CN114282849A - 一种高层建筑火灾风险评估方法 - Google Patents

Abstract

一种高层建筑火灾风险评估方法，包括：对高层建筑电气火灾风险评估参数指标进行初选，得到初选体系指标；基于FP‑Growth算法并结合最小阈值挖掘指标的关联规则，对初选体系指标进行关联性分析并进行结构优化，构建风险评估指标体系；结合改进DEMATEL‑ANP的指标权重赋值方法，对各指标进行权重赋值；通过云理论模型对风险评估中的各个特征参数指标进行量化，构建风险评估矩阵；对高层建筑火灾的指标权重与风险评估矩阵按照标准化加权平均计算，计算出各评价等级的非对称贴近度，给出高层建筑电气火灾风险评估结果。本发明综合考虑仅利用最大隶属原则带来的有效性的问题，提高了高层建筑电气火灾风险评估的准确性及适用性。

Description

一种高层建筑火灾风险评估方法

技术领域

本发明涉及高层建筑电气火灾风险识别领域，具体是一种高层建筑火灾风险评估方法。

背景技术

随着我国经济水平的发展，人口密集的高层建筑越来越多，且社会用电量持续上升，随之而来的安全风险逐年增加。据中国消防年鉴统计，截止2020年，从电气火灾的成因分析，因短路、过负荷、接触不良等线路问题引发的占总数的68.9％，因故障、使用不当等设备问题引发的占总数的26.2％，其他电气原因引发的占4.9％；全年共发生居民住宅火灾10.9万起，占火灾总数的43.4％。因此研究高层建筑电气火灾致因及风险评估显得尤为重要。

高层建筑电气火灾的发生是由多种因素导致的，且这些因素存在着相互交叉、相互影响的关系。但目前针对高层建筑电气火灾风险评估的指标因子存在着较为单一的分析，部分研究对风险评估指标因子的赋权分析上倾向考虑层次分析法(AHP)等带有很浓主观色彩的方法。以上分析不仅给全面分析高层建筑电气火灾致因的影响分析带来了困难，也提高了评估的高层建筑电气火灾风险难度，更不利于后续的高层建筑电气火灾的治理研究。虽然现在有不少研究将风险评估技术运用较多领域，但是对高层建筑电气火灾风险评估技术的研究较少，并且目前的高层建筑电气火灾风险评估方法研究中难以摆脱传统专家经验式的定性分析。

专利CN111582718A【基于网络层次分析法的电缆通道火灾风险评估方法及装置】，提供了一种基于网络层次分析法的火灾风险评估方法和装置，但其指标因子单一，因此最终结果难免失真。

专利CN109242283A【基于模糊层次分析法的超高层建筑火灾动态风险评估方法】，提供了一种基于采用层次分析法与模糊数学理论相结合的火灾风险评估方法和装置，但其指标没有考虑到各个因素之间的互相影响关系，因此评估方法存在一定缺陷。

专利CN109064050A【基于大数据的多元线性回归火灾风险评估方法】，提供了一种基于大数据和机器学习的火灾风险评估方法，该方法简化了计算过程但未考虑评估过程中的随机性。

专利CN107886235A【一种耦合确定性与不确定分析的火灾风险评估方法】，提供了一种耦合确定性与不确定分析的火灾风险评估方法，该方法运用了运用模糊理论和证据理论相耦合的技术试图解决火灾风险评估中的不确定问题，但对风险评估的指标因子仍然存在着较为单一的分析。

本发明的初衷是开发一种基于非对称贴近度的FP-Growth挖掘-改进DEMATEL_ANP-云理论混合决策模型的高层建筑电气火灾风险评估方法的研究。考虑高层建筑电气火灾的发生机理，基于FP-Growth挖掘关联规则建立了综合考虑致灾体、火场环境、受灾体、火灾驱动因素的四级评估指标体系，精简选取18种因素作为评价指标，并进行了风险等级划分，提出了一种均衡考虑指标间相互影响关系的改进DEMATEL_ANP的指标权重赋值方法及基于非对称贴近度的FP-Growth挖掘-改进DEMATEL_ANP-云理论混合决策模型的高层建筑电气火灾风险评估方法，结合具体实例对提出的方法进行验证，并与其他风险评估方法进行对比，实例表明，该方法提高了高层建筑电气火灾风险评估的准确性及适用性。

发明内容

为解决上述背景技术中提出的问题，对高层建筑电气火灾能够进行准确的风险评估，本发明目的在于提供一种基于非对称贴近度的FP-Growth挖掘-改进DEMATEL_ANP-云理论混合决策模型的高层建筑电气火灾风险评估方法。

