基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)的地鐵車站火災(zāi)安全評(píng)價(jià)

亢磊磊

(重慶人文科技學(xué)院工商學(xué)院, 重慶 400074)

0 引言

地鐵作為城市交通的重要一環(huán)，具有運(yùn)量大、速度快、污染小等特點(diǎn)[1]。由于地鐵多數(shù)為地下工程，內(nèi)部空間小、環(huán)境封閉，一旦發(fā)生火災(zāi)，人員疏散和救援較為麻煩，極易造成群死群傷的惡性事件，被稱為“小概率高影響事件”[2-3]。因此，構(gòu)建一種合適的地鐵火災(zāi)安全評(píng)價(jià)模型，對(duì)地鐵火災(zāi)安全管理具有重要的現(xiàn)實(shí)意義。

國(guó)外關(guān)于地鐵火災(zāi)安全評(píng)價(jià)的研究起步較早，Johansson等[4]基于FMECA方法對(duì)地鐵火災(zāi)報(bào)警系統(tǒng)的可靠性進(jìn)行分析，從消防設(shè)備方面提出防治措施； Choi等[5]從概率和主觀2個(gè)方面運(yùn)用模糊數(shù)學(xué)理論對(duì)地鐵火災(zāi)進(jìn)行評(píng)價(jià)。國(guó)內(nèi)方面，李炎鋒等[6]運(yùn)用改進(jìn)層次分析法按時(shí)序分階段評(píng)價(jià)地鐵火災(zāi)安全，其結(jié)果易受專家認(rèn)知能力的影響； 趙海榮等[7]提出基于G1方法確定指標(biāo)權(quán)重的地鐵火災(zāi)模糊評(píng)價(jià)模型，同樣存在專家打分過(guò)程中出現(xiàn)極值的弊端； 褚鵬宇等[8]采用動(dòng)態(tài)賦權(quán)理念結(jié)合模糊Petri網(wǎng)模型分析不同因素對(duì)地鐵火災(zāi)安全的影響，但未能解決評(píng)價(jià)過(guò)程中的動(dòng)態(tài)性問(wèn)題； 馬劍等[9]引入D-S證據(jù)理論對(duì)不確定指標(biāo)做可靠性分析，但評(píng)價(jià)結(jié)果不具有延展性； 李江華[10]提出基于SOM神經(jīng)網(wǎng)絡(luò)的地鐵火災(zāi)安全評(píng)價(jià)模型，忽視了部分指標(biāo)難以量化的特點(diǎn)； 喻茗之等[11]利用遺傳算法優(yōu)化后的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)地鐵火災(zāi)評(píng)價(jià)，但未對(duì)指標(biāo)的重要性做區(qū)分度分析。

上述研究從不同視角對(duì)地鐵火災(zāi)安全進(jìn)行評(píng)價(jià)，但仍然存在以下問(wèn)題： 借鑒專家知識(shí)經(jīng)驗(yàn)時(shí)未對(duì)專家打分中極值分?jǐn)?shù)的影響做有效處理，評(píng)價(jià)過(guò)程中缺乏動(dòng)態(tài)性且結(jié)果不具有延展性，當(dāng)指標(biāo)狀態(tài)發(fā)生變化時(shí)需對(duì)結(jié)果重新計(jì)算； 未將專家的認(rèn)知和人工智能工具有效結(jié)合，沒(méi)有考慮對(duì)應(yīng)權(quán)值下指標(biāo)重要程度的差異性。鑒于以上問(wèn)題，本文提出構(gòu)建基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)的地鐵火災(zāi)安全評(píng)價(jià)模型，利用C-OWA算子對(duì)專家決策數(shù)據(jù)按照降序的方式重新排序，通過(guò)組合排列加權(quán)集結(jié)求得指標(biāo)權(quán)重，削弱決策極值對(duì)權(quán)重的負(fù)面影響； 然后充分考慮指標(biāo)對(duì)目標(biāo)作用的差異性，將權(quán)值與BP神經(jīng)網(wǎng)絡(luò)輸入值有機(jī)結(jié)合，利用BP神經(jīng)網(wǎng)絡(luò)強(qiáng)大的自學(xué)習(xí)、模擬人腦能力，根據(jù)已知樣本數(shù)據(jù)模擬目標(biāo)狀態(tài)的優(yōu)勢(shì)，并將其運(yùn)用在鄭州地鐵2號(hào)線的火災(zāi)安全評(píng)價(jià)中。

