基于DHGF算法的建筑火灾风险评价（通用9篇）
篇1：基于DHGF算法的建筑火灾风险评价
基于DHGF算法的建筑火灾风险评价
将改进的Delphi 法、层次分析法、灰色关联法、模糊评判法运用在建筑火灾安全系统评价的不同阶段,依据灰色理论和模糊数学,提出了一种从定性到定量转换的`综成算法,即DHGF算法,在介绍该方法基本原理和评价流程的基础上,运用实例阐述了它在建筑火灾风险评价中的具体应用.
作 者：贾玉莲 王凤英 JIA Yu-lian WANG Feng-ying 作者单位：中北大学化工与环境学院,太原,030051刊 名：安全与环境工程英文刊名：SAFETY AND ENVIRONMENTAL ENGINEERING年，卷(期)：16(6)分类号：X928.7 X972.4关键词：建筑火灾 风险评价 DHGF算法 灰色理论 模糊数学
篇2：基于DHGF算法的建筑火灾风险评价
2008年7月1日投入运营的天津站交通枢纽集城际铁路、普通铁路、城市地铁、公交长途客运等功能于一体, 换乘线路较多, 建筑内人员相对密集。另外, 枢纽规模较大, 总建筑面积为23.5×104m2, 地下共有4层, 深约30m, 同时涵盖了3条地铁线路的站台层、站厅层以及地下交通换乘大厅, 功能复杂且相互立体交叉, 因此, 如何有效应对突发状况下的应急疏散具有重要意义。
本文以天津站交通枢纽火灾的应急疏散为例, 对影响人员疏散的相关安全因素进行分析, 应用粒子群神经网络算法对其进行综合评价, 来评判火灾状态下应急疏散的实施效果。
1 评价指标体系的建立及属性值的量化
1.1 评价指标的确定
在火灾应急疏散的评价体系中, 各因素之间的关系是极其错综复杂的, 该系统的评价是一个多指标、多属性的问题。为此, 结合枢纽运营实际情况, 综合考虑影响应急疏散的各种因素, 建立如图1所示的应急疏散实施效果评价指标体系结构。其中第1层为目标层, 包含一个目标对象, 即应急疏散实施效果, 分为优、良、可、差4级, 用A表示;第2层为准则层, 由影响应急疏散的因素组成, 包括火灾报警系统、安全疏散设施、灭火系统、防护设施、日常管理等5个方面, 用Bi表示, i=1, 2…, 5 ;第3层为因素层, 由可能影响准则层的各项指标组成, 用Cj表示, j=1, 2…, 17。如下图1所示:
火灾应急疏散实施效果评价指标体系
1.2 指标属性值的无量纲化
在枢纽火灾应急疏散的综合评价指标体系中, 各个指标因为单位不同、量纲不同、数量级不同, 在运用神经网络进行综合评价之前, 首先将各指标属性值统一变换到[0, 1]范围内, 即对指标属性值进行无量纲化。对越大越优型、越小越优型、越中越优型的标准化处理公式依次分别取下列三式:
式中:xmin (i) , xmax (i) , xmid (i) 分别为评价指标集中第i个指标的最小值、最大值和中间值。
对一些不能明确可测、只能进行定性评价的指标, 可采用隶属度方法进行确定。一般评价体系中设评价指标, 相对于指标评价集V= (好, 较好, 一般, 较差, 差) 的隶属度向量为Ri= (Ri1, Ri2, Ri3, Ri4, Ri5) , 此处Ri采用经验调查, 并通过集值统计方法来确定。由于火灾应急疏散事关人民群众的生命安全, 对于不合格的评价目标采取“零容忍”的态度, 因此本文采用的标准尺度为:优、良、可、差, 即B=[0.9, 0.8, 0.6, 0.4, 0.2]T, 当数值低于0.6时为差。
2 基于粒子群神经网络算法的交通枢纽火灾应急疏散评价模型
2.1 算法简介
目前, 最常用的神经网络模型是采用误差逆向传播学习法的多层前馈神经网络 (BP网络) 。该网络模型一般有输入层、隐含层和输出层。相邻层各神经元之间实现全连接, 而每层各神经元之间无连接, 通常所用的BP神经网络都是三层网络。BP神经网络学习的过程是通过调整网络中的连接权值使误差E减小。应用梯度下降法, 连接权值的调整量为:
式中:η为学习因子;Εk为第k个样本的误差。
权重调整公式为:
式中: t为训练次数。
B P网络具有精确寻优的能力, 但其网络模型初始权值的随机性容易产生两方面问题:首先, 每次训练的次数和最终权值会不相同, 网络的寻优不具有唯一性, 会出现局部极小;其次, 初始权值给定的随机性还导致了训练次数较多, 收敛速度慢, 特别是当输入节点较多时, 该问题尤为突出。这两方面问题限制了其在系统综合评价中的应用。针对上述问题, 本文将BP神经网络与粒子群算法结合起来, 用粒子群优化算法替代BP算法中的梯度下降法训练神经网络的参数 (即权值和阈值) , 形成一种混合训练算法, 来改善BP算法性能, 使其不易陷入局部极小, 增强泛化性能, 达到优化网络的目的。
粒子群优化 (Particle SwarmOptimization, PSO) 算法是一种基于群体智能的进化优化算法, 具有较强的宏观搜索能力和强鲁棒性, 算法具有寻优的全局性。
基本粒子群优化算法描述如下:
假设在一个D维目标搜索空间中, 有m个粒子组成了一个群体, 其中第i个粒子表示为一个D维的向量xi= (xi1, xi2 , …, xiD) , i=1, 2, …, m, 即表示潜在解, 其飞行速度也是一个D维的向量, 记作vi = (vi1, vi2 , …, vi D) ;粒子目前搜索到的最优位置为Pi = (pi1, pi2 , …, piD) , 整个粒子群搜索到的最优位置为Pgi = (pg1 , pg2 , …, pgD) 。粒子的位置和速度根据如下方程进行变化:
式中:i=1, 2, …, m;d=1, 2, …, D;ω为惯性权重, 它决定了粒子当前速度对下一代的影响;c1, c2 为加速系数 (或称学习因子) , 通常取大于零的常数, 两者的相对大小反映了在演变过程中pi和pg的相对重要性;r1, r2 是在[0, 1]区间内均匀分布的随机数, vid∈[-vmax, vmax ], vmax根据需要设定。
在基于粒子群优化的BP神经网络中, 用xi= (xi1, xi2 , …, xid) 表示一组参数值, 向量中的每一维表示权值和阈值, d为BP网络中的所有权值和阈值个数[5];粒子的适应值即均方差指标为:
式中:n为训练集的样本个数;为网络输出神经元的个数;Yij为第i个样本的第j个理想输出值;yij为第i个样本的第j个实际输出值。
2.2 综合评价模型
