消防救援問題研究

暢陽紅 郁曉東

摘 要：我國是災害多發頻發的國家，為防范化解重特大安全風險，消防救援隊必須加強消防救援組織工作。組建國家綜合性消防救援隊伍，是以習近平同志為核心的黨中央堅持以人民為中心的發展思想，著眼我國災害事故多發頻發的基本國情作出的重大決策，對于推進國家治理體系和治理能力現代化，提高國家應急管理水平和防災減災救災能力，保障人民幸福安康，實現國家長治久安，具有重要意義。

關鍵詞：消防應急，數值分析，曲線擬合，時間序列預測模型

引言：

習近平總書記向國家綜合性消防救援隊伍授旗并強調：“組建國家綜合性消防救援隊伍，是黨中央適應國家治理體系和治理能力現代化作出的戰略決策，是立足我國國情和災害事故特點、構建新時代國家應急救援體系的重要舉措，對提高防災減災救災能力、維護社會公共安全、保護人民生命財產安全具有重大意義”。

問題1：將每天分為三個時間段，每個時間段安排不少于5人值班。每天有30人可安排值班，確定消防隊在每年2月、5月、8月、11月中第一天的三個時間段各應安排多少人值班。

通過分析2016年-2020年2月，5月，8月，11月這四個月的消防救援次數以及每個月中發生事故時間段的頻率，消防隊每天有30人可安排值班，在每個時間段安排的人數不少于5人的前提條件下，運用曲線擬合與人員時間安排的方法，分配每個時間段的人數。

查詢2016年到2020年五年之間的數據，二月份的三個時間段的接警次數，0：00到8：00接警次數較少;8：00-16：00與16：00-24：00接警次數較多。五月份的三個時間段的接警次數不同，其中時段1接警次數明顯少于時段2和時段3，8：00-16：00點的接警次數高于16：00點以后的，五月份的消防安全問題大多發生在8：00到16：00間。隨著8月份的到來，不同時間段對接警次數的影響不是特別明顯。三個時間段都存在消防救援問題，故在每個時間段都應安排較多的人員。11月份接警次數發生明顯的變化，總接警次數明顯少于5月份和8月份，而接警大致發生在8：00到16：00這個階段。16：00以后的接警情況時有發生。

結論：在考慮每年月份三個不同時間段的的基礎上，利用數值分析篩選出滿足題意要求的數據。同時結合題目中給的限定條件，利用曲線擬合與人員時間安排求得擬合數據，五年中各個月份各個時間段安排人數的方程。得到的結論是：在二月份三個時間段安排人數為5人，13人，12人;5月份應安排人數為6人，13人，11人;8月份人數安排為5人，11人，14人;11月份人數為5人，17人，8人。

問題2：以該地2016年1月1日至2019年12月31日的數據為基礎，以月份為單位，建立出警次數的預測模型;以2020年的數據作為模型的驗證數據集，對2021年各月份的救援出警次數進行預測。

通過使用時間序列分段法， 2016年-2019年發各月份接警次數的數據圖中可以看出每年4月份到6月份為救援高峰期，其中五月份接警次數達到最大，3月份，9月份，11月份出警次數也相對較高，其他幾個月份出警次數相對較少。出警次數隨著每年的情況在一定范圍內波動，在每年的相同月的變化也大致相同。

我們利用SPSS運用正態P-P對以月份為單位的接警次數進行模型預測，由以上變量的正態P-P圖可知，預測值與實際值的各點基本呈一條直線，即實測累計概率與預期累計概率呈現正相關，建立合理的消防救援接警預測方案既要通過對2016年到2019年實際接警次數情況進行了解與分析，又要結合實際進行大膽預測，接警次數情概況最多的幾個月份，以2020年度的實際數據可知接警次數符合結果，因而選取這個時間序列預測模型作為合理的預測模型。通過對接警次數的P-P圖分析可知實際點與模型點更加的擬合，重合率很高，表明該種預測方案所帶來的差異小，真實性高。因而該種時間序列預測方案極為最優預測方案。