1 地鐵火災(zāi)安全評(píng)價(jià)指標(biāo)體系的構(gòu)建

地鐵火災(zāi)是一個(gè)漸變發(fā)展的過(guò)程，本文按照時(shí)間順序?qū)⒌罔F火災(zāi)分為3個(gè)階段，即火災(zāi)初期增長(zhǎng)階段、火災(zāi)充分發(fā)展階段和火災(zāi)減弱階段，并針對(duì)地鐵火災(zāi)發(fā)生的各個(gè)階段構(gòu)建安全評(píng)價(jià)指標(biāo)。為提高地鐵車站火災(zāi)安全等級(jí)，應(yīng)在火災(zāi)發(fā)生前對(duì)隱患因素，如可燃物情況、設(shè)備故障狀態(tài)、探測(cè)系統(tǒng)的工作性能等進(jìn)行分析，盡可能地提前消除隱患。應(yīng)急控制響應(yīng)系統(tǒng)、自動(dòng)撲救系統(tǒng)和消防員手動(dòng)撲救系統(tǒng)3大系統(tǒng)的工作性能對(duì)于火災(zāi)的及時(shí)消除十分重要，故在火災(zāi)充分發(fā)展階段應(yīng)給予高度重視。3大系統(tǒng)的正常發(fā)揮能最大程度降低滅火的時(shí)間和保障人員安全、降低損失，因此，在火災(zāi)減弱階段同樣需考慮該系統(tǒng)內(nèi)部的因素。此外，鑒于地鐵車站火災(zāi)安全管理的特殊性，乘客和工作人員能否在火災(zāi)發(fā)生的第一時(shí)間得到有效的疏散極其重要，故除了根據(jù)地鐵火災(zāi)發(fā)生的時(shí)間順序構(gòu)建安全評(píng)價(jià)指標(biāo)外，還需要將人員的疏散納入評(píng)價(jià)體系，進(jìn)而得到更加全面的評(píng)價(jià)指標(biāo)，如圖1所示。

2 評(píng)價(jià)模型適用性分析

2.1 C-OWA算子賦權(quán)分析

由已有的地鐵火災(zāi)安全評(píng)價(jià)指標(biāo)可知，其指標(biāo)數(shù)量較多且多數(shù)呈現(xiàn)出模糊不確定性。由于決策者大多是通過(guò)借鑒專家的知識(shí)對(duì)指標(biāo)的權(quán)重進(jìn)行分配，這種權(quán)重分配方式(如層次分析法、改進(jìn)層次分析法、熵權(quán)法等)會(huì)因?qū)＜艺J(rèn)知的不同造成結(jié)果存在片面性和極端值，由此求得的權(quán)重必然受到專家主觀偏好的影響。為降低專家評(píng)價(jià)結(jié)果中的極值帶來(lái)的不利影響，有學(xué)者采用去除最大值和最小值，并對(duì)剩余數(shù)據(jù)取平均值的方法。該方法計(jì)算簡(jiǎn)單，在跳水和體操領(lǐng)域得到廣泛的應(yīng)用，但是求得的權(quán)重比較粗糙，忽略了最大值和最小值對(duì)評(píng)價(jià)目標(biāo)的作用。在實(shí)際的決策過(guò)程中，即使是較小的評(píng)價(jià)值同樣可反映出對(duì)目標(biāo)的影響，為充分考慮每個(gè)決策者對(duì)評(píng)價(jià)指標(biāo)的認(rèn)知，本文采用C-OWA算子對(duì)指標(biāo)進(jìn)行賦權(quán)。C-OWA算子把權(quán)重和數(shù)據(jù)聯(lián)系起來(lái)，充分考慮每個(gè)決策數(shù)據(jù)的作用，極好地滿足了公平性原則，力求體現(xiàn)每個(gè)決策者的意志，同時(shí)降低了極值帶來(lái)的負(fù)面作用。

