基于PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)的高層建筑火災(zāi)安全評價*

牛發(fā)陽　段美棟　王建波　姜東民　楊冠楠

(1.青島理工大學管理學院　山東青島 266520；　2.中建三局總承包公司鄭州分公司　鄭州 450000)

?

基于PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)的高層建筑火災(zāi)安全評價*

牛發(fā)陽1段美棟1王建波1姜東民1楊冠楠2

(1.青島理工大學管理學院山東青島 266520；2.中建三局總承包公司鄭州分公司鄭州 450000)

為解決高層建筑構(gòu)造復(fù)雜、人員密度大、火災(zāi)觸發(fā)因素繁多而造成高層建筑火災(zāi)安全評價困難的問題，本文提出基于PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)的高層建筑火災(zāi)安全評價模型。首先運用主成分分析(PCA)對構(gòu)建的高層建筑火災(zāi)安全評價指標降維處理，篩選主要信息；接著基于三角模糊數(shù)構(gòu)建模糊評判矩陣，利用模糊優(yōu)先規(guī)劃(FPP)求解指標的權(quán)重值，減少主觀的影響；最后考慮到指標間關(guān)系錯綜復(fù)雜彼此交叉和反饋的特性，選擇BP神經(jīng)網(wǎng)絡(luò)對高層建筑火災(zāi)安全進行評價。通過工程案例證明該評價模型的實用性以及可靠性。

高層建筑火災(zāi)安全評價模糊優(yōu)先規(guī)劃BP神經(jīng)網(wǎng)絡(luò)

0　引言

高層建筑結(jié)構(gòu)復(fù)雜、人員流動性大、垂直距離長，導(dǎo)致火災(zāi)發(fā)生時火勢蔓延迅速和人員疏散難度大，易造成人員傷亡、財產(chǎn)損失。因此，對于高層建筑火災(zāi)安全的評價迫切需要針對性、科學性、適用性的方法，以便于了解高層建筑所處火災(zāi)安全狀態(tài)，及時采取應(yīng)對措施。高層建筑火災(zāi)安全評價受到較多因素的影響，屬于非線性評價問題。傳統(tǒng)的評價方法無法有效的解決因素間的非線性問題，如利用層次分析法、區(qū)間層次分析法對指標賦權(quán)存在判斷矩陣無法檢驗的缺陷[1-2]；選用模糊綜合評價方法雖考慮了指標的模糊性，但核心仍然是利用層次分析法賦權(quán)[3]；選擇灰色關(guān)聯(lián)法保留了已有信息的完整，但指標間的關(guān)系并非成幾何序列[4]；利用RBF神經(jīng)網(wǎng)絡(luò)較好的處理指標間復(fù)雜的關(guān)系[5]，但存在著網(wǎng)絡(luò)輸入指標過多導(dǎo)致RBF神經(jīng)網(wǎng)絡(luò)收斂速度慢的缺陷。上述學者在研究高層建筑火災(zāi)安全評價時忽略指標間的交叉作用，而火災(zāi)事故的發(fā)生可能由于單一因素引起的連鎖反應(yīng)。

鑒于此，本文提出基于PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)的高層建筑火災(zāi)安全評價模型，試圖通過三角模糊語言將定性指標定量化構(gòu)建模糊評判矩陣，結(jié)合模糊優(yōu)先規(guī)劃計算判斷矩陣的權(quán)重，克服其一致性檢驗難通過的弊端；利用主成分分析對輸入指標降維，在提高訓練速度的同時又不失信息的可靠性；最后將降維后的指標輸入BP神經(jīng)網(wǎng)絡(luò)中，克服了高層建筑火災(zāi)安全指標間交叉問題，實現(xiàn)科學、快速地評價高層建筑火災(zāi)安全。

