建筑火灾风险的模糊神经网络综合评价.pdfVIP

on Scienceand Proceedingsof2010(Shenyang)InternationalColloquiumSafety Technology 建筑火灾风险的模糊神经网络综合评价 杜红兵1，郭勇义2 (1．中国民航大学安全学院，天津300300；2．太原科技大学，山西太原030024) 摘要：针对消防部门对建筑物实施防火安全检查时缺乏客观的量化手段的问题，论文提出了建筑火灾风险的模糊神 经网络综合评价模型。该模型把建筑火灾风险模糊综合评价的定性、定量指标的隶属度向量作为神经网络的输入向量，将 评价结果作为网络的输出，选取建筑火灾风险评价的一些样本对网络进行训练学习，获得建筑火灾风险的评价结果。最后， 选取了主动防火中消防设备因素集的10组数据对模型进行了验证，取得了较好的一致性。 关键词：建筑火灾，评价指标，主动防火，模糊神经网络，防火安全性 建筑火灾风险的综合评价可为消防部门的防火监督检查提供客观的量化依据，主要有防火安全检查 表、事件树分析法、概率评价法、评分法和综合评价法等。这些方法中，综合评价法考虑了建筑物主动防火 措施、被动防火措施及防火安全管理各因素之间的相互作用，评价结果动态反映了建筑的整体安全性，因 Evaluation 而具有较好的应用前景【11。现有建筑火灾风险综合评价主要有DHSS Schemec玛、COFRAl31、模糊综 合评价阳和神经网络评价f7·母等。人工神经网络是对人脑结构和工作方式的近似与简化，模糊系统是采用最 大最小等简单运算来实现知识的模糊推理。两者技术上存在互补性和结合性，因此，将两者交叉综合起来 也就成为一种研究趋势tgl。本文提出一种基于模糊理论与神经网络技术相结合的综合评价模型，将建筑火 灾模糊综合评价中依靠评价专家的知识、经验和直觉思维能力进行评价的结果，利用人工神经网络较强的 模式识别能力和自学习功能，通过对一些实际评价样本数据的学习，自动提取合理的求解规则，获取评价 专家的经验和判断能力，对神经网络技术应用于建筑火灾风险模糊综合评价的方法进行探讨。 1建筑火灾风险模糊神经网络综合评价模型结构 将建筑火灾风险模糊综合评价的定性、定量指标的隶属度向量作为神经网络的输入向量，将评价结果 作为神经网络的输出。然后用足够多的评价样本训练建立起的网络。这样，神经网络所持有的那些权系数、 参量值．便是网络学习获得的评价专家的经验知识和直觉思维能力。模糊神经网络综合评价模型结构见图 1。训练好的模糊神经网络可以作为其它建筑火灾风险的评价工具，对不同建筑的防火状况做出评价。 模 糊 器 评价指标层 神经网络层 输出层 图1模糊神经网络结构 2建筑火灾风险模糊神经网络综合评价方法的实现 BP神经网络模型的特点和学习规则，与寻求样本数据中内在规律性的建筑火灾风险评价的特性是吻 合的。因此，选用BP神经网络实现网络的训练过程。 2．1建筑火灾风险评价神经网络的基本结构 根据建筑火灾风险模糊综合评价的特点，将三层神经网络结构应用于评价中，多输入单输出的神经 基金项目：山西省自然科学基金项目(No；山西省高校科技研究开发项目(No．200355) -567- 网络结构如图2所示。 图2中的凡。和几：分别表示输入单元和隐单元个数，％。，昂：，…，锄t为n，个评价指标的第P(P=-i，2，…，s) x=匿1=r二Il：：l二X12i‘：{’’：／二Int弋=B碡L。咱 (1) I 评价指标量化隶属函数 图2中确，拖，…，‰。为指标集域上％经相应隶属函数量化后的评价向量，记为rP2(确，№，…，偏t)， 纂，三：蒜揣淼黧鬣篡00震蒙单P淼麓搿嬲≤瑞 表示隐单元层第J单元到输出单元层的连