圖1 地鐵車站火災(zāi)安全評(píng)價(jià)指標(biāo)體系

OWA算子(ordered weighted averaging)是由美國(guó)學(xué)者Yager提出的，中心思想是對(duì)原始數(shù)據(jù)按照一定的順序做二次排序，并根據(jù)新的順序做加權(quán)處理。這樣對(duì)數(shù)據(jù)實(shí)行有差別的區(qū)分在一定程度上弱化了極值的負(fù)面作用[12-13]。王煜等[14]通過(guò)將C-OWA(combination ordered weighted averaging)算子與其他賦權(quán)方法對(duì)比，認(rèn)為C-OWA算子的賦權(quán)方法更具有科學(xué)性且計(jì)算簡(jiǎn)單、高效； 宋博等[15]利用OWA算子得出城市軌道交通PPP融資風(fēng)險(xiǎn)指標(biāo)權(quán)值，較好地解決了極值的負(fù)面影響。因此，本文選用C-OWA算子對(duì)指標(biāo)進(jìn)行賦權(quán)。

2.2 BP神經(jīng)網(wǎng)絡(luò)分析

BP神經(jīng)網(wǎng)絡(luò)具有非線性、自學(xué)習(xí)、自耦合性以及大范圍并行處理能力的優(yōu)勢(shì)，可快速解決安全評(píng)價(jià)過(guò)程中的動(dòng)態(tài)性、模糊性等問(wèn)題，被廣泛應(yīng)用于電力、化工、交通、消防等領(lǐng)域的安全評(píng)價(jià)[16]。地鐵火災(zāi)安全評(píng)價(jià)是一個(gè)綜合性、動(dòng)態(tài)性、非線性、模糊性問(wèn)題，導(dǎo)致傳統(tǒng)的數(shù)理方法在處理過(guò)程中失去動(dòng)態(tài)性評(píng)價(jià)。BP神經(jīng)網(wǎng)絡(luò)可根據(jù)自身的組織、學(xué)習(xí)能力，將已知樣本數(shù)據(jù)輸入到神經(jīng)元中，模擬出目標(biāo)特性，解決了地鐵火災(zāi)安全評(píng)價(jià)的動(dòng)態(tài)性難題，即利用訓(xùn)練好的網(wǎng)絡(luò)結(jié)構(gòu)快速、動(dòng)態(tài)地實(shí)現(xiàn)地鐵火災(zāi)安全評(píng)價(jià)，具有可行性。

2.3 基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)的地鐵火災(zāi)安全評(píng)價(jià)模型適用性分析

目前，在地鐵火災(zāi)安全評(píng)價(jià)過(guò)程中的指標(biāo)賦權(quán)方面，多數(shù)學(xué)者是根據(jù)專家的經(jīng)驗(yàn)，用打分的形式體現(xiàn)指標(biāo)重要性，這種方式往往存在一定的極端性，會(huì)使確定的指標(biāo)權(quán)重有失科學(xué)性； 同時(shí)，評(píng)價(jià)結(jié)果不具有延展性，當(dāng)目標(biāo)狀態(tài)發(fā)生變化時(shí)需對(duì)結(jié)果重新計(jì)算，且計(jì)算過(guò)程較為繁瑣，不利于及時(shí)做出應(yīng)對(duì)措施。C-OWA算子能有效解決打分結(jié)果存在的極端性缺陷問(wèn)題，通過(guò)對(duì)打分結(jié)果重新排序加權(quán)得出權(quán)值，降低極值的干擾。BP神經(jīng)網(wǎng)絡(luò)作為一種性能良好的人工智能訓(xùn)練工具，利用已知樣本數(shù)據(jù)能夠較好地模擬出目標(biāo)情況，模擬過(guò)程較好地體現(xiàn)了人腦的思維，具有較強(qiáng)的適用性； 且模擬過(guò)程可及時(shí)動(dòng)態(tài)調(diào)整，能夠科學(xué)地將地鐵火災(zāi)安全等級(jí)模擬出來(lái)。但BP神經(jīng)網(wǎng)絡(luò)對(duì)指標(biāo)重要性的識(shí)別能力較弱，為體現(xiàn)不同指標(biāo)對(duì)目標(biāo)的作用，需將C-OWA算子處理后的指標(biāo)權(quán)值與BP神經(jīng)網(wǎng)絡(luò)輸入值結(jié)合起來(lái)，模擬出地鐵火災(zāi)安全等級(jí)。

