CN114037283A - 一种商业综合体的火灾动态风险评估方法 - Google Patents

一种商业综合体的火灾动态风险评估方法 Download PDF

Info

Publication number
CN114037283A
CN114037283A CN202111327593.9A CN202111327593A CN114037283A CN 114037283 A CN114037283 A CN 114037283A CN 202111327593 A CN202111327593 A CN 202111327593A CN 114037283 A CN114037283 A CN 114037283A
Authority
CN
China
Prior art keywords
index
fire
value
indexes
risk assessment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111327593.9A
Other languages
English (en)
Inventor
班擎宇
张恒
张新宇
程昕菲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inner Mongolia Agricultural University
Original Assignee
Inner Mongolia Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inner Mongolia Agricultural University filed Critical Inner Mongolia Agricultural University
Priority to CN202111327593.9A priority Critical patent/CN114037283A/zh
Publication of CN114037283A publication Critical patent/CN114037283A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Abstract

本发明涉及一种商业综合体的火灾动态风险评估方法，包括：根据商业综合体的火灾特点，构建商业综合体火灾风险评估指标体系；根据多个专家知识对指标体系的风险评估调查结果，采用结构熵权算法获取每一个一级指标、二级指标的指标权重，基于指标权重和每一指标的样本信息，构建投影寻踪目标函数，并获取商业综合体的最佳投影方向向量；基于最佳投影方向向量和商业综合体指标的实测值得到作为火灾动态风险评估结果的火灾风险等级。上述方法通过分析商业综合体的火灾特点，能够同时结合主观赋值法和客观赋值法优点建立动态火灾风险评估模型，实现对商业综合体火灾风险的动态评估，有效避免人为确定评估等级阈值的局限性。

