论文部分内容阅读
城市作为一种大载体的人工环境,具有功能复杂、人员密集、财产集中等特点。城市的迅速发展,灾害日益增多,其中火灾事故频发,损失巨大,长期以来,城市防灾系统的建设、城市规划的编制较少考虑这方面的内容,虽然整体火灾频发,但是某个具体的建筑火灾发生却是小概率的随机事件。目前已有不同的方法预测火灾发生的概率,本文对城市火灾预测其火灾发生起数和直接经济损失,并针对城市火灾中典型的两类建筑即住宅和商业场所火灾进行概率计算,因为死亡人数最多的火灾是住宅火灾和财产损失最多的是商业场所火灾,在贝叶斯网络推理下得到起火概率,主要包括以下研究内容:首先,统计某市2009年到2018年火灾数据,按照起数和经济损失建立预测模型,得到残差及相对残差,平均相对残差为0.087,模型的精度为91.33%,模型的精度级别为一级,预测得到后两年2019年、2020年火灾起数分别为1301和1412起。同理对火灾损失建立模型,模型精度为96.775%,级别为一级,对2019年和2020年火灾直接损失预测值为5087.7万元和4668.8万元,并将火灾起数用于确定贝叶斯网络部分节点的初始概率。其次,在对统计年鉴数据提取的基础上,分析国内住宅和商业场所火灾事故特征,对比了国内和国外发达国家住宅和商业场所火灾在起数、直接经济损失和伤亡方面的不同,剖析了国内外住宅和商业场所火灾致灾因子占比,在占比中,住宅致灾因子占比第一、第二位放的是电气（37%）和用火不慎（28%）,商业场所致灾因子占比第一第二位是电气（49%）和其他火灾原因（17%）,指出了各国住宅和商业场所2007年到2016年的火灾概率,国内住宅火灾每年平均为1.69×10-4起/户,最大为2.8×10-4起/户;国内商业场所火灾概率按照面积计算每年平均为5.19×10-5起/m2,最大为6.8×10-5起/m2,商业场所火灾概率按照个数计算明显高于住宅火灾概率的原因,因统计方式的不同,商业场所个数明显少于住宅,但商业场所面积总和会较大,故一般按照面积计算起火概率。再次,分析火灾和商业场所致灾因子,利用贝叶斯分析软件Genie2.1建立某市火灾和商业场所贝叶斯网络模型,结合现有知识和机器学习,修正网络模型,并对已有数据节点赋予初始概率值,对模型进行敏感性分析,得到对住宅火灾影响较大的火灾因素组合,其中电气、用火不慎、吸烟发生状态时,住宅火灾的发生概率最高,与实际相符,同时得出了住宅和商业场所火灾的概率值为0.92×10-4起/户和1.3×10-5起/m2,并给出住宅和商业场所防控措施。最后,结合该市住宅的火灾事故样本,分析模型的有效性,验证模型的可靠性,在加入火灾证据数据及节点状态后,住宅火灾起火的概率明显升高,大部分概率居于40%-50%之间的范围内,明显高于该市住宅火灾平均值。