模型采用三层前向网络的拓扑结构, 根据前面的讨论, 以所选的17个评价指标量化值作为网络的输入, 故输入层节点个数为17。网络的输出值表示火灾应急疏散的综合评价值, 故输出层节点数为1, 而隐层节点数的选择较为灵活, 没有确定性的理论指导, 选择是否合适也会对网络的训练精度和速度产生影响。一般地, 隐层节点数应该大于输入层节点数[3], 经过运算试探、综合权衡, 确定当隐层节点数取21时逼近效果最佳, 则建立的神经网络评价模型的最终拓扑结构为:17-21-1。
模型建立的具体过程如下:
1) 初始化BP网络结构, 设定网络的输入层、隐含层、输出层的神经元个数。
2) 从已有相关应急疏散评价报告中选取相关数据进行量化, 建立学习样本 (输入、输出) 的数据文件。
3) 初始化粒子群及每个粒子的速度, 其中粒子群规模为输入层至隐含层的连接权值个数、隐含层至输出层的连接权值个数、隐含层的阈值个数和输出层的阈值个数之和。
4) 粒子群中粒子按BP网络的前向计算方法计算出一个网络的输出值, 代入式 (8) 计算出粒子的适应度fp 即所有样本的均方差。
5) 将fp 分别与Pbest 和gbest 进行比较, 确定每个粒子的个体极值点和全局最优极值点。当fp
6 ) 根据式 ( 6 ) 、 ( 7 ) 更新粒子的速度和位置, 考虑速度:若vij (t+1) >vmax , 则vij (t+1) =vmax 若vij (t+1) <-vmax, 则vij (t+1) =-vmax;考虑位置:若xij (t+1) > xmax , 则xij (t+1) =xmax , 若xij (t+1) < xmin , 则xij (t+1) =xmin ;否则xij (t+1) 不变, 其中, ω为惯性因子、α为速度约束因子, vmax、xmax、xmin 都是常数, 由用户设定, 如果更新后每个粒子通过搜索所产生的下一个位置不在可行域, 则保持该粒子位置不变。
7) 采用离线性能准则来评价网络的性能, 公式如下:
式中:iter为算法当前迭代次数;
fun (gbest, i) 为第i次迭代的全局最优值的适应度。
8) 判断是否满足迭代停止条件 (预先确定的最大迭代次数或式 (9) 的值满足精度要求) , 是则算法收敛, 停止搜索, 输出全局极值和全局最优位置, 否则继续迭代。
3 评价模型应用
以2009年至2013年天津站交通枢纽火灾应急疏散演练为例。依据本文方法进行量化, 建立学习样本 (输入、输出) 的数据文件, 输入到已经训练好的基于PSO-BP算法的评价模型中, 运行出的综合评价结果, 其拟合度值为分别为[0.9746、0.8843、0.8313、0.8527、0.9050], 如下图2所示, 实施效果分别为优、良、良、良、优。经检验, 采用本文评价方法的评价结果与实际结果基本一致, 说明该模型具有很好的实用性。
基于PSO-BP算法的交通枢纽火灾应急疏散评价结果
4 结论
应用基于PSO-BP算法的综合评价模型对交通枢纽火灾应急疏散效果进行评价, 可将定性分析和定量分析相结合, 通过全面考虑影响安全疏散的各种因素, 真实、合理的反应出交通枢纽在发生火灾的情况下应急疏散的实施效果。需要说明的是, 由于不同城市实际工作条件和天气等自然环境的不同, 在评价指标的选择及权重的确定时, 应进行必要的调整。
参考文献
[1]周长春, 陈勇刚。基于人工神经网络的城市火灾事故的预测方法[J].中国安全科学学报, 2005, 15 (5) :2l-23。
[2]阎平凡, 张长水。人工神经网络与模拟进化计算[M] (第2版) .北京:清华大学出版社, 2005。
[3]潘昊, 侯清兰。基于粒子群优化算法的BP网络学习研究[J]。计算机工程与应用, 2006, (16) :41-46。
[4]窦丽洁。地铁人员疏散基本参数的测算与分析[J].消防科学与技术, 2013, (1) :19-22。
篇3：基于DHGF算法的建筑火灾风险评价
关键词：建筑安装工程；施工安全；风险评价；数据包络分析
中图分类号： TU198 文献标识码： A 文章编号： 1673-1069（2016）27-56-2
建筑安装工程施工安全风险评价指标体系
根据调研访谈及文献[1]，[2]，[3]研究成果基础上，提出了过分压缩工期、人员身体状况和突发事件的应变力新指标，建立了基于DEA的建筑安装工程施工安全风险评价指标体系，如表1的所示。
2 建筑安装工程施工安全风险评价模型
利用DEA方法进行建筑安装工程施工安全风险评价的模型为：
max hk=
s.t.
≤1
Vi≥0（i=1，2，…，m），Ur≥0（r=1，2，…，s）（1）
本文采用Charners-Cooper转变并引入非阿基米德无穷小变量ε以及输入、输出松弛变量S-、S+的DEA模型。
min[θ-ε（S-+S+）]=VD
s.t.
xiλj+S-=θkXk
λjyj-S+=Yk
λj≥0，S-≥0，S+≥0，j=1，2，…，n（2）
若存在一个最优解θ=1，SK+=0，SK-=0，则DMUk为DEA有效；否则为无效。
3 实例分析
利用本文构建的建筑安装工程施工安全风险评价指标体系和方法对五个项目进行分析.根据其指标体系及所选项目，聘请10个专家进行评分，确定安全风险评价输入及输出指标数值。专家评分结果见表2。
风险评分分数越大，风险越大，表2表明专家评分法结果：项目A>项目E>项目D>项目C>项目B。DEA评价方法与其结果是一致的。因此说明基于DEA的建筑安装工程施工安全风险评价具有有效性和实用性。
4 结论
本文从人员因素和管理因素等方面构建了建筑安装工程施工安全风险评价指标体系。该指标体系能反映出建筑安装工程施工安全风险评价的主要方面，为今后的相关研究提供参考。基于DEA模型的建筑安装工程施工安全风险评价方法的比较优势为：不需对各指标主观赋权，不需要事先确定指标的权重以及指标之间的函数关系，只需对最后结果进行比较分析。通过实例分析证明DEA建筑安装工程施工安全风险评价体系的合理性以及评价方法的有效性，该方法给建筑安装工程施工安全风险评价提供了新工具。
参 考 文 献
[1] 王飞，巍国兴，王书增，刘群，周永强.基于SVM的建筑施工项目安全风险评价[J].辽宁工程技术大学学报（自然科学版），2011，30（6）：959-962.
[2] 莫柱洪.建筑工程施工中安全风险评价和管理的探析[J].科技与创新，2015（7）：43.