Description

一种商业综合体的火灾动态风险评估方法
技术领域
本发明涉及建筑防火技术领域，尤其涉及一种商业综合体的火灾动态风险评估方法。
背景技术
近年来，许多城市建造了各式功能复杂的商业综合体，虽然商业综合体给我们的生活带来了极大的便利，但由于其功能的复杂性，同时也面临着极大的火灾风险。这类建筑具有易燃可燃物火灾荷载大、功能复杂、易发生电气火灾、人员密集、疏散设施不足、灭火及扑救困难等火灾特点，一旦发生火灾，将造成重大的社会影响。导致商业综合体火灾发生的因素繁多且复杂。
现有的商业综合体的火灾风险评估大多是业内人士主观评估，或者采用不全面的指标体系进行评估，其评估结果不全面且为静态。
为此，亟需一种能够全面的评估商业综合体动态风险的评估体系，以实现商业综合体火灾风险的全面评估，消除人为的局限性成为当前亟需的技术问题。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足，本发明提供一种商业综合体的火灾动态风险评估方法。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
第一方面，本发明实施例提供一种商业综合体的火灾动态风险评估方法，包括：
S10、根据商业综合体的火灾特点，构建商业综合体火灾风险评估指标体系；所述指标体系包括至少五个一级指标和多个二级指标；
S20、根据多个专家知识对指标体系的风险评估调查结果，采用结构熵权算法获取每一个二级指标的指标综合权重，所述二级指标的指标综合权重是和该二级指标所属的一级指标的指标权重关联；
S30、基于每一个二级指标的指标综合权重和每一指标的样本信息，构建投影寻踪目标函数，并采用构建的投影寻踪目标函数获取商业综合体的最佳投影方向向量；
S40、根据最佳投影方向向量，获取作为火灾风险等级的各边界值；以及结合最佳投影方向向量、所述商业综合体的二级指标的实测值获取用于评估风险的特征值，根据特征值落入的边界值的范围，得到作为火灾动态风险评估结果的火灾风险等级。
可选地，所述指标体系的一级指标包括：建筑物主动防火、建筑物被动防火、安全疏散、消防扑救设施和消防安全管理；
建筑物主动防火的二级指标包括：火灾自动报警系统U11、自动灭火系统U12、消火栓灭火系统U13、防烟排烟系统U14、灭火器U15；
建筑物被动防火的二级指标包括：耐火等级U21、防火分区U22、防烟分区U23、防火分隔U24、防火封堵U25；
安全疏散的二级指标包括：安全出口数目U31、疏散通道宽度U32、疏散距离U33、应急照明及疏散标志U34、人员分布情况U35；
消防扑救设施的二级指标包括：消防车辆通道U41、消防施救楼梯U42、消防电梯U43、消防操作面U44；
消防安全管理的二级指标包括：消防应急预案的制定与演练U51、消防设施定期检测与维护保养U52、消防安全教育培训U53、消防巡查检查制度落实U54、隐患自查整改能力U55。
可选地，所述S20包括：
S21、若风险评估调查结果为r位专家给出的r张，则将r张风险评估调查结果中的一级指标的重要度排序的结果形成典型排序的排序矩阵A；将r张风险评估调查结果中的二级指标的重要度排序的结果形成典型排序的排序矩阵A’；
S22、将一级指标对应的排序矩阵A转化为隶属度矩阵B；
并基于预先定义的认识盲度和总体认识度，获取r位专家对每一个一级指标的评价值，所有评价值组成一级指标对应的评价向量；
将二级指标对应的排序矩阵A’转化为隶属度矩阵B’；
以及，基于预先定义的认识盲度和总体认识度，获取r位专家对每一个二级指标的评价值，所有评价值组成二级指标对应的评价向量；
S23、对每一个一级指标的评价值进行归一化处理，得到一级指标的权重，所有一级指标的权重组成一级指标的权重向量；
S24、对每一个二级指标的评价值进行归一化处理，得到二级指标的权重初值，
针对每一个二级指标，将该二级指标的权重初值和该二级指标所属的一级指标的权重相乘，得到最终的二级指标综合权重。
可选地，所述S21包括：
S21、每一风险评估调查结果对应的一级指标数组为U＝{u1,u2,…uj…,un}，n为一级指标数量，一级指标数组对应的典型排序为(ai1,ai2,…,ain)，则r张风险评估调查结果中的一级指标排序矩阵为A；
Figure BDA0003347767860000031
其中，aij表示第i个专家知识对j个一级指标的重要度排序，j取1……n，i取1……r；
S22中，隶属度矩阵
Figure BDA0003347767860000041
m为转化参数量，m＝Max(aij)+2；
若定义认识盲度
Figure BDA0003347767860000042
总体认识度vj＝bj(1-σj)，则r位专家关于第j个一级指标μj的评价值，并得到评价向量V＝[v1,v2,…,vn]；
在S23中，一级指标的权重向量W＝[ω1,ω2…ωn]，第j个一级指标μj的权重为
Figure BDA0003347767860000043
W'＝[W1,W2,W3,W4,W5]
在S24中，二级指标初始权重向量，第j个一级指标下的第k个二级指标综合权重为
Figure BDA0003347767860000044
其中，建筑物主动防火的二级指标初始权重向量W1，建筑物被动防火的二级指标初始权重向量W2，安全疏散的二级指标初始权重向量W3，消防扑救设施的二级指标初始权重向量W4，消防安全管理的二级指标初始权重向量W5。
可选地，所述S30包括：
S31、针对预先定义的每一个二级指标的样本信息，对样本信息中的样本值进行归一化处理，得到归一化的样本值；
将归一化的样本值和二级指标的综合权重相乘，得到加权值
Figure BDA0003347767860000045
Figure BDA0003347767860000046
为归一化的样本值；
S32、基于投影寻踪算法，采用加权值
Figure BDA0003347767860000051
构建投影寻踪目标函数；
Q(c)＝S(c)D(c)
Figure BDA0003347767860000052
Figure BDA0003347767860000053
维单位方向向量
Figure BDA0003347767860000054
表示某一个投影方向上各个二级指标的单位方向向量；
Figure BDA0003347767860000055
为样本
Figure BDA0003347767860000056
在此投影方向上的投影特征值；
Figure BDA0003347767860000057
为样本信息中的样本个数；
Figure BDA0003347767860000058
为投影值的平均值，R为局部密度窗口半径，
Figure BDA0003347767860000059
为投影值间的距离，
Figure BDA00033477678600000510
为单位阶跃函数，当
Figure BDA00033477678600000511
时，f＝1，否则f＝0；
S33、基于约束条件
Figure BDA00033477678600000512
确定投影寻踪目标函数的最佳投影方向向量。
可选地，所述S31中预先定义的每一指标的样本信息包括：
设每个指标的样本值为
