大型城市综合体火灾风险评估研究*

为提高大型城市综合体火灾风险评估准确性,建立“双主线”火灾风险评估模型,运用贝叶斯网络计算火灾发展主线与人员疏散主线各节点可靠性,并通过改进的火灾关联度法对“双主线”进行协调整合,确定各风险节点动态权重。结果表明:２条主线对于整体火灾风险相互独立又相互联系,“双主线”模型得到的火灾风险值更精确,有效解决传统火灾风险评估模型无法协调统一评价火灾发展与人员疏散的问题。研究结果为定量评估大型城市综合体火灾风险提供新的思路。     

2006年火灾风险评估方法与应用学术会议通知

一、会议主题内容1.火灾风险评估方法与原理;2.火灾风险与火灾保险、火灾统计分析;3.建筑火灾安全评估与性能化防火设计;4.重点领域火灾风险评估方法与应用(主要包括城市火灾风险评估、森林火灾风险评估、工业火灾风险评估、海洋工程火灾风险评估等);     

利用动态贝叶斯网络实现人群聚集风险分析

为动态探究影响人群聚集风险的主要因素及定量评估人群聚集风险,依据贝叶斯估计理论改进静态贝叶斯网络模型,建立动态贝叶斯网络模型。用该模型可根据实时采集数据计算后验参数,获取动态定量风险评估结果。利用所建的动态贝叶斯网络模型动态定量评估北京市某大型商业街区人群聚集风险。结果表明:该街区初始人群聚集拥堵概率为0.8×10~(-3),踩踏概率为7.6×10~(-6)。随着实时观测数据的引入,最终拥堵概率为2.4×10~(-3),踩踏概率为1.63×10~(-5),其中疏散不及时、疏散通道不畅、疏散标志不清等3个因素的相对重要度影响因子较大,是主要影响因素。实例中各基本事件的发生概率和相对影响因子动态变化,证明该模型有效。     

石化装置火灾爆炸贝叶斯网络与防护层集成分析

复杂的石油化工装置在运转过程中存在诸多不确定因素,易发生火灾、爆炸等重大事故,给安全生产带来极大威胁。考虑到传统的系统安全分析方法在风险评估中存在一定局限性,引入贝叶斯网络与防护层集成分析模型。应用GeNIe软件将系统故障树转成贝叶斯网络,根据贝叶斯双向推理进行故障预测和诊断,快速识别系统薄弱环节并确定为风险贝叶斯故障节点,结合防护层分析提出相应的独立防护层,确定剩余风险水平。实例应用表明,所构建的贝叶斯网络与防护层集成分析模型对复杂系统进行风险评估是可行的,较传统的事件树、故障树分析方法更加科学、合理。     

基于AHP-FRAME方法的养老机构火灾风险评估

为评估养老机构的火灾风险,根据人员类型、财产、建筑及疏散等因素的重要性,量化分析养老机构建筑本身、建筑内人员以及建筑内活动的火灾风险情况,采用AHP法与FRAME法相结合构建养老机构火灾风险评估模型,并进行实例验证。结果表明：基于AHP-FRAME法的养老机构火灾风险评估模型可以得出各防火分区中建筑物本身、建筑内人员和建筑内活动的火灾风险等级,这对养老机构的火灾风险管理具有重要意义。     

基于大数据技术的单位火灾风险评估系统建设思考

随着信息技术和人类生产生活交汇融合,互联网快速普及,数据成为新型生产要素,对社会生活方式和国家治理模式产生了重要影响。大数据技术的诸多特征和风险评估工作存在密切的关联性,将大数据引入火灾风险评估领域,不仅能解决火灾风险评估系统建设的技术瓶颈,而且能够推动基于数据的动态火灾风险评估系统快速发展。本文通过对现阶段消防监督检查数据、政务数据和社会单位监测和管理数据的现状分析,运用大数据技术,就建筑火灾风险评估系统建设的思路和实现途径提出意见和建议。     

基于防火监督数据的风险评估与预警体系构建研究

本文提出了基于防火监督数据的风险评估与预警体系构建方法。首先,通过收集、整理和分析防火监督数据,建立数据库和指标体系。其次,采用数据挖掘技术对数据进行分析,识别风险因素和风险特征。再次,利用统计模型和算法,对风险进行评估和预测。最后,建立预警模型和机制,实现风险的实时监测和预警并优化。通过构建基于防火监督数据的风险评估与预警体系,可以提高火灾防控能力,减少火灾事故发生几率,保护人民生命财产安全。     