篇4：基于DHGF算法的建筑火灾风险评价
建筑物是人们生产生活的场所,也是财产极为集中的地方,建筑物火灾造成的损失极为严重,直接威胁到人们的生命财产。随着我国经济的快速发展,建筑业以惊人的速度发展,建筑物的数量大大增加,同时建筑物的功能和使用的建筑材料也发生了很大的变化,建筑物内使用的各种设施大大增加,从而使火灾危险性发生了很大变化[1]。据统计,从1991-2000 年10年间,我国的城市数量上升48.7%,建制镇数量上升83.7%,城镇总人口上升53.3%。与此同时,城市火灾起数上升82%,死、伤人数分别上升59%和13%,直接财产损失上升58% [2]。
为了评价建筑物火灾危险性,学者们提出了将定性与定量方法相结合的建筑物火灾危险性的评价方法,如模糊数学方法,物元可拓方法,神经网络方法,灰色理论方法等,但这些方法各有其优缺点,如模糊数学法难以区分相邻两类的差异;物元可拓法在计算关联度时常以区间中点为最优,从而遗漏了重要的约束条件,导致结果与实际情况存在差异;神经网络法在应用中受知识瓶颈的限制。而属性识别理论[3]是20世纪90年代由中国学者程乾生教授提出的一种属性数学模型,是在模糊理论的基础上发展起来的,如今已被成功地运用于评价领域[4,5]。该理论是在有序分割类和属性识别准则的基础上,可对事物分割类进行有效识别,从而较好地克服了其它识别方法的某些不足。因此,本文应用属性识别理论建立建筑物火灾危险性的评价模型,并利用层次分析法来确定指标权重,提出了一种适合于建筑物火灾危险性评价的层次-属性识别理论模型。
1 属性识别理论模型简介
1.1 属性空间矩阵及分类标准矩阵的建立
在某一研究对象空间X上取n个样本,构成一个样本空间:X={x1,x2,…xn},xi表示第i个评价对象;每个对象有m个评价指标,评价指标空间为I={I1,I2,…In},Ij表示第j个评价指标;对每个评价指标取值有k个评价等级,构成评价对象X的评价空间j,若第i个评价对象的第j个评价指标Ij的数量值为Xij,那么对于第i个样品,对m个指标测量后,以得到一个向量:Xi={xi1,xi2,…xim},1≤i≤n[6,7,8,9]。
设F为X上某类属性空间,
其中,ajh满足aj1<aj2<…<ajk或aj1>aj2>…>ajk,1≤j≤m ,1≤h≤k 。
1.2 属性测度的计算
计算第i个评价样品的第j个指标实际测量值xij属于cl类的单指标属性测度uijl(1≤l≤k),可假定aj1<aj2<…<ajk或(aj1>aj2>…>ajk)[4]。
当xij≤aj1或xij≥aj1时,取uij1=1,uij2=uij3=…=uijk=0; (1)
当xij≥ajk或(xij≤ajk)时,取uijk=1,uij1=uij2=…=uijk-1=0; (2)
当ajl<xij<ajl+1或(ajl+1<xij<ajl)时,取
已知第i个样品各指标测量值的属性测度,现计算第i个样品xi的属性测度uik。设指标权向量为
设置信度λ(0.5≤λ≤1,一般取0.6 - 0.7),计算:
k0=min{k:
则认为xi属于ck0级别。
如果需要对评价对象进行比较分析,则需按照评分准则进行评分计算:
其中,q为属性集的强弱,用分数来表示;qxi为第i个评价对象评价分数;l为第i个评价对象的第j个评价因子所属的级别。
则可根据qxi的大小对xi进行比较和排序。 通常,对c1>c2>…>ck的情形,取ni=K+1-i,它表示有序分割类(c1,c2,…,ck)中类别的重要性是等间隔下降的;对c1<c2<…<ck的情形,取ni=1,它表示有序分割类(c1,c2,…,ck)中类别的重要性是等间隔上升的[14]。
1.3 层次分析法确定权重
本文使用层次分析法确定权重,层次分析法使用简单,易于操作,适用性强,可以根据实际问题,合理地确定各指标权重系数之间的排序,不至于出现指标系数与指标实际重要程序相悖的情况。 运用层次分析法确定权重的步骤[15]。
(1)构造判断矩阵
判断矩阵元素的值反映了人们对各因素相对重要性的认识,一般采用1-9比较尺度构造成比较矩阵(表1)。
(2)求特征向量和特征根
求特征向量即找出同一层次中每个元素的重度,其方法一般采用方根法或和积法。其步骤为:
①判断矩阵B中的元素按行相乘
②所得的乘积分别开n次方
③将方根向量正规化,即得特征向量W
④计算判断矩阵最大特征根λmax
式中,
(3)由判断矩阵计算被比较元素对于该准则的相对权重,并进行判断矩阵的一致性检验;衡量判断矩阵的不一致程度的数量指标为一致性指标为CI,满足:
则判断矩阵的一致性准则为:
其中RI可通过查一致性指标RI值表得到。
当CR<0.1时,认为判断矩阵的一致性是可以接受的,CR>0.1时,认为判断矩阵不符合一致性要求,需要对该判断矩阵进行重新修正,直到一致性检验通过为止。
2 属性识别理论模型在建筑物火灾危险性评价中的应用
2.1 评价等级及评价指标体系的确定
建立建筑物火灾危险性评价等级表,见表2。
使用本文提出的模型对某学校3#教学楼的火灾危险性进行评价。遵循科学性、动态性、全面性、导向性、可比性等评价指标设计原则,构造出建筑物火灾危险性评价指标体系。
聘请10位专家对24个指标进行评价,考虑到专家的学历、工作经验、职称、专业、职务的不同,因此,可通过文献[16]计算各专家自身的权重,由于篇幅所限,本文仅列出各专家权重的计算结果,各专家权重分别为0.134,0.092,0.079,0.081,0.112,0.126,0.095,0.121,0.086,0.074。对于某一指标而言,10位专家分别给出其评价值,然后再分别乘以专家各自的权重得到该指标的综合评价值。同理,可得到建筑物火灾危险性各评价指标的评价值,结果见表3。
2.2 计算指标评价值的属性测度
利用公式(1)-(3)计算属性测度,从而得到属性测度矩阵分别为:
2.3 计算24个评价指标的权重
根据公式(7)-(12),得到24个评价指标的权重W:W =(0.0152,0.0592,0.0066,0.1808,0.0363,0.0754,0.0316,0.0199,0.0299,0.0599,0.1067,0.1327,0.0449,0.0314,0.0486,0.0136,0.0167,0.0559,0.0071,0.0020,0.0092,0.0041,0.0111,0.0012)。
2.4 计算综合属性测度
按式(4)得到属性综合测度分布矩阵为:
u=[0.2841,0.4520,0.1690,0.0684,0.0265]
2.5 建筑物火灾危险性评价结果
采用置信度准则的方法评判建筑物火灾危险性的等级,取置信度λ=0.65,根据式(5)计算: 0.2841+0.4520=0.7361>0.65 。通过判断可知某大学3#教学楼的火灾危险性等级为危险性较小、安全性较好。
3 结论
(1)利用层次分析法确定各评价指标的权重,并结合属性识别理论,提出了建筑物火灾危险性评价的层次-属性识别模型,为建筑物火灾危险性评价提供了一条新的思路和手段。
(2)在采用层次分析法确定各评价因子的权重的过程中,通过数学手段对打分结果进行处理后得出的权重更具科学性和客观性。
(3)建立的建筑物火灾危险性评价指标体系,既方便了对具体评价对象的实地调研,同时也为以后的评价提供了依据。
