智能交通系统与隧道基础设施的日益融合为先进的火灾安全监测创造了新的机会（崔和雷，2023年；Shahrour等人，2020年）。现代隧道网络需要超越传统烟雾和热量检测的预测能力，要求实时评估火灾强度和发展模式，以便能够采取主动的应急响应（吴等人，2022年；张等人，2024a；张等人，2024b）。热释放率（HRR）是衡量隧道火灾规模和强度的基本指标，对于隧道火灾安全管理具有多方面的重要性（Babrauskas和Peacock，1992年；Grant和Drysdale，1997年；王等人，2023年）。准确预测HRR的演变对于早期火灾预警系统（Cheong等人，2008年；Gao等人，2024年）、烟雾抽取设计（Barbato等人，2014年；Ingason和Li，2010年；Wang，2012年）、被动结构防火（Tomar和Khurana，2019年）以及紧急疏散响应规划（Přibyl和Přibyl，2014年）至关重要。
现有的隧道火灾HRR预测研究包括基于物理的建模和经验方法。基于物理的方法，特别是计算流体动力学（CFD）模拟，可以在特定边界条件下提供详细的火灾发展预测（Cheong等人，2010年；Lei等人，2018年；Migoya等人，2011年），但其计算强度使得它们不适合实时应用。经验方法通常涉及使用质量损失（Shafee等人，2017年）或氧气消耗量热计量法（Huggett，1980年；Kang等人，2019年）来测量HRR，然后根据隧道几何形状、通风方式（Carvel等人，2004年；Li等人，2016年；Liu等人，2025年）和燃料特性（Chen等人，2021年；Yao等人，2019年）等环境因素开发预测相关性。虽然这些经验模型具有计算效率，但它们往往依赖于简化的假设，并且难以捕捉火灾演变的非线性、多阶段特性，特别是在火灾初期和增长阶段。因此，在动态环境条件下，预测准确性仍然有限。
近年来，深度学习在模拟复杂非线性系统（包括时间依赖的火灾行为）方面显示出了巨大的潜力。基于传感器测量的数据驱动方法因其低计算成本和实时能力而受到关注。这些方法通常依赖于温度或烟雾测量等环境参数来推断火灾发展（Guo等人，2022年；Guo等人，2024年；Wu等人，2022年；Zhang等人，2022年；Zhu等人，2024年）。然而，在隧道火灾中，传感器经常在极端热条件下运行，可能会超过其最大工作温度，导致永久性或暂时性故障。这些问题削弱了仅依赖传感器预测系统在高风险环境中的可靠性（Guo等人，2024年），从而需要更可靠的数据源来进行火灾情况预测。
尽管最近的研究探索了用于火焰图像分析的深度学习技术，但现有工作主要集中在火焰检测、火灾分类或接近实时的状态估计上（Cheng等人，2025年；Majid等人，2022年；Saponara等人，2021年；Wang等人，2023年；Xie等人，2024年）。然而，火焰图像包含了丰富的时空线索，反映了燃烧强度、湍流和火灾增长阶段，这些对于预测HRR非常有价值。然而，大多数现有的基于视觉的火灾研究很少利用图像序列的时间 progression 进行多步预测。此外，由于外部环境的不同，隧道火灾表现出显著的场景变异性，使得传统的数据驱动方法难以在多种火灾条件下实现通用应用。
为了解决火灾预测中的时间建模挑战，基于深度学习的序列模型（如LSTM、GRU、BiLSTM、Seq2Seq和Transformer架构）已被广泛用于捕捉时变数据中的长期依赖性。这些模型在火灾温度预测、烟雾传播、燃烧源估计及相关物理过程方面展示了有效性（Jin等人，2020年；Kou等人，2021年；Liu等人，2023年；Ren等人，2025年；Zhao等人，2025年；Zhong和Liu，2025年；Karthy等人，2020年）。虽然这些时间架构已经得到广泛应用和验证，但它们与视觉火焰特征结合用于隧道环境中的多步HRR预测的研究仍然较少。现有研究很少将图像序列中的空间信息与时间模型结合起来，也没有考虑在动态风火相互作用下的预测，而这种相互作用在隧道火灾演变中起着关键作用。
尽管有上述进展，隧道火灾HRR预测仍存在几个关键问题。首先，现有方法仍然严重依赖传感器数据，尽管传感器在极端热条件下极易发生故障。其次，大多数研究强调瞬时或短时预测，而不是多步预测，这限制了它们在主动火灾管理中的实用性。第三，尽管火焰图像序列中包含的时间信息具有捕捉火灾动态演变的潜力，但很少被用于HRR预测。为了克服这些限制，本研究提出了一个跨模态深度学习框架，该框架结合了火焰图像序列和传感器数据，用于隧道火灾场景中的多步HRR预测。该框架在多种风火耦合条件下进行的1/20比例隧道实验上进行了训练，使模型在不同通风模式和火灾发展阶段具有鲁棒性。鉴于隧道火灾数据的复杂性和异质性，我们进一步开发了一套以数据为中心的预处理策略，包括一种基于场景的分层方案来区分火灾发展阶段、平衡采样以减轻HRR分布的偏斜，以及合适的标准化方法。所提出的系统结合了EfficientNet-B3进行视觉特征提取和五种时间建模架构（GRU、LSTM、BiLSTM、Seq2Seq和Transformer），构建了从火焰图像到HRR时间序列的有效跨模态映射。通过系统性评估，确定了最佳的输入-输出序列配置，以平衡预测准确性和计算效率。这种多模型方法允许全面分析不同时间架构在处理隧道火灾演变复杂动态方面的能力，为各种预测场景和时间范围提供了模型选择的见解。
