火灾探测器的应用是实现火灾探测的重要技术手段。经过多年大发展火灾探测器种类愈加完善,应用愈加广泛。随之而来的就是传感器的漏报和误报问题,严重影响探测器报警的可信性。为了解决这类问题,人们在单一传感器的基础上研发了多传感器复合探测器并进行优化设计。为此,如何处理多传感器的信息问题(采集到信息的多特征性、数据冗余、多传感器的火灾探测特征组合的选择以及多传感器位置分布),使信息融合决策问题成为新的研究课题。本文首先提出在多传感器火灾探测中进行火灾探测特征组合选取的模型。模型以优化多传感器火灾探测的传感器数量和选取相同传感器数量下高效的特征组合为目的,基于NIST(National Institute of Standards and Technology)所做的一系列研究火灾报警响应的实验为基准试验,随机选取其中部分实验数据来优化多传感器火灾探测的传感器数量,基于信息熵理论中互信息的概念,分析不同火灾特征组合与火灾状态的相关性和组合内各特征火灾信息的冗余性,从而选择高效的特征组合。然后采用遗传算法优化BP神经网络初始结构,提出一种基于遗传算法的组合模型优化BP神经网络——GA—BP神经网络模型,结合遗传算法的全局搜索功能与BP神经网络的预测能力,使得最后预测结果更精准。最后选取SH1(标准阴燃火)、SH4(标准明火)及典型干扰源的部分实验数据作为训练样本,运用MATLAB软件进行仿真模拟,验证这种基于信息融合技术的火灾探测方法的有效性和可行性。