Utilizzo dell’intelligenza artificiale per simulazioni fluidodinamiche di incendi = Use of Artificial Intelligence for Computational Fluid Dynamics Simulations of Fires

L’obiettivo di questa tesi è quello di costruire un modello basato sull’intelligenza artificiale (AI), capace di prevedere dell’evoluzione temporale della visibilità in uno scenario di incendio all’interno di un capannone industriale. Nello specifico, un deep learning AI model viene qui costruito addestrando il modello di rete neurale proposto da Y. Zeng et al. nel 2022 con un database di immagini 2D che rappresentano profili di visibilità su una sezione verticale fissata del magazzino. Il database per l'addestramento del modello AI viene generato utilizzando il software Fire Dynamics Simulator (FDS) sviluppato dal National Institute of Standards and Technology (NIST) degli Stati Uniti: una serie di simulazioni fluidodinamiche (CFD) di incendi all’interno del capannone viene effettuata variando la potenza del fuoco, l’altezza e la ventilazione del capannone. Per ogni simulazione, i profili di visibilità vengono estratti a diversi istanti di tempo. Successivamente, il database viene utilizzato per allenare la rete neurale, la quale è costituita da Dense Layers, Convolutionary Neural Networks (CNN) e Transposed Convolutionary Neural Networks (TCNN). L'AI model ottenuto è in grado di predire l'evoluzione dei profili di visibilità derivanti da qualsiasi valore di potenza di fuoco, altezza e ventilazione del capannone. A loro volta, tali profili di visibilità consentono la stima del tempo di uscita disponibile (ASET) e quindi di identificare se il capannone in esame soddisfa correttamente i requisiti di sicurezza.