基于神經網絡的高層建筑消防安全評估

■張藝馨　王龍

（福建省漳州市消防支隊　福建　漳州　363000）

基于神經網絡的高層建筑消防安全評估

■張藝馨王龍

（福建省漳州市消防支隊福建漳州363000）

隨著城市化步伐日益加快，高層建筑消防安全評估成為當下人們考慮的一個重要議題。本文在對該問題分析過程中，主要從BP神經網絡應用為出發點，探討了BP神經網絡在高層建筑消防安全評估中的應用。

神經網絡高層建筑消防安全評估

0　前言

高層建筑在防火過程中，存在一定的復雜性和困難性，針對于這一問題，如何采取有效措施對其消防安全進行評估，有利于更好地對火災隱患進行預防，從而提升高層建筑的安全性。BP神經網絡的應用，能夠對高層建筑消防安全進行有效評價，并通過建模分析，更好地發現火災隱患，提升高層建筑消防質量。

1　神經網絡基本原理分析

在對高層建筑消防安全評估過程中，我們需要利用到BP神經網絡，這就需要我們對BP神經網絡基本原理進行分析，從而對這一技術手段進行有效了解，才能夠使其在應用過程中，更好地發揮作用。BP神經網絡對高層建筑消防安全評估時，主要是基于“學習”作為基礎，能夠進行反復計算，從而對誤差值進行最小化處理[1]。

BP神經網絡在高層建筑消防安全評估中的應用，需要建立一個BP神經網絡，并且設置相應的輸入層、隱含層、輸出層，能夠對相關參數數值進行較為精準的評估。關于BP神經網絡的應用步驟，我們可以從以下幾點進行分析：

首先，需要對樣本進行處理。樣本的處理，主要是幫助系統更好地選擇訓練樣本，能夠采取“激勵函數學習”的方式，對樣本進行歸一化處理，從而保證在進行消防安全評估過程中，保證其具有較好的評估效果[2]。

其次，需要對網絡結構進行確定，能夠對輸出變量和輸入變量進行較好的選取，對訓練算法和相關參數進行較好的選擇。網絡結構的確定，直接影響到了BP神經網絡是否能夠發揮應有作用。

再次，需要將樣本輸入到神經網絡中，能夠對輸出值進行計算，并將輸出值與實際數值進行比較。在樣本輸入過程中，需要對樣本誤差問題進行較好的分析，能夠保證誤差處于一個合理的范圍內，不會對最終的評估結果產生不利的影響。

最后，需要對結果進行還原處理，并進行相應的分析。這一過程中，若是訓練誤差處于能夠接受的范圍內，并且網絡泛化能力較強，可以對訓練好的神經網絡對高層建筑消防安全進行有效地評估[3]。

2　基于神經網絡的高層建筑消防安全評估指標構建

在利用BP神經網絡對高層建筑消防安全進行評估時，需要建立相應的評估指標，這樣一來，才能夠保證評估具有較高的質量性。

2.1評估指標體系建立

在進行評估指標體系建立過程中，需要考慮到消防安全發生的突然性和偶然性，這就需要考慮到間接原因和直接原因。在進行評估指標體系建立時，要依照“現代事故的致因理論”，能夠從直接原因角度，對消防安全進行評估。一般來說，評估指標體系建立，涉及到了建筑物自身的狀況、防火、滅火能力、安全疏散能力三個方面內容。同時，為了更好建立評估指標體系，我們設置火災事故集合，即火災事故={防火系統危險情況、滅火系統危險情況、安全疏散系統危險情況、管理及其他危險情況}，在大的集合系統設置完成后，我們需要對小的因素進行考慮和分析。例如火災事故的因素，涉及到了防火區的可靠性、通風與排煙系統、火災報警裝置、安全通道、安全出口、人員密度等相關小的因素，這些因素包括在了大的因素之中[4]。

2.2對指標進行定量化處理

利用BP神經網絡進行高層建筑消防安全評估過程中，我們需要對相關指標進行定量化處理，確保指標在分析過程中，發揮有效作用。所謂的“定量化處理”，主要是指能夠利用數字信息，對防火過程中的相關指標進行量化。關于這一問題，我們就以通風與排煙系統的量化標準為例，具體內容如表1所示：

表1　通風與排煙系統的量化標準統計表

如表1所示，我們可以看出，設置的指標分為1-5個等級，其中1代表了安全較高的通風與排煙系統，指標數值設置為100，不符合要求的指標等級為5，指標數值為70以下。在進行高層消防安全評估過程中，通過對每一項設置相應的分值，根據分值對比，就可以對高層消防安全評估效果進行較好的分析了。

3　建模仿真分析

通過上文中的分析我們可以看出，在利用BP神經網絡對指標體系構建完成后，對相關數據信息進行有效處理，就可以對高層建筑消防安全進行有效地評估。以表1為例，若是防火指標數值為93，在對其進行歸一化處理后，（93-90）/（95-90）=0.6，那么根據這一平均數值，對輸入數據進行確定。在對誤差分析過程中，我們可以從圖1中看出：

圖1　相對誤差曲線

如圖1所示，相對誤差在5%范圍內，這表明BP神經網絡在應用過程中，能夠對一定量的樣本進行較好訓練，可以較好地應用于高層建筑消防安全評估中。

4　結束語

綜上所述，我們可以看出，基于BP神經網絡的高層建筑消防安全評估，能夠更好地對消防安全情況進行分析，并且具有較高的可行性。在未來發展過程中，為了更好地提升高層建筑防火，可以將BP神經網絡進行有效應用。

[1]李潔,鐘凱.基于BP神經網絡的高層建筑防火評估 [J].軟件導刊,2012,v.11;No. 11505:95-97.

[2]嚴治鋒,汪萍萍.高層建筑消防安全管理系統 [J].物聯網技術,2012,v.2;No.2212:69-72.

[3]高臣勇.高層民用建筑火災風險評估指標體系對比研究 [J].武警學院學報,2013,v. 29;No.20606:35-38.

[4]段美棟,姜東民,丁伶,趙爭.FANP-BP高層建筑火災風險評估模型及應用 [J].消防科學與技術,2015,v.34;No.23911:1530-1533.

TU998.1[文獻碼]B

1000-405X（2016）-9-228-1