3 基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)的地鐵火災(zāi)安全評(píng)價(jià)模型的構(gòu)建

地鐵火災(zāi)安全評(píng)價(jià)存在大量不確定性指標(biāo)，此類指標(biāo)難以用具體數(shù)值量化，往往需要借助專家的知識(shí)對(duì)指標(biāo)做出主觀評(píng)價(jià)，而專家對(duì)指標(biāo)認(rèn)知的不同會(huì)造成結(jié)果存在片面性和極端值，從而影響結(jié)果的科學(xué)性。為克服專家認(rèn)知不同導(dǎo)致結(jié)果失真的弊端，首先運(yùn)用C-OWA算子對(duì)專家打分的初始數(shù)據(jù)遵循降序的規(guī)則重新排序，利用加權(quán)組合數(shù)的形式削弱極值帶來(lái)的不利影響，得出指標(biāo)的權(quán)重值； 接著從指標(biāo)的非線性、耦合性出發(fā)，考慮到傳統(tǒng)數(shù)學(xué)方法的評(píng)價(jià)過(guò)程不具有延展性，利用人工智能工具BP神經(jīng)網(wǎng)絡(luò)，通過(guò)已訓(xùn)練好的網(wǎng)絡(luò)對(duì)樣本進(jìn)行訓(xùn)練，模擬出目標(biāo)的火災(zāi)安全等級(jí)，實(shí)現(xiàn)對(duì)地鐵火災(zāi)的安全評(píng)價(jià)。

3.1 地鐵火災(zāi)安全評(píng)價(jià)等級(jí)的界定

地鐵火災(zāi)安全評(píng)價(jià)等級(jí)的界定是否合理，直接關(guān)系到專家打分判斷的科學(xué)性。從地鐵火災(zāi)安全事故發(fā)生的可能性來(lái)說(shuō)，每一個(gè)安全等級(jí)發(fā)生的概率都是相同的，故對(duì)地鐵火災(zāi)安全等級(jí)做均等劃分。李炎鋒等[6]根據(jù)模糊約束分類描述準(zhǔn)則，將安全等級(jí)劃分為4個(gè)等級(jí)，即安全、可接受、須整改、不可接受，并將其量化到區(qū)間[0，1]。為提高地鐵車站火災(zāi)安全管理水平，在設(shè)定安全等級(jí)時(shí)需增加高級(jí)別等級(jí)的范圍，減小低級(jí)別等級(jí)的范圍，故在李炎鋒等[6]研究的基礎(chǔ)上將地鐵車站火災(zāi)安全等級(jí)劃分為5個(gè)等級(jí)： 很高、高、較高、一般、低。對(duì)應(yīng)的區(qū)間范圍見(jiàn)表1。

表1 地鐵車站火災(zāi)安全等級(jí)范圍

3.2 運(yùn)用C-OWA算子計(jì)算指標(biāo)的權(quán)值

運(yùn)用C-OWA算子計(jì)算指標(biāo)權(quán)值的步驟如下。

1) 邀請(qǐng)n個(gè)專家對(duì)相同層次指標(biāo)的重要程度進(jìn)行打分，分值范圍為0～10，分值越大表明指標(biāo)越重要，得出指標(biāo)的初始決策數(shù)據(jù)為(a1,a2,…,an)。遵循降序的規(guī)則對(duì)初始數(shù)據(jù)從0開(kāi)始再次排列，得到排序后的新數(shù)據(jù)為(b0,b1,…,bn-1)，其中b0

