基于模糊贝叶斯网络的城市商业综合体火灾风险分析

doi:10.16265/j.cnki.issn1003-3033.2023.12.0879

摘要/Abstract

摘要：

为有效降低城市商业综合体火灾事故风险,首先根据城市商业综合体火灾事故的演化过程及其影响因素的因果分析,构建相应的故障树(FT)和事件树(ET)模型,并将其映射为贝叶斯网络(BN),确定影响因素之间的条件关系;然后采用基于专家判断的模糊理论来确定基本事件的先验概率,构建模糊BN(FBN)模型,以克服风险因素失效概率的不确定性;最后利用FBN建立的城市商业综合体火灾事故风险评估模型进行双向推理和敏感性分析,得出导致不同等级火灾事故的关键影响因素。研究表明:加强防火和防烟分区设计、提高防火分隔设施耐火等级、合理安装防火分隔设施、降低防排烟系统故障率,可有效杜绝高损失风险等级火灾事故的发生。

关键词: 火灾事故, 城市商业综合体, 模糊贝叶斯网络(FBN), 风险分析, 先验概率

Abstract:

To effectively reduce the risk of fire accidents in urban commercial complexes, firstly, based on the causal analysis of the evolution process of fire accidents and influencing factors, the corresponding Fault Tree (FT) and Event Tree (ET) models were constructed. Then they were mapped into Bayesian networks (BN) to determine the conditional relationships between influencing factors. Secondly, fuzzy theory based on expert judgment was used to determine the prior probabilities of basic events. The FBN model was constructed to overcome the uncertainty of failure probabilities of risk factors. Finally, the FBN-established risk assessment model was utilized to perform bidirectional inference and sensitivity analysis for fire accidents of urban commercial complexes, identifying the key influencing factors leading to fire accidents at different severity levels. The study indicates that strengthening fire and smoke zoning design, increasing the fire resistance rating of fire separation facilities, installing fire separation facilities reasonably and reducing the failure rate of smoke exhaust systems can effectively prevent the occurrence of high-loss risk-level fire accidents.

Key words: fire accident, urban commercial complex, fuzzy Bayesian network (FBN), risk analysis, prior probability

秦荣水, 石晨晨, 陈超, 兰猛, 刘小勇, 肖峻峰. 基于模糊贝叶斯网络的城市商业综合体火灾风险分析[J]. 中国安全科学学报, 2023, 33(12): 176-182.

QIN Rongshui, SHI Chenchen, CHEN Chao, LAN Meng, LIU Xiaoyong, XIAO Junfeng. Risk analysis on fire accident of urban commercial complex based on fuzzy Bayesian network[J]. China Safety Science Journal, 2023, 33(12): 176-182.

