基于故障樹和貝葉斯網絡的倉儲類建筑火災風險評估

林楠 王慧穎

摘要：以降低倉儲類建筑火災風險為目的，通過分析影響倉儲類建筑火災發生原因，分析頂層事件與基層事件之間自上而下的因果關系，建立故障樹，并將其映射到貝葉斯網絡中，通過計算得出事件發生的先驗和后驗概率，并將兩者有效的聯系起來。給出各事件發生的重要度指標有結構指標、概率指標和關鍵指標，分別進行定量分析指出倉儲類建筑最有可能存在的風險。文章以2010—2020年十年期間倉儲類建筑火災發生案例為樣本對本文提出的模型進行驗證。檢驗結果：文章提出貝葉斯網絡模型能夠有效評估倉儲類建筑風險等級并降低火災事故發生。

關鍵詞：倉儲類建筑;風險評估;貝葉斯網絡;故障樹;重要度

中圖分類號：TU714? ? ? ?文獻標識碼：A? ? ? ?文章編號：2096-1227（2022）02-0009-03

倉儲類建筑的用處是存儲各類物資[1]，其特點是由倉庫的建筑結構、儲存物資的形式、儲存物資的數量以及倉庫所處的地理環境所決定的，因物資存放較為密集且存儲量大，較容易存在火災隱患。

國內對建筑火災風險評估研究起步較晚，近年來關于火災風險評估的定量分析方法已有一些研究，但關于倉儲類建筑火災風險評估方法的研究很少。學者金玉祥[2]采用古斯塔夫法對倉儲物流場所火災風險進行綜合評價，但此方法為一種半定量分析方法，火災評估方法除此之外，例如故障樹法（FTA）[3]、概率方法[4-5]、模糊評價法、貝葉斯網絡法（BN）[6-7]以及加權樸素貝葉斯等方法都可以對火災事故進行評估。李建宇[5]采用概率方法對中國古建筑火災損失和中國1950—2006年火災損失進行風險評估得出提高消防系統的安全標準。袁長峰等利用故障樹方法建立了二次事故模型進行定量分析，找出了導致二次事故發生影響概率較大的因素和最有可能發生的途徑。田玉敏等[8]將概率方法與模糊評價方法相結合對高層建筑火災風險進行評估，提供火災風險評價方法的一種新嘗試。王蕾等[9]基于貝葉斯網絡方法對火災爆炸事故的發生概率進行監控和預測。岳寶強等[10]利用貝葉斯網絡建立了綜合考慮突發事件、承災載體和應急管理等風險因素的貝葉斯網絡結構，應用概率刻畫風險因素信息的不確定性及其相互影響，定量分析事件后果。

本文分析倉儲類建筑火災發生原因及特點，采用故障樹與貝葉斯網絡結合方法定量分析倉儲類火災發生原因。在此基礎上分析頂層事件與基層事件之間自上而下的因果關系，建立故障樹，將其轉化貝葉斯網絡方法得出頂層事件發生的概率及基層事件的先驗和后驗概率，并將兩者有效的聯系起來。最后，利用該方法得出所有基層事件發生風險因素的重要度，為消防安全管理工作提供指導。

1? 構造FTA

1.1? 火災風險因素識別

頂層事件為倉儲類建筑火災風險，則影響倉儲類建筑火災風險發生的各項基層事件以及中間層事件，如表1所示。

代號及名稱 基層事件代號 基層事件名稱

E1：易燃易爆物存放不合理 X1 如木材、棉花等易燃物品存放不合理

X2 汽油罐等易爆物品存放不合理

X3 建筑材料耐火等級低

E2：引起火種 G1：電氣引起的火種 X4 電氣線路安裝不符合規定

X5 電氣線路存在老化、短路等情況

X6 違規操作設備

G2：游火引起的火種 X7 員工違規使用明火意外引燃物品

G3：高溫天氣引起火種 X8 通風差引發室內高溫

1.2? 建立FTA模型

FTA利用邏輯門自上而下地將頂層事件、中間層事件以及基層事件有效地連接起來，如圖1所示。

2? 火災風險定量分析方法

2.1? FTA向BN轉化

FTA向BN轉化是將FTA中的事件（包括頂層事件、中間層事件、基層事件）與BN中節點進行對應，其轉化流程圖如圖2所示。

2.2 模型檢驗

本文收集了2010—2020年十年間倉儲類建筑火災發生案例為樣本，對本文提出的模型進行驗證。

首先利用全概率公式P（A）計算得出各項基層事件的先驗概率，如表2所示。再運用GeNIe2軟件得出倉儲類建筑火災風險作為頂層事件發生的概率和影響它的中間層事件發生的概率，如表3所示。

計算得出，倉儲類建筑火災風險評估值為79.9%，說明對倉儲類建筑火災防范措施需要重點加強。利用BN模型的后向推演并計算倉儲類建筑火災發生時各項基層事件發生的后驗概率，計算結果如表4所示。

