狭长通道火灾具有发展快、危害大、难以预测等特性,随着狭长通道的数量越来越多,规模越来越大和结构越来越复杂,狭长通道火灾尤其是不规则的复杂狭长通道的研究意义与难度日渐增大,相对较为规则的狭长通道,倾斜、复杂的狭长通道计算更为复杂。本文通过FDS建模大量生成倾斜狭长通道,将数值模拟的结果作为样本使用BP神经网络进行训练,并验证了所训练出的神经网络的可靠性。得到以下结论:1)FDS作为火灾数值模拟软件在火灾研究上相对搭建试验平台进行研究可以经济地得出较为准确度数据,本文通过建立100m长倾斜角度为在-60°～60°的倾斜狭长通道模拟计算出了各工况的火灾参数:温度、烟气浓度、能见度、CO浓度的数值和变化趋势。2)神经网络可以拟合任何曲线,尤其是在某些复杂的、难以具体描述的非线性问题上表现出色。通过构建BP神经网络,反复训练各工况的数据,在适当调整参数后,可得到可以准确输出不同倾角下的狭长通道火灾参数的网络。3)通过对训练完毕的网络进行验证,发现相同倾斜角度下,改变长度的狭长通道也可使用与与之对应的相同倾角的网络进行计算,计算结果在趋势上能够有效反应实际值的变化,在数值与实际值误差在10%-15%之间;相同倾斜角度下,改变开口阻塞比的狭长通道,在阻塞比较小时,网络计算的结果误差在10%-18%之间,具有一定的准确度,当阻塞比达到30%时,误差逐渐增大至不可接受范围;由多段小尺寸水平狭长通道和竖直狭长通道组成的复杂狭长通道在使用对应倾角的网络进行计算时,除了少部分参数外,大部分均有较大误差,总体来说可行性不足。