基于BT-BN 的高層建筑火災動態風險分析

■ 王 丹 WANG Dan 冉夢琳 RAN Menglin

0 引言

隨著我國經濟的高速騰飛，城市用地日益緊張，高層化、密集化的高層建筑逐漸成為城市發展的必然選擇。但由于高層建筑功能的多元化、布局的復雜化，一旦發生火災，便面臨著蔓延速度快、人員疏散困難、撲救難度大等問題；且受限于當前外部救援設備，高層建筑火災對于公眾安全和社會穩定的威脅不容小覷。為降低事故發生率，以及減少事故帶來的經濟損失和人員傷亡，預測分析其潛在風險，尋找事故關鍵致因要素并提出合理建議，具有重要意義。

1 高層建筑火災風險研究現狀

目前，針對高層建筑火災的風險研究主要分為兩類。一類是高層建筑火災風險因素致因分析。例如：吳龍標等[1]針對國內高層建筑狀況，提出造成高層建筑火災發生、煙囪效應等問題的原因及對策，為后續高層建筑火災風險研究奠定基礎；龍騰騰等[2]構建高層建筑火災事故致因模型，提出控制和預防事故的相應措施；嚴小麗等[3]基于安全系統工程理論模型，建立了高層建筑火災安全系統模型。另一類是高層建筑火災演化路徑模擬及風險等級評估研究。例如：姚建達等[4]采用體積守恒方法改進了FZN模型，指出FZN 模型的發展對于解決高層復雜建筑演化預測問題的必要性；劉愛華等[5]針對高層建筑火災危險的特點，建立了多層次的高層建筑火災危險評價指標體系，不僅為建筑物安全管理提供了科學依據，也為高層建筑火災風險評估奠定了基礎；丁元春等[6]提出了一種基于突變理論的高層建筑火災安全綜合評價方法；王粟[7]建立了高層建筑火災系統的灰色關聯評價模型，可以用來確定影響因素和系統的風險等級；張立寧等[8]建立未確知C-均值聚類模型，用以確定高層火災的危險性等級，等等。上述研究側重于識別高層建筑火災發生后影響救災能力的風險因素以及評估方法上的多元化，為靜態風險分析層面提供了有價值的參考，但鮮少有針對高層建筑火災的動態風險研究。在實際生活中，由于外部環境變化、設備老化等因素，高層建筑火災的風險并非是一成不變的。因此，考慮概率風險動態變化的高層建筑火災風險研究，是十分必要的。

近年來，貝葉斯網絡（Bayesian Network，BN）憑借能夠進行參數學習和概率更新的優越性，已經在化工安全、交通安全、施工安全等領域的動態風險分析上得到了一定程度的運用。蝴蝶結模型（Bow-tie Analysis，BT）由于兼具故障樹和事件樹兩種分析方法的優點，能夠簡明且形象地構建事故致因和發展過程體系，也在各領域的風險分析上做出了貢獻。蝴蝶結模型和貝葉斯網絡結合的風險分析方法（BT-BN），可以詳細地展現事故致災過程的風險因素并彌補靜態風險分析所忽略的風險概率變化，實現事故的動態風險分析。因此，本文運用蝴蝶結模型和貝葉斯網絡進行高層建筑火災動態風險分析，以期定量分析事故各階段發生概率，在高層建筑火災孕災期及時預警，減少事故發生。

2 BT-BN 風險分析方法

2.1 蝴蝶結分析法（BT）

蝴蝶結分析法是一種以蝴蝶結圖的形式直觀展現頂事件的事故致因、事故演化路徑、安全屏障及后果之間關系的風險分析和管理的方法。其重點在于分析風險致因系統和安全保障系統之間的關系，具有高度可視化、便于更新等優點，能夠實現系統化的安全風險分析，并協同管理者把握風險要素，全面控制風險。同時，BT分析法可以清晰地顯示事故演化進程的各種路徑，以及分析各安全屏障在安全保障系統中的效用情況，以便管理人員及時在關鍵節點改進或增加屏障，從而降低事故發生率。

2.2 貝葉斯網絡（BN）

貝葉斯網絡是無環有向圖，其中的節點表示隨機變量，弧表示它們之間的直接概率依賴關系[9]。貝葉斯網絡的結構是其建模的一組變量之間相互作用的圖形化、定性說明：當結構是因果關系時，提供對變量之間相互作用的模塊化洞察，并允許預測外部操縱的影響。貝葉斯網絡在解決不確定性和信息缺乏的問題上體現了相當的優越性，同時，可以根據節點的觀測值變化實現概率的實時更新。因此，在解決動態性問題上，也得到了一定程度的應用。