(4)本文对某大学3#教学楼的火灾危险性进行评价,评价结果为危险性较小、安全性较好,通过分析可知该教学楼在防火门/防火卷帘、安全出口、广播疏导系统、定期检修情况、义务消防队伍方面存在严重的问题,应制定相应的整改措施。
篇5：基于DHGF算法的建筑火灾风险评价
关键词：油库、次生污染、环境风险评价
引言
油库作为“收发储管”油品的场所，由于所储油品是易燃、易爆液体物质，且数量较大，因此，油库属于危险行业范围，在其环境风险事故中，火灾是常见的一类灾害。油库发生火灾时，其油品燃烧过程中同时会伴生出大量的烟尘和CO等污染物，在火灾事故的处理过程中，还会产生消防废水、油品泄漏等污染。因此，在油库火灾事故中产生的伴生/次生污染对环境的影响同样不可忽视。
一、油库火灾事故中伴生/次生污染识别
油库火灾事故处理过程中引发的伴生/次生污染主要包括油品燃烧时产生的烟气（是物质燃烧反应过程中分解生成的气态、液态、固态物质与空气的混合物）、扑灭火灾产生的消防水以及携带的少量油品泄漏产生的挥发性烃类物质。次生污染物若不能得到及时有效地收集和处置将会对周围环境再次造成不同程度的污染。
按照《石油库设计规范》（GB 50074-2002）要求，油库的罐区会设置防火堤和排水控制阀，库区通常还会设置水封井和隔油收集池及污水处理设备，当出现火情后，消防灭火过程所产生的消防污水被控制和储存在防火堤内，通过含油污水提升泵和含油污水管线送入污水处理站处理，可有效防止消防水直接溢流至外界水体，从而避免污染地表水。而火灾事故发生时，由于火势较猛，会产生大量的烟气，主要有毒有害污染物为H2S、NH3、CO、SO2等，受气象等条件影响，会不同程度扩散，对周围环境及人群健康产生不同程度的危害。因此，本文主要分析油库火灾事故中伴生/次生污染物——燃烧物对环境的影响程度。
二、火灾伴生燃烧物对大气环境的影响（后果计算）
油库火灾热辐射影响主要在油罐区，而油罐火灾油品燃烧过程中同时会伴生大量的烟尘、CO、SO2等污染物，将对周围环境产生影响。由于油罐发生火灾后，油品的急剧燃烧所需的供氧量不足，属于典型的不完全燃烧，因此燃烧过程中产生的CO量很大，且CO毒性较大，而SO2产生量很少，因此，本文对油罐火灾过程中的CO排放情况进行预测。
以沿海地区某成品油库为例，该油库总库容为2.8万m?，共有7个储罐（4000m?/罐），储存油品为汽油（5个罐）和柴油（2个罐），均为内浮顶罐，油罐距库区边界最近距离为20m。当地主导风向为ENE，年平均风速为2.4m/s。
1、源强参数
该油库火灾事故时的源强参数见表1。
表1 火灾事故产生CO源强参数
2、预测模式
采用《建设项目环境风险评价技术导则》（HJ/T 169-2004）中的多烟团模式计算，计算公式如下：
（公式1）
式中：C（x，y，o）为下风向地面（x，y）坐标处的空气中污染物浓度（mg/m3）；x0，y0，z0为烟团中心坐标；Q为事故期间烟团的排放量；σX、σy、σz为X、Y、Z方向的扩散参数（m），常取σX =σy。
3、扩散参数选择
扩散参数σy和σz的取值依据HJ/T2.2-93中的表B3，见表2。
表2 有风时，大气扩散参数系数（取样时间0.5h）
采用HJ/T2.2-93中推荐的σy时间订正法计算1小时平均浓度，计算公式如下：
（公式2）
排气高度的风速可由10m高度的风速通过幂律表示，公式如下：
当 （公式3）
当 （公式4）
其中U1和Z1分别为地面附近测点的风速和高度，U2和Z2分别为估算高度的风速和高度。P值见表3。
表3 风速幂指数
4、预测结果
CO在年平均风速、主导风向ENE、不同稳定度气象条件下，下风向落地浓度预测结果见表4、表5。
表4 不同稳定度、年平均风速条件下，油罐火灾事故次生污染产生的CO预测结果
注：CO短时间接触容许浓度30mg/m?；半致死浓度LC502069mg/m?，4h。
表5 不同稳定度、年平均风速条件下，油罐火灾事故中CO在敏感点处落地浓度预测结果
由表4可知，油罐火灾事故中油品燃烧时产生的CO在年平均风速、主导风向条件下，各稳定度下的最大落地浓度点均位于库区范围内。最大落地浓度除在A、B稳定度气象条件下外，其余稳定度条件下的最大落地浓度均超过半致死浓度；对应A、B、C、D、E、F稳定度，短时间接触浓度超标范围分别出现在186.6m、271.1m、442.3m、622.8m、936.5m、960.8m范围内，在此范围内人员短时间接触火灾烟气会出现中毒反应。
由表5可知，油罐火灾事故中CO对周围环境敏感点的影响为：在年平均风速、主导风气象条件下，位于火灾源460m-550m处的环境敏感点在A、B、C稳定度气象条件下的CO最大地面浓度低于短时间接触容许浓度，但在D、E、F稳定度气象条件下超标；位于火灾源760m-920m范围的环境敏感点在A、B、C、D稳定度气象条件下的CO最大地面浓度低于短时间接触容许浓度，但在E、F稳定度气象条件下超标；位于火灾源1200m的环境敏感点除在F稳定度气象条件下CO最大地面浓度超出短时间接触容许浓度外，其他稳定度气象条件下的最大浓度可以达到标准要求；该油库火灾事故时产生的CO到达周围环境敏感点的最大地面浓度远低于CO半致死浓度，基本不会造成人员中毒反应；距离火灾源2000米以外的环境敏感点不会受到库区火灾事故产生的CO废气污染物影响。
在气象条件中，大气稳定度是影响污染物在大气中扩散的重要因素之一，当大气层结不稳定时，热力湍流发展旺盛，对流强烈，污染物易扩散；反之，当大气层结稳定时，湍流受到抑制，污染物不易扩散稀释，易造成污染。
三、风险可接受水平
根据《建设项目环境风险评价技术导则》（HJ/T 169-2004），最大可信灾害事故对环境所造成的风险R按下式计算：
（公式6）
式中：R为风险值；P为最大可信事故概率（事故数/单位时间）；C为最大可信事故造成的危害（损害/事件）。
在实际的风险后果计算中，可利用如下方法确定最大可信灾害事故的风险值。
表6至表9分别给出了污染事故危害程度评价标准、污染事故发生概率的评价标准、风险排序的风险矩阵和不同风险水平应采取的行动。
表6 污染事故危害程度评价标准
表7 污染事故发生概率评价标准
表8 每种风险排序的风险水平矩阵
表9 风险水平分类和需要采取的行动
油罐发生火灾后，池火不完全燃烧导致的CO排放量较大，各种预测条件下，在有风B、C、D、E、F稳定度条件下都出现了半致死浓度范围，最远的半致死浓度为66.8m，从区域居民的分布情况看，半致死浓度范围内没有居民居住，因此不会造成居民死亡。但不可避免地对该区域内的工作人员造成轻度的伤害，出现不同程度的头痛、眩晕等症状。参考《环境风险评价实用技术和方法》，取油罐发生火灾的最大可信事故概率为1.0×10-5，该类事故的概率排序为3，属于极少发生；火灾危害事故排序为2，属于可接受。为此，油罐火灾导致的事故风险水平为6，属于可接受的水平。事故发生后，需要及时控制，并进行跟踪监测，以保证能够控制风险水平不至扩大。
四、结语
从分析来看，油库火灾事故处理过程中的伴生/次生污染——油品燃烧时产生的CO污染物对周围环境的影响与事故本身、气象条件及环境敏感点分布情况有关，通过预测得出环境风险可接受水平，对油库的建设单位在处置火灾事故中，如何防范和减轻次生污染，提高污染控制的能力提供了科学依据。
参考文献：
[1] 胡二邦，环境风险评价实用技术和方法，中国环境科学出版社，2000
