火灾系统的复杂性与可持续防治

火灾系统即火灾和它的影响因素构成的整体，它是一个复杂系统。本文介绍了火灾系统复杂性的研究。森林火灾的分布满足较好的幂律分布，并且具有尺度不变性和时间不变性，实际的火灾数据与自组织临界性森林火灾模型的计算和 分析结果相互符合，这表明森林火灾系统是一个自组织临界性系统。当考虑降水、森林尺度等更多火灾影响因素时，森林火灾模型的计算结果与实际数据符合得更好。对实际火灾数据的分析表明，城市火灾的分布同样满足具有时间不变性和尺度不变性的稳定的幂律分布。稳定的幂律分布对于火灾防治具有实际意义，当获得了足够多的火灾历史数据时，可以预测未来的火灾发生情况，可以利用小火灾的发生情况预测大火灾的发生概率，利用自组织临界性森林火灾模型，可以评估火灾防治措施的长期效果。     

基于神经网络的多参数矿井火灾识别方法

针对矿井火灾早期预测预报研究了新的方法,将矿井火灾图像与温度、烟雾、CO、CO2、O2等多个参数相结合,进行综合分析,对矿井火灾进行判断。依据神经网络建立的数学模型,采用神经网络的学习算法,对矿井火灾进行识别。通过仿真分析结果表明,矿井火灾正确识别率很高,特别是采用RBF神经网络,正确识别率达到98%以上,从而为神经网络实际用于矿井火灾识别成为可能,该方对矿井火灾早期预测预报具有重要的理论意义和实用价值。     

葫芦岛市城市火灾分布的特点及其对城市火险分析的启示

火灾是城市、城镇的主要危害之一,城市火灾动力学关系到人们的生命和财产安全。研究了城市火灾的分布情况以及火灾频率与气象参数的关系,发现城市火灾的频率-尺度分布以及频率-时间间隔分布满足幂律关系。这表明大火灾和小火灾之间存在相互关联,由小火灾的发生频率可以预测大火灾的发生频率。研究火灾频率和气象参数(如温度,湿度)之间的关系,结果表明火灾频率随着某些气象参数变化而变化,并且呈现一定的规律性,说明通过气象参数预测城市火灾发生频率是可行的。所做工作可望揭示城市火灾的一些复杂特征,对城市火灾风险分析也有一定的帮助。     

基于BP神经网络的人口火灾发生率预测方法研究

在分析人口火灾发生率同气象资料之间关系的基础上，设计了BP神经网络模型。根据北京市2000年至2006年气象资料及人口火灾发生率的统计数据对该神经网络进行了训练，训练精度为0．00000001。使用训练好的BP神经网络模型对北京市2007年和2008年人15火灾发生率进行预测，预测结果与实际值误差分别为0．00001和0。     

陕北春季森林火灾气象条件分析

通过对1989-2004年间陕北春季森林火灾发生期气象资料进行研究分析，指出春季2—5月份林火期气候特征、森林火灾易发期天气环流特征及林火的发生与冷空气活动密切相关．在春季森林火灾期地面气象要素也呈现出一定的变化规律。     

基于Box-Cox变换的城市火灾起数的模型研究

文章应用极大似然方法,对某市1997—2007年11a间的月度火灾及气象数据进行了Box-Cox非线性变换,通过对变换后的月平均温度、月平均相对湿度、月平均风速、月平均降雨量等气象因子与火灾发生起数进行统计分析,建立了基于Box-Cox变换的线性回归模型,并从拟合误差、交叉验证均方误差等方面进行分析比较,最终建立回归模型;运用所得模型对2008年的火灾数据进行预测分析,结果表明,基于Box-Cox变换后数据建立的回归模型,能更好地预测火灾发生起数,从而达到对城市火灾控制的目的。     

森林火灾预报的新视角

从森林火灾成灾的三个基本因子（火源、环境和可燃物）入手，在宏观上对西南地区森林火灾预报方法进行了探讨。在预测林火发生方面，考虑到人为火是发生森林火灾的主要原因，有很大随机性，因而采用了马尔科夫随机过程理论。在分析成灾环境时，采用了与天、地、生相关分析的方法。特别在可燃物的贮量估测方面，用航天遥感数据，提出一套新的框算方法，为在区域的尺度上估测森林火灾给出了有效的、定量的方法，从而提高了可信度。     

基于神经网络和模糊逻辑的智能火灾探测

探讨了一种基于模糊逻辑和前馈神经网络的火灾探测和自动报警的方法。该方法以半导体感温，离子感烟和湿度模拟传感量为基本特征，并附加其相应的趋势特征对神经网络进行训练。神经网络所对应的明火概率和阴燃火概率输出，经过模糊判决器后检测火灾现象是否发生，实验表明利用传感量的趋势特征和模糊逻辑判决的自动探测系统，能够及时准确地检测出火灾，为火灾报警提供了一种新的有效的方法。     

基于机器学习算法的森林火灾风险评估研究

【目的】利用森林火灾风险图可提高有效巡护,优化有限防火资源,基于地形、人类活动、植被和气象因素数据,采用基于机器学习算法构建了林火发生预测模型,对林火防护提供一定的参考。【方法】以安徽省滁州韭山为研究对象,提取林区的坡度、海拔、坡向、到居住点的距离、