基于深度学习的检修作业过程风险智能预警

为提高炼化企业检维修作业过程的安全性,利用目标检测技术,构建基于深度学习的智能风险识别模型;首先,结合贝叶斯网络(BN)及模糊集理论,建立动态风险评估模型;其次,采用分级动态预警方法,实现检修作业过程风险要素的智能监控预警;然后,以压缩机检修作业过程为例,采用失效模式和影响分析(FMEA)与作业条件危险性分析方法,辨识作业过程风险,再利用基于深度学习的风险智能识别模型,监控现场作业过程并识别风险;最后,采用BN和模糊集理论相结合的方法,评估作业过程中的动态风险,并采用分级预警的方法智能预警作业过程风险。结果表明：该方法可以有效识别压缩机检修作业过程中的风险因素,识别准确率为93%,在此基础上进行动态风险评估,当观测到事件概率发生变化,且超出相应预警阈值时,依据风险等级进行报警,实现风险要素的智能监控。     

基于Bayesian网络的建筑火灾疏散条件安全性评估方法*

为了对建筑火灾疏散条件安全性进行评估,基于Bayesian网络对疏散条件重要构成要素及评估方法逻辑推理过程进行研究探讨。结果表明:评估网络结构、根节点、中间节点及目标节点之间存在因果关联关系;研究得出根节点先验概率与量化节点条件概率表设定方法;Bayesian网络将风险评估与人工智能分析方法相结合,实现对建筑火灾疏散条件的安全性评估,并可用于识别高风险建筑。     

典型建筑火灾风险评估体系及其软件开发

为提升建筑单体火灾风险评估的科学性及实用性,将聚类分析与层次分析(AHP)相结合运用到建筑火灾风险评估体系。根据建筑使用特性,采用兼具定性和半定量方法优点的AHP法建立5类典型建筑火灾风险评估体系,结合问卷调查和聚类分析确定评估体系中的指标权重值;然后通过指标因子打分,最终确定建筑物的火灾风险等级。采用Visual Basic.NET编程语言开发建筑消防安全等级评估软件,用此软件评估武汉某大型商场火灾风险。结果表明,该商场的安全等级为Ⅱ级,低度火险,此结果与其实际消防安全情况一致。     

医院智能应急疏散导航方法与物联网应用研究*

为解决大型复杂医院建筑紧急疏散下的路线指引问题,提出适合复杂空间结构的疏散拓扑地图自动生成方法,同时提出基于组合神经网络的疏散决策模型,以应对医院建筑中各种静态动态的危险源,基于该疏散指引方法,研发智能疏散导航物联网装置Nav-IoT。研究结果表明:该方法可实时采集医院多种危险情况,通过决策网络和多种物联网智能设备进行动态决策,并发出明确移动指引信号,能够有效提升疏散过程的安全度和效率,满足大型复杂医院建筑内的智能化、动态化的人员应急疏散需求。     

基于贝叶斯网络的城市地下燃气管网动态风险分析

为研究城市燃气管网风险的动态性,针对传统风险分析方法的局限性,提出基于贝叶斯网络的燃气管网动态风险分析方法。构建燃气管网失效蝴蝶结模型并将其转化为贝叶斯网络模型;在事故发生状态下更新事件失效概率,识别出关键因素;根据异常事件数据和贝叶斯理论,对基本事件失效概率进行实时动态改变;随之更新管网失效及各后果发生的概率,从而实现管网的动态风险分析。研究结果表明:该方法克服了传统风险分析方法的不足,可动态反映燃气管网失效和事故后果发生概率随时间变化的特征,能够为城市地下燃气管网的风险分析与事故预防提供参考。     

基于YOLO-BP神经网络的古建筑修缮阶段火灾监测方法*

为提高古建筑修缮阶段火灾监测水平,有效预防火灾事故,提出1种基于YOLO-BP神经网络算法的古建筑修缮阶段火灾监测模型。针对修缮作业对古建筑产生的消防隐患,在施工场地设置监测点,并利用YOLO算法以火源、可燃物为目标进行检测与定位,计算火源与可燃物距离;以火源温度、含氧量、火源与可燃物距离3项指标作为BP神经网络输入层,以火灾概率为输出层,从而进行预测;基于古建筑修缮阶段焊接、切割动火作业阶段的样本数据进行仿真模拟。结果表明:利用模型监测古建筑修缮阶段火灾的准确率达93.9%,验证模型的可靠性;当火源温度在150~2 000 ℃范围内,含氧量不小于19.5%时,动火作业安全距离为10.1 m。     