[2] 陈书耀，油库加油站风险辨识与管理，中国石化出版社，2010
篇6：基于DHGF算法的建筑火灾风险评价
我国在推进城镇化的过程中, 为实现节能减排目标, 保护环境资源, 必须大力发展绿色建筑。虽然我国绿色建筑即将由起步阶段迈入高速发展阶段, 但是各参与方对绿色建筑理解上的差异和误解依然存在, 对绿色建筑缺乏认识, 也缺乏绿色建筑开发管理经验[1]。其次, 与不申报绿色建筑标识的项目相比, 开发绿色建筑存在增量成本, 如绿色建筑咨询成本、认证成本等[2]。绿色建筑的这些特点导致绿色建筑比普通项目具有更高的不确定性。为了保证绿色建筑在我国的健康发展, 需要合理评价绿色建筑项目风险。
1 风险评价研究现状
从国内外研究现状来看, 定量风险评价方法有两种。一种是使用概率统计量化风险的方法。Philip[3]等人采用概率法计算风险成本的概率分布, 通过对分布密度的模拟, 帮助实施从风险辨别、评估到聚合等方面的风险管理过程;王文斌[4]调查了74个工程项目, 通过对工伤事故的统计, 对安全风险进行了量化。另一种是基于专家的知识量化风险。万欣[5]采用问卷调查的方式, 通过李克特五分制打分, 对绿色建筑风险进行了量化;刘仁辉[6]等人在邀请专家对工程项目风险指标打分的基础上, 计算得到各风险指标的权重。专家知识量化风险是以专家主观估计为依据, 但专家常用“略微”、“很”等文字来描述, 无法用经典数学的知识来分析。
层次分析法能够充分利用专家的经验, 将定性分析与定量评估相结合, 具有简洁、灵活等优点, 被广泛采用。对于专家估计在语义上的模糊性, 可以采用三角模糊数对风险进行量化[7]。我国绿色建筑历史较短, 数据缺乏, 难以使用概率统计量化风险的方法进行研究。模糊综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价, 具有系统性强、结果清晰的优点, 能较好利用专家知识解决绿色建筑风险的量化问题。
综上所述, 基于FEAHP的绿色建筑项目风险模糊综合评价方法, 适用于客观数据不足、需借助专家知识将定性评价转化为定量评价的研究过程中。因此, 本文在评价绿色建筑风险时, 采用三角模糊数层次分析法[8], 结合算例对绿色建筑风险进行模糊综合评价, 将绿色建筑风险量化, 并对量化结果进行分析。
2 绿色建筑项目风险层次分析
参考层次分析法的相关做法, 对于绿色建筑风险因素的评价。建立的层次分析结构模型包括目标层、准则层和因素层, 其中因素层可以根据需要划分为多个层次。
2.1 绿色建筑风险模型的目标层
表示工程绿色建筑项目风险评价的目标, 即绿色建筑项目总风险 (A)
2.2 绿色建筑风险模型的准则层
项目风险不仅仅是风险发生概率的函数, 而且是风险危害程度的函数[9], 对绿色建筑风险的评价, 应该从风险发生概率和风险危害程度方面评价基础上进行。因此, 在模型中准则层应包括风险发生概率和风险危害程度。
2.3 绿色建筑风险模型的因素层
在《绿色建筑评价标准》 (GB/T50378—2006) 中, 采用绿色建筑在全寿命周期内节约资源和保护环境等方面的表现来定义绿色建筑, 为了突出绿色建筑项目全寿命周期管理的特点, 应将项目各风险因素划分到全寿命周期不同阶段进行研究。黄婧雯[10]将绿色建筑全寿命周期划分为决策阶段、实施阶段和运营阶段;常海霞[11]将其细分为决策、设计、招标及合同、实施、运营及维护、拆除和翻新等六个阶段;秦旋[12]等在识别绿色建筑全寿命风险因素的过程中引入了试运行阶段。
本文将绿色建筑全寿命周期风险分为投资前期风险、设计阶段风险、施工阶段风险、试运营阶段风险和运营维护阶段风险, 作为风险模型因素层的评价指标。考虑到通过绿色认证的建筑尚未进入拆除阶段, 本文暂不考虑拆除阶段。
在绿色建筑全寿命周期各阶段的风险评价指标选取方面, 借鉴秦旋[13]领导的研究团队对绿色建筑风险因素发生概率和危害程度进行描述性统计分析的结果, 分别选取各个阶段内危害程度与发生概率乘积之值最大的前两位风险因素, 作为风险模型子因素层的评价指标, 对所选取的风险因素的解释如表1所示。
综上所述, 建立的绿色建筑层次结构模型包括目标层、准则层、因素层和子因素层, 如图1所示。
3 模糊综合评价方法的原理
模糊综合评价法 (fuzzy综合评价) , 在用于多层评价模型或是单层评价模型时, 关键的三个环节分别是是确定各风险指标的权重、确定单因素评价矩阵和计算模糊评判子集。
3.1 风险指标权重的确定
步骤2:计算两两模糊数的可能比较值
步骤3:取最小比较值作为最终值:
步骤4:同一层各指标的权重向量用指标的最小比较值表示为:w=[V1, V2, …, Vn], 然后将其标准化, 可以得到标准化的权重向量w'=[V1', V1', …, Vn']。
步骤5:计算同一层次风险因素相对于目标层的权重值。首先, 如果上一层次X包含m个因素X1, X2, …, Xm的权重值分别为x1, x2, …, xm;下一层次Y包含n个因素Yj1, Yj2, …, Yjn, 这些因素对于因素xi的权重值分别为yj1, yj2, …, yj3 (如果Yh和Xj无联系, 则yjh=0) 。此时Y层析总权重向量 (y1, y2, …, yn) 由式 (4) 给出:
重复上述过程, 便可以得到子因素层风险因素相对于目标层某指标的权重向量:w″=[V″1, V″2, …, V″n]
3.2 确定评价集并建立模糊隶属关系矩阵
令绿色建筑项目各风险因素发生的可能性及其影响程度的评价集为:G={大、较大、中、较小、小}, 其等级值分别对应为:0.9、0.7、0.5、0.3、0.1, 则对应的评价集矩阵为G= (0.9, 0.7, 0.5, 0.3, 0.1) 。
邀请专家根据已确定的风险评价集对绿色建筑项目风险状态进行评价。评价结果用隶属度ref来表示:
由隶属度值得到模糊评价隶属关系矩阵:
3.3 模糊综合评判
步骤1:计算目标层某指标的模糊评价值为:
步骤2:确定项目风险的值
令EB1和EB2分别为风险发生概率的评价值和风险危害程度的评价值, 则项目风险的评价值为[14]:
判断风险的高低[15]:判断风险的值E的含义, 一般认为, 当时, 风险较低;当0.3≤EA≤0.7时, 风险中等;当时, 风险较高。
步骤3:确定子因素层各风险因素的模糊综合评价值
针对目标层各指标, 子因素层各风险因素针对目标层某指标的未加权评价值向量为:
对PE进行加权处理, 计算出子因素层各因素针对目标层某指标的评价值向量为:
最后, 根据式 (7) 计算方法, 得出风险因素的模糊综合评价值, 并给出评价值的排序, 评价值排名靠前的风险因素即为项目的关键风险因素。
4 算例
厦门某公司计划建设一栋办公楼, 占地面积2050m2, 南面三层、北面五层, 建筑面积3805m2。该办公楼按照《绿色建筑评价标准》的相关要求设计, 预计取得绿色建筑标识。办公楼总体技术目标是:综合能耗为同类建筑的25%;再生资源利用率达到60%;室内环境健康、舒适。在可行性研究阶段, 业主邀请专家对该项目的风险进行评价。
4.1 计算绿色建筑项目风险AHP模型中各指标权重
邀请专家根据该绿色办公楼项目特点, 对该绿色办公楼项目各风险因素进行两两比较, 构造各层次的三角模糊数判断矩阵 (如表3~10) 。
根据式 (1) 、 (2) 、 (3) 、 (4) 和 (5) 计算出子因素层各风险因素针对风险发生概率和危害程度的权重向量分别为:
4.2 对绿色建筑项目风险的模糊评价
邀请绿色建筑领域的专家进一步就相关项目风险指标进行评判, 根据式 (4) 计算出各风险因素危害程度和发生概率的指标评判结果, 构成模糊评判隶属关系如表11、表12所示。
根据模糊评价隶属关系表, 采用式 (5) ~ (9) , 对绿色建筑项目风险进行计算。
得到绿色建筑项目总风险的模糊综合评价值为:
因为, 所以该绿色建筑项目风险较高。
求出层次分析结构中子因素层各风险因素的模糊综合评价值向量为:
得出子因素层风险因素的模糊综合评价值的排序为:
项目的关键风险因素为:C11和C31, 即“项目绿色目标定位不明确”和“绿色材料价格过高”。
4.3 结果与讨论
针对该绿色建筑项目风险评价结果, 业主应根据风险特点采用相应的风险管理措施, 才有可能保证项目获得成功。
(1) 项目绿色目标定位不明确
对于该风险, 业主应该进一步明确该项目的绿色目标。在重新进行绿色目标定位时, 应从以下三方面入手:首先对项目绿色目标进行重新定位前, 必须对项目所在地的自然环境和社会环境进行全面深入的调研, 并以此为重要参考合理设定绿色目标;其次业主应尽可能在项目决策阶段的前期组织设计方、监理方、施工方和绿色建筑顾问参与到项目绿色目标的定位工作;最后在项目实施过程中, 将项目绿色目标准确反映到项目的合同文件中, 并严格要求承包方按合同要求施工, 保证绿色目标的实现。
(2) 绿色材料价格过高风险
应对该风险, 可从合同和采购这两方面着手。第一, 业主可以采用EPC总承包与承包商签订合同, 在合同约定涨幅内, 由承包方承担绿色材料价格过高风险。第二, 业主应组织负责采购人员参与到设计和施工过程中来, 了解设计图纸中要求使用的绿色材料, 在不降低预期性能标准的前提下, 采购价格最低的材料, 即通过保持材料的功能F不变、降低材料的成本C, 使材料价值V提高 (V=F/C, V↑=F→/C↓) 。
5结语
本文采用三角模糊数层次分析法和模糊综合评价法相结合的方法, 对绿色建筑项目全寿命周期风险进行了全方面的评价。实现了风险因素的全面考虑风险发生概率、风险危害程度的量化, 最终得出绿色建筑项目总风险和全寿命周期各阶段风险因素的模糊评价值, 找出关键风险因素, 并且讨论了风险应对的措施。从计算的过程和结果来看, 此方法在绿色建筑项目风险评价方面有一定实用价值。
摘要：风险评价是绿色建筑项目风险管理的重要内容。本文在文献分析的基础上, 构建绿色建筑项目风险因素层次结构模型。采用集成三角模糊层次分析法和模糊综合评价法, 计算出绿色建筑项目风险的模糊综合评价值, 识别出关键风险因素, 提出了风险应对措施。研究结果对业主提高绿色建筑风险管理水平, 确保绿色建筑项目的取得成功具有理论和实践价值。
篇7：基于DHGF算法的建筑火灾风险评价
摘要：近年来，我国高层建筑重大恶性火灾频繁发生，不仅造成了巨大的人员伤亡，也造成巨大的财产损失，而且其社会影响恶劣，对居民心理和城市形象产生较大的负面影响。现如今高层建筑由于其自身结构特点以及使用需要，多具有面积大、功能复杂、人流量大、可燃物丰富、扑救困难等特点，因此，高层建筑火灾风险评估已成为了火灾科学和消防工程的一项重要组成部分，对完善火灾科学与消防工程体系有着重要的作用。然而，由于高层建筑火灾发生机理复杂，其影响因素有着较多的关联性、层次性和多目标性，并在火灾不同阶段起着不同的作用，很难套用国外现有的评估方法。因此，建立结合实际需求和自身特点的火灾风险评估规范体系，已成为世界各国防火规范发展的基本趋势。
关键词：高层建筑火灾 火灾风险评估
火灾是人们所不希望的一种失去控制的由燃烧造成的伤害。凡是具备燃烧条件的地方，如果用火不当，或者由于某种事故或者其他因素，造成了火焰不受限制的向外扩张，就可能形成火灾。
火灾对人类和社会造成的破坏非常大，其造成的损失大大超过其直接财产损失。火灾代价包括直接、间接财产损失，人员伤亡损失，扑救消防费用、保障管理费用、保险管理费用以及投入的火灾防护工程费用。由此可见，火灾防治是人类社会的一项长期的重要任务。
根据火灾发生的场合，火灾主要可分为建筑火灾、森林火灾、工矿火灾及交通工具火灾等类型。在各类火灾中，建筑火灾对人们的危害最为严重、最直接，因为各种类型的建筑物是人们生产和生活的主要场所，也是财富高度集中的场所。可以说，建筑火灾一直是火灾防治的主要方面，在各个国家、各个历史时期都是如此。
我国高层建筑的火灾形势
近几年，随着国家经济建设的迅速发展和改革、开放政策的深入，人民生活水平的不断提高，各项事业的兴旺发达，城市用地日趋紧张以及建筑市场的同益繁荣，促使建筑向空间发展。现代工业和科学技术的发展，也为建造现代高层建筑提供了条件，因此，本世纪50年代以来，在我国大城市里陆续兴建了一批多用途高层建筑。尤其是最近几年，形形色色高层建筑在大、中城市也如雨后春笋拔地而起，发展非常快。建造高层建筑，在节约用地、壮观城市景观和方便人们生活等方面的优越性也已为世人所公认。
在防火条件相同的情况下，高层建筑比低层建筑火灾危害性大，而且发生火灾后容易造成重大的损失和伤亡。特别是现代的高层建筑，由于服务对象的不确定性及其使用功能和装饰材料等方面的特殊性，所以，现代高层建筑火灾特点有别于其它民用建筑火灾的特点。概括的讲，高层建筑火灾特点主要表现在以下几个方面：
（1）功能复杂，起火因素多
（2）火势迅猛，蔓延途径多
（3）疏散困难，伤亡严重
（4）消防设施不够完善，扑救困难
随着我国国民经济的快速发展和建筑市场的日益繁荣，很多现代化高层建筑能容纳的人数多在千人以上，有的甚至达数万人。但随之而来的是近几年，我国的高层建筑火灾形式也呈现愈演愈烈之势。按火场统计可以发现，最近几年高层建筑发生群死群伤的火灾事故有较大幅度的增加，高层建筑火灾对人和财产造成很大的危害，现代高层建筑标准高，而且无论在设备、设施的配备上，还是装修装饰材料的使用上，都趋向高档次，高标准。正是这些原因，使发生火灾时会产生大量的有毒气体和烟气及高温辐射，对人员疏散和扑救产生了非常严重的影响，再加上空调系统的火灾，不仅建筑物本身的损失非常严重，而且人员的伤亡及其带来的经济损失（受伤人员的治疗费用、死亡人员的善后处理费用等）也是非常大的。
因此，充分认识火灾的基本现象和危害性，掌握火灾发生、发展和蔓延的基本规律，以火灾安全工程学为理论基础，依靠科技进步，在有限的防火安全投入下，采取切实可行、有效的火灾防护措施，降低火灾发生概率及火灾发生后的损失程度是广大科学与消防工程研究工作者的共同目标。
国内外建筑火灾风险评估的现状
工业发达国家对火灾危险分析与评价非常重视，英国在1985年颁布了第一部性能化防火规范后，各国都纷纷投入大量的研究经费积极开展了后再安全工程学和性能化安全设计方法理论及技术的研究。在火灾的监测、信息分析、火灾危险源的辨识原理和方法、危险评价技术、火灾的预防和控制等方面初步形成了一些实用的方法，开发出一系列以概率论为基础的有特色的安全评价方法，对预防和控制火灾起了重要的作用。
在火灾危险评价的可操作性研究和信息管理方面，国外广泛采用系统仿真和数据库技术，已在开发一些可行、实用的方法。目前，有数十种火灾危险评价软件得到了成功的应用。随着信息处理技术和事故预防技术的进步，新的实用危险评价软件不断进入市场。“八五”和“九五”期间，我国开展了“重大危险源评价和宏观控制技术研究”、“重大工业事故和特殊建筑火灾预防与控制技术研究”等重大课题的研究工作。
