Yangın ve Güvenlik Dergisi 216. Sayı (Temmuz-Ağustos 2020)

Yangın ve Güvenlik / Temmuz-Ağustos 2020 23 yanginguvenlik.com.tr farklı evrelerinde çok yavaş değişmektedir. Diğer taraftan, yangın koşulları altında, değişme oranı daha yüksektir ve değişiklik kendisini çok kısa sürede belli eder. 4. Sensör düğümü güneş ışınlarının etkisine maruz kaldı- ğında, sıcaklık yangın durumundakine benzer bir değişme oranı gösterir. Bu gözlemleri dikkate alarak orman yangının davranışlarını karakterize etmek için farkı teknikler araştırılmıştır. Başlangıç teklifinde, bir yangında sıcaklık ve nemin davranışlarını iliş- kilendirmek için bir fonksiyon oluşturulmuştur ve buna esas fonksiyon ismi verilmiştir. Daha sonra bu fonksiyon sensörler tarafından elde edilen değerleri yangın olabilecek bir olay kaydedildiğinde sensörler tarafından elde edilen değerlerle karşılaştırmak için kullanılmıştır. Enterpolasyon tekniklerinin ve Dempster Shafer’in delil teorisinin kullanılmasıyla 1 , olayın yangın olup olmadığı belirlenmiştir [10]. Ancak, iyi bir tespit oranı elde edilmesine rağmen, ortam şartları esas fonksiyonu oluşturmak için kullanılan şartlardan oldukça büyük değişme gösterirse yöntem sağlıklı değildi. Bu yazıda regresyon 2 , bağlanım, analizi kullanarak esas fonksiyonun oluşturulması önerilmiştir. Regresyon analizleri üstünlükleri arasında verilerin bir matematiksel fonksiyonun (düz doğru, polinominal fonksiyon, eksponansiyal-üssel- fonk- siyon vb.) ayarıyla temsil edilmesini sağlar, bunun yanında bilinmeyen değerlerin de tahmin edilmesini kolaylaştırır [11] [12][13]. Bir yangın durumunda sıcaklık ve bağıl nem değerle- rinin tersine bir ilişkiyi koruduğunu kabul ederek, yangındaki davranışlarının temsil edecek bağımsız olarak iki esas fonk- siyon özelliğinin sıcaklık ve nem değerlerinin zamana göre değişmelerinin nedeni olduğu bulunmuştur. Bu nedenle esas fonksiyonları inşa etmede regresyon analizini kullanırken, zaman bağımsız bir değişken, sıcaklık ve nem ise bağımlı değişken olarak alınmıştır. Bu fonksiyonlar sırasıyla T(t) ve H(t) dir ve esas modeli meydana getirirler [14]. Esas modelin oluşturulması için, sıcaklık ve nem ölçümleri- nin, yılın bir dönemini ve belli bir zaman dilimini dikkate alarak, yangın deneylerinde kullanılması önerilmektedir. Örneğin, esas modeller yaz için geçmiş bilgilerin analizine göre yangın olayının en yüksek oranda meydana geldiği zamanı gösteren ve günün farklı aşamaları için (sabah veya öğlenden sonra) oluşturulabilir. Aşağıdaki bölüm esas modelin oluşturulması için bir örneği göstermektedir [8]. Ancak değişkenler arasındaki ilişki her zaman kendisini doğrusal olarak göstermez. Bu durumlar için, ikindi derece fonksiyonlar veya paraboller, üçüncü derece veya kübik fonk- siyonlar ve benzerleri gibi alternatifler mevcuttur. Yüksek dereceden doğrusal olmayan fonksiyonlar Denklem 1’de genel anlamıyla gösterilmiştir: Esas modelin amacı bir yangında mevcut olan çevresel koşulları temsil ederken daha yüksek hassasiyet sağlayan bir referansa sahip olmaktır. Bu sabit büyüklüklere veya eşik değerlere bağlı olmama aksine yangın olayının çevreyi etki- lediği durumda meydana gelen değişikliğin nedenlerini gös- terme imkânını sağlar [6]. Başka bir ifadeyle, bir orman yan- gını sırasındaki gözlemlerimize göre, sıcaklık ve nem değer- leri aynı şekilde bir davranış gösterir: Sıcaklık bakımından yukarı doğru yükseliş ve bağıl nem bakımından aşağı doğru düşüş, Şekil 1’de görüldüğü gibi, aynı değişme oranı veya eğim görülür. Bu davranışı temsil eden (büyüklüklerden bağımsız olarak) bir modele sahip olmak sensör düğümleri tarafından alınan verilerin izlenen değişimin bir yangına karşılık gelip gelmediğini doğrulamaya veya değerlendirme dışına almak üzere karşılaştırılmasına imkân sağlar. Bu maksatla, aşağıdaki üç modülden meydana gelen yapı önerilmektedir: kablosuz sensör ağı, ara katman yazılımı ve yangın tespit sistemi. Ayrıntılara girmeden genel hatlarıyla, önerilen model şöyle çalışır: 1) sensör düğümleri çevresel ölçümleri periyodik olarak toplar, 2) sıcaklıkta bir artış tespit ettiklerinde, bilgiyi esas istas- yona aktarır, 3) esas istasyon veriye geri server’e (sunucuya) veri tabanında saklamak üzere gönderir, 4) sunucu veri taba- nından en son bilgileri alır ve veriyi önceden tanımlanmış esas modele göre karşılaştırır ve 5) veri ve esas model arasındaki benzerlik derecesine göre, sistem izlenen alanda bir yangın olup olmadığına karar verir. Kademelerin her biri ayrıntılı olarak aşağıda açıklanmıştır. Kablosuz sensör ağında, her bir düğüm sabit örnekleme periyodunu, P, kullanarak bir sıcaklık okuması yapar. Her bir okuma n-ölçüde kayar penceresi 3 olan WT olarak adlandırılan FIFO (First-In, First-Out - İlk Giren İlk Çıkar) bir yapıda depo- lanır. WT dolduğunda en son okumaların Tn+1 bir değişiklik (artma veya azalma) gösterip göstermediğini Ω ile temsil edilen aşağıdaki oranla kontrol eder [4]: 1 Dempster- Shafer's theory of evidence, Kanıt fonksiyonları teorisi aynı zamanda inanç teorisi veya Dempster-Shafer Teorisi (DST) olarak da adlanır. Belirsizlikle, olasılık, ihtimal ve gevşek olasılık teorileri gibi diğer çerçeve çalışmalarına anlaşılmış bağlantılarla muhakeme için genel bir çerçevedir. (ÇN) 2 Regresyon analizi: iki ya da daha çok değişken arasındaki ilişkiyi ölçmek için kullanılan analiz metodudur. (ÇN) 3 Kayar Pencere Algoritması programcıları kodlarında basitliğe yönlendiren bir yoldur. Bu algoritma gerçekten adı gibidir; verinin bazı parçalarında bir pencere oluşturulur ve bu pencere verinin farklı kısımlarını yakalamak için veri üstünde kayar. (ÇN) (1) (2)