根据Bayesian网络的建筑火灾风险评价实体模型.docVIP

根据Bayesian网络的建筑火灾风险评价实体模型 火灾风险评估可以有效地帮助消防管理人员掌握建筑物火灾风险程度,采取有针对性的防火措施.目前普遍认可的火灾风险评估方法大多基于规范要求的现场防火检查.该类方法具有系统、实用、可操作性强等优势,但同时存在评估结论时效性差、人力时间消耗大等不足.随着智慧消防建 设不断深入,传统的火灾评估方法由于其过分依赖专家的经验和现场判断,而不是依靠建筑及其内部消防设施运行状态等数据驱动,在消防大数据、人工智能决策等领域的欠缺越发明显,难以适应当前消防科技的发展需求.因此,有必要研究新的评估方法,推进大数据分析和人工智能决策技术在智慧消防建设中的应用. 关键词:安全工程;建筑火灾;风险评估;大数据;Bayesian 1.1 基于现场检查的评估要素采集过程 现有火灾风险评估过程主要依靠检查人员对建筑防火措施和消防设施进行现场检查.普遍采用安全检查表法,按照相关标准要求对相关检查事项的符合性进行对照判断.对需要量化的评估事项需借助仪器测量,如消火栓系统试水装置、超声波流量计、测距仪、风速计等,但不能实现实时在线监测. 1.2 常用评估分析方法 1.2.1 基于指标体系的半定量评估方法 基于指标体系的半定量建筑火灾风险评估方法是通过构建评估指标及权重体系,对分项评估结果进行统计,以百分制量化评估分值,得出最终的评估结论[12].该方法具有系统、便捷、易于风险分级的优势,但评估结果易受检查人员专业水平、现场经验所影响,具有一定的主观性. 1.2.2 基于经验公式的定量评估方法 基于经验公式的半定量建筑火灾风险评估方辑关联,定量计算事故的发生概率.该类方法需要大量的数据资料和数学模型进行统计计算,对数据量的充足程度和评价人员的专业素质要求较高. 2 动态火灾风险评估 随着智慧消防建设的不断深入,火灾风险评估工作应将可监测获取的消防大数据与人工智能推理技术相结合[1819].由于建筑运行过程中与风险相关的主要参数,如人员密度、消防水压等是在不断变化的,因此建筑火灾风险是一个动态变化的过程[2021].建筑火灾风险评估所需的监测参数包括静态和动态2部分,静态参数在整个建筑使用周期内基本稳定,而动态参数则处于不断变化的过程中. 传统的火灾风险评估结论不能准确区分火灾各阶段的风险差异.近年来,随着人工智能技术的发展,法 如火灾风险评估工程方法 (fireriskanalysis methodforengineering,FRAME)、火灾风险、危险 及 价 值 评 估 方 法 (risk, hazard and value evaluation,RHAVE)以 及 FireCast 等 方 法[37]. FRAME基于假定的火灾场景,综合考虑火灾发生概率、火灾危害程度、人员在火灾中的暴露时间等因 素,估算财物、设施、人员、活动等因子,综合评定 建筑火灾风险,量化风险等级.该类方法的优势在于 能够量化火灾风险,但无法实现对风险的动态评估. 1.2.3 基于性能化设计框架的风险评估方法 该类方法从防火设计实际需求出发,利用火灾模化、人员疏散仿真等数值计算方法,综合比较火灾可用疏散时间和必需疏散时间,对火灾安全进行评估[89].比较著名的有加拿大的 FireCAM 模型、 FierAsystem 模型和澳大利亚的 CESAREGRisk 模型和英国 CRISP 模型等.这类方法需预先设定火灾场景,估算火灾造成的人员伤害和财产损失,采用复杂的数学模型模拟火灾烟气蔓延过程、人员撤离时间等.这种方法属于确定性评估方法,数学模已有火灾定义是指由于火失去控制蔓延而形成的一种灾害性的燃烧现象,并将火灾过程划分为初期增长、充分燃烧、减弱共3 个阶段[22].该定义主要基于火灾燃烧过程,适用于单室火灾,并未考虑到火灾在建筑内部发展蔓延的过程.动态建筑火灾风险 评估的目的是对火灾发生发展的全过程进行风险分析,尤其是需要考虑与建筑消防设施动作的关联.传统火灾的定义已不适用于火灾风险评估工作的发展. 为此,本文首先根据火灾中建筑消防设施的动作次序对火灾发展过程进行了重新划分,将建筑火灾发展过程划分为火情火警火险火灾4 个阶段,然后基于Bayesian网络方法构建了火灾发展过程推理及动态风险评估模型. 3 火灾发展过程深入研究 依据火灾各阶段探测灭火设施动作特征、监测参数和火灾蔓延规律,建立了如图1 所示的建筑火灾阶段划分方法.建筑火灾过程分为 火 情火警 火险火灾4个阶段,图中箭头代表了4个阶段之间的发展顺序,细箭头代表了每个阶段的主要型较为复杂,风险评估成本较高、计算时间消耗长、无法实现动态评估,主要适用