火災(zāi)等級評價(jià)與快速救援措施優(yōu)化

王磊

摘 ? 要：“水火無情”，一定規(guī)模的火災(zāi)可能造成很大的經(jīng)濟(jì)損失，對于火災(zāi)等級的分析，科學(xué)合理的火災(zāi)救援策略的部署十分關(guān)鍵。基于此，進(jìn)行火災(zāi)等級的評價(jià)并制定相應(yīng)的救援措施。從模糊綜合評價(jià)方向出發(fā)，設(shè)定評判矩陣、模糊子集求解綜合評判矩陣，以4個(gè)因素的所處范圍為依據(jù)得到各個(gè)火災(zāi)的預(yù)期危害等級。結(jié)合所給經(jīng)緯度數(shù)據(jù)將經(jīng)度、緯度以及問題一求出的危害等級3個(gè)緯度的數(shù)據(jù)輸入自組織特征映射網(wǎng)中進(jìn)行分類，經(jīng)過多次迭代處理，得到確定的放火位置。

關(guān)鍵詞：火災(zāi)等級評價(jià);模糊綜合評價(jià)法;隸屬函數(shù);自組織特征映射網(wǎng)

1 ? ?問題闡述

問題1：請你對附件2中的2 033個(gè)火災(zāi)預(yù)期危害等級進(jìn)行評價(jià)，并篩選出10大火災(zāi)編號。

問題2：結(jié)合問題1中所確定的火災(zāi)等級及火災(zāi)位置，請篩選出重點(diǎn)的放火位置。

2 ? ?模型建立與求解

2.1 ?問題一的求解

2.1.1 ?模糊綜合評判模型建立

火災(zāi)的發(fā)生受到諸多因素影響，在進(jìn)行評價(jià)的過程中必須同時(shí)考慮各種因素，而在很多問題上，人們對事物的評價(jià)常常帶有模糊性，因此，應(yīng)用模糊數(shù)學(xué)的方法進(jìn)行綜合評判將會取得更好的實(shí)際效果。

首先建立評判對象的因素集U={u1，u2，…，un}，其中的因素即為本題附件所給的初始火災(zāi)面積、風(fēng)力大小、預(yù)期蔓延速度、救援難度系數(shù)，這些影響因素對于火災(zāi)等級具有重要的影響作用[1]。

設(shè)定評判集V={V1，V2，…，Vm}，在此將火災(zāi)劃分為5個(gè)等級，其中5表示火災(zāi)最嚴(yán)重，1表示最輕微（見表1）。

建立單因素評判將U到V的模糊映射表示為：

2.1.2 ?模型的求解

將評判等級和評判因素確定以后，為了方便處理，將蔓延速度按照“緩慢”、“慢”、“適中”、“快”、“特快”依次映射為0.2、0.4、0.6、0.8、1.0。之后即可確定單因素評判的映射關(guān)系，按照數(shù)據(jù)平均分布的原則設(shè)定等級劃分標(biāo)準(zhǔn)如表1所示。

根據(jù)各因素所占的頻率，依照公式（2）計(jì)算出單因素評判矩陣R如表2所示。

確定權(quán)重大小為A=[μ1（u1）， μ2（u2）， μ3（u3）， μ4（u4）， μ5（u5）]，根據(jù)B=A。R即可求出不同火災(zāi)所對應(yīng)的各個(gè)評判元素的數(shù)值，選擇最大的一項(xiàng)數(shù)值所對應(yīng)的當(dāng)列所屬火災(zāi)危險(xiǎn)等級。

據(jù)此劃分出第5種危險(xiǎn)等級內(nèi)的火災(zāi)編號，共有239個(gè)，再以救援難度系數(shù)、預(yù)期蔓延速度作為篩選標(biāo)準(zhǔn)，篩選出編號為108、132、372、553、620、854、945、1 371、1 409、2 001的火災(zāi)為最大的10場火災(zāi)[2]。

2.2 ?問題二的求解

2.2.1 ?防火位置規(guī)劃模型建立

將附件中2 033個(gè)火災(zāi)發(fā)生地點(diǎn)的經(jīng)緯度坐標(biāo)輸入Matlab中，如圖1所示。

考慮到樣本數(shù)據(jù)的實(shí)際情況，為了保證自組織特征映射網(wǎng)（Self-Organizing Feature Map，SOFM）的訓(xùn)練效率，同時(shí)充分照顧到各個(gè)可能會發(fā)生火災(zāi)的地區(qū)，提高算法的可實(shí)施性，在此，將這2 033個(gè)火災(zāi)發(fā)生地點(diǎn)分成6大塊，每塊對應(yīng)設(shè)置一個(gè)重點(diǎn)的放火位置（神經(jīng)元）。