本发明采用的技术方案如下：

一种高层建筑火灾风险评估方法，其步骤包括：

步骤1：对高层建筑电气火灾风险评估参数指标进行初选，得到初选体系指标；

步骤2：基于FP-Growth算法并结合最小阈值挖掘指标的关联规则，对所述初选体系指标进行关联性分析并进行结构优化，构建含有二级指标和三级指标的风险评估指标体系，确定高层建筑电气火灾的风险等级；

步骤3：根据构建的风险评估指标体系，结合改进DEMATEL-ANP的指标权重赋值方法，对各指标进行权重赋值；

步骤4：通过云理论模型对高层建筑电气火灾风险评估中的各个特征参数指标进行量化，构建风险评估矩阵；

步骤5：在对高层建筑火灾的指标权重与风险评估矩阵按照标准化加权平均计算后，再计算出各评价等级的非对称贴近度，最终给出高层建筑电气火灾风险评估结果。

进一步地，所述步骤2中基于FP-Growth算法并结合最小阈值挖掘指标的关联规则的算法流程包括：

步骤2.1：创建项头表，对于满足Supmin的单个项按照支持度从高到低进行排序；

步骤2.2：构造FP树，以FP根节点为NULL节点，再次扫描数据库，按照支持度从高到低进行排序进行创建节点，并更新节点技术和项头表中的链表；

步骤2.3：通过FP树挖掘频繁项集。

进一步地，所述步骤3具体包括：

步骤3.1：基于DEMATEL法构建综合影响关系矩阵P。首先构建准则层之间的直接影响矩阵M：

式中，mij为专家们给出的准则层i对准则层j程度的影响系数，其中mii＝0；r为评估体系中准则层总数；然后计算综合影响关系矩阵P：P＝N(1-N)^-1，式中：X为标准化直接关系矩阵，即：

其中：

步骤3.2：根据综合影响关系矩阵P结合阈值对准则层的网络结构进行简化后绘制ANP网络关系图，引入三角模糊数构建各准则层下指标之间的模糊判断矩阵，进行去模糊化后经一致性检验判断后再由其特征向量建立未加权超级矩阵W’：

式中，Cp为网络层中的第p个元素组，epi为第p个元素组中第i个指标(i＝1，2，..，qp，qp为第p个元素组中元素个数)，Wij为元素组Cj与Ci中元素之间的成偶比较之特征向量；再将W’与准则层下的成偶比较矩阵的特征向量相乘，得到加权超级矩阵W，对W进行求极限，最终得到各评估指标的权重值wj，j＝1，2，..，e，e为指标个数。

进一步地，所述步骤4中云理论模型包含以下云数字特征，可用期望值Ex、熵En、超熵He三个数值来表征，记为K(Ex，En，He)，其中云理论的数字特征参数Ex、He采用如下公式确定：

式中：kmax、kmin分别为指标属于风险等级中某一等级的上下边界值。

进一步地，所述步骤4具体包括：

计算待评价指标与风险评估等级之间云关联度γ：

式中：k为待评价指标的量化值，En′为生成以期望En和标准差He服从正态分布的随机数；

将得到各指标值的云关联度进行组合，得到风险评估矩阵G如公式所示：

进一步地，所述步骤5中非对称贴近度的求解公式为：

式中：J、K分别为模糊子集J、K，l为风险等级的l级评语，计算时先对J、K进行标准化处理。

与现有技术相比，本发明的有益效果是：

1、本发明充分采用基于FP-Growth挖掘关联规则能够构建综合考虑致灾体、火场环境、受灾体、火灾驱动因素的高层建筑电气火灾的精简评估指标体系；

2、本发明在提出的改进DEMATEL_ANP的的权重标准差较低，重视指标之间的均衡；

3、本发明提出的评估方法可更好均衡风险评价指标间的关系，比单一的权重赋值结合云理论法更能准确的进行评估，综合考虑了仅利用最大隶属原则带来的有效性的问题，同时融合了评估中的模糊性与随机性，提高了高层建筑电气火灾风险评估的准确性及适用性。

附图说明

图1是本发明高层建筑火灾风险评估方法的流程示意图；

图2为本发明实施例计算的指标权重与现有ANP的指标权重赋值方法的对比图；

图3为本发明实施例的风险等级平静云模型图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例提供一种高层建筑火灾风险评估方法，包括如下步骤：

步骤1：参照相关规程、高层建筑电气火灾风险评估的现有研究成果及该领域相关专家的经验，对高层建筑电气火灾风险评估参数指标进行初选，得到38项；

步骤2：基于FP-Growth算法并结合最小阈值挖掘指标的关联规则，对所述初选体系指标进行关联性分析并进行结构优化，构建含有二级指标和三级指标的风险评估指标体系，确定高层建筑电气火灾的风险等级。