图/表 7

表1

FT中相关事件的符号及含义

符号	含义	符号	含义	符号	含义
M₁	点火源	X₆	邻近易燃易爆场所火源	X₃₄	防烟分区设计不合理
M₂	可燃物	X₇	可燃物自燃	X₃₅	防排烟系统故障
M₃	建筑外部点火源	X₈	其他原因引起的火源	X₃₆	防排烟系统设计不符合规范
M₄	建筑内部点火源	X₉	吸烟	X₃₇	防火分隔设施耐火等级不够
M₅	人不安全行为引起的火源	X₁₀	玩火	X₃₈	防火分隔设置安装不合要求
M₆	设备不安全状态引起的火源	X₁₁	纵火	X₃₉	防火分区设计不合理
M₇	电器短路	X₁₂	装修中违章动火作业	X₄₀	没有成立义务消防队
M₈	电器过载	X₁₃	餐饮厨房不规范用火用电	X₄₁	人员不会使用消防设备
M₉	电器使用不当	X₁₄	电线绝缘老化	X₄₂	消火栓损坏
M₁₀	火灾自动报警系统失效	X₁₅	接触不良	X₄₃	消防给水不足
M₁₁	自动灭火系统失效	X₁₆	设备运行故障	X₄₄	消防通道堵塞
M₁₂	管网内无水	X₁₇	同时运行多个大功率设备	X₄₅	消防通道设计不合理
M₁₃	水泵房设备不工作	X₁₈	电线私拉乱接	X₄₆	登高操作场地被占用
M₁₄	无水源	X₁₉	设备安装位置不当	X₄₇	室外消火栓损坏
M₁₅	烟气控制失效	X₂₀	火灾探测器失效	X₄₈	消防站距离远
M₁₆	防火分隔失效	X₂₁	手动报警按钮失效	X₄₉	交通堵塞
M₁₇	本单位消防灭火失败	X₂₂	火灾报警控制器失效	X₅₀	疏散通道堵塞
M₁₈	消防队灭火失败	X₂₃	消防联动控制柜失效	X₅₁	安全疏散距离过大
M₁₉	未及时到达火灾现场	X₂₄	传输系统失效	X₅₂	疏散路线不合理
M₂₀	疏散通道设计不合理	X₂₅	玻璃球不破裂	X₅₃	安全出口数量不够
M₂₁	组织人员疏散不力	X₂₆	喷头堵塞	X₅₄	安全出口宽度不够
M₂₂	安全出口设计不合理	X₂₇	管网堵塞	X₅₅	未设置消防疏散图
M₂₃	应急疏散设施故障	X₂₈	压力开关故障	X₅₆	消防管理人员对疏散路径不熟
X₁	临时存放的可燃物	X₂₉	水泵故障	X₅₇	疏散指示灯损坏
X₂	固定储存的可燃物	X₃₀	水流指示器故障	X₅₈	消防广播系统故障
X₃	邻近建筑发生火灾	X₃₁	探测器故障	X₅₉	应急照明系统故障
X₄	违规燃放烟花	X₃₂	消防水池水量不足	X₆₀	消防电梯故障
X₅	雷暴	X₃₃	进水阀关闭	—	—