1　高層建筑火災(zāi)安全評價指標體系的構(gòu)建

高層建筑火災(zāi)安全影響因素繁多，彼此交叉影響，造成難以構(gòu)建完善的高層建筑火災(zāi)安全評價指標，而指標建立是否合理決定著高層建筑火災(zāi)安全評價的成敗。建立高層建筑火災(zāi)安全評價指標要從全局考慮，即從火災(zāi)發(fā)生前后的救援、疏散、安全管理[6]等方面。故本文從高層建筑火災(zāi)發(fā)生和處理流程的角度作為建立指標的切入點，參照文獻[7-8]的研究結(jié)果以及《高層建筑防火設(shè)計規(guī)范》、《消防法》、《建設(shè)工程消防監(jiān)督管理規(guī)定》等相關(guān)文件的要求，邀請從事高層建筑消防設(shè)計人員、政府消防官兵、高校高層建筑火災(zāi)安全研究的教授等15人組成專家組，根據(jù)自身的工作經(jīng)驗以及專業(yè)知識，同時從具體工程案例的實際情況出發(fā)，建立了圖1所示的高層建筑火災(zāi)安全評價指標體系。

圖1　高層建筑火災(zāi)安全評價指標體系

2　基于PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)的高層建筑火災(zāi)安全評價模型的構(gòu)建

為克服高層建筑火災(zāi)安全評價指標繁多且彼此關(guān)聯(lián)和制約，造成評價難度大，而傳統(tǒng)賦權(quán)方法難以取得較好效果的問題，本文利用主成分分析法對所建立的指標進行初步篩選，排除非關(guān)鍵因素。接著運用模糊優(yōu)先規(guī)劃求得指標權(quán)重值，增加賦權(quán)的客觀性。最后借助BP神經(jīng)網(wǎng)絡(luò)在自學習方面的優(yōu)勢，把經(jīng)主成分分析法約簡后的指標以及綜合得分作為BP神經(jīng)網(wǎng)絡(luò)的輸入，完成高層建筑火災(zāi)安全的評價。2.1指標降維

高層建筑火災(zāi)安全指標間相互關(guān)聯(lián)，不經(jīng)約簡直接進行評價不但增加評價過程的難度而且可能因指標間的多元共性而造成評價結(jié)果不科學。而主成分分析恰好可通過降維技術(shù)在保留關(guān)鍵因素的前提下把若干個指標減少為幾個主要的指標，實現(xiàn)對冗余指標的剔除。關(guān)于PCA的具體計算步驟見文獻[9]。

2.2運用模糊優(yōu)先規(guī)劃計算指標權(quán)重

為消除高層建筑火災(zāi)安全指標不確定性和模糊性，選擇三角模糊數(shù)將定性指標定量化，三角模糊語言變量轉(zhuǎn)化關(guān)系見表1。用(l,m,u)表示三角模糊數(shù)M，且l≤m≤u，其中l(wèi)，u，m分別表示M支撐的下界、上界及中值。u-l的差值大小表示模糊程度的高低，當u=m=l時，M為非模糊判斷，表達形式見公式(1)：

(1)

(2)

式中，l和u表示專家模糊評判的最小可能值和最大可能值；m表示最可能值；wi，wj分別表示第i，j個評價指標的權(quán)重。當wi/wj≤lij或wi/wj≥uij時，uij<0，表示模糊判斷矩陣一致性較差；當wi/wj=mij時，uij取得最大值1。

在可行權(quán)向量中，定義其比值隸屬度的最小值，即：

up(w)=min{uij(w)|i=1,2,…,n-1;j=2,3,…,n;j>i}

(3)

在滿足上述條件的解集中，選擇隸屬度最大的向量作為解向量，即：

λ*=up(w*)=max{up(w)}

(4)

模糊優(yōu)先規(guī)劃可轉(zhuǎn)換成如下的線性規(guī)劃求解：

(5)

利用Matlab2012a求得最優(yōu)解(w*，λ*)，其中w*表示隸屬度最大的權(quán)重值大小，λ*>0表示模糊判斷矩陣一致性較好，反之較差。

2.3BP神經(jīng)網(wǎng)絡(luò)訓練樣本數(shù)據(jù)

