模糊自適應變權重組合模型在消防中的應用

劉洪太 郭云霞 趙剛 薛彥宇

摘 要：近年來，火災事故在我國頻頻發生，對環境和經濟造成了巨大的影響和損失，消防應急決策能力及決策的精確性越來越受到重視。在對火災預測方面，組合模型較單一模型能夠更加全面準確地描述火災的變化規律。然而，組合模型中模型權重的確定主觀性太強，影響預測結果的準確性。針對上述問題，該文提出了一種基于模糊自適應變權重的組合預測模型，來預測火災事故帶來的影響以及可啟動的應急預案等。最后，該文對提出的模型進行了模擬應用，預測結果準確，表明該模型能夠很好地應用于消防應急決策，具有較高的決策價值。

關鍵詞：火災；模糊自適應；變權重；組合模型；消防應急決策

中圖分類號：TD76 文獻標志碼：A

近幾年，我國頻發火災事故，火災事故不僅給國家和企業帶來了財產、人身、生態環境上的巨大損失，甚至還會使社會動蕩，影響社會秩序、生產秩序、工作秩序等。一旦火災事故發生，決策者需要及時果斷地做出科學、合理的決策，啟動相應的應急預案，最大限度地降低火災造成的危害。目前，大數據技術及預測模型在火災預測中得到了廣泛的應用， 然而，大多數的研究都是基于單一的預測模型進行火災預測，雖然一些學者也嘗試使用組合模型對火災進行預測，但是組合模型中模型權重的確定主觀性太強，缺少科學的方法，導致預測結果不準確。

針對上述問題，該文提出了一種基于模糊自適應變權重的組合預測模型來預測火災事故造成的損失如直接財產損失等。根據預測結果，應急決策者能夠相對準確及時地了解火災事故的整體情況和可能造成的影響，快速啟動應急預案，極大地減少因啟動預案延遲帶來的危害。

1 模糊自適應變權重方法

該文使用模糊自適應算法控制組合模型中的權重變化。對于一個組合預測模型來說，假定有n（n>2）種單一預測模型，每種預測模型都有各自的預測效果。組合模型的模糊控制因素包括在第i時刻第j種模型的誤差ej（i）和被預測對象在第i時刻的真實值相對于前面k個時刻的真實值的算術平均值的改變量cj（i），ej（i）和cj（i）的表達式分別為（1）和（2）。

1.1 模糊控制器

相對誤差ej（i）的模糊控制過程如下：

首先，將一連續區域[-1，1]分割成小的碎片，每一個碎片為一個不連續的點，使ej（i）在[-1，1]區間內變化，就得到了關于ej（i）的不連續區域X，稱X為ej（i）的離散論域。使用Ak（k=1，2，…，5）來標示相對誤差的語義變量，這個離散域將被分為5個語義值，見表1。

將E視為在i時刻第j個預測模型的預測值和在i時刻的真實值之間的誤差，用C來表示在i時刻第j個預測模型的預測值相對于在i時刻的真實值的變化率，k'j（i）表示在i時刻第j個預測模型的預測值相對于在i時刻的真實值的模糊權重。這樣，就能建立一個模糊控制規則，如下：

1.2 基于模糊自適應變權重的組合模型

在組合模型中，如果在i時刻的實際值y（i）通過k個歷史數據，從i-k時刻到i-1時刻內的值，y（i-k），y（i-k+1），…，y（i-1）被預測出來，相對于相對誤差ej（i）和灰色趨勢變量cj（i）的灰色基本權重r（ej（i））和S（c'j（i））的表達式分別為（4）和（5）。

自適應控制系數βi的公式如（7）所示。

此外，進行歸一化后，在i時刻，第j種預測模型的自適應變權重kj（i）可以通過公式（8）得到。

公式（9）表示了在時刻i之前的所有時刻點數據對組合模型自適應變權重全面、平均的影響。并且使用模糊自適應變權重的方式對模型進行組合，能夠使得個模型的權重較其他組合方法分布更合理。

當通過歸一化Kj（i）得到在i時刻、第j種預測模型的自適應變權重后，結合各模型模糊自適應變權重Kj（i）和預測值fj（i），得到在i時刻的預測值，通過（9）得到：

