузки. В реальном времени в качестве входных параметров нейронной сети использовали список с информацией о типе сработавших извещателей пожарных и датчиков и времени их срабатывания в формате, представленном на фиг. 6. Столбцы на фиг. 6 содержат время срабатывания пожарных извещателей и датчиков, зарегистрированные в экспериментах. Каждая из строк выгрузки соответствует отдельному эксперименту, проведенному на тестовом экспериментальном стенде.

Столбцы со временем срабатывания указаны в следующем формате:

out{outputTypeId}_{activationOrder}, где, outputTypeId – идентификатор типа датчика:

out_1 – извещатель пожарный тепловой 1 (ИПТ 1) или 2 (ИПТ 2),

out_2 – извещатель пожарный дымовой проводной 3 (ИПДП 1) или 4 (ИПДП 2),

out_3 – извещатель пламени 5 (ИПП 1) или 6 (ИПП 2),

out_4 – извещатель пожарный дымовой линейный 7 (ИПДЛ),

out_5 – извещатель пожарный дымовой автономный (ИПДА 1) или 9 (ИПДА 2),

out_8 – датчик кислорода 10 (ДК),

out_9 – датчик оксида углерода 11 (ДОУ),

out_10 – датчик диоксида углерода 12 (ДДУ);

activationOrder – очередность срабатывания извещателей пожарных и датчиков 7–9. Например, out3_1 обозначает первый сработавший извещатель с outputTypeId = 3 (извещатель пламени 5 (ИПП 1)), а out3_2 – второй сработавший извещатель пожарный пламени 6 (ИПП 2).

Значения в столбцах out{outputTypeId}_{activationOrder} содержат время срабатывания соответствующих извещателей пожарных и датчиков (в секундах). Время срабатывания отсчитывали от первого сработавшего датчика. Для первого сработавшего извещателя пожарного или датчика время срабатывания считали равным нулю. Значение -999 обозначает то, что извещатель пожарный или датчик не сработал.

В столбце combust_src_id указан тип возгорания:

1 – нерегламентированный нагрев материала;

2 – открытое пламя.

В столбце fuel_id указан тип материала:

1 – древесина;

2 – бумага;

3 – картон;

4 – линолеум.

Например, в режиме реального времени по набору сработавших извещателей пожарных и датчиков формировали входные данные для нейронной сети:

{'out1_1': -999, 'out1_2': -999, 'out2_1': 9, 'out2_2': 43, 'out3_1': 93, 'out3_2': 96, 'out4_1': 50, 'out5_1': 0, 'out5_2': 11, 'out8_1': -999, 'out9_1': -999, 'out10_1': -999}.

Определили, что первым сработал извещатель пожарный дымовой автономный 8 (ИПДА 1), после этого через 9 секунд – извещатель пожарный дымовой проводной 3 (ИПДП 1), далее через 11 секунд – второй извещатель пожарный дымовой автономный 9 (ИПДА 2), затем через 43 секунды – второй извещатель пожарный дымовой проводной 4 (ИПДП 2), через 50 секунд – извещатель пожарный дымовой линейный 7 (ИПДЛ), и последними через 93 и 96 секунд сработали извещатели пламени 5 (ИПП 1) и 6 (ИПП 2). С использованием программного модуля нейронной сети определили наиболее вероятный результат для передаваемых входных данных. Например, входные данные, представленные в виде {'out1_1': -999, 'out1_2': -999, 'out2_1': 9, 'out2_2': 43, 'out3_1': 93, 'out3_2': 96, 'out4_1': 50, 'out5_1': 0, 'out5_2': 11, 'out8_1': -999, 'out9_1': -999, 'out10_1': -999}, соответствуют горению линолеума и типу возгорания, соответствующему нерегламентированному нагреву материала (тление). В этом случае с использованием предварительно сформированной по результатам экспериментов табл. 1 выбирали рекомендации по тушению. Полученные данные отправили в программный модуль пользовательского интерфейса (фиг. 7).