表2　高層建筑火災(zāi)安全等級

圖2　BP神經(jīng)網(wǎng)絡(luò)訓練模型

3　工程案例分析

以青島中南金石廣場高層建筑為例，驗證建立評價模型的有效性。金石廣場位于青島市黃島區(qū)珠江路與井岡山路交叉口，集五星級酒店、5A甲級寫字樓、商業(yè)街、精裝loft公寓于一體的復(fù)合商務(wù)集群。主體為框架結(jié)構(gòu)，耐火等級為一級，地下3層，地上33層，其中1～6層為商業(yè)裙樓，7～27層為公寓住宅，第9層為避難層，建筑總高度135 m，建筑總面積約6萬m2，消防水泵設(shè)置在底層，室內(nèi)設(shè)置消防報警系統(tǒng)、消火栓系統(tǒng)、自動噴淋滅火系統(tǒng)、防排煙系統(tǒng)。周邊擁有大型購物廣場，人員流動性強，交通壓力大。因此，評價其火災(zāi)安全等級對廣場的火災(zāi)管理顯得尤為重要。按照高層建筑火災(zāi)安全等級(見表1)對高層建筑火災(zāi)安全因素進行打分。同時調(diào)查北京國貿(mào)大廈、廣州中信廣場、上海環(huán)球金融中心、深圳地王大廈、南京紫峰大廈等高層建筑火災(zāi)安全管理作為BP神經(jīng)網(wǎng)絡(luò)的20組樣本數(shù)據(jù)。

3.1對高層建筑火災(zāi)安全評價指標降維處理

利用主成分分析借助SPSS 20.0軟件對指標數(shù)據(jù)進行降維處理，處理結(jié)果見表3。從表3中可以得出，前3個指標即：防火涂料、安全出口數(shù)量、消防車道的累計貢獻率為84.9%，從而實現(xiàn)指標的降維，即把原來的18個評價指標約簡為3個。選擇這3個指標為BP神經(jīng)網(wǎng)絡(luò)的輸入，提高其訓練效率。

表3　3個主成分特征值以及累計貢獻率

3.2求解降維后指標的權(quán)重

利用三角模糊數(shù)對降維后的指標進行兩兩比較，建立模糊判斷矩陣，然后計算指標權(quán)重值。

maxλ

(6)

得出w1=0.437 0，w2=0.323 5，w3=0.239 5，λ=0.824 6>0，說明建立的模糊判斷矩陣的一致性較好。

3.3基于PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)的高層建筑火災(zāi)安全評價

把PCA降維后的3個主要指標以及專家打分歸一化后的結(jié)果并結(jié)合FPP計算出來該指標的權(quán)重值，最終得出高層建筑火災(zāi)安全等級的期望值，將其輸入BP神經(jīng)網(wǎng)絡(luò)。其中將1～15組樣本數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的訓練樣本，16～20組樣本數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)檢驗樣本。采用BP神經(jīng)網(wǎng)絡(luò)中常用的traingd算子，利用MATLAB.R2012aBP神經(jīng)網(wǎng)絡(luò)工具箱對輸入的樣本數(shù)據(jù)進行訓練。經(jīng)過多次模擬訓練發(fā)現(xiàn)：當訓練次數(shù)為300時，能夠滿足目標誤差ε=0.93的要求。為了檢驗經(jīng)主成分分析后的BP神經(jīng)網(wǎng)絡(luò)在訓練的精度以及速度兩方面具有優(yōu)勢，將原有數(shù)據(jù)輸入到傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)中，兩者訓練的對比結(jié)果見表4。

表4　基于PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)訓練結(jié)果對比

從表4中兩者預(yù)測結(jié)果以及相對誤差的對比中可知：基于PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)除了在樣本18訓練輸出結(jié)果相對誤差較大，為24.082%，剩余檢驗樣本相對誤差均較為理想；而傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)則在樣本18的誤差高達42.528%，排除個別樣本的不合理之處，基于PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)在精度上比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)更具優(yōu)勢，能夠取到較好的效果。此外樣本20最終的輸出結(jié)果為0.913 6，說明金石廣場火災(zāi)安全等級位于低火災(zāi)范圍，需采取加強日常消防演練，保證安全出口的暢通，保證裝修材料的耐火等級等措施。