等式（9）中，充分表明了關于模糊權重的模糊推理規則，這在模糊推理的定義過程中阻止跳躍現象是非常有效的。因此，這種量化方法將歸一化模糊自適應變權重Kj（i）作為一個修正因子是相當合理和可行的。

2 基于模糊自適應變權重組合預測模型在消防應急決策中的模擬應用

2.1 模型數據選取

由于支持向量機回歸（SVMR）和徑向基函數 （RBF） 神經網絡具有良好的非線性預測控制效果，模擬應用中使用這2種預測模型作為單一模型進行組合預測，實驗將得出SVMR和RBF神經網絡單一模型預測結果以及兩者組合模型預測結果，并進行對比。

2.2 模型數據選取

在模擬應用中，以某應急管理系統中的火災數據為基礎，模擬應用中共抽取了1 000條真實火災記錄以及100次演練記錄作為模擬數據，以數據集中前800條真實火災事故數據和前90條演練火災數據作為訓練數據；以數據集中后195條真實火災事故數據和后10條演練火災數據作為驗證模型；以數據集中最后5條真實火災事故數據作為測試模型，用來驗證模型的預測性能。該文選取火災直接財產損失為預測對象進行模擬應用。

2.3 模型權重參數

實驗中模糊自適應變權重方法灰色關系程度的分辨率δ取0.5，自適應控制系數βi計算公式中，取N=0.5。

2.4 應用效果

該文對模型預測精確性做了評估，選用平均絕對百分比誤差（MAPE）作為預測結果評判標準：

表2為使用基于模糊自適應變權重組合預測模型與SVMr預測模型、RBF神經網絡、固定權重組合模型預測最后10條真實火災直接財產損失結果表。

表3為表2中各模型預測性能表，評判標準MAPE。

3.4 應用效果分析

本模擬應用中使用不同的預測模型對應急系統中的火災財產損失分別進行了預測，從3.3節中的各模型對火災直接財產損失的預測值可以看出，該文提出的基于模糊自適應變權重組合預測模型的預測相對誤差在所有模型中是最小的，雖然在極少的個別點上會偏大一些，但是不影響其整體性能；客觀的，從評判標準來看，該文使用的模糊自適應變權重組合模型代表的MAPE均小于其他模型，說明該文使用的模糊自適應變權重組合預測模型比其他模型預測性能要好。

4 結論

該文提出了將基于模糊自適應變權重的組合預測模型應用于消防應急決策，并在最后以實際的應急系統進行模擬應用，預測效果明顯，證明了基于模糊自適應變權重的組合預測模型能夠很好地利用火災情景數據，并獲得精確的預測效果，可以為消防應急決策提供強有力的決策支持，值得推廣。

參考文獻

[1]傅智敏.我國火災統計數據分析[J].安全與環境學報，2014，14（6）：341-345.

[2]張芳.消防大數據平臺的建設[J].電子技術與軟件工程，2017（7）：174.

[3]趙偉，馬凱.基于灰色預測GM（1，1）模型的火災損失預測[J].消防科學與技術，2013，32（3）：324-327.

[4]吳秋平.基于神經網絡的森林火災預報系統[J].信息化建設，2016（2）：26-27.

[5]張迎輝.模糊神經網絡在礦井帶式輸送機火災探測中的應用[J].煤礦機械，2009，30（8）：182-184.

[6]伍愛友，施式亮，王從陸.基于神經網絡和遺傳算法的城市火災風險評價模型[J].中國安全科學學報，2006（11）：108-113.

[7]袁朋偉，宋守信，董曉慶.基于灰色神經網絡優化組合模型的火災預測研究[J].中國安全生產科學技術，2014，10（3）：119-124.

[8]唐小我，王景，曹長修.一種新的模糊自適應變權重組合預測算法[J].電子科技大學學報，1997（3）：66-69.

[9]張曉輝，常淑惠，張璠，等.支持向量機的基本理論與應用[J].科技經濟導刊，2017（5）：32，17.

[10]衛敏，余樂安.具有最優學習率的RBF神經網絡及其應用[J].管理科學學報，2012，15（4）：50-57.