基于模糊信息优化处理方法的城市火灾风险分析研究

摘要

火灾风险评价是火灾科学与消防工程的一项重要组成内容。从宏观层面研究城市火灾风险与社会经济因素之间的相关性已成为火灾风险评价领域中的研究热点工作。可用来描述城市火灾风险危险性大小的变量很多，然而其中任何一个都仅是在某一方面表征火灾风险，并且变量之间存在冗余信息。本文采用因子分析法从常用火灾统计指标中构建意义明确、相互独立且权重均衡的新指标来表征城市火灾风险程度的大小，这四个新指标分别从火灾后果总量、火灾发生率、平均经济损失、平均死亡人数四个方面表征城市火险。采用多元线性回归方法对若干社会经济因素与四个新指标建立多元线性回归模型，并根据模型的判定系数和各自变量的偏相关系数，分析社会经济因素与四个火灾风险公因子的相关性并对重要度进行排序。分析结果表明火灾后果总量公因子与人口总量呈显著线性相关；火灾发生率公因子主要受人员结构、人口流动性及居住条件三个方面影响，与人口总量、经济水平、教育水平之间不存在线性相关性；平均死亡人数公因子随消防训练提高而显著降低；平均经济损失公因子与本文选用的任何一个社会经济因素之间都没有线性相关性。
　　 火灾风险研究中存在许多非完备性小样本问题，在应用频率直方图法对小样本数据进行处理时，分析结果对直方图的起点、区间步长以及样本中的奇异数据十分敏感。本文采用一维信息扩散方法，对日本1995-2008年各年重大火灾次数统计样本进行分析，对比了不同起始扩散点、不同论域步长及扩散函数等扩散条件下的扩散结果，结果表明信息扩散方法具有很好的稳定性和一致性。基于信息扩散的结果，计算了以年为周期的重大火灾发生次数的超越概率分布，建立了一种重大火灾频度估算方法。
　　 分别采用一维线性回归、二维信息分配模糊近似推理、二维信息扩散模糊近似推理对城市火灾发生率进行单一社会经济因素相关性识别，结果表明模糊近似推理方法能更好地利用模糊信息，更能解释因变量的变化。增加社会经济变量，分别采用二维线性回归与三维信息扩散模糊近似推理对城市火灾发生率与社会经济因素之间的关系进行识别，首先自变量个数的增加提高了因变量的可解释性，另外结果再次表明模糊近似推理方法能够从模糊样本中挖掘出更多的信息，更能解释因变量的变化。将信息扩散近似推理与神经网络结合后构成混合式网络，与普通人工神经网络模型相比，其收敛速度和预测精度都有很大的提高，表明信息扩散近似推理能够将矛盾模式转换为兼容模式，更好地解决矛盾样本的问题。