（1）隨機變量X={x1,x2,x3,…,xn}的聯合概率分布公式如（1）所示：

式中，pa(i)表示節點i的父節點。

（2）xi的概率可以通過公式（2）計算，其中，求和包括X集合中除xi的所有變量：

（3）貝葉斯網絡的后驗概率是由給定的節點先驗概率和觀測到的證據E根據貝葉斯概率推理定理得到的，其計算公式為：

2.3 邏輯轉化規則

BT 模型靜態結構與BN 模型動態結構間的轉化，可以通過映射算法實現。①BT 模型中的基本事件、中間事件、頂事件轉化為BN 模型中的網絡節點；②安全屏障轉化為事故后果的前序節點，且事故后果劃分為4個階段節點；③事件中的序列關系轉化為BN 模型中節點之間的邊向量，而節點的二維條件概率表（CPT）由BT 模型中事件之間的“與”“或”關系確定（表1）。

表1 BN 的CPT 對應表

2.4 基本事件的概率更新

在實際中，隨著時間片段的改變，信息會逐步增加，這就需要在BN 網絡中進行基本事件的先驗概率修正。某一基本事件的概率改變會對整個網絡模型中的節點概率產生影響，而概率的修正也會讓BN 模型的概率推理結果更為精確，這個過程也被稱為序列學習，是BN 模型實現動態推理的重要理論結構。根據設定的時間片段中所監測到的事件發生數據（可以是事件發生或事件前兆），依據公式（4）對基本事件進行概率更新，再輸入BN 模型中實現整個網絡的概率更新。

式中，P為監測數據下基本事件的更新概率；s為基本事件出現的頻次；a為基本事件的經驗值；n為基本事件的整個經驗值。

3 高層建筑火災動態風險模型

3.1 高層建筑火災BT 模型

根據以往研究高層建筑火災的文獻及國內外相關數據庫，確定引起高層建筑火災的主要原因包括行為意外、可燃物自燃、電氣設備起火及外來火源等因素。當高層建筑出現火情后，如果有人員注意到或者自動探測報警器及時報警，火情便會很快被控制，則高層建筑仍然處于安全狀態；如果探測報警失敗，自動噴淋開啟或者人員手持滅火器滅火成功，則可能會造成少量經濟損失；如果噴淋或者滅火器未能成功滅火，消防栓得以成功滅火，則遭受的經濟損失可能會增多；如果消防栓滅火失敗，阻火設備成功開啟，則火災被控制在高層建筑的某一防火分區，可能會造成大量的經濟損失和少量的人員傷亡；如果阻火設備未能成功阻火，消防隊成功滅火，則高層建筑遭受的經濟損失會進一步擴大，人員傷亡也可能會增多；如果火災突破了所有安全屏障，那么火災將完全失去控制，后果不可估量。具體模型如圖1 所示，其中，高層建筑火災事故發生的根本原因由29 個基本事件組成，且各基本事件的先驗、后驗概率如表2 所示。

表2 基本事件的先驗和后驗概率

圖1 高層建筑火災BT 模型

3.2 高層建筑火災BN 模型的建立

3.2.1 概率確定

3.2.1.1 基本事件的先驗概率確定

采用模糊數集結合德爾菲法，得到基本事件的先驗概率。評價語言采用國際7 級風險概率表述方式，同時，考慮到高層建筑火災實際發生概率，故將概率取值全部乘以10-2，詳細的風險等級及概率說明如表3 所示，實際操作步驟如下。

表3 風險等級及說明

（1）邀請5 位有過高層建筑項目建設經驗的項目經理或高校學者給定基本事件發生概率；同時，考慮到專家學者之間的知識水平差異和實際經驗的不同，為每位專家按照學歷、項目經驗等條件綜合賦權。

式中，aL、aM、aU分別表示對應的下界、中值及上界。

3.2.1.2 安全屏障的概率確定

依據以往的文獻研究[10-14]及相關數據庫，得到安全屏障的失效概率如表4 所示。

表4 安全屏障失效概率

3.2.2 BN 模型優化

如果簡單地對BT 模型進行映射得到BN 模型，將會出現部分邏輯錯誤。如BT 模型中各安全屏障相互獨立、互不影響，但在實際情況下，探測報警往往是其他安全屏障起作用的基礎。可見BN 模型必須要進行優化，才能與實際更相符。優化后的BN 模型如圖2 所示。

圖2 高層建筑火災優化BN 模型

（1）探測報警是噴淋系統與滅火器滅火、消防栓滅火、阻火設備阻火及消防隊滅火的前提，應當增添有向弧進行連接。

（2）消防栓滅火的有效性離不開防排煙設備的啟動，因此，需增設防排煙設備節點作為消防栓的前序節點。

（3）在高層建筑火災的實際發生過程中，火災的演化路徑與安全屏障的介入緊密相關，應劃分為4 個階段（階段I1～I4）。其中：階段I1為火情發展階段，即人員發現或者探測報警成功，但噴淋系統或者滅火器未能夠成功滅火；階段I2為火情盛期階段，即階段I1發生后，由于防排煙設備沒有及時啟動或給水不足等問題導致消防栓滅火失效；階段I3為火情蔓延階段，即階段I2發生后，火災已經在起火點所在防火分區充分燃燒，但防火卷簾或防火門等阻火設備沒有及時下降或關閉，導致火災蔓延到其他防火分區；階段I4為火情危險階段，即階段I3發生后，火災在該棟樓已經充分燃燒，但因消防隊未及時趕到或者消防設備不足以撲滅火源等原因，導致消防隊滅火失敗，火災完全失去控制并開始波及周圍建筑。