具体的，本实施例构建的风险评估指标体系，包括4个二级指标，分别为：致灾体B1、火场环境B2、受灾体B3、火灾驱动因素B4，18个三级指标，分别为致灾体B1所包含的导电状况C11、绝缘功能C12、接触面状况C13、电流量状况C14、放电状况C15、使用状况C16、保护装置状况C17，火场环境B2所保护的建筑消防设备C21、消防通道C22、疏散辅助设施C23，受灾体B3所包含的建筑内人员情况C31、建筑自身状况C32，火灾驱动因素B4所包含的救援灭火力量C41、应急处理水平C42、设备管理状况C43、安全意识C44、安全教育普及程度C45、安全投入C46；

由于高层建筑电气火灾风险等级划分无统一标准，参考火灾风险等级标准以及该领域内的专家经验将高层建筑电气火灾风险等级划分为4种等级，对应的评语集为N＝[n1，n2，n3，n4]，其风险等级及相应决策手段如表1所示。

表1风险等级范围及决策手段

风险等级	范围	决策手段
			低风险n1	[0.6，1]	开展正常的检查
中风险n2	[0.4，0.6]	加强巡视和检查
			高风险n3	[0.2，0.4]	优先安排检查
严重高风险n4	[0，0.2]	立即安排检查

基于FP-Growth算法并结合最小阈值挖掘指标的关联规则的算法流程包括：

Step1:创建项头表，对于满足Supmin的单个项按照支持度从高到低进行排序；

Step2:构造FP树，以FP根节点为NULL节点，再次扫描数据库，按照支持度从高到低进行排序进行创建节点，并更新节点技术和项头表中的链表；

Step3:通过FP树挖掘频繁项集。

实施例中的高层建筑高230m，地上36层，地下2层，其中B1-B2为地下停车场，1-5层为商场、6-32层为豪华公寓及甲级写字楼、位于交通枢纽中心地带，楼内配有足够的消防设备，同时整栋大楼配有全方位监控设备，能够及时采集相关风险信息。收集得到的两组高层建筑电气火灾指标数据如表2-1和表2-2所示。

表2-1第一组高层建筑电气火灾指标数据

编号	C11	C12	C13	C14	C15	C16	C17	C21	C22	C23	C31	C32
													1	0.3	86	2.80％	7	6％	0.53	0.68	0.55	0.63	0.73	0.62	0.45
2	0.6	129	4.40％	14	9％	0.6	0.82	0.65	0.47	0.63	0.71	0.61

表2-2第二组高层建筑电气火灾指标数据

编号	C41	C42	C43	C44	C45	C46
							1	0.47	0.73	0.7	0.82	0.79	0.69
2	0.68	0.38	0.41	0.67	0.51	0.49

步骤3：根据已经构建的高层建筑电气火灾风险评估体系指标，结合改进DEMATEL-ANP的指标权重赋值方法，对各指标进行权重赋值。实施例中向武汉大学建筑专业及电气专业的8名专家咨询意见并经由改进DEMATEL-ANP的指标权重赋值方法计算的各评价指标的权重值及与ANP的指标权重赋值方法的对比如图2所示指标权重对比图所示。

步骤4：通过云理论模型对高层建筑电气火灾风险评估中的各个特征参数指标进行量化，构建风险评估矩阵。实施例中通过云理论模型将高层建筑电气火灾风险评估指标量化，按照表3计算各指标所对应的云模型特征参数。

表3各指标特征区间的数字特征参数计算方法

根据高层建筑电气火灾风险等级划分范围，给出了其相应的云理论模型，如图3所示。

依据云理论算法结合该高层建筑各指标对应的范围得到高层电气火灾风险评估中各指标等级的云模型数字特征参数如表4所示：

表4高层建筑电气火灾风险评估指标云理论参数

步骤5：在对高层建筑火灾的指标权重与风险评估矩阵按照标准化加权平均计算后，再计算出各评价等级的非对称贴近度，最终给出高层建筑电气火灾风险评估结果。

将本发明重点提出的基于非对称贴近度的FP-Growth挖掘-改进DEMATEL_ANP-云理论混合决策方法(称为方法1)与基于最大隶属原则的改进DEMATEL_ANP-云理论(称为方法2)、AHM-云理论(称为方法3)、基于模糊-DS理论(称为方法4)进行对比，结果如表5所示。