4　結(jié)論

(1)通過主成分分析法對構(gòu)建的高層建筑火災(zāi)安全指標進行降維處理，既保留了對高層建筑火災(zāi)安全有重要的影響指標，同時減少了BP神經(jīng)網(wǎng)絡(luò)的輸入，提高訓練的速度。

(2)利用三角模糊語言將定性指標定量化，建立模糊矩陣，運用模糊優(yōu)先規(guī)劃計算指標的權(quán)重，使得指標賦權(quán)更加客觀性，進一步消除專家主觀打分帶來的弊端。同時結(jié)合BP神經(jīng)處理非線性關(guān)系的優(yōu)勢完成對高層建筑火災(zāi)安全的評價，使得評價結(jié)果更加科學、高效。

(3)通過建立的PCA-FPP-BP神經(jīng)網(wǎng)絡(luò)模型對金石廣場火災(zāi)安全進行評價，證明該評價模型具有一定的可行性，對于類似高層建筑的火災(zāi)安全評價具有一定的推廣性。

[1]賈水庫,田斌.層次分析法在高層學生公寓火災(zāi)危險性評價中的應(yīng)用[J].中國安全科學學報,2009,19(5):114-118.

[2]王振,劉茂.應(yīng)用區(qū)間層次分析法(IAHP)研究高層建筑火災(zāi)安全因素[J].安全與環(huán)境學報,2006,6(1):12-15.

[3]呂顯智,馬建云,陶昆,等.基于模糊綜合評價法的高層賓館消防安全現(xiàn)狀評價[J].中國安全生產(chǎn)科學技術(shù),2011,7(5):138-143.

[4]王粟.基于灰色關(guān)聯(lián)分析的高層建筑火災(zāi)風險評估[J].中國安全生產(chǎn)科學技術(shù),2013,9(8):83-89.

[5]劉勇求.基于RBF神經(jīng)網(wǎng)絡(luò)的高層建筑火災(zāi)風險評價[J].中國西部科技,2008,7(4):53-54.

[6]萬金保,熊友強,楊勤佳.基于證據(jù)理論的高層建筑火災(zāi)風險綜合模型研究[J].工業(yè)建筑,2010(S1):94-99.

[7]萬金保,熊友強,孫蕾.高層建筑火災(zāi)風險的灰色模糊綜合評估[J].工業(yè)建筑,2010(S1):100-104.

[8]邵望定.基于模糊綜合評價的高層建筑火災(zāi)風險評估模型[J].武警學院學報,2015(2):68-70.

[9]張穎.基于PCA的模糊BP網(wǎng)絡(luò)建模方法在藻類生長狀態(tài)預(yù)測中的應(yīng)用[J].上海海事大學學報,2011,32(4):76-79.

[10]丁元春,翁發(fā)祿,唐敏康.基于突變理論的高層建筑火災(zāi)安全綜合評價[J].建筑科學,2012(1):22-25.

Fire Safety Assessment of High Rise Building Based on PCA-FPP-BP Neural Network

NIU Fayang1DUAN Meidong1WANG Jianbo1JIANG Dongmin1Yang Guannan2

(1.SchoolofManagement,QingdaoTechnologicalUniversityQingdao，Shandong266520)

In order to solve the difficult problem of the high-rise building fire safety evaluation caused by the complex high-rise building structure, personnel density and various fire-caused factors, this paper proposes a high-rise building fire safety assessment model based on PCA-FPP-BP neural network. Firstly, the principal component analysis (PCA) is used to reduce the dimension of the building fire safety evaluation index, and the main information is selected; then, fuzzy judgment matrix is constructed based on triangular fuzzy number, the weight value of the index is solved by fuzzy priority programming (FPP) and the subjective influence is reduced; finally considering the complicated relations between indexes and the characteristics of cross each other and feedback, the BP neural network is selected to evaluate the fire safety of high-rise buildings. The practicability and reliability of the evaluation model are proved through the engineering case.

high-rise buildingfire risksafety evaluationfuzzy preference programmingBP neural network

2016-01-23)

國家自然科學基金(71471094)，山東省自然科學基金(ZR2011GL021)。

牛發(fā)陽，男，1990年生，河南信陽人，碩士研究生，研究方向為工程項目管理。