城市火灾预测分析的灰色系统方法

指出了灰色系统理论进行城市火灾预测的合理性，并在一般灰色模型基础上，基于等维灰色递补GM（1，1）动态预测模型通过分时段比较，对某市近年的火灾状况进行了预测，结果发现分时段预测结果更精确。     

基于北京市火灾统计数据的时间序列分析

采用Box-Jenkins法分析了城市火灾时间序列上的趋势性规律,通过数据预处理和模型的识别与诊断,最终建立了城市火灾预测模型。对北京市2000—2006年的火灾统计数据进行了平稳性处理,通过城市火灾预测模型的建模方法对北京市火灾发生次数的时间序列进行了ARIMA建模。根据得到的ARIMA(1,1,0)(1,1,1)12模型对北京市2007年的火灾发生次数进行了预测,并将该模型和BP神经网络模型的预测结果与实际情况进行对比分析。结果表明,ARIMA模型特别适用于随机性较大的火灾数据的趋势预测,并且方法简单,算法经济。     

改进型灰色神经网络在火灾预测中的应用研究

为提高火灾事故的预测精度,降低火灾损失,探讨并修正传统GM(1,1)预测模型关于背景值构造的缺陷,将改进后的灰色模型同BP神经网络模型融合,提出改进型灰色神经网络火灾预测模型。依据我国1997—2009年火灾事故统计数据,分别选用改进型GM(1,1)和改进型灰色神经网络模型对1997—2007年火灾发生起数进行拟合仿真,得到2008—2009年火灾起数预测结果。结果表明:该模型在避免GM(1,1)关于背景值构造缺陷的基础上,兼具灰色系统与神经网络的优点,既体现火灾复杂的灰色系统行为,又能自适应调整学习速率,与单一GM(1,1)相比,该模型的预测结果精度更高。     

基于马尔科夫灰色残差GM(1,1)模型的火灾损失预测

科学地预测火灾事故及其损失,对于制定火灾防控措施具有重要的现实意义。应用基于马尔科夫的灰色残差GM(1,1)模型,对2002—2011年全国火灾损失进行模拟和预测,结果表明,该模型预测精度明显高于GM(1,1)模型,为火灾损失的预测提供了一种简单而可靠的新途径。     

基于GM(1,1)的残差修正模型的电梯故障率预测

为研究某城市某品牌电梯故障率发展趋势,建立了该城市该品牌电梯故障率的GM(1,1)灰色预测模型,并对所建模型进行了数据检验,检验结果表明该预测模型的预测精度波动较大。为了提高GM(1,1)灰色预测模型的预测精度,利用对模型进行数据检验时得到的残差序列,建立GM(1,1)灰色预测模型的残差修正模型,利用该残差修正模型对原预测模型进行修正。利用经残差修正模型修正后的故障率预测模型对该城市A品牌电梯的故障率进行预测,结果表明:1)残差修正模型对原模型修正后的相对误差与修正前相比有升也有降,但精度有所提高且趋于稳定,表明残差修正模型有利于提高预测精度;2)利用所建立的故障率预测模型求得的预测故障率与实际故障率相比,相对误差不超过8.010%,表明该故障率预测模型的预测精度较高;3)修正模型预测值表明,在现有状态下该城市A品牌电梯的故障率呈上升趋势,应加强该品牌电梯的检维修与管理。     

陕西省火灾事故的灰色预测

使用灰色GM(1,1)模型对陕西省2005～2011年的火灾数据进行灰色建模,对模型的检验结果显示模型有很好的精度。在此基础上对陕西省2012～2015年的火灾事故发生数、火灾事故伤亡人数以及火灾事故损失进行预测。结果表明,未来四年陕西省火灾事故发生起数和火灾事故伤亡人数有降低的趋势,火灾损失额有增长的趋势。预测结果对于火灾事故的管理和政策的制定有重要意义。     

火灾风险模型的建立及其应用

引入传统GM(1,1)模型、无偏灰色模型和加权灰色模型进行火灾风险模拟预测,以平均绝对误差、平均相对误差、后验差比值和小误差概率4个指标综合评价模型模拟精度。以2012—2016年火灾起数为原始数据列,建立了火灾风险传统灰色GM(1,1)模型、火灾风险无偏灰色模型和火灾风险加权灰色模型,3个模型精度检验等级均为"好"。当精度检验等级相同时,火灾风险无偏灰色模型的平均绝对误差、平均相对误差最小。运用3个模型预测2017年和2018年火灾起数,火灾风险无偏灰色模型的预测结果最精确,为火灾风险预测提供了新的途径。     

基于灰色BP网络的火灾事故预测

将BP网络模型与灰色系统预测方法相结合,利用人工神经网络对GM(1,1)模型进行残差修正,建立了火灾事故预测模型.该模型兼具灰色系统与BP网络的优点,不但能体现火灾复杂的灰色系统行为,又能根据每次学习误差的不同调整学习速率,加快收敛速度.与单一的GM(1,1)模型相比,该模型预测结果具有更高的精度.     

灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

城市火灾的马尔可夫链预测方法

对1951-2004年间城市火灾起火数据进行分析,可以看出城市火灾发生率具有马尔可夫性.用马尔可夫链预测方法对2005年城市火灾发生率进行了预测,得到预测值与实际值完全吻合.用1991-2004年间城市火灾发生的实际数据对该方法进行了检验,说明该方法的可行性.预测结果表明,马尔可夫链预测方法用于城市火灾发生率及其分级的预测是一种切实可行的方法.     

基于人工神经网络的城市火灾事故的预测方法

随着社会经济的飞速发展,城市化进程的加快和人口的迅速增长,城市火灾频繁发生,造成的损失呈上升趋势。针对城市火灾事故发生的特点,根据人工神经网络基本原理和特性,建立了城市火灾事故神经网络预测模型;为了更精确预测城市火灾事故的发生,将城市火灾事故分为了高峰期(春节)和非高峰期两个时段分别进行预测;应用神经网络预测模型和分时段相结合方法对某城市火灾事故进行了实际预测。结果表明,神经网络模型是城市火灾事故预测的有效工具,该模型与时段法的结合能准确预测火灾事故发生的趋势。     

中国火灾最佳灰色回归组合预测模型

火灾现象具有随机性、模糊性,是个复杂的灰色系统行为。研究火灾发生的规律及发展趋势,具有实用价值。笔者给出最小二乘估计意义下的最佳组合预测模型的定义,并求得其权的公式和证明权的惟一性;用回归分析方法建立多个回归模型,并按3条标准即①回归指数大、②系统误差小、③模型精度高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按3条标准即①后验差比值小、②小误差概率大、③预测关联度大,选定最佳灰色模型;再将最佳回归模型与最佳灰色模型有机地结合起来建立中国火灾最佳灰色回归组合预测模型。组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了预测精度,减少了预测误差。组合模型预测中国年火灾起数处于动态增长过程。     

基于层次分析方法的城市火灾风险评估研究

城市区域消防安全评估是科学有效地进行城市消防规划、部署和消防法规的制定的重要依据,对于城市建设和社会经济的协调发展具有保证和促进作用。根据《中华人民共和国消防法》及《机关、团体、企业、事业单位消防安全管理规定(61号令)》对消防管理对象的界定标准,提出分类方法,确定了城市区域消防安全体系的组成要素,采用层次分析法确定了各要素的权重,应用多层次多目标系统模糊优选理论,建立了城市区域消防安全评价模型,对城市区域消防安全评估进行了方法研究和具体计算,并应用所设计的模型对北京市宣武区的区域消防安全状况进行了分析评估。计算结果证明了方法的有效性。     

基于马尔可夫链的城市火灾预测

根据1982-2001年的城市火灾统计资料，对现有火灾发生率进行分级，应用马尔可夫链对2002年和2005年城市火灾等级进行了预测，根据这种方法又对1992-2001年的火灾发生率进行检验，比较其预测结果与实际结果的一致性。     

时间序列模型在火警短期预测中的应用

基于某市的119火警数据,采用时间序列模型中的ARIMA算法进行了分析.计算结果表明,该市119火警数据的天序列服从ARIMA(0,1,2)模型,周序列服从ARIMA(1,0,0)模型.从模型对数据的拟合效果来看,ARIMA模型较为准确的反映了数据序列的发展趋势.采用这两种模型对数据序列分别进行了短期的预测,其预测值与实际结果在趋势上基本一致,研究表明采用周序列预测的效果要好于天序列.基于时序模型的火警预测方法是实现时火灾应急处置中关口前移的重要措施.     

城市消防安全影响因素及评估体系研究——以海南某沿海城市为例

在前人评估重点研究公共消防基础、灭火救援力量的基础上,增加消防安全形势、火灾防控工作对城市消防安全影响因素的研究,以海南某沿海城市为例,采用层次分析法构建城市消防安全评估体系,设置定量化评分判定基准,运用模糊集值统计法计算得分。评估结果表明体系更真实地反映了该市消防安全现状及火灾防控薄弱环节,最后针对高风险项提出具体改进措施。该体系模型丰富了评估指标数量;宏观考虑了该市热带气候、旅游型城市特征、火灾情况对消防安全形势的影响;更重要的是,提出将社会面火灾防控工作纳入评估体系。研究对于城市消防安全评估的宏观化、系统化、地域化、实用化、定量化都有一定参考意义。     

城市老城区消防站布局优化研究

采用半定量方法对单位火灾风险进行评估,进而对消防防护子区域进行消防等级分级,得出规划区域内消防安全等级分布状况。通过GIS方法结合相关模型,研究消防站的布局优化问题,探索使城市老城区消防站布局优化的思路与方法。将研究结论推而广之,类似这种在城市内寻找一系列服务设施点最佳位置的空间选址问题,都可运用此方法,采用GIS技术结合相关区位优化模型,得出更加科学合理的布局方案。