（4）在實際情況中，安全屏障的啟動并不完全意味著火災一定不會進入下一火情階段，因此，需考慮遺漏因素來合理安排。本文取遺漏概率值為0.05。

4 案例研究

4.1 某高層住宅樓火災概率推理

福州市某32 層住宅樓，共128戶住戶。該建筑各樓層配備自動報警系統、噴淋系統、防排煙系統及消火栓系統等，并專設安全管理人員定期進行安檢維修。將得到的基本事件先驗概率、安全屏障失效概率、BT 模型確定的CPT 表輸入GeNIe軟件后，可以實現高層建筑火災事故概率推理。由初始的概率推理，可以獲得如下結果：高層建筑火情發生的概率為43.79%，火情進入階段I1的概率為7.45%，進入階段I2的概率為5.34%，進入階段I3的概率為1.49%，進入階段I4的概率為0.77%。這與實際火災發展情景一致，驗證了模型的可行性。

4.2 診斷推理

BN 模型的診斷推理是雙向的，除了根據先驗概率及CPT 的正向推理之外，還能夠根據后續的證據更新實現逆向的推理，從而找到影響頂事件的關鍵因素。本文選取概率變化率（ROV）及基本事件的后驗概率來診斷該住宅樓火災事故，關鍵要素是高后驗概率和高概率變化率的基本事件，結果如圖3 所示。

從圖3 中可以看出，在同時考慮重要度和ROV 兩項指標的情況下，X4（安全知識欠缺）、X6（高溫）、X13（未定期運維）、X14（亂搭亂接）、X17（年久老化）、X18（隨意替換保險絲）、X21（鋪設不規范）、X23（長期過負載）、X26（嚴重違規使用電器）、X27（長時間忘關電源）是影響該住宅樓火情發生的關鍵因素，這些事件發生概率的微小變動都可以對整個BN 網絡產生較大影響。因此，應當采取合理的安全防控措施，對以上因素做好重點觀測和管控工作。

圖3 基本事件的后驗概率及ROV

4.3 概率更新

4.3.1 基本事件概率改變

在高層建筑火情的演化過程當中，隨著時間的改變，29 個基本事件的概率可能會隨著監測數據的改變而發生變化。以上述診斷推理得到的關鍵因素X4、X6、X13、X14等作為異常數據的重點監測對象，根據該住宅樓2013—2017 年各項事件的監測數據（表5），采用公式（2）對基本事件的發生概率進行動態更新，結果如表6 所示。

表5 基本事件出現次數

表6 基本事件更新概率

4.3.2 火災事故概率更新

將改變后的基本事件概率輸入BN 網絡中，獲取更新后該住宅樓火災的頂事件（T），以及演化至各階段（I）的更新概率，結果如表7 所示，且不同年份的火災各階段發生概率變化如圖4 所示。

圖4 住宅樓火災各階段動態概率

表7 住宅樓火災火情及各階段的動態概率

分析可知，該住宅樓火災發生及演化至各階段的概率都呈上升趨勢，表明住宅樓整體的抗火災能力在逐步下降。由于當前外部的火災救援設備還不能夠理想應對高層建筑火情的發生，安全管理人員應當重視關鍵基本事件的發生，做好監測數據的工作并及時檢查安全屏障的工作狀態，合理增設屏障以預防事故的發生和演化。由圖5 分析可得，高層建筑（僅考慮火災）的安全狀態下降幅度很大，這與階段I1、I2的波動趨勢相符，說明高層建筑火災進入階段I1、I2的可能性比較大，需要對相應的安全屏障做好維護和檢修工作，以控制火情進一步惡化。

圖5 住宅樓安全狀態動態概率

5 結語

本文引入BT 模型分析高層建筑火災發生及演化全過程，并將其按照邏輯轉化規則映射到BN 模型當中，實現了BN 模型的構建，為高層建筑火災動態風險分析奠定基礎。為了驗證基于BN 模型的雙向推理能力，以福州市某32 層住宅樓為對象進行分析，得到高層建筑火情發生的關鍵因素；并利用監測數據更新了基本事件的先驗概率，并推理得到各階段發生的后驗概率，證明了模型的可行性。

目前，采用模糊評價法確定基本事件先驗概率，存在一定的主觀性。但隨著高層建筑火災數據庫的不斷完善，相信后續可以依賴大數據實現監控數據更細化的概率更新，使風險評估更準確。