2.2.2 ?SOFM網(wǎng)絡(luò)的工作原理

SOFM網(wǎng)絡(luò)是一種基于Hebb學(xué)習(xí)規(guī)則進(jìn)行網(wǎng)絡(luò)訓(xùn)練，具有自組織功能的神經(jīng)網(wǎng)絡(luò)。它可把任意維的輸入信號變換到一維或二維的離散網(wǎng)格上，并保持一定的拓?fù)溆行蛐浴OFM網(wǎng)絡(luò)具有特征抽取作用，通過自身訓(xùn)練可以自動對輸入模式進(jìn)行聚類，用聚類中心（各輸出節(jié)點(diǎn)的權(quán)向量）代表原輸入。

SOFM的基本思想是網(wǎng)絡(luò)輸出層各神經(jīng)元競爭對輸入模式的響應(yīng)機(jī)會，最后僅一個(gè)神經(jīng)元成為競爭的勝者，并對那些與獲勝神經(jīng)元相鄰的指定鄰域內(nèi)的各神經(jīng)元的所有連接權(quán)朝著更有利于它們競爭獲勝的方向調(diào)整。

算法的基本操作步驟如下：

步驟1：對圖像數(shù)據(jù)作歸一化處理，將各點(diǎn)像素值歸一化到區(qū)間[0，1]內(nèi)，由此得到圖像X=（X1，X2，…，Xi），其中Xi為圖像一點(diǎn)的歸一化后的模式。

步驟2：初始化網(wǎng)絡(luò)連接權(quán)值Wj，其中1≤j≤M為競爭層神經(jīng)元向量元素的個(gè)數(shù)。

步驟3：選擇獲勝單元c：

步驟4：進(jìn)行連接權(quán)調(diào)整：

?Wj=η（t）NBc（t）（xi-wj）

其中，η（t）為學(xué)習(xí)率，NBc（t）為鄰域函數(shù)，且：

j∈NBc（t）， 0<η（t）<1

步驟5：按照以上步驟，反復(fù)訓(xùn)練每一個(gè)輸入的模式值Xi，直至完成規(guī)定的訓(xùn)練次數(shù)。經(jīng)過學(xué)習(xí)后，再次將Xi輸入網(wǎng)絡(luò)，其輸出結(jié)果即為分類結(jié)果。

2.2.3 ?防火位置的求解

基于以上分析，將經(jīng)度、緯度、量化后的火災(zāi)等級3個(gè)緯度的數(shù)據(jù)輸入SOFM網(wǎng)絡(luò)中，設(shè)置網(wǎng)絡(luò)結(jié)構(gòu)為6×1，訓(xùn)練次數(shù)為300次，最終得到圖2。

可見，SOFM最終為每個(gè)重點(diǎn)的放火區(qū)域依次分配了221、570、72、309、476、385個(gè)火災(zāi)，各神經(jīng)元最終所處坐標(biāo)即為篩選出的重點(diǎn)的放火位置。

為了更加直觀地看出算法的分類結(jié)果，借助Matlab二維繪圖工具，將各個(gè)不同的防火區(qū)域用不同的顏色予以區(qū)分[3]，同時(shí)標(biāo)示出各個(gè)重點(diǎn)防火位置，6個(gè)重點(diǎn)防火位置坐標(biāo)依次為：（125.190 9， 45.277 0）;（115.416 3， 37.757 4）;（84.987 8， 41.963 5）;（106.178 1， 34.553 0）;（116.951 3， 29.547 3）;（104.858 7， 27.216 5）。

3 ? ?模型評價(jià)與推廣

采用了模糊綜合分析模型，此類模型不僅可對評價(jià)對象按綜合分值的大小進(jìn)行評價(jià)和排序，而且還可根據(jù)模糊評價(jià)集上的值按最大隸屬度原則或接近原則去評定對象所屬的等級。關(guān)于SOFM神經(jīng)網(wǎng)絡(luò)模型，其網(wǎng)絡(luò)收斂速度快，并且自適應(yīng)的特點(diǎn)保證了可以成功地應(yīng)用于解決組合優(yōu)化問題。

[參考文獻(xiàn)]

[1]王 ? 晨.火災(zāi)等級標(biāo)準(zhǔn)問題的數(shù)量化研究[J].武警學(xué)院學(xué)報(bào)，2010，26（12）：5-7.

[2]田國華，楊 ? 松.我國31個(gè)地區(qū)森林火災(zāi)時(shí)空分布特征[J].森林防火，2013（2）：10-14.

[3]孫軍田，張 ? 喆.基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)確定災(zāi)害等級的滅火救援出動力量模型研究[C]//南京：2016中國消防協(xié)會科學(xué)技術(shù)年會，2016.