表1

图1

表2

表3

表4

图2

图3

参考文献 16

[1]	应急管理报: 大型城市综合体消防知识[EB/OL]. (2018-06-20). https://www.mem.gov.cn/kp/shaq/201806/t20180620_366013.shtml.
[2]	安徽省应急管理厅. 池州市贵池区“2021.4.6”较大火灾事故调查报告[EB/OL]. (2021-12-16). https://www.ahgc.gov.cn/OpennessContent/show/1169195.html.
[3]	李柯萱, 邵必林, 刘浩. 基于灰关联和神经网络的大型商场火灾风险评价方法[J]. 安全与环境学报, 2013, 13(1): 254-258.
	LI Kexuan, SHAO Bilin, LIU Hao, A renovated method of fire risk evaluation of large emporium based on ANN and grey correlation[J]. Journal of Safety and Environment, 2013, 13(1): 254-258.
[4]	WANG Yongyu, NI Xiaoyang, WANG Jie, et al. A comprehensive investigation on the fire hazards and environmental risks in a commercial complex based on fault tree analysis and the analytic hierarchy process[J]. International Journal of Environmental Research and Public Health, 2020, 17(19): DOI:10.3390/ijerph17197347.
[5]	周扬, 夏登友, 高平. 城市商业综合体建筑火灾事故演变路径分析[J]. 中国安全科学学报, 2018, 28(2): 170-174. doi: 10.16265/j.cnki.issn1003-3033.2018.02.029
	ZHOU Yang, XIA Dengyou, GAO Ping. Analysis of evolution path of urban commercial complex fire accident[J]. China Safety Science Journal, 2018, 28(2): 170-174. doi: 10.16265/j.cnki.issn1003-3033.2018.02.029
[6]	LIU Fang, ZHAO Shengzhong, WENG Miaocheng, et al. Fire risk assessment for large-scale commercial buildings based on structure entropy weight method[J]. Safety Science, 2017, 94: 26-40. doi: 10.1016/j.ssci.2016.12.009
[7]	PEARL J. Probabilistic reasoning in intelligent systems: networks of plausible inference[M]. San Francisco: Morgan Kaufmann Publishers, Inc, 1988: 550-552.
[8]	肖国清, 黄仁和, 邹瑞, 等. 大型城市综合体火灾风险评估研究[J]. 中国安全生产科学技术, 2021, 17(8): 137-142.
	XIAO Guoqing, HUANG Renhe, ZOU Rui. Research on fire risk assessment of large urban complex[J]. Journal of Safety Science and Technology, 2021, 17(8): 137-142.
[9]	疏学明, 颜峻, 胡俊, 等. 基于 Bayes 网络的建筑火灾风险评估模型[J]. 清华大学学报:自然科学版, 2020, 60(4): 321-327.
	SHU Xueming, YAN Jun, HU Jun, et al. Risk assessment model for building fires based on a Bayesian network[J]. Journal of Tsinghua University: Science and Technology, 2020, 60(4): 321-327.
[10]	ZAREI E, KHAKZAD N, COZZANI V, et al. Safety analysis of process systems using fuzzy Bayesian network (FBN)[J]. Journal of Loss Prevention in the Process Industries, 2019, 57: 7-16. doi: 10.1016/j.jlp.2018.10.011
[11]	安宇, 李子琪, 王袆, 等. 基于FBN的高校实验室不安全行为风险评估[J]. 中国安全科学学报, 2021, 31(5): 160-167. doi: 10.16265/j.cnki.issn1003-3033.2021.05.024
	AN Yu, LI Ziqi, WANG Hui, et al. Risk assessment on unsafe behaviors of university laboratories based on FBN[J]. China Safety Science Journal, 2021, 31(5): 160-167. doi: 10.16265/j.cnki.issn1003-3033.2021.05.024
[12]	CLEMEN R T, WINKLER R L. Combining probability distributions from experts in risk analysis[J]. Risk Analysis, 1999, 19(2): 187-203.
[13]	ONISAWA T. An approach to human reliability in man-machine systems using error possibility[J]. Fuzzy Sets and Systems, 1988, 27(2): 87-103. doi: 10.1016/0165-0114(88)90140-6
[14]	KHAKZAD N, KHAN F, AMYOTTE P. Safety analysis in process facilities: comparison of fault tree and Bayesian network approaches[J]. Reliability Engineering & System Safety, 2011, 96(8): 925-932. doi: 10.1016/j.ress.2011.03.012
[15]	KHAKZAD N, KHAN F, AMYOTTE P. Dynamic safety analysis of process systems by mapping bow-tie into Bayesian network[J]. Process Safety and Environmental Protection, 2013, 91(1/2): 46-53. doi: 10.1016/j.psep.2012.01.005
[16]	BayesFusion LCC. GeNIe modeler[EB/OL]. (2022-01-02). https://download.bayesfusion.com/files.html?category=Academia.

描述术语	模糊数形式
很低	(0, 0, 0.1, 0.2)
低	(0.1, 0.2, 0.2, 0.3)
较低	(0.2, 0.3, 0.4, 0.5)
中等	(0.4, 0.5, 0.5, 0.6)
较高	(0.5, 0.6, 0.7, 0.8)
高	(0.7, 0.8, 0.8, 0.9)
很高	(0.8, 0.9, 1.0, 1.0)

标准	级别	得分
职称	高级管理人员/教授	4
	经理/副教授	3
	工程师	2
	技术员	1
工作年限/a	>20	4
	10~19	3
	6~9	2
	<5	1
教育程度	博士研究生	4
	硕士研究生	3
	学士	2
	高中	1

符号	专家					聚合的模糊数				模糊可能性	模糊概率 (先验概率)
符号	1	2	3	4	5	聚合的模糊数				模糊可能性	模糊概率 (先验概率)
X₁	高	高	中等	很高	很高	0.686	0.786	0.835	0.886	0.796	0.034 507
X₂	中等	很高	中等	很高	很高	0.642	0.742	0.803	0.842	0.754	0.026 131
X₃	很低	中等	低	低	很低	0.089	0.142	0.189	0.289	0.179	0.000 151
︙	︙	︙	︙	︙	︙	︙	︙	︙	︙	︙	︙
X₅₈	中等	较高	中等	很低	较低	0.272	0.351	0.412	0.512	0.388	0.002 095
X₅₉	中等	较高	中等	很低	较低	0.272	0.351	0.412	0.512	0.388	0.002 095
X₆₀	低	中等	低	较低	较低	0.184	0.284	0.333	0.433	0.308	0.000 972