由表4結果分析，影響頂層事件發生的重點事件，按照發生概率值大小排序為：p（X7）>p（X3）>p（X6）>p（X1）>p（X5）>p（X2）>p（X8）>p（X4）。

接下來對各項基層事件的重要度進行分析，可以更加客觀地對倉儲類建筑火災風險實施防范措施起到有效的指導作用。通過BN模型得出各基層事件的重要度相關指標，如表5所示。

由表5中給出的數據可知，結構重要度越大，則其基層事件風險發生對等事件發生的影響越大。結論是易燃物品存放不合理，易爆物品存放不合理，以及建筑材料耐火等級低的結構重要度最大，因此前三項基層事件對倉儲類建筑火災風險的影響最大。

概率重要度越大，則對某項基層事件采取預防可以快速達到降低頂層事件發生的概率。所以，提高建筑材料耐火等級能夠有效降低倉儲類重大火災風險發生的概率。

2.3? 結果分析

從上述模型檢驗的計算結果可知，利用BN模型在基層事件的先驗概率已知的前提下，可以計算得出頂層事件發生概率為79.9%，倉儲類建筑火災風險較高，需要重點采取防范措施;當頂層事件發生時，運用BN模型進行后向推理，得出基層事件員工違規使用明火意外引燃物品的后驗概率最大為58%，說明倉儲類建筑應對管理人員制定相關規定，禁止使用明火。

3? 結語

文章以2010—2020年期間倉儲類建筑火災發生案例為樣本，找出倉儲類建筑發生火災的最可能的因素，分析了倉儲類建筑火災特點及火災風險因素，構建了故障樹，并與BN模型結合，對倉儲類建筑火災風險進行了評估。FTA的構建給出了頂層事件和基層事件之間的因果關系，再將FTA轉化為BN模型，利用BN得出頂層事件概率和各基層事件后驗概率，并給出了各項基層事件重要度。

基于此方法可以加強倉儲類建筑的火災風險的預測，通過實施有效的預防措施，減少火災事故發生，具有一定的實際意義。運用文章提出的方法分析和評價火災風險時，需要準確地確定出各基層事件的先驗概率，才能達到安全風險評估的真正目的，但如何才能準確給出各基層事件的先驗概率，其確定方法則是接下來需要研究的內容。

參考文獻：

[1]代鳳華.倉儲類建筑火災的作戰指揮研究[J].消防技術與產品信息，2018，31（03）：35-37.

[2]金玉祥.倉儲物流場所火災風險評估[J].消防科學與技術，2020，39（07）：1018-1020.

[3]袁長峰，張玉龍，呼義超，等.基于模糊動態故障樹的油氣儲運火災事故應急過程致因因素評價[J].大連海事大學學報，2021，47（01）：92-100.

[4]郝蕾.基于層次分析法的高層建筑施工現場火災風險模糊評價[J].河北工業科技，2015，32（03）：224-229.

[5]李建宇.期望概率方法在火災風險評估中的應用[J].武警學院學報，2009，25（12）：35-37.

[6]汪濤，廖彬超，馬昕，等.基于貝葉斯網絡的施工安全風險概率評估方法[J].土木工程學報，2010，43（S2）：384-391..

[7]童威，黃啟萍.加權樸素貝葉斯算法在消防檢測中的應用[J].西安工程大學學報，2019，33（01）：111-115.

[8]田玉敏，劉茂.高層建筑火災風險的概率模糊綜合評價方法[J].中國安全科學學報，2004（09）：103-107+4.

[9]王蕾，代養勇.基于蝴蝶結貝葉斯網絡的高校實驗室火災爆炸事故的風險評估[J].實驗室研究與探索，2021，40（04）：304-308.

[10]岳寶強，孫世軍，楊立超，等.基于貝葉斯網絡的危化品爆炸事故電力系統風險評估模型[J].中國安全生產科學技術，2021，17（01）：155-161.

Fire risk assessment of storage type

buildings based on fault trees and bayesian networks

Lin Nan1， Wang Huiying2

（1.Fire and Rescue Section of Jiaojiang District， Taizhou Zhejiang，Zhejiang? Taizhou? 318000;2.China Fire and Rescue Academy，Beijing 102200）

Abstract：With the aim of reducing the risk of fire in storage buildings， the top-down causal relationship between top-level events and grassroots events is analyzed by analyzing the causes affecting the occurrence of fire in storage buildings， establishing a fault tree and mapping it to a Bayesian network， and calculating the prior and posterior probabilities of event occurrence and effectively linking the two. The importance indicators for the occurrence of each event are given as structural indicators， probability indicators and critical indicators， and the quantitative analysis is carried out to point out the most likely risks of storage type buildings respectively. The article validates the model proposed in this paper with a sample of cases of fire occurrence in storage type buildings during the decade of 2010-2020. The results of the test： the Bayesian network model proposed in the paper can effectively assess the risk level of storage buildings and reduce the occurrence of fire accidents.

Keywords：storage buildings; risk assessment;bayesian network; fault tree; importance