Figure BDA00033477678600000513
为第
Figure BDA00033477678600000514
个样本第
Figure BDA00033477678600000515
个指标，
Figure BDA00033477678600000516
和
Figure BDA00033477678600000517
分别为样本个数和指标个数；
部分指标采用下述公式一获取归一化处理的指标；
部分指标采用下述公式二获取归一化处理的指标；
Figure BDA00033477678600000518
Figure BDA00033477678600000519
对归一化处理的指标采用公式三构建加权值
Figure BDA00033477678600000520
Figure BDA00033477678600000521
可选地，所述S40包括：
将最佳投影方向向量输入
Figure BDA0003347767860000061
得到作为样本信息所属的边界值的投影特征值，将该边界值按照大小排序，并将相邻两个数字的范围作为火灾风险等级的一个等级；
以及，针对预先采集的商业综合体的二级指标的实测值，结合二级指标的综合权重采用公式一、公式二和公式三的处理方式进行处理，获得二级指标实测值的加权值；
将最佳投影方向向量、二级指标实测值的加权值输入下述公式：
Figure BDA0003347767860000062
获得用于风险评估的特征值Z特征值，将特征值落入的火灾风险等级的信息作为火灾动态风险评估结果。
第二方面，本发明实施例还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上第一方面任一项所述的一种商业综合体的火灾动态风险评估方法的步骤。
第三方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面任一项所述的一种商业综合体的火灾动态风险评估方法的步骤。
(三)有益效果
本发明的方法通过分析商业综合体的火灾特点，确定了商业综合体火灾动态风险评估指标体系，并运用结构熵权法综合主客观因素确定火灾风险评估各指标权重，最终建立基于投影寻踪的动态火灾风险评估使用的目标函数，基于目标函数实现对商业综合体火灾风险的动态评估，该方法可有效避免人为确定评估等级阈值的局限性。
特别地，采用能够同时结合主观赋值法和客观赋值法优点的结构熵权法来确定商业综合体火灾风险评估体系各指标权重，利用盲度分析消除专家主观判断的影响，达到全面的综合确定各指标权重的要求。
也就是说，通过基于投影寻踪的目标函数，确定商业综合体风险等级为“较安全”级别，实现对商业综合体火灾风险的动态评估，并且利用该方法也有效避免了人为确定评估等级阈值的局限性。
附图说明
图1为本发明一实施例提供的商业综合体的火灾动态风险评估方法的流程示意图；
图2为本发明一实施例提供的商业综合体火灾动态风险评估指标属性的示意图；
图3为本发明一实施例提供的商业综合体火灾风险评估专家调查表格的示意图；
图4为本发明一实施例提供的商业综合体动态火灾风险评估一级指标专家调查结果的示意图；
图5为本发明一实施例提供的商业综合体动态火灾风险评估体系各指标权重的示意图；
图6为本发明一实施例提供的火灾安全评估指标标准值的示意图；
图7为本发明一实施例提供的评估样本指标集的示意图；
图8为本发明一实施例提供的商业综合体火灾风险等级标准的示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
商业综合体由于其功能的复杂性，面临着极大的火灾风险。为了有效防范商业综合体火灾事故的发生与发展。科学的构建商业综合体动态火灾风险评估指标体系对于火灾风险评估结果的准确性至关重要。在复杂的指标因素中合理的选择出商业综合体火灾风险指标，应该遵循科学性原则、系统性原则、可操作性原则、规范性原则、相对独立性原则及全面性原则。本申请中结合指标体系构建原则，建立了以建筑物主动防火、建筑物被动防火、安全疏散、消防扑救设施和消防安全管理5个方面作为一级指标，包含火灾自动报警系统、自动灭火系统等24个二级指标的商业综合体动态火灾风险评估指标体系。如图2所示。
本申请实施例通过分析商业综合体的火灾特点，构建了商业综合体火灾动态风险评估指标体系，并运用结构熵权法综合主客观因素确定火灾风险评估各指标权重，最终建立基于投影寻踪的动态火灾风险评估模型，结合建立的基于投影寻踪的动态火灾风险评估模型对当前商业综合体进行动态评估，以有效避免人为确定评估等级阈值的局限性。
实施例一
如图1所示，本实施例提供一种商业综合体的火灾动态风险评估方法的流程示意图，本实施例的方法的执行主体为任意的电子设备，如PC或PAD等，能够执行程序的电子设备均可，本实施例的方法包括下述的步骤：
S10、根据商业综合体的火灾特点，构建商业综合体火灾风险评估指标体系；所述指标体系包括至少五个一级指标和多个二级指标；
S20、根据多个专家知识对指标体系的风险评估调查结果，采用结构熵权算法获取每一个二级指标的指标综合权重，所述二级指标的指标综合权重是和该二级指标所属的一级指标的指标权重关联。
该步骤中的多个专家知识对指标体系的风险评估调查结果可理解为具有专家知识的人员填写风险评估调查表格，得到的风险评估调查结果。
S30、基于每一个二级指标的指标综合权重和每一二级指标的样本信息，构建投影寻踪目标函数，并采用构建的投影寻踪目标函数获取商业综合体的最佳投影方向向量。
该步骤中的样本信息是根据先有知识/先验知识确定的。
S40、根据最佳投影方向向量，获取作为火灾风险等级的各边界值；以及结合最佳投影方向向量、所述商业综合体的二级指标的实测值获取用于评估风险的特征值，根据特征值落入的边界值的范围，得到作为火灾动态风险评估结果的火灾风险等级。
该步骤中商业综合体的二级指标的实测值是基于商业综合体的指标体系实际测量值或者人为给定值。
本实施例的方法通过分析商业综合体的火灾特点，确定了商业综合体火灾动态风险评估指标体系，并运用结构熵权法综合主客观因素确定火灾风险评估各指标权重，最终建立基于投影寻踪的动态火灾风险评估使用的目标函数，基于目标函数实现对商业综合体火灾风险的动态评估，该方法可有效避免人为确定评估等级阈值的局限性。
特别说明的是，由于二级指标部分是静态、部分是动态；为此，在每一二级指标动态调整时，可基于本实施例的方法重新获取火灾动态风险评估结果，其保证商业综合体的安全性且评估结果更准确。
实施例二
为了更好的说明本发明实施例的方法，下面结合图2至图8对本发明实施例的方法进行详细描述。
如图2所示，本实施例中示出了5个一级指标和24个二级指标。
所述指标体系的一级指标包括：建筑物主动防火、建筑物被动防火、安全疏散、消防扑救设施和消防安全管理等；
建筑物主动防火的二级指标包括：火灾自动报警系统U11、自动灭火系统U12、消火栓灭火系统U13、防烟排烟系统U14、灭火器U15；
建筑物被动防火的二级指标包括：耐火等级U21、防火分区U22、防烟分区U23、防火分隔U24、防火封堵U25；
安全疏散的二级指标包括：安全出口数目U31、疏散通道宽度U32、疏散距离U33、应急照明及疏散标志U34、人员分布情况U35；
