本稿では、センサ読み取り値のトレンドおよびレベル予測と融合に基づく多センサ火災検出のための再帰的トレンド予測ニューラルネットワーク（rTPNN）を提案する。rTPNNモデルは、そのアーキテクチャにおいて再帰的なセンサデータ処理を採用している点で、従来の手法と顕著に異なる。rTPNNは、各センサの時系列データについてトレンド予測およびレベル予測を実行し、多センサ検出器から生成される多次元時系列データのトレンドを捉えることができる。我々は、公開されている火災データセットを用いて、rTPNNモデルの性能を線形回帰（LR）、非線形パーセプトロン（NP）、多層パーセプトロン（MLP）、Kendall-τとMLPの組み合わせ、確率的ベイズニューラルネットワーク（PBNN）、長短期記憶（LSTM）、サポートベクターマシン（SVM）といった既存モデルと比較した。その結果、rTPNNモデルは他のすべてのモデルを大きく上回る性能を発揮し、96％の精度を達成した。さらに、rTPNNは唯一、真陽性率と真陰性率の両方を92％以上に維持するモデルであり、高い検出精度と誤検出抑制の両立を実現している。また、火災発生から11秒で警報を発動するのに対し、2番目に優れたモデルは22秒を要する。さらに、rTPNNの実行時間はリアルタイム応用においても十分に実用可能な水準であることを示している。