(1)

3)絕對(duì)權(quán)值的計(jì)算。根據(jù)加權(quán)向量w對(duì)數(shù)據(jù)做加權(quán)處理，得出指標(biāo)絕對(duì)權(quán)值

(2)

式中：w∈[0,1];j∈[0,n-1]。

4)相對(duì)權(quán)值wi的計(jì)算：

(3)

式中i=1,2,…,n。

3.3 地鐵火災(zāi)安全評(píng)價(jià)的BP神經(jīng)網(wǎng)絡(luò)模型

地鐵火災(zāi)安全評(píng)價(jià)指標(biāo)內(nèi)部交錯(cuò)相連，彼此發(fā)生交叉作用，如果單獨(dú)衡量某一個(gè)指標(biāo)對(duì)目標(biāo)的作用，將導(dǎo)致評(píng)價(jià)結(jié)果存在片面性，同時(shí)安全指標(biāo)具有動(dòng)態(tài)性、不可控性。常見(jiàn)的評(píng)價(jià)方法(如灰色理論、模糊理論)無(wú)法解決指標(biāo)間復(fù)雜的交叉關(guān)系，且評(píng)價(jià)過(guò)程不具有延展性，即當(dāng)指標(biāo)發(fā)生變化時(shí)，需對(duì)結(jié)果重新計(jì)算，在一定程度上影響評(píng)價(jià)的效率。

圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型

3.4 基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)的地鐵火災(zāi)安全評(píng)價(jià)模型

地鐵火災(zāi)安全評(píng)價(jià)指標(biāo)涵蓋定性和定量2個(gè)部分。對(duì)于定性指標(biāo)，如果不做量化處理而直接輸入到BP神經(jīng)網(wǎng)絡(luò)，忽略專家對(duì)項(xiàng)目實(shí)際情況的判別，輸出結(jié)果可能會(huì)出現(xiàn)與實(shí)際偏離的情況。故運(yùn)用C-OWA算子對(duì)專家的決策數(shù)據(jù)進(jìn)行賦權(quán)，然后導(dǎo)入到BP神經(jīng)網(wǎng)絡(luò)，輸出評(píng)價(jià)值。其評(píng)價(jià)過(guò)程如下： 1)利用C-OWA算子計(jì)算準(zhǔn)則層對(duì)目標(biāo)層的權(quán)重； 2)構(gòu)建從次準(zhǔn)則層到準(zhǔn)則層的BP網(wǎng)絡(luò)結(jié)構(gòu)模型并設(shè)置相關(guān)訓(xùn)練參數(shù)進(jìn)行測(cè)試，直到網(wǎng)絡(luò)結(jié)構(gòu)成熟； 3)將收集的訓(xùn)練樣本信息導(dǎo)入訓(xùn)練成熟的網(wǎng)絡(luò)中，得到準(zhǔn)則層指標(biāo)評(píng)價(jià)值； 4)將該評(píng)價(jià)值與C-OWA算子算出的指標(biāo)權(quán)重加權(quán)計(jì)算，確定目標(biāo)層的安全等級(jí)。

4 案例分析

鄭州地鐵2號(hào)線紫荊山車站作為1號(hào)線與2號(hào)線的換乘車站，是連接主城區(qū)和港區(qū)的重要樞紐，客流量為4萬(wàn)人/d左右。地下共4層，有6個(gè)主要出入口，站內(nèi)消防設(shè)施主要有風(fēng)機(jī)臺(tái)，風(fēng)率為75 m3/s。站臺(tái)與站廳的結(jié)合處設(shè)置防火卷簾，上部位置設(shè)有擋煙垂壁。站內(nèi)配有煙感探頭、手動(dòng)報(bào)警器、消防控制中心、應(yīng)急指示燈和廣播站。運(yùn)用構(gòu)建的基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)的地鐵火災(zāi)安全評(píng)價(jià)模型對(duì)該地鐵火災(zāi)安全進(jìn)行評(píng)價(jià)，以期提高火災(zāi)安全管理水平。

