[发明专利]一种基于贝叶斯网络的火灾风险预警方法及系统

说明书

本发明是一种基于贝叶斯网络的火灾风险预警方法，该方法分别以风险源、火灾事件状态、火灾风险3种变量为行变量和列变量，构建关联矩阵；遍历该矩阵,用有向边将对应的行变量与列变量连接起来,最终形成各专家都普遍接受的网络结构；按照此方法,建立风险源—火灾事件状态、火灾事件状态—火灾事件状态、火灾事件状态—火灾风险3个子网络，根据所建立的3个子网络,以火灾事件状态变量与承灾体状态变量为公共节点,合并以上3个子网络,形成火灾事件预测的贝叶斯网络模型。本发明灵活根据已有的数据判断确定区域或单位的火灾风险及损失程度，为火灾防控提供辅助决策支撑和风险预警。

技术领域

本发明属于城市火灾预警技术领域，具体地说是定点区域单元的火灾预警方法。

背景技术

火灾是城市中常见的火灾事件，火灾事件是一个复杂系统,具有突发性、随机性与不确定性，不确定性使得人们对于火灾事件的预测非常困难。申请号 CN201811261508.1的现有技术公开了一种基于智慧城市的区域火灾风险评估方法，该方法是对评估单元内的火灾危险源进行辨析，分别选取与火灾危险源关联的风险类因素指标和风险控制类因素指标。其中，所述风险类因素指标与风险控制类因素指标均包括若干一级指标、若干二级指标以及若干三级指标，所述二级指标为一级指标的下级指标，所述三级指标为二级指标的下级指标；绘制因素指标层次结构图，并根据所述因素指标层次结构图，将各评估单元的风险类因素指标与风险控制类因素指标汇总为一二维表，构建因素数据表；对各评估单元进行火灾风险评估；采用归一法构建火灾风险评估参数量化模型。

其缺馅在于：该技术大量使用了人工评估技术，虽然对评估指标进行了细化，但是评估结果主观性过强，且归一法构建的模型并不能有效应对火灾风险的后验概率问题。

因此研究用不确定知识表示和推理最有效的火灾风险预警模型具有重要的意义。

发明内容

本发明要解决的技术问题是针对现有技术的不足，提供一种通用性较强、可以根据数据量不断增大而不断优化的基于贝叶斯网络的火灾风险预测模型。

本发明所要解决的技术问题是通过以下的技术方案来实现的。本发明是一种基于贝叶斯网络的火灾风险预警方法，其特点是：

将与火灾事件相关的各种要素划分为3类：风险源、火灾事件状态和火灾风险；

1.1分别以风险源、火灾事件状态和火灾风险3种变量为行变量和列变量，构建关联矩阵Mⁱ＝(m_ij)_m*n；

采集第i个簇集的知识并进行分析，其中m_ij＝p(0＜＜p＜＜1)：表示第i个簇集相应变量之间存在因果关系的信度，

应用证据合成理论将关联矩阵M⁰，M¹，M²，...，Mⁱ，...Mⁿ中各簇集信度进行合成，形成结果关联矩阵Mⁱ＝(m_ij)_m*n，遍历该矩阵，当 m_ij＝p(p＞＞a)(a为一临界值)时，用有向边将对应的行变量与列变量连接起来，最终形成普遍可接受的专业网络结构；

按照此方法，建立风险源-火灾事件状态、火灾事件状态-火灾事件状态、火灾事件状态-火灾风险3个子网络：

1.1.1风险源-火灾事件状态子网络：该网络主要包括第一类风险源和第二类风险源与火灾事件状态变量之间的因果关系；第一类风险源为产生能量的能量源或载体；第二类风险源为导致、限制能量屏蔽措施失效或破坏的各种不安全因素；

令EI＝{ei_i^|1＜＜i＜＜m}为第一类风险源变量集合，

AI＝{ai_i|1＜＜k＜＜m}为第二类风险源变量集合，