ỨNG DỤNG TRÍ TUỆ NHÂN TẠO DỰ BÁO SỚM HIỆN TƯỢNG BACKDRAFT TRONG CHỮA CHÁY, CỨU NẠN, CỨU HỘ TẠI VIỆT NAM
APPLICATION OF ARTIFICIAL INTELLIGENCE IN EARLY BACKDRAFT FORECAS IN FIREFIGHTING AND RESCUE OPERATIONS IN VIETNAM
Các tệp bổ sung
- Bài viết: PDF
Hiện tượng Backdraft là thách thức lớn đối với an toàn của lực lượng chữa cháy và cứu nạn, cứu hộ khi chiến đấu trong các công trình khép kín. Dựa trên các nghiên cứu lý thuyết và thực nghiệm quốc tế, nhóm tác giả đề xuất việc ứng dụng trí tuệ nhận tạo (AI) vào thực tiễn Việt Nam nhằm dự báo sớm nguy cơ, từ đó nâng cao hiệu quả công tác chữa cháy và cứu nạn, cứu hộ, bảo vệ an toàn tính mạng cho cán bộ, chiến sĩ khi tham gia chữa cháy.
Backdraft, học máy, trí tuệ nhân tạo, LSTM, Transformer.
Backdrafts pose a significant threat to the safety of firefighters and rescuers operating in enclosed buildings. Based on international theoretical and experimental studies, the authors propose the application of artificial intelligence (AI) in Vietnam to predict risks early, thereby improving the effectiveness of firefighting and rescue operations and protecting the lives of officers and firefighters in firefighting.
Backdraft, Machine Learning, Artificial Intelligence, LSTM, Transformer.
Tài liệu tham khảo
1. Cục Cảnh sát PCCC và CNCH, Thông cáo báo chí về tình hình cháy, nổ và cứu nạn, cứu hộ năm 2024,2025, Hà Nội.
2. Bộ Xây dựng (2022), QCVN 06:2022/BXD. Quy chuẩn kỹ thuật Quốc gia về an toàn cháy cho nhà và công trình, Hà Nội.
3. Bộ Xây dựng (2023), Sửa đổi 01:2023 QCVN 06:2022/BXD. Quy chuẩn kỹ thuật Quốc gia về an toàn cháy cho nhà và công trình, Hà Nội.
4. Drysdale, D. (2024), An Introduction to Fire Dynamics, 4th Edition, Wiley.
5. NFPA (2024), NFPA 1700: Guide for Structural Fire Fighting, National Fire Protection Association.
6. NIST (2026), Machine Learning Based Forecasting for Building Fires: Annual Research Report, NIST Publications.
7. National Fire Protection Association (2023), NFPA 921: Guide for Fire and Explosion Investigations, USA.
8. National Institute of Standards and Technology (NIST) (2018), Simulation of Enclosure Fires and Backdraft Predictive Modeling Using Fire Dynamics Simulator (FDS), USA.
9. L. Zhang, X. Wang et al. (2022), 'Hybrid Deep Learning Approach Using CNN-LSTM for Early Prediction of Backdraft in Under-Ventilated Fires', Fire Safety Journal, Vol. 128, pp. 103-115.
10. International Association of Fire Chiefs (2021), Tactical Ventilation and Backdraft Prevention Frameworks in Smart Cities, Academic Press.
11. UL Fire Safety Research Institute (FSRI) (2020), Impact of Ventilation on Fire Behavior in Compact Enclosures and Backdraft Energetics, Technical Report, United States.
12. Wai Cheong Tam et al. (2025), Forecasting backdraft with multimodal method: Fusion of fire image and sensor data, NIST Technical Report.
13. Fire Journal (2025), Smart Building Technologies for Fire Rescue: Technical Review.