Использование предложенного способа обнаружения в помещении возгораний, при котором определяют тип горючего материала, тип возгорания и формируют рекомендации по тушению, позволило с вероятностью 94 % идентифицировать материал – линолеум и определить минимально необходимые время тушения, равное 15 секундам, и расход тушащего состава, равный 6 л/м². Согласно СП 485.1311500.2020 для первой и второй групп помещений установлена интенсивность орошения очага пожара водой в диапазоне 0,08–0,12 л/(м²⋅с). Регламентированное время тушения – не менее 30–60 минут. Максимальный удельный объем воды на единицу площади очага пожара при таких параметрах тушения составляет 144–432 л/м². Таким образом, снижаются расход воды на тушение и убытки, вызванные чрезмерным заливанием площади помещений огнетушащими составами.

Изобретение относится к противопожарной технике. Технический результат заключается в точности обнаружения возгораний и определении типа горючего материала. Технический результат достигается за счет того, что передают в режиме реального времени данные от извещателей пожарных тепловых, дымовых проводных, пламени, дымовых автономных, извещателя пожарного дымового линейного, датчика кислорода, датчика оксида углерода, датчика диоксида углерода на входы прибора приемно-контрольного охранно-пожарного на персональный компьютер, где их сохраняют и считывают с интервалом в 2 секунды с помощью нейронной сети, предварительно обученной с использованием экспериментальных данных, полученных внутри тестового стенда с типичными потенциально горючими материалами. На основе считанных данных формируют список сработавших извещателей пожарных и датчиков и для каждого из них фиксируют время срабатывания относительно первого сработавшего извещателя пожарного или датчика. При этом время срабатывания первого извещателя пожарного или датчика принимают равным нулю. Затем, сравнивая список сработавших извещателей пожарных и датчиков и время их срабатывания с теми данными, на которых обучена нейронная сеть, идентифицируют тип горючего материала. 7 ил., 1 табл.

Способ обнаружения возгораний в помещении, при котором определяют тип горючего материала, тип возгорания и формируют рекомендации по тушению, включающий обнаружение возгораний на ранней стадии, выработку рекомендаций по действиям в сложившейся обстановке с учетом данных от извещателей пожарных, сохранение информации и её визуализацию, отличающийся тем, что в режиме реального времени данные от извещателей пожарных тепловых, дымовых проводных, пламени, дымовых автономных, извещателя пожарного дымового линейного, датчика кислорода, датчика оксида углерода, датчика диоксида углерода передают на входы прибора приемно-контрольного охранно-пожарного, с выхода которого передают в модуль аналогового и дискретного ввода и далее через преобразователь интерфейсов на персональный компьютер, где их сохраняют и считывают с интервалом в 2 секунды с помощью нейронной сети, предварительно обученной с использованием экспериментальных данных, полученных внутри тестового стенда с типичными потенциально горючими материалами, на основе считанных данных формируют список сработавших извещателей пожарных и датчиков и для каждого из них фиксируют время срабатывания относительно первого сработавшего извещателя пожарного или датчика, при этом время срабатывания первого извещателя пожарного или датчика принимают равным нулю, затем, сравнивая список сработавших извещателей пожарных и датчиков и время их срабатывания с теми данными, на которых обучена нейронная сеть, идентифицируют тип горючего материала, а причину возгорания определяют по первому сработавшему извещателю пожарному или датчику, при этом если первым сработал извещатель пламени, то фиксируют причину возгорания, соответствующую открытому пламени, а в других случаях фиксируют причину возгорания, соответствующую нерегламентированному нагреву материала, причем в случае возникновения возгорания, соответствующего открытому пламени, для тушения древесины рекомендуют использовать 5% эмульсию пенообразователя с расходом 1,548 л/м² и длительностью распыления 36 секунд, для тушения линолеума рекомендуют использовать воду с расходом 0,195 л/м² и длительностью распыления 5 секунд, для тушения картона рекомендуют использовать 5% эмульсию пенообразователя с расходом 1,935 л/м² и длительностью распыления 45 секунд; в случае возникновения возгорания, соответствующего нерегламентированному нагреву материала без появления пламени, для тушения древесины рекомендуют использовать воду с расходом 6 л/м² и длительностью распыления 15 секунд, для тушения линолеума рекомендуют использовать воду с расходом 6 л/м² и длительностью распыления 15 секунд, для тушения картона рекомендуют использовать 10% раствор бишофита с расходом 1,985 л/м² и длительностью распыления 60 секунд.