4.1 C-OWA算子計(jì)算指標(biāo)權(quán)重

以1級(jí)指標(biāo)A2(探測(cè)系統(tǒng)響應(yīng)分析)為例，計(jì)算其下4個(gè)2級(jí)指標(biāo)的權(quán)重。邀請(qǐng)6位同行業(yè)的專家對(duì)4個(gè)指標(biāo)進(jìn)行打分，分值越大表明指標(biāo)的重要程度越高，具體結(jié)果見(jiàn)表2。

表2 指標(biāo)A2專家打分值

對(duì)指標(biāo)A21的打分?jǐn)?shù)據(jù)按照降序的規(guī)則重新排序，得到新的數(shù)據(jù)為(8.5,8,7.5,7,6.5,6)，根據(jù)式(1)求得加權(quán)向量w=(0.031,0.156,0.313,0.313,0.156,0.031)，則指標(biāo)A21的絕對(duì)權(quán)值為：

[7.0,7.5,8.0,8.5,6.0,6.5]T=7.689。

4.2 基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)的地鐵火災(zāi)安全評(píng)價(jià)

4.2.1 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的收集和處理

由于地鐵火災(zāi)安全評(píng)價(jià)指標(biāo)兼具正向和反向2個(gè)種類，在輸入BP神經(jīng)網(wǎng)絡(luò)前需對(duì)不同屬性的指標(biāo)消除量綱影響，以此表明指標(biāo)對(duì)目標(biāo)的影響程度。首先利用式(4)將指標(biāo)統(tǒng)一到相同區(qū)間內(nèi)，再根據(jù)正向和反向指標(biāo)的特性分別按照式(5)和式(6)做進(jìn)一步的歸一化處理。

(4)

式中：Oik為原始指標(biāo)歸一化后的數(shù)據(jù)；Vik為原始數(shù)據(jù)；i=1,2,…,n;k=1,2,…,n。

正向指標(biāo)：

(5)

反向指標(biāo)：

(6)

由于次準(zhǔn)則層共有23個(gè)指標(biāo)，導(dǎo)致BP神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)較多、結(jié)構(gòu)復(fù)雜。為提高BP神經(jīng)網(wǎng)絡(luò)處理樣本間非線性關(guān)系的能力，同時(shí)驗(yàn)證網(wǎng)絡(luò)構(gòu)建的成熟度以及合理性，將BP神經(jīng)網(wǎng)絡(luò)劃分為訓(xùn)練集、測(cè)試集和驗(yàn)證集3部分，其中訓(xùn)練集作為估計(jì)模型，驗(yàn)證集作為確定BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的參數(shù)，測(cè)試集則用來(lái)檢驗(yàn)最終評(píng)價(jià)模型的性能。本文采用經(jīng)典的劃分比例，即三者樣本數(shù)量的比例為3∶1∶1，為增加輸出結(jié)果的科學(xué)性，具體樣本隨機(jī)選擇。選擇樣本數(shù)據(jù)100組，其中訓(xùn)練集60組，驗(yàn)證集20組，測(cè)試集20組。為了提高BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果的科學(xué)性，100組樣本數(shù)據(jù)中來(lái)自鄭州地鐵車站的樣本數(shù)量為40個(gè)，其中，1號(hào)線20個(gè)、2號(hào)線20個(gè)，剩余60個(gè)樣本分別來(lái)自北京、上海、深圳、廣州4個(gè)城市的相關(guān)車站，這些城市地鐵開(kāi)通較早，數(shù)據(jù)較為豐富，易于收集且具有可參考性。

4.2.2 基于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測(cè)試

將次準(zhǔn)則層的23個(gè)指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入值，利用Matlab 2012a自帶的神經(jīng)網(wǎng)絡(luò)工具箱實(shí)現(xiàn)地鐵車站的火災(zāi)安全評(píng)價(jià)。從多次模擬的結(jié)果可知，當(dāng)訓(xùn)練次數(shù)滿足600次、最小訓(xùn)練速率為0.7 s/次、允許誤差小于0.008、迭代次數(shù)為700時(shí)，模擬效果最好。訓(xùn)練結(jié)果見(jiàn)表3，其中序號(hào)為100的樣本為待測(cè)樣本，其余為學(xué)習(xí)樣本。