对石油、化工等火灾重大危险场所，目前，国内主要采用DOW化学公司的火灾、爆炸指数评价法、ICI公司的MNOD法、日本劳动省标准局的六阶段评价法、前苏联化工过程危险评价法等进行火灾、爆炸指数评价法，并先后对我国的一些石油、化工企业的生产车间和油罐区的火灾、爆炸和毒性的危险性进行了危险评价，取得了较大的社会效益和经济效益。但是，与发达国家相比，我国对火灾危险评价的研究开展较晚，管理手段落后，主要表现在：
（1）在我国，重大恶性火灾及爆炸事故频繁发生，发生机理复杂，难于套用国外的现有方法。
（2）现有的火灾评价与管理方法过于简单、粗糙，难于有效地对我国各类重大火灾进行正确的分析、评价和控制，而这些方法大部分仅能适用于现有系统的危险评价，对设计阶段的系统危险评价考虑不够。
（3）我国自己尚未建立火灾事故数据库，沿用国外的数据来分析我国的火灾危险难于获得真正结果，严重影响了我国对火灾危险源的管理和决策的科学性。
篇8：基于DHGF算法的建筑火灾风险评价
关键词：AHP,模糊综合评价,绿色建筑,设计阶段,风险评价
0 引言
绿色建筑是在建筑的整个生命周期, 最大限度地节约资源 (节能、节地、节水、节材) 、保护环境以及减少污染, 为人们提供健康、适用和高效的使用空间, 与自然和谐共生的建筑[1]。绿色建筑的设计阶段是整个绿色建筑项目的重点阶段, 该阶段任务的完成情况直接关系着整个项目能否达到预定的目标和要求。本文主要就绿色建筑设计阶段的风险因素进行综合评价。
1 风险因素层次结构的建立
从设计阶段主要关联单位的角度考虑, 将绿色建筑设计阶段的风险源主要分为:开发商对设计的干预、设计单位因素和施工失误引起设计变更。
由此建立绿色建筑设计阶段风险因素层级结构如图1所示。
2 AHP确定因素权重
对同一层次的各因素关于上层次中某一准则的重要性进行两两比较, 采用1~9及其倒数标度其重要性, 如表1, 从而构造两两比较判断矩阵, 并进行一致性检验。由判断矩阵计算被比较要素对于该准则的相对权重。
求解判断矩阵的常用方法有幂法、和积法和方根法[4], 本文采用方根法进行求解。方根法判断矩阵重要度计算和一致性检验具体步骤如下:
(1) 求各因素相对于上层某因素 (准则) 的归一化相对重要度向量Wi0。Wi= (∏aij) 1/n, Wi0=Wi/ (ΣWi) , 则Wi0= (W10, W20, W30, …Wn0) T为所求的特征向量, 即各因素相对重要度。
(2) 计算判断矩阵的最大特征根。其中A为判断矩阵, (AW) i为向量AW的第i个元素。
(3) 计算判断矩阵一致性指标, 并检验其一致性。
一致性指标CI= (λmax-n) / (n-1) , 当完全一致时, CI=0, CI越大, 矩阵的一致性越差。对于1~8阶矩阵, 平均随机一致性指标RI分别如表2所示[5]。当阶数n>2时, CR=CI/RI称为矩阵的随机一致性比例。当CR≤0.1时, 说明矩阵具有满意的一致性, 可以用其标准化的特征向量作为权向量, 否则, 必须重新调整判断矩阵。
由此得到绿色建筑设计阶段各级因素的权重如表3-表7所示。
最终确定第一层的模糊权重集A= (0.166, 0.761, 0.073) , 第二层模糊权重集A1= (0.637, 0.105, 0.258) , A2= (0.750, 0.250) , 第三层模糊权重集, A21= (0.470, 0.255, 0.049, 0.086, 0.140) , A22= (0.109, 0.189, 0.066, 0.636) 。
3 多层次模糊综合评价
3.1 确定评语集
设定分别V={V1, V2, V3, V4, V5}代表{高风险, 较高风险, 中等风险, 较低风险, 低风险}, 它们的高低表示了因素的风险程度。
3.2 建立模糊评价矩阵
邀请绿色建筑相关专家根据划分的5个等级分别对图1中所列的最后一层的因素进行评价, 即:U11, U12, U13, U211, U212, U213, U214, U215, U221, U222, U223, U224, U3;然后统计每一因素隶属于V各等级的频数, 各频数与专家总数比值作为各指标的隶属度, 从而建立评价矩阵R。它们上一层的因素可通过它们的评价结果与其相应的权重计算出来。统计各底层因素的评价结果如下:
3.3 模糊综合评价
从最底层开始进行评价, 评价算法依据综合评价模型B=A莓R进行。考虑到常用的四种模糊合成算子的特点 (见表8) , 这里的模糊合成算子采用乘与和算子, 即, k=1, 2, 3, 4, 5也就是普通的矩阵乘法[6]。
第三层模糊评价:
由于本文采用的模糊算子是乘与和算子M (, 茌) , 评价结果本身已经归一化, 故不用再进行归一化处理。若采用其他的模糊算子计算, 则需要对评价结果归一化处理后才能进行下一步的计算。第二层、第一层模糊评价同理。
第二层模糊评价:
第一层模糊评价:
按照最大隶属原则, 对综合评价取其最大值所对应的评语等级作为综合评价的风险等级。则绿色建筑设计阶段的风险等级为“较高风险”。
若按加权平均原则求解, 对评语集进行量化为v={9, 7, 5, 3, 1}。对于最终评定结果X, 假定当X∈[8, 9]时, 对应评价结果为“高风险”;当X∈[6, 8]时, 评价结果为“较高风险”;当X∈[4, 6]时, 评价结果为“中等风险”;当X∈[2, 4]时, 评价结果为“较低风险”;当X∈[1, 2]时, 评价结果为“低风险”。本文中X=9×0.191+7×0.309+5×0.267+3×0.169+1×0.063=5.787∈[4, 6]。
则绿色建筑设计阶段的风险等级为“中等风险”。
结合上述两种原则的风险等级评定结论, 本文绿色建筑设计阶段风险综合评定为处于“中等风险”和“较高风险”之间, 偏向“较高风险”。
4 风险因素控制措施建议
根据AHP分析的结果, 将各层的权重对应相乘得出底层风险因素 (U11, U12, U13, U211, U212, U213, U214, U215, U221, U222, U223, U224, U3) 针对目标U的总排序 (见表9) , 从表中可以看出U211 (缺乏绿色建筑设计经验) , U212 (现场调查不足致设计没有因地制宜) , U224 (缺乏绿色项目全寿命周期的参与) , U11 (开发商个人行为引起设计变更) 是绿色建筑设计阶段主要风险因素。
针对上述四个关键风险因素, 提出以下建议措施:
(1) 建立绿色建筑设计数据库。 (2) 注重现场调查。 (3) 多专业人才参与。 (4) 加强合同管理, 约束开发商要求变更前期设计的权限。
5 结论
本文建立了绿色建筑设计阶段风险因素的多层次结构, 在定性分析和定量分析相结合的基础上, 对绿色建筑项目设计阶段的风险进行了较科学的判断, 最终得出绿色建筑设计阶段风险偏向“较高风险”。并针对关键风险因素给出应对的建议措施。
参考文献
[1]荆磊.我国绿色建筑全寿命周期风险识别与评价[D].厦门:华侨大学, 2012.
[2]郭波, 龚时雨, 谭云涛, 史宪铭.项目风险管理[M].北京:电子工业出版社, 2008, 1.
[3]汪应洛.系统工程[M].四版.北京:机械工业出版社, 2008, 8.