消防扑救设施的二级指标包括：消防车辆通道U41、消防施救楼梯U42、消防电梯U43、消防操作面U44；
消防安全管理的二级指标包括：消防应急预案的制定与演练U51、消防设施定期检测与维护保养U52、消防安全教育培训U53、消防巡查检查制度落实U54、隐患自查整改能力U55。
本实施例的指标构建的非常完善，在其他商业综合体中可以基于实际情况进行进一步的完善，本实施例不对其限定。
一、结合结构熵权算法获取每一个一级指标和二级指标的指标权重
结构熵权法的基本原理是：通过分析系统指标将其划分成独立的指标等级结构，利用德尔菲法与定量分析相结合，对指标的重要程度进行“典型排序”，然后利用熵值法对得出的“典型排序”进行盲度分析，最后归一化数据处理后得到指标权重。
如图3所示，本实施例中使用的商业综合体火灾风险评估专家调查表格的示意图，该表格用于向专家/专家知识进行匿名的问卷调查，其按照德尔菲法规定的要求制备的。专家/专家知识根据自己的经验和理解对各个层次的指标进行重要度排序，通过整理专家调查表格结果形成指标的“典型排序”，如图4所示。具体说明如下：
设邀请r个专家参与填写调查表格，得到r张问卷调查表，每一张问卷调查表对应的所有指标数组记为U＝{u1,u2,…uj…,un}；
若计算的是一级指标的指标权重，则指标数组为一级指标数组，即n为一级指标的总数量；
若计算的是二级指标的指标综合权重，则需要选获取二级指标的权重初值，此时，指标数组为二级指标数组，n为二级指标的总数量。
以下举例采用一级指标数组U确定一级指标权重的方式，即通过结构熵权法确定一级指标权重：
一级指标数组对应的“典型排序”记为(ai1,ai2,…,ain)，那么可以得到r个专家的指标排序矩阵，记为A，其中aij表示第i(i＝1,2，…，r)个专家对j(j＝1,2，…，n)个指标的重要度排序。
Figure BDA0003347767860000111
盲度分析
为了消除专家打分对“典型排序”矩阵造成的不确定性，需要对矩阵进行盲度分析，将隶属度转化函数定义为
Figure BDA0003347767860000112
其中，I为专家对于一级指标的重要度排序，若专家认为某一一级指标重要度排为1，则I为1，若专家认为某一一级指标重要度排为2，则I为2，以此类推。m为转化参数量，取m＝Max(I)+2。将“典型排序”矩阵I＝aij带入μ＝(I)中，得到bij＝μ(aij)，称为排序矩阵的隶属度矩阵B。
平均认识度为r位专家对第j个一级指标uj的“一致看法”，记为bj，
Figure BDA0003347767860000113
认识盲度为某专家由于自身认知对评估指标认识的不确定性，记为σj，
Figure BDA0003347767860000121
总体认识度表示r位专家关于第j个一级指标μj的总体认识度，记为vj，vj＝bj(1-σj)(3.4)
这样可以得到r位专家关于第j个一级指标μj的评价值vj，从而得到所有一级指标的评价向量V＝[v1,v2,…,vn]。
归一化处理
最后，为了得到各一级指标权重，需要对评价向量V中的评价值进行归一化处理，得到权重ωj，所有一级指标的权重值组成权重向量；
Figure BDA0003347767860000122
将归一化后的权重向量记为W＝[ω1,ω2…ωn]。
按照上述获取一级指标的权重的方式分别求得建筑物主动防火的二级指标初始权重向量W1，建筑物被动防火的二级指标初始权重向量W2，安全疏散的二级指标初始权重向量W3，消防扑救设施的二级指标初始权重向量W4，消防安全管理的二级指标初始权重向量W5。
最终可以得出二级指标综合权重ωjk
Figure BDA0003347767860000123
二、构建投影寻踪目标函数并求解投影特征值
投影寻踪模型是将火灾风险评估指标体系中的高维数据投射在对应低维空间中，在低维子空间中利用不同的投射结构对高维数据进行投影，并通过优化投影寻踪的目标函数寻找出可以充分反映高维数据特点的最佳投影方向向量。整个过程的评估结果客观合理，受主观因素干扰较少，其具体步骤如下。
(1)样本信息中样本值的数据归一化处理
首先设每个二级指标的样本值(如图7所示的样本值)为
Figure BDA0003347767860000131
Figure BDA0003347767860000132
其中
Figure BDA0003347767860000133
为第
Figure BDA0003347767860000134
个样本第
Figure BDA0003347767860000135
个指标，
Figure BDA0003347767860000136
和
Figure BDA0003347767860000137
分别为样本个数和指标个数。特别说明，该节中加上标～的
Figure BDA0003347767860000138
和前面的不加上标～的i无任何关联。
为了消除因各数据取值范围不同对样本投影特征值结果造成的影响，需要根据式(3.7)和(3.8)对数据进行处理，对于越大越安全的指标采用式(3.7)进行处理，反之则采用式(3.8)进行处理。也就是说，指定部分指标的归一化采用公式(3.7)，指定部分指标的归一化采用公式(3.8)。
Figure BDA0003347767860000139
Figure BDA00033477678600001310
对归一化处理的二级指标综合权重按式(3.8)构建加权值
Figure BDA00033477678600001311
Figure BDA00033477678600001312
(2)构造投影寻踪目标函数
设
Figure BDA00033477678600001313
维单位方向向量
Figure BDA00033477678600001314
表示某一个投影方向上各个指标的单位方向向量。
Figure BDA00033477678600001315
为样本
Figure BDA00033477678600001316
在此投影方向上的投影特征值：
Figure BDA00033477678600001317
在投影过程中，样本投影点要达到在局部上密集，而在整体上分散的要求，所以，构造投影寻踪目标函数如式(3.11)
Q(c)＝S(c)D(c) (3.11)
式(3.11)中：
Figure BDA0003347767860000141
为投影特征值的标准特征差，表示投影点在整体上的情况，其值越大投影点越分散，
Figure BDA0003347767860000142
为投影特征值的平均值；
Figure BDA0003347767860000143
为投影特征值的局部密度，表示投影点在局部上的情况，其值越大投影点越密集；R为局部密度窗口半径，
Figure BDA0003347767860000144
为投影特征值间的距离，
Figure BDA0003347767860000145
为单位阶跃函数，当
Figure BDA0003347767860000146
时，f＝1，否则f＝0,该处
Figure BDA0003347767860000147
和
Figure BDA0003347767860000148
的取值范围、表示含义均相同，只是为了表示不同的两个投影特征值进行区别使用的。