由表5可知，将两组不同状态下的数据经由不同方法进行评估时会存在着不同的结果。针对第一组数据而言：由方法1与方法2进行对比时，发现进行高层建筑电气火灾风险评估时，当综合评估值中最大值明显大于其他值19％以上时，采用最大隶属度原则的评估结果能够保持一致。方法1与方法3进行对比时，虽然两者的评价结果一致，但发现仅用AHM这种较为单一的指标赋值法会因其权重评估的片面性导致风险评估状态的辨识边界较为模糊。方法1与方法4进行对比时发现，两者的评估判断保持一致。

针对第二组数据而言：由方法1与方法2进行对比时，发现当综合评估值中最大值与次大值相差不超过1.5％时，采用最大隶属度原则的评估结果会出现有效性的问题，导致评估结果与实际不符。方法1与方法3进行对比时发现，单一指标赋值法会因其片面性导致评估结果偏离实际结果。当方法1与方法4进行对比时发现，方法4忽略了评估时的变化趋势，没有考虑到在不同状态等级边界处的随机性，同时也忽略了各指标由于存在着不一致性在实际评估中的影响不同，导致最终评估结果与实际不符。

表5高层建筑电气火灾风险评估方法对比

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种高层建筑火灾风险评估方法，其特征在于：包括如下步骤：

步骤1：对高层建筑电气火灾风险评估参数指标进行初选，得到初选体系指标；

步骤2：基于FP-Growth算法并结合最小阈值挖掘指标的关联规则，对所述初选体系指标进行关联性分析并进行结构优化，构建含有二级指标和三级指标的风险评估指标体系，确定高层建筑电气火灾的风险等级；

步骤3：根据构建的风险评估指标体系，结合改进DEMATEL-ANP的指标权重赋值方法，对各指标进行权重赋值；

步骤4：通过云理论模型对高层建筑电气火灾风险评估中的各个特征参数指标进行量化，构建风险评估矩阵；

步骤5：在对高层建筑火灾的指标权重与风险评估矩阵按照标准化加权平均计算后，再计算出各评价等级的非对称贴近度，最终给出高层建筑电气火灾风险评估结果。

2.如权利要求1所述的高层建筑火灾风险评估方法，其特征在于：

所述步骤2中基于FP-Growth算法并结合最小阈值挖掘指标的关联规则的算法流程包括：

步骤2.1：创建项头表，对于满足Supmin的单个项按照支持度从高到低进行排序；

步骤2.2：构造FP树，以FP根节点为NULL节点，再次扫描数据库，按照支持度从高到低进行排序进行创建节点，并更新节点技术和项头表中的链表；

步骤2.3：通过FP树挖掘频繁项集。

3.如权利要求1所述的高层建筑火灾风险评估方法，其特征在于：

所述步骤3具体包括：

步骤3.1：基于DEMATEL法构建综合影响关系矩阵P。首先构建准则层之间的直接影响矩阵M：

式中，mij为专家们给出的准则层i对准则层j程度的影响系数，其中mii＝0；r为评估体系中准则层总数；然后计算综合影响关系矩阵P：P＝N(1-N)^-1，式中：X为标准化直接关系矩阵，即：

其中：

步骤3.2：根据综合影响关系矩阵P结合阈值对准则层的网络结构进行简化后绘制ANP网络关系图，引入三角模糊数构建各准则层下指标之间的模糊判断矩阵，进行去模糊化后经一致性检验判断后再由其特征向量建立未加权超级矩阵W’：

式中，Cp为网络层中的第p个元素组，epi为第p个元素组中第i个指标(i＝1，2，..，qp，qp为第p个元素组中元素个数)，Wij为元素组Cj与Ci中元素之间的成偶比较之特征向量；再将W’与准则层下的成偶比较矩阵的特征向量相乘，得到加权超级矩阵W，对W进行求极限，最终得到各评估指标的权重值wj，j＝1，2，..，e，e为指标个数。

4.如权利要求1所述的高层建筑火灾风险评估方法，其特征在于：所述步骤4中云理论模型包含以下云数字特征，可用期望值Ex、熵En、超熵He三个数值来表征，记为K(Ex，En，He)，其中云理论的数字特征参数Ex、He采用如下公式确定：

式中：kmax、kmin分别为指标属于风险等级中某一等级的上下边界值。

5.如权利要求1所述的高层建筑火灾风险评估方法，其特征在于：所述步骤4具体包括：

计算待评价指标与风险评估等级之间云关联度γ：

式中：k为待评价指标的量化值，En′为生成以期望En和标准差He服从正态分布的随机数；

将得到各指标值的云关联度进行组合，得到风险评估矩阵G如公式所示：

6.如权利要求1所述的高层建筑火灾风险评估方法，其特征在于：所述步骤5中非对称贴近度的求解公式为：

式中：J、K分别为模糊子集J、K，l为风险等级的l级评语，计算时先对J、K进行标准化处理。

Images