結論：將時間序列預測模型與曲線擬合所得公式結合起來對2021年各個月份的消防救援出警次數進行預測，每月值如下：57，70，62，45，146，95，48，38，44，32，44，54次。

問題3：依據7種類別事件的發生時間，建立各類事件發生次數與月份關系的多種數學模型，以擬合度最優為評價標準，確定每類事件發生次數的最優模型。

通過因子篩選法將不同的類別事件進行歸納總和。并對每個事件進行分析建立每類事件發生次數與月份的曲線擬合關系圖。在曲線擬合時，應依據曲線的形狀來選擇函數模型。由于所選的擬合函數不同，會產生不同的擬合效果，需要人們按最優原則來選擇最佳擬合函數—數據點的最小誤差平方和。忽略擬合數據出現的誤差，通過對四種擬合方法的研究，linear fitting，polynomial，power，smoothing?spline得出每類事件發生的次數的最優模型。

分析每類事件不同時間段的消防救援接警次數的數學期望與方差得到，求取隨機變量取值的平均值，對以概率為權重的隨機變量進行加權求和可以得出各類事件發生次數與月份的關系。同時用方差來衡量曲線擬合的波動程度，穩定性情況。最終可以得出smoothing?spline是①、③、④、⑤、⑦曲線擬合模的最優模型。linear?fitting是第②、⑥曲線擬合模的最優模型。同時第⑦類事件還可以采用polynomial曲線擬合方式。

問題4：根據圖1，請建立數學模型，分析該地區2016-2020年各類事件密度在空間上的相關性，并且給出不同區域相關性最強的事件類別。

利用SPSS分析不同區域七類事件密度person相關系數。通過對|r|值的分析建立相關系數公式。從而得到不同區域person相關系數占比與對應的事件間類型。

Pearson相關系數適用于測量變量之間的相關性，將15個區域與事件密度進行相關性比較，排除一些與事件密度相關性無關的區域，對剩余區域進行相關性描述分析，求出其平均值與標準偏差個數。|r|越接近于1，表明兩變量相關程度越高，他們之間的關系越密切。

由數據所得大部分區域與事件密度呈現正相關，少部分呈現負相關，其中P區域與事件密度即消防救援接警次數有著強烈的相關關系。如下采用SPSS分析不同區域person相關系數占比百分比對應事件之間的類型。

結論：A-P區域相關型最強的事件分別為7，4，3，2，7，1，3，1，7，6，1，4，7，7，3。

問題5：分析該地各類事件密度與人口密度之間的關系。

利用曲線擬合，分析各類事件密度與人口密度之間的關系。通過計算15個區域的人口數量與區域占地面積，算出人口密度。同理，通過篩選某一區域不同事件類別的個數，求出事件密度。將事件密度與人口密度建立模型。

不同事件類型對應的事件密度隨著區域的變化不同，不同地區對應的人口密度大致相同，稍有偏差，而在P區域出現反常：區域面積小，人口數量多從而導致人口密度達到最多。如圖25所示，通過將不同地區人口密度與事件密度擬合在一起，建立密度模型圖，觀察其人口密度與事件密度之間的關系。

結論：不同區域有著不同的人口數量與面積，但整體來看，每一個地區的事件密度與人口密度有著明顯的關系隨著人口密度的增長，消防救援接警次數越多，事件密度越多。大致呈現正相關變化。

結束語

目前我國處于經濟轉軌、社會轉型的特殊時期。公共安全形勢日益嚴峻而消防工作是國家治理體系和治理能力的重要組成部分，涉及經濟社會發展方方面面，同人民群眾生產生活息息相關。安全是現代化城市的第一要素，各種事故災害的頻頻發生，使得我們迫切需要了解消防救援隊的工作任務。

參考文獻

[1] 佘梓航，徐嘉樺，姚志玉，梁偉典.基于皮爾遜相關系數的網購大數據分析[J].韓山師范學院學，2020，41（03）：16-17.

[2] 朱偉.城市公共安全應急決策支持系統框架研究.三峽大學學報[J]，2008，30：14-16.

[3] 陳子芳.光譜分析曲線擬合數模.光譜實驗室，1998，（01）：9-10.