"Tödliche Rückstöße vorhersagen": NIST arbeitet an einer Anwendung für maschinelles Lernen, die Feuerwehrleuten helfen soll, gefährliche Situationen zu vermeiden
Vielen Dank, dass Sie sich für Automatic Translation entschieden haben. Derzeit bieten wir Übersetzungen aus dem Englischen ins Französische und Deutsche an, weitere Sprachen werden in naher Zukunft hinzukommen. Bitte beachten Sie, dass diese Übersetzungen von einem KI-Softwaredienst eines Drittanbieters erstellt werden. Wir haben festgestellt, dass die Übersetzungen größtenteils korrekt sind, aber nicht in jedem Fall perfekt. Um sicherzustellen, dass die Informationen, die Sie lesen, korrekt sind, lesen Sie bitte den Originalartikel auf Englisch. Wenn Sie einen Fehler in einer Übersetzung finden, auf den Sie uns aufmerksam machen möchten, wäre es sehr hilfreich, wenn Sie uns dies mitteilen würden. Wir können jeden Text oder Abschnitt korrigieren, sobald wir davon Kenntnis haben. Bitte zögern Sie nicht, unseren Webmaster zu kontaktieren, um uns auf Übersetzungsfehler hinzuweisen.
Forscher des NIST arbeiten an einem auf maschinellem Lernen basierenden Modell, das Feuerwehrleuten dabei helfen soll, gefährliche Ereignisse im Zusammenhang mit dem Brandverhalten bei Bränden in geschlossenen Räumen, einschließlich Backdrafts, vorherzusagen und zu vermeiden.
FireEngineering.com berichtete darüber in einem Artikel vom 17. Oktober, in dem behauptet wird, dass Forscher des US-amerikanischen National Institute of Standards and Technology (NIST ) einen neuen Plan haben, wie Feuerwehrleute darüber informiert werden können, welche Gefahren hinter den geschlossenen Türen oder einem potenziell unterbelüfteten Feuer lauern.
In dem Artikel heißt es: "Gegenwärtig suchen Feuerwehrleute nach visuellen Indikatoren für einen möglichen Rückzug, darunter rußverschmierte Fenster, Rauch, der durch kleine Öffnungen dringt, und das Fehlen von Flammen. Wenn diese Anzeichen vorhanden sind, können sie den Raum belüften, indem sie Löcher in die Decke schlagen, um das Risiko zu verringern.
Die "Kunst, das Feuer zu lesen" ist jedoch nicht immer eine exakte Wissenschaft. Es ist auch keine Garantie, dass sie immer an Feuerwehrschulen gelehrt wird. Einigen kleineren Feuerwehren fehlen vielleicht auch die Mittel, um alle Feuerwehrleute über die Gefahren aufzuklären, die entstehen können, wenn ein unterbelüftetes Feuer plötzlich einen Sauerstoffstoß erhält, wenn eine Tür oder ein Fenster geöffnet wird.
Um ein wissenschaftlich fundierteres Modell zu erstellen, wollte das NIST Daten aus simulierten Situationen aufzeichnen, die später verwendet werden könnten, um zuverlässiger vorhersagen zu können, wann gefährliche Bedingungen für Feuerwehrleute eintreten können.
Der NIST-Forscher Ryan Falkenstein-Smith und seine Kollegen haben Experimente durchgeführt, bei denen sie in einem Labor eine gasförmige, energiereiche Umgebung geschaffen haben, um einen Brand in einem Gehäuse zu simulieren. Sie ließen das Feuer aushungern, indem sie alle Türen und Öffnungen mehrere Minuten lang geschlossen hielten, um zu beobachten, in welchen Situationen Rückströmungen oder andere feuergasbezogene Ereignisse auftreten würden.
Sie führten fast 500 Experimente durch, bei denen viele Parameter aufgezeichnet wurden, darunter die Art des Brennstoffs, die Art der brennbaren Gase, Temperaturen, Drücke und mehr.
"Das Team sammelte Daten von Hunderten von Rückzündungen im Labor, die als Grundlage für ein Modell zur Vorhersage von Rückzündungen dienten. Die Ergebnisse einer neuen Studie, die auf der 2022 Suppression, Detection and Signaling Research and Applications Conference.... vorgestellt wurden, sollen in Zukunft in kleine Geräte umgesetzt werden, die Feuerwehrleute vor Ort einsetzen könnten, um gefährliche Bedingungen zu vermeiden oder sich an sie anzupassen", schreibt FireEngineering.com schreibt in ihrem Artikel.
Die Idee ist, die Ergebnisse zu nutzen, um ein "tragbares Gerät" zu schaffen, das Feuerwehrleuten helfen kann, zu lernen und vorherzusagen, wann gefährliche Bedingungen auftreten können. Das unten stehende NIST-Video beschreibt das Projekt etwas ausführlicher, geht aber nicht genau darauf ein, was das geplante Endprodukt sein wird.