(3)优化投影寻踪目标函数
当指标样本集(如图7所示的样本集)确定后，目标函数Q(c)的变化只与单位向量c有关，不同的投影方向向量将体现不同的高维数据特点，而最能充分反映高维数据特点的投影方向就是要寻求的最佳投影方向向量。因此，可通过约束条件优化投影目标函数来确定最佳投影方向，即：
目标函数：maxQ(c)＝S(c)D(c) (3.12)
约束条件：
Figure BDA0003347767860000149
(4)火灾风险指标样本等级评估
将得到的最佳投影方向向量带入式(3.10)后可以得到各样本的投影特征值，将该些投影特征值作为火灾风险各等级的边界值，得到火灾风险等级的范围，如图8所示的范围；
结合商业综合体的二级指标的实测数据，进行前述公式3.7～3.9的处理方式进行归一化处理，并结合最佳投影方向，输入至下述公式：
Figure BDA0003347767860000151
获得一个用于评估风险的特征值Z特征值，判断该特征值落入火灾风险等级的哪一个范围，将该范围对应的等级作为火灾动态风险评估结果。根据评价等级范围和特征值的特点可知，特征值越大，火灾风险越小。
本实施例提出的火灾风险评估方法可以应用于所有商业综合体的火灾风险综合评估，具有广泛适用性。
实施例三
实例分析，本实施例中以某商业综合体为例，该建筑位于城市交通主干道的交汇处，建筑总高度58m，属于一类高层建筑，建筑耐火等级为二级，通过检测可知主动防火各个系统的性能均良好，各层防火防烟分区面积均符合规范要求，建筑内楼梯间和前室的防火门采用乙级防火门，管道井检修门采用丙级防火门，但防火门的性能均有不同程度的损害，疏散通道方向均有不同程度的物品堵塞，通过查找建筑消防档案了解到安全管理人员数目不够，消防安全管理目标不能按照预案严格完成。
一、获取指标权重
如图4所示，运用结构熵权法确定指标权重的结果示意图。即，邀请6名工作经验丰富，理论知识水平突出的专家教授，通过填写《商业综合体动态火灾风险评估专家调查表格》，对商业综合体动态火灾风险评估指标体系5个一级指标进行重要度排序，得到图4所示的排序结果。
即，得到一级指标重要度排序矩阵，如矩阵A所示,
Figure BDA0003347767860000152
将重要度排序矩阵aij带入隶属度矩阵函数式(3.1)中，得到对应的隶属度矩阵B，其中I的取值范围是{1,2,3,4,5},则m＝7。
Figure BDA0003347767860000161
利用公式(3.2)得到一级指标的平均认识度bj，
Figure BDA0003347767860000162
将隶属度矩阵B和平均认识度bj带入公式(3.3)，计算得到一级指标的认识盲度σj，
Figure BDA0003347767860000163
将上式带入公式(3.4)，可以得到6名专家对于一级指标的总体认识度vj，
vj＝bj(1-σj)＝(0.9008 0.4130 0.8082 0.4867 0.7087)；
最后，为了得到5个一级指标的权重，需要对vj利用公式(3.5)进行归一化处理，得到权重向量W＝(0.2715 0.1245 0.2436 0.1467 0.2136)。由于需要对商业综合体进行一个全面的动态综合评估，而建筑物被动防火二级指标均为静态指标，所以得到建筑物被动防火指标权重相对较低。
利用相同的方法可以确定5个子维度的权重，计算结果如图5所示：
具体过程如下：建筑物主动防火二级指标重要度排序矩阵，如矩阵A1所示，
Figure BDA0003347767860000171
将上式代入公式(3.1)中，得到建筑物主动防火隶属度矩阵B1为，
Figure BDA0003347767860000172
将上式数据带入(3.2)～(3.5)，可得bj＝(0.9661 0.8529 0.8054 0.53770.5098)，σj＝(0.04799 0.08618 0.1201 0.1066 0.1923)，vj＝(0.9197 0.7794 0.70870.4804 0.4118)，建筑物主动防火二级指标初始权重向量W1＝(0.2787 0.2362 0.21480.1456 0.1248)。
建筑物被动防火二级指标重要度排序矩阵，如矩阵A2所示，
Figure BDA0003347767860000173
将上式代入公式(3.1)中，得到建筑物被动防火隶属度矩阵B2为，
Figure BDA0003347767860000174
将上式数据带入(3.2)～(3.5)，可得bj＝(0.6667 0.9661 0.8944 0.68250.4623)，σj＝(0.1869 0.04799 0.06555 0.1446 0.1066)，vj＝(0.5421 0.9197 0.83580.5838 0.4130)，建筑物被动防火二级指标初始权重向量W2＝(0.1646 0.2792 0.25370.1772 0.1254)。
安全疏散二级指标重要度排序矩阵，如矩阵A3所示，
Figure BDA0003347767860000181
将上式代入公式(3.1)中，安全疏散隶属度矩阵B3为，
Figure BDA0003347767860000182
将上式数据带入(3.2)～(3.5)，可得bj＝(0.9491 0.8224 0.8360 0.64000.4246)，σj＝(0.05090 0.1378 0.06225 0.1810 0.0843)，vj＝(0.9008 0.7091 0.78400.5242 0.3888)，安全疏散二级指标初始权重向量W3＝(0.2724 0.2144 0.2371 0.15850.1176)。
消防扑救设施二级指标重要度排序矩阵，如矩阵A4所示，
Figure BDA0003347767860000183
将上式代入公式(3.1)中，消防扑救设施隶属度矩阵B4为，
Figure BDA0003347767860000191
将上式数据带入(3.2)～(3.5)，可得bj＝(0.9307 0.5147 0.6813 0.8480)，σj＝(0.0693 0.1187 0.2080 0.1299)，vj＝(0.8662 0.4536 0.5396 0.7378)，消防扑救设施二级指标初始权重向量W4＝(0.3335 0.1746 0.2078 0.2841)。
消防安全管理二级指标重要度排序矩阵，如矩阵A5所示，
Figure BDA0003347767860000192
将上式代入公式(3.1)中,消防安全管理隶属度矩阵B5为，
Figure BDA0003347767860000193
将上式数据带入(3.2)～(3.5)，可得bj＝(0.9114 0.5645 0.9284 0.80540.4623)，σj＝(0.07658 0.1378 0.0828 0.1201 0.1066)，vj＝(0.8416 0.4867 0.85150.7087 0.4130)，消防安全管理二级指标初始权重向量W5＝(0.2549 0.1474 0.25790.2147 0.1251)。
利用公式3.6即可得出二级指标综合权重，即：