高层住宅火灾风险综合评估体系研究

火灾风险评估对于高层住宅的火灾事故预防有着重要意义。本文分析了高层住宅火灾风险因素,并结合现行的建筑设计防火规范,建立了高层住宅火灾风险评价指标体系,将高层住宅火灾风险评价指标分为三级,一、二级指标采用重要性排序的方法,三级指标采用专家打分的方法,各指标权重使用结构熵权法进行计算。最后,利用该方法进行实例分析,对高层住宅的实际火灾风险进行评估,得出其火灾等级,验证了所提评估方法的可行性。对制定高层住宅火灾控制方案有着重要的意义。     

Dynamic risk assessment for underground gas storage facilities based on Bayesian network

Loss of the underground gas storage process can have significant effects, and risk analysis is critical for maintaining the integrity of the underground gas storage process and reducing potential accidents. This paper focuses on the dynamic risk assessment method for the underground gas storage process. First, the underground gas storage process data is combined to create a database, and the fault tree of the underground gas storage facility is built by identifying the risk factors of the underground gas storage facility and mapping them into a Bayesian network. To eliminate the subjectivity in the process of determining the failure probability level of basic events, fuzzy numbers are introduced to determine the prior probability of the Bayesian network. Then, causal and diagnostic reasoning is performed on the Bayesian network to determine the failure level of the underground gas storage facilities. Based on the rate of change of prior and posterior probabilities, sensitivity and impact analysis are combined to determine the significant risk factors and possible failure paths. In addition, the time factor is introduced to build a dynamic Bayesian network to perform dynamic assessment and analysis of underground gas storage facilities. Finally, the dynamic risk assessment method is applied to underground gas storage facilities in depleted oil and gas reservoirs. A dynamic risk evaluation model for underground gas storage facilities is built to simulate and validate the dynamic risk evaluation method based on the Bayesian network. The results show that the proposed method has practical value for improving underground gas storage process safety.     

公共建筑火灾风险评价方法研究

建筑物的火灾危险度包括火灾对建筑物本身的破坏以及对建筑物内部人员伤害两个方面.本文在古斯塔夫火灾危险度法和层次分析法的基础上,采用模糊数学中的一些方法对火灾危险源进行处理.将火灾风险定义若干因子,每个因子对应火灾危险源的不同特性.通过评价得出建筑物所属的安全等级以及一定区域内建筑火灾风险的排序.在评价过程中考虑控制风险的力量,特别是消防队控制风险的力量对建筑物火灾风险的影响,使评估结果更加合理准确.该方法可以使消防部队快捷迅速的了解辖区内重要公共建筑的安全情况,以及如何合理的布置消防站点,降低城市区域风险.     

危化品事故情景推演网络构建及关键节点分析*

为有效应对危化品事故发生与演变时存在的动态性及不确定性问题,基于事故演变过程中的关键情景状态及对应孕灾环境、应急活动和处置目标等要素,引入动态贝叶斯网络方法,构建危化品事故情景推演网络,并结合复杂网络知识,对孕灾环境和应急活动2类事故影响因素节点进行敏感性和重要度分析。结果表明:情景推演网络计算的情景节点概率符合事故发生的实际情况,能够对危化品事故在不同孕灾环境和应急救援下的演变路径进行推演,并且分析得到燃烧物、消防力量、火场环境和建筑密度等关键影响因素节点,研究结果可为事故处理提供应急辅助决策支持。     

基于动态贝叶斯网络的石化装置火灾事故动态风险分析

为揭示石油炼化装置事故风险动态特性和事故情景演变路径,在对石化装置进行风险因素分析的基础上构建石化装置火灾事故故障树,基于贝叶斯网络非常规突发事故的演变过程,构建情景演变下的动态贝叶斯网络模型,在综合考虑应急措施的基础上,利用MATLAB软件和联合概率公式计算出各种事故场景的状态概率.以丙烯精馏装置火灾事故为例,结果表...