篇9：基于DHGF算法的建筑火灾风险评价
摘 要：在现代社会生活中，由于火灾现象会经常发生，但是火灾科学自身的特性可以使得建筑火灾的发展和蔓延得以控制。因此，在研究大型建筑火灾蔓延现象时，需要在收集大量的火灾数据的前提上，并且结合利用模拟研究的手段而进行科学的统计和分析。文章立足于当代社会大型建筑火灾蔓延的现象，探索和分析了火灾蔓延的相关特性和外部风险，同时利用计算机软件来深入研究了相关模型的试验和模拟情况，从中发现了计算机模拟火灾蔓延的方法，以此为大型建筑的火灾蔓延模拟研究做出了前期的准备。此外，通过实际的工程案例，做出了相关的火场分析和调查，最终实现了建筑内外的模拟场景，并且研究了火场的温度及其对建筑结构安全性的威胁。
关键词：计算机技术；大型建筑；火灾蔓延；模拟研究
中图分类号：TK121 文献标识码：A 文章编号：1006-8937（2016）05-0083-01
随着现代化社会改革的进程不断深入，使得我国的科学技术和经济总值也随之迅猛的发展，从而促进了建筑事业的蓬勃发展。然而无论是从建筑的结构上，还是功能上分析，其都在社会和经济发展中不断的发生着变化。但是，在这一变化发生的过程中，同时出现了大量的建筑耗能问题，而建筑节能问题的日益显现，使得这一问题在随着经济和社会发展的进程中也越来越受到社会和人民群众的重视。当建筑的外墙增加了外保温构造系统后，会在一定程度上降低建筑能源的损失和耗散，但由于建筑材料自身保温板的防火性能差的缘故，会给建筑本身的安全造成一定的威胁和火灾的隐患。因此，面对火灾发生时是否会给建筑结构产生影响，以及影响的程度的大小的问题，就需要利用当前计算机的火灾蔓延模拟技术来对此进行深入的研究。
1 相关理论概述
1.1 火灾蔓延
火灾蔓延是引起火灾局势变大的主要因素。这事由于当建筑物发生火灾情况时，建筑物的局部火焰会通过热传导、热对流、热辐射，以及飞火的形式来使得周边的可燃物体迅速的燃烧，甚至会造成二次燃烧的现象[1]。同时，在火灾蔓延模拟的整个过程中，也需要利用以上的四种形式来进行烟气与火的热传递，以便保持模拟的情形与实际情况一致。
1.2 火灾科学
火灾科学是指在研究火灾出现、发展、蔓延，以及控制的相关原理和规律的应用型基础科学。而其涉及到研究各类火灾现象的共性问题，主要包括火灾的发生、火灾蔓延、烟气蔓延、灭火、火灾防治，以及火灾对人的影响和危害等，同时还会在不同的火灾情形中出现一些有意义的现象。例如，油罐火灾中的扬沸、室内火灾中的轰燃、森林火灾中的火旋风等，需要更加侧重于研究它们产生的原理和对人民群众人身安全的危害程度。
1.3 火灾模型
主要是利用计算机技术来对制定的房间内的形状、地面、天花板的热导性、通风情况，以及室内的物品的易燃性，从而来对指定房间的模拟火灾的燃烧情形作出全面、综合性的分析和研究[2]。
1.4 模拟实验
模拟实验主要是指从物理、化学，以及几何的条件等角度引入的与其相类似的一类实验。同时，由于模拟实验在火灾科学的实际研究过程中占据着举足轻重的地位，其不仅可以研究现象、揭示新的机理和规律、归纳公式，而且还可以为理论研究和计算机模拟提供一系列的实验数据。
1.5 计算机模拟
计算机模拟的内容是通过利用计算机的数据库、图形、计算，以及图像等功能来进行相关的研究。在火灾的过程中，计算机模拟具备多层次和多种类的特点。具体来说，主要划分为三个层次。第一，专家系统，即经验模拟；第二，半经验半理论的模拟，即半物流模拟；第三，场模拟，即物理模拟。其中，第二、第三类的模拟情况也会经常出现在数学问题中，并且在通常情况下，是很难解答出结果的，一般是需要借助于计算机来对此进行相关的数值求解。
2 建筑火灾蔓延的规律
2.1 火灾规律的确定性和随机性
由于火灾的发生存在一定的规律性，使得其既包含确定性的一面，又包含着随机性的一面。在一般情况下，常规的工程科学顾虑只包含确定性的一面，换句话说，也就是其随机性的可能性较小，甚至是达到可以被忽略的程度[3]。但是，从火灾学以及整个“灾害学”的角度来分析，都是存在确定性和随机性两方面的规律的，单纯的忽略确定性和随机性其中的任一个都是不准确的。而这一特点便是火灾科学同常规的工程科学最大的不同之处。同时，由于火灾科学自身存在着确定性，使得其可以利用模拟研究的方法来对其进行深入的探讨，而火灾本身又存在着随机性，因此需要收集大量的火灾数据，在此基础上进行相关的数据统计和分析。
2.2 建筑火灾蔓延的基本特性
建筑火灾蔓延的发展过程主要有初期增长阶段、轰燃阶段、全盛阶段，以及衰退阶段，如图1所示。
从上图分析可知，在初期和全盛的阶段上，通常会出现一个温度陡然上升的狭窄的曲线，而这时的室内温度会促使可燃物出现大面积的燃烧，理论上称之为轰燃，此刻意味着出现好转方式质的转变。
3 计算机技术应用于火灾蔓延工程分析
在火灾发生时，其往往会给人们带来一定的危险性，而在整个火灾消防安全性的评估分析中，针对火灾蔓延烟气运动的过程，可以应用到计算机软件可以有很多种，并且不同的计算机软件适用的范围也是不同的。在本文中，主要研究的FDS（火灾动力学）模拟软件。该计算机软件中包含了许多的模型，主要有燃烧模型、热解模型、热辐射模型等[4]。而本文在分析和研究火灾蔓延的情况时，通过在起火点处设置燃火源，结合其他区域的可燃材料物的参数和外墙保温材料的可燃物的燃点、种类、热值等情况进行设置，以此来模拟火灾蔓延、温度分布、烟气流动，以及火灾规模等。
通过计算机模拟实验，可以粗略的了解到反应试验的情况，并且使之与实验的燃烧情况进行对比，发现其两者间是相吻合的。同时，通过将单位热释放速率和单位质量损失的两种模拟应用到实验中，使之进行对比，从中发现质量损失法能够有效的控制火势的蔓延情况。通常情况下，运用单位热释放速率能够更加简单、便捷的控制燃烧的速率。具体来说，在模拟开始之前，火焰迅速蔓延到模型架顶端的时间会比较短；而在模拟的过程中，会选择利用次生火源来取代熔滴火，避免其与实际试验的结果产生偏差。此外，通过试验的模拟情况来分析，得出影响的相关因素有如下几方面：①材料的厚度；②材料的燃点；③排烟口风速的大小；④网格大小的设置。然后，通过建立的相关计算机模型来选择合适的算法，实现对温度场的模拟计算，最终达到对建筑结构安全的合理评估，从而完善建筑防火性能化的设计。
4 总结与展望
综上所述，立足于现代大型建筑火灾的现状，通过使建筑火灾的研究能够更加贴近于火灾的实际情况，并且基于计算机技术的大型建筑火灾蔓延模拟的研究，在一定程度上对建筑火灾的危险性作出相应的评估和性能化的防火设计建议。本文通过构造火灾蔓延相关特性的研究框架，概括了导致火灾蔓延的原因，并且通过利用计算机模拟的方法重现了火灾蔓延的情况。同时，在进行计算机模拟时，需要注意可燃材料的属性参数设置，使之在模拟时能够得到有效的控制。另外，还需要在模型的试验和模拟的过程中，得出了模拟手段验证试验模型是可行的，而调整模拟的相关参数，也可以实现模拟和试验现象一致的情况。
参考文献：
[1] 柴盼.高层建筑火灾场景设置研究[D].重庆：重庆大学，2014.
[2] 孙敏.大型超市火灾数值模拟及人员疏散研究[D].淮南：安徽理工大
学，2014.
[3] 颜向农.基于计算机模拟的建筑物室内火灾风险评估研究[D].湘潭：湖 南科技大学，2008.
相关文章：
火灾爆炸事故案例分享01-25
火灾指数法01-25
化学发光法在水分析、大气监测中的应用01-25
火灾爆炸应急响应预案01-25
火灾与爆炸01-25
对危险化学品企业安全现状评价的探讨01-25
火灾爆炸事故应急预案01-25
某化工厂甲醇储罐区火灾事故伤害范围分析01-25
