在整个智能建筑中，火灾报警系统起着相当重要的作用。为了避免火灾所导致的灾难性的后果，火灾报警系统要求尽可能少的误报警，不允许有漏报警。因此，人们不断把信号处理技术领域的成果应用到火灾探测信号处理中。目前，将智能算法和火灾报警探测结合已经成为一个非常活跃的课题，有着重要的学术价值和应用前景。　　 作者根据火灾信息的复杂性和非线性，提出将BP网络和概率神经网络应用到火灾探测中，搜集了相关的火灾数据并进行大量仿真实验，仿真结果也验证了所采用方法的有效性。　　 首先，阐述了神经网络在火灾报警探测中的应用依据，并对BP神经网络和概率神经网络的结构、模型、算法、优缺点等进行详细介绍和分析。　　 其次，提出将正交实验法和BP神经网络相结合，得到神经网络的探测模型。在列举和分析了影响BP网络性能的相关因素(包括样本数目、数据处理方法、隐藏层节点、学习算法、学习目标、训练次数以及网络的评价指标等)的基础上，提出采用正交实验表对结果进行分析：根据级差得到几个因素的重要程度排序，然后确定最优网络结果。仿真结果分析和样本数据检测证明采用正交实验法来确定网络结构是有效可行的。　　 再次，建立基于概率神经网络的火灾探测模型，给出仿真结果，对不同传播率的结果进行比较分析。　　 最后，建立算法评估模型，将层次分析法和三角模糊数结合，得到准确性、抗干扰性和及时性的权重系数，并从这三方面对BP和概率神经网络的处理结果进行对比。接着，给出火灾报警系统的结构原理、进行功能分析并建立相应的管理界面。