ωjk＝(0.075670.06413 0.05832 0.03953 0.03388 0.02049 0.03476 0.031590.02206 0.01561 0.06636 0.052230.05776 0.03861 0.02865 0.04892 0.025610.03048 0.04168 0.05445 0.03148 0.05509 0.04586 0.02672)。
二、动态评估
图6示出了火灾安全评估指标的标准值的信息，该信息为现有结合经验获取的，火灾安全评估指标标准值以区间的形式给出，并划分为五个级别，ν＝{最安全，安全，较安全，不安全，最不安全}。
评估样本指标集由火灾安全评估指标标准值五个级别的6个边界样本构成，如图7所示，通过数据归一化处理，构造投影寻踪目标函数，通过目标函数优化，得到最佳投影方向及各样本投影特征值，最后将商业综合体火灾样本投影值与各等级样本投影特征值进行比较，从而确定商业综合体的风险等级。
评估样本指标集如图6所示，将图6中示出的数据带入式(3.7)～(3.9)进行归一化处理和加权处理，其次，以单位向量c＝(c1,c2,…,c24)表示某一个投影方向上各个指标的单位向量，则
Figure BDA0003347767860000201
为：
Figure BDA0003347767860000202
再者，构建如下投影寻踪目标函数：
Q(c)＝S(c)D(c)(4.2)；
式中：
Figure BDA0003347767860000203
基于投影寻踪目标函数，样本维数是6，指标数是24，通过运行Matlab程序求得商业综合体火灾风险评估指标最佳投影方向向量为：
c＝[0.3215,0.2865,0.2887,0.1841,0.1923,0.1531,0.1484,0.1307,0.1112,0.1034,0.2836,0.2453,0.2302,0.1986,0.1601,0.1957,0.1500,0.1322,0.2231,0.2411,0.1062,0.2089,0.2292,0.1497]；
将上述最佳投影方向向量c带入式(4.1)，利用Matlab计算得到6个边界样本的投影特征值分别为：0.2162、0.1758、0.1349、0.0923、0.0489、0，本实施例中投影范围的每一个二级指标边界值对应的样本值是6个，为此，投影寻踪的投影特征值为6个，其对应投影范围的边界值，即将该边界值按照大小排序，并将相邻两个数字的范围作为火灾风险等级的一个等级，则最安全到最不安全的火灾风险值的范围如图8所示。
针对待分析的商业综合体二级指标的实测值，即根据商业综合体的实际建筑取值，得到24个二级指标，如实测样本指标S7＝(0.7,0.7,35,0.7,0.4,0.7,1200,800,700,0.7,4,1.5,25,10,
0.7,0.3,0.8,0.8,0.8,0.5,120,0.5,0.5,0.5)代入式(3.7)～(3.9)利用Matlab进行归一化处理和加权处理，把经过归一化和加权处理的数据和上述得到的最佳投影方向向量c代入
Figure BDA0003347767860000211
计算得到实测样本的特征值为0.1348，将0.1348和图8所示的各等级匹配，获得该商业综合体风险等级评估为“较安全”级别。
通过以上风险等级评估过程可知，商业综合体的实测样本指标值按照图5火灾安全评估指标标准值确定，将以上数据代入式(3.7)～(3.9)利用Matlab进行归一化处理和加权处理，然后将得到的数据和上述最佳投影方向向量c代入式(4.1)计算得到特征值，同火灾风险值的边界范围对比之后，可确定此刻的火灾风险等级，实现商业综合体动态火灾风险评估。
基于上述方法，基于商业综合体的建筑特点和火灾布局，在选取合适的火灾风险评估指标后，结合指标体系构建原则，建立了以建筑物主动防火、建筑物被动防火、安全疏散、消防扑救设施和消防安全管理5个方面作为一级指标，包含24个二级指标的商业综合体动态火灾风险评估指标体系，并分析指标属性及其获取方式。
本实施例中，通过采用能够同时结合主观赋值法和客观赋值法优点的结构熵权法来确定商业综合体火灾风险评估体系各指标权重，利用盲度分析消除专家主观判断的影响，达到全面的综合确定各指标权重的要求。
最后，通过基于投影寻踪的目标函数，确定商业综合体风险等级为“较安全”级别，同时利用智能监测系统实时记录各指标值，将数据带入模型后实现对商业综合体火灾风险的动态评估，并且利用该方法也有效避免了人为确定评估等级阈值的局限性。
另外，本发明实施例还提供一种智能检测系统，该智能检测系统可用于实时记录二级指标的实测值，或者在商业综合体内的部分设施变化时，智能检测系统实时记录更新的二级指标的实测值，进而获取最后动态的风险评估结果，其有效实现动态评估，保证商业综合体的安全风险评估。
本实施例的智能检测系统可通过计算机程序的方式实现，其计算机程序存储在计算机的存储器上，当计算机可执行的指令在处理器上执行时，所述的计算机可执行的指令导致处理器完成下列功能：
针对指定商业综合体，采集该商业综合体的二级指标的实测值；
基于采集的二级指标的实测值，结合前述的样本信息中对应的二级指标的综合权重，采用3.7至3.9的公式处理方式进行处理，获得二级指标实测值的加权值；
将最佳投影方向向量、二级指标实测值的加权值输入下述公式：
Figure BDA0003347767860000221
获得用于风险评估的特征值Z特征值，将特征值落入的火灾风险等级的信息作为火灾动态风险评估结果。
最佳投影方向向量、结合前述的样本信息中对应的二级指标的综合权重均是前述实施例二或实施例三的方式确定的。
上述智能检测系统可应用于任意的商业综合体中，其实时动态的获取到二级指标的实测值即可获得该商业综合体的火灾动态风险评估结果。
实施例四
本申请第三方面提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现如上实施例中任意一项所述的商业综合体的火灾动态风险评估方法的步骤。
电子设备可包括：至少一个处理器、至少一个存储器、至少一个网络接口和其他的用户接口。其各个组件通过总线系统耦合在一起。可理解，总线系统用于实现这些组件之间的连接通信。总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。其中，用户接口可以包括显示器、键盘或者点击设备(例如，鼠标或者触感板等)。
可以理解，本实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在本发明实施例中，处理器通过调用存储器存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器用于执行第一方面所提供的方法步骤。
上述本发明实施例揭示的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
另外，结合上述实施例中的商业综合体的火灾动态风险评估方法，本发明实施例可提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上方法实施例中的任意一种商业综合体的火灾动态风险评估方法。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。