表3 基于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果

由表3輸出結(jié)果可知，4個(gè)學(xué)習(xí)樣本和1個(gè)待測(cè)樣本的期望輸出和實(shí)際輸出等級(jí)保持一致，安全等級(jí)均為高； 同時(shí)最大誤差絕對(duì)值為0.04%，低于允許誤差0.008，表明構(gòu)建的基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)的地鐵車站火災(zāi)安全評(píng)價(jià)模型滿足訓(xùn)練精度的要求。序號(hào)為100的樣本的輸出結(jié)果為0.650 4，根據(jù)表1可知，鄭州地鐵2號(hào)線紫荊山車站火災(zāi)安全等級(jí)為高，且與期望值相符合，證明所構(gòu)建的評(píng)價(jià)模型的科學(xué)性。在日常安全管理中，應(yīng)重視對(duì)阻燃材料使用率、火災(zāi)探測(cè)設(shè)置、通風(fēng)排煙能力、消防供水情況、消防設(shè)備數(shù)量、工作人員數(shù)量6個(gè)主要指標(biāo)的監(jiān)控； 同時(shí)在后續(xù)的施工過(guò)程，只需根據(jù)現(xiàn)場(chǎng)數(shù)據(jù)的變化將變動(dòng)的輸入樣本導(dǎo)入到訓(xùn)練成熟的網(wǎng)絡(luò)中，即可快速、科學(xué)地實(shí)現(xiàn)動(dòng)態(tài)的評(píng)價(jià)，使得模型具有一定的延展性。

5 結(jié)論與討論

1)根據(jù)火災(zāi)發(fā)生的時(shí)間順序構(gòu)建地鐵車站火災(zāi)安全評(píng)價(jià)指標(biāo)，兼顧人員因素豐富了地鐵火災(zāi)安全評(píng)價(jià)指標(biāo)體系，提出基于C-OWA算子的賦權(quán)方法，在一定程度上弱化了極值的不利影響，且計(jì)算簡(jiǎn)便，無(wú)需反復(fù)調(diào)整。

2)運(yùn)用BP神經(jīng)網(wǎng)絡(luò)良好的自學(xué)習(xí)、適應(yīng)能力以及動(dòng)態(tài)性等特點(diǎn)對(duì)樣本數(shù)據(jù)進(jìn)行模擬，實(shí)現(xiàn)地鐵火災(zāi)安全評(píng)價(jià)的人工智能化，增加評(píng)價(jià)結(jié)果的延展性，能夠快速、科學(xué)地得出地鐵火災(zāi)安全等級(jí)。

3)基于C-OWA算子和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)鄭州地鐵2號(hào)線紫荊山車站火災(zāi)安全進(jìn)行綜合評(píng)價(jià)，結(jié)果表明該地鐵火災(zāi)安全等級(jí)為高，且輸出值與期望值較為吻合，同時(shí)指出在日常安全管理中應(yīng)當(dāng)重點(diǎn)關(guān)注的風(fēng)險(xiǎn)指標(biāo)，為日常安全管理提供科學(xué)的指導(dǎo)意見(jiàn)。

本文只針對(duì)地鐵車站的火災(zāi)安全進(jìn)行評(píng)價(jià)，缺乏對(duì)地鐵整個(gè)運(yùn)行過(guò)程的評(píng)估，在后續(xù)的研究中應(yīng)進(jìn)行更深入的探討，以豐富地鐵火災(zāi)研究理論； 同時(shí)，本文只確定了影響地鐵車站火災(zāi)的關(guān)鍵指標(biāo)，下一步應(yīng)提出針對(duì)性的應(yīng)對(duì)措施，進(jìn)一步提高地鐵車站火災(zāi)安全等級(jí)。