火灾是当今社会最频繁、最多发的自然灾害之一,严重危害着人们的生命财产安全。为降低火灾带来的危害,一方面应加强火灾方面的安全意识;另一方面需增加对火灾预警系统的研究与应用,以便能够及时发现火灾并加以控制。然而,对于传统的火灾预警系统而言,无法有效的检测火灾状况,经常出现误报和漏报状况。基于此,本文对神经网络下的智能火灾预警系统进行了深入的研究与分析,提出了基于改进的神经网络与softmax分类器级联而成的智能算法并将其应用于火灾分类识别。首先研究分析了火灾的产生机理及其火灾预警相关技术,设计了基于ARM的火灾预警系统平台,包括火灾预警主控制器、数据采集装置和应急处理及报警装置。利用有线传输方式实现主控制器和数据采集装置、应急处理及报警装置间的通信。主控制器接收数据采集装置发送的数据,实现对室内各种突发事件的实时监测。同时,将数据上传至上位机监控界面,用户可以直接查看。搭建了火灾数据采集实验平台,完成了明火以及阴燃火实验,得出了相应的火灾数据,为下文算法研究做数据支撑。文中针对BP算法收敛速度慢,易陷入局部最小值等问题,提出了一种基于L-BFGS算法的神经网络与softmax级联的火灾分类器。以早期采集的火灾信号为对象,对火灾过程中产生的主要特征信号进行实时监测。设计了基于L-BFGS算法的神经网络与softmax级联的监控系统,建立两者级联而成的结构模型,实现了对火灾的分类识别。前期利用火灾数据通过MATLAB仿真软件完成对级联模型的仿真分析,结果表明,该算法大大提高了系统的收敛速度和预测精度。后期根据设计的火灾预警系统搭建火灾实验平台,对系统进行功能验证实验、响应时间实验以及可靠性测试。实验结果表明:此系统能够很好的实现对火灾的监测和预警,提高了火灾预测的稳定性和准确性,有效降低了误报和漏报率。