Claims (10)

1.一种商业综合体的火灾动态风险评估方法，其特征在于，所述方法包括：
S10、根据商业综合体的火灾特点，构建商业综合体火灾风险评估指标体系；所述指标体系包括至少五个一级指标和多个二级指标；
S20、根据多个专家知识对指标体系的风险评估调查结果，采用结构熵权算法获取每一个二级指标的指标综合权重，所述二级指标的指标综合权重是和该二级指标所属的一级指标的指标权重关联；
S30、基于每一个二级指标的指标综合权重和每一指标的样本信息，构建投影寻踪目标函数，并采用构建的投影寻踪目标函数获取商业综合体的最佳投影方向向量；
S40、根据最佳投影方向向量，获取作为火灾风险等级的各边界值；以及结合最佳投影方向向量、所述指定商业综合体的二级指标的实测值获取用于评估风险的特征值，根据特征值落入的边界值的范围，得到作为火灾动态风险评估结果的火灾风险等级。
2.根据权利要求1所述的商业综合体的火灾动态风险评估方法，其特征在于，所述指标体系的一级指标包括：
建筑物主动防火、建筑物被动防火、安全疏散、消防扑救设施和消防安全管理；
建筑物主动防火的二级指标包括：火灾自动报警系统U11、自动灭火系统U12、消火栓灭火系统U13、防烟排烟系统U14、灭火器U15；
建筑物被动防火的二级指标包括：耐火等级U21、防火分区U22、防烟分区U23、防火分隔U24、防火封堵U25；
安全疏散的二级指标包括：安全出口数目U31、疏散通道宽度U32、疏散距离U33、应急照明及疏散标志U34、人员分布情况U35；
消防扑救设施的二级指标包括：消防车辆通道U41、消防施救楼梯U42、消防电梯U43、消防操作面U44；
消防安全管理的二级指标包括：消防应急预案的制定与演练U51、消防设施定期检测与维护保养U52、消防安全教育培训U53、消防巡查检查制度落实U54、隐患自查整改能力U55。
3.根据权利要求1或2所述的商业综合体的火灾动态风险评估方法，其特征在于，所述S20包括：
S21、若风险评估调查结果为r位专家给出的r张，则将r张风险评估调查结果中的一级指标的重要度排序的结果形成典型排序的排序矩阵A；将r张风险评估调查结果中的二级指标的重要度排序的结果形成典型排序的排序矩阵A’；
S22、将一级指标对应的排序矩阵A转化为隶属度矩阵B；
并基于预先定义的认识盲度和总体认识度，获取r为专家对每一个一级指标的评价值，所有评价值组成一级指标对应的评价向量；
将二级指标对应的排序矩阵A’转化为隶属度矩阵B’；
以及，基于预先定义的认识盲度和总体认识度，获取r为专家对每一个二级指标的评价值，所有评价值组成二级指标对应的评价向量；
S23、对每一个一级指标的评价值进行归一化处理，得到一级指标的权重，所有一级指标的权重组成一级指标的权重向量；
S24、对每一个二级指标的评价值进行归一化处理，得到二级指标的权重初值；
针对每一个二级指标，将该二级指标的权重初值和该二级指标所属的一级指标的权重相乘，得到最终的二级指标综合权重。
4.根据权利要求3所述的商业综合体的火灾动态风险评估方法，其特征在于，所述S21包括：
S21、每一风险评估调查结果对应的一级指标数组为U＝{u1,u2,…uj…,un}，n为一级指标数量，一级指标数组对应的典型排序为(ai1,ai2,…,ain)，则r张风险评估调查结果中的一级指标排序矩阵为A；
Figure FDA0003347767850000031
其中，aij表示第i个专家知识对j个一级指标的重要度排序，j取1……n，i取1……r；
S22中，隶属度矩阵
Figure FDA0003347767850000032
m为转化参数量，m＝Max(aij)+2；
若定义认识盲度
Figure FDA0003347767850000033
总体认识度vj＝bj(1-σj)，则r位专家关于第j个一级指标μj的评价值，并得到评价向量V＝[v1,v2,…,vn]；
在S23中，一级指标的权重向量W＝[ω1,ω2…ωn]，第j个一级指标μj的权重为
Figure FDA0003347767850000034
在S24中，二级指标初始权重向量W'＝[W1,W2,W3,W4,W5]，第j个一级指标下的第k个二级指标综合权重为
Figure FDA0003347767850000035
其中，建筑物主动防火的二级指标初始权重向量W1，建筑物被动防火的二级指标初始权重向量W2，安全疏散的二级指标初始权重向量W3，消防扑救设施的二级指标初始权重向量W4，消防安全管理的二级指标初始权重向量W5。
5.根据权利要求4所述的商业综合体的火灾动态风险评估方法，其特征在于，所述S30包括：
S31、针对预先定义的每一个二级指标的样本信息，对样本信息中的样本值进行归一化处理，得到归一化的样本值；
将归一化的样本值和二级指标的综合权重相乘，得到加权值
Figure FDA0003347767850000041
Figure FDA0003347767850000042
Figure FDA0003347767850000043
为归一化的样本值；
S32、基于投影寻踪算法，采用加权值
Figure FDA0003347767850000044
构建投影寻踪目标函数；
Q(c)＝S(c)D(c)；
Figure FDA0003347767850000045
Figure FDA0003347767850000046
维单位方向向量
Figure FDA0003347767850000047
表示某一个投影方向上各个二级指标的单位方向向量；
Figure FDA0003347767850000048
为样本
Figure FDA0003347767850000049
在此投影方向上的投影特征值；
Figure FDA00033477678500000410
Figure FDA00033477678500000411
为样本信息中的样本个数；
Figure FDA00033477678500000412
为投影值的平均值，R为局部密度窗口半径，
Figure FDA00033477678500000413
为投影值间的距离，
Figure FDA00033477678500000414
为单位阶跃函数，当
Figure FDA00033477678500000415
时，f＝1，否则f＝0；
S33、基于约束条件
Figure FDA00033477678500000416
确定投影寻踪目标函数的最佳投影方向向量。
6.根据权利要求5所述的商业综合体的火灾动态风险评估方法，其特征在于，所述S31中预先定义的每一指标的样本信息包括：
Figure FDA0003347767850000051
7.根据权利要求6所述的商业综合体的火灾动态风险评估方法，其特征在于，所述S31中预先定义的每一指标的样本信息包括：
设每个指标的样本值为
Figure FDA0003347767850000052
Figure FDA0003347767850000053
为第
Figure FDA0003347767850000054
个样本第
Figure FDA0003347767850000055
个指标，
Figure FDA0003347767850000056
和
Figure FDA0003347767850000057
分别为样本个数和指标个数；
部分指标采用下述公式一获取归一化处理的指标；
部分指标采用下述公式二获取归一化处理的指标；
Figure FDA0003347767850000061
Figure FDA0003347767850000062
对归一化处理的所有指标采用公式三构建加权值
Figure FDA0003347767850000063
Figure FDA0003347767850000064
8.根据权利要求5所述的商业综合体的火灾动态风险评估方法，其特征在于，所述S40包括：
将最佳投影方向向量输入
Figure FDA0003347767850000065
得到作为样本信息所属的边界值的投影特征值，将该边界值按照大小排序，并将相邻两个数字的范围作为火灾风险等级的一个等级；
以及，针对预先采集的商业综合体的二级指标的实测值，结合二级指标的综合权重采用公式一、公式二和公式三的处理方式进行处理，获得二级指标实测值的加权值；
将最佳投影方向向量、二级指标实测值的加权值输入下述公式：
Figure FDA0003347767850000066
获得用于风险评估的特征值Z特征值，将特征值落入的火灾风险等级的信息作为火灾动态风险评估结果。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上权利要求1至8任一项所述的一种商业综合体的火灾动态风险评估方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上权利要求1至8任一项所述的一种商业综合体的火灾动态风险评估方法的步骤。
CN202111327593.9A 2021-11-10 2021-11-10 一种商业综合体的火灾动态风险评估方法 Pending CN114037283A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111327593.9A CN114037283A (zh) 2021-11-10 2021-11-10 一种商业综合体的火灾动态风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111327593.9A CN114037283A (zh) 2021-11-10 2021-11-10 一种商业综合体的火灾动态风险评估方法

Publications (1)

Publication Number Publication Date
CN114037283A true CN114037283A (zh) 2022-02-11

Family

ID=80137208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111327593.9A Pending CN114037283A (zh) 2021-11-10 2021-11-10 一种商业综合体的火灾动态风险评估方法

Country Status (1)

Country Link
CN (1) CN114037283A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115809827A (zh) * 2022-12-21 2023-03-17 贵州大学 一种用于城市地下空间的火灾动态评估方法和装置
CN117114423A (zh) * 2023-10-23 2023-11-24 中国科学院空天信息创新研究院 一种工业厂房火灾风险预测及损失评估方法与装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115809827A (zh) * 2022-12-21 2023-03-17 贵州大学 一种用于城市地下空间的火灾动态评估方法和装置
CN117114423A (zh) * 2023-10-23 2023-11-24 中国科学院空天信息创新研究院 一种工业厂房火灾风险预测及损失评估方法与装置
CN117114423B (zh) * 2023-10-23 2024-01-26 中国科学院空天信息创新研究院 一种工业厂房火灾风险预测及损失评估方法与装置

Similar Documents

Publication Publication Date Title
CN103679558B (zh) 电动汽车充换电站火灾风险数据评估方法
CN109034582B (zh) 基于云模型和组合赋权的隧道穿越断层突水突泥风险评价方法
US11335179B1 (en) Water environment risk prediction and early warning method
CN110555617B (zh) 一种基于物联网的建筑火灾风险实时动态定量评估方法
Masi et al. Towards the updated Italian seismic risk assessment: exposure and vulnerability modelling
CN108710984B (zh) 一种矿山地质环境综合评价方法及系统
CN107886235A (zh) 一种耦合确定性与不确定分析的火灾风险评估方法
CN114037283A (zh) 一种商业综合体的火灾动态风险评估方法
CN110458482A (zh) 一种基于大数据的消防安全评价能力构建方法
CN108256141B (zh) 一种基于Copula理论的主余震联合易损性分析方法
CN114548637A (zh) 一种基于ahp-rst的电力通信骨干数据网络安全综合评估方法
CN110956396A (zh) 一种基于单体建筑的消防风险评估方法
CN115392708A (zh) 一种用于建筑消防的火灾风险评估和预警方法及系统
Wu et al. Assessment and simulation of evacuation in large railway stations
CN113505978A (zh) 一种不同形式城市社区的防灾功能评估方法和装置
CN114881396A (zh) 一种基于ahp和topsis的隧道坍塌风险评估方法
Opabola et al. Multicriteria decision making for selecting an optimal survey approach for large building portfolios
Schröder Multivariate methods for life safety analysis in case of fire
Zhang Design and implementation of BIM-based fire risk assessment system
CN109766568A (zh) 一种多因素耦合的航天人因可靠性不确定性分析方法
CN116777244A (zh) 一种营区安全防范系统效能评估方法
CN111178731A (zh) 基于大数据赋能条件下的社会单位动态火灾风险评估方法
Shariff et al. Risk assessment of building fire evacuation with stochastic obstructed emergency exit
Ronchi et al. Framework for an integrated simulation system for Wildland-Urban Interface fire evacuation
CN106650945A (zh) 一种基于证据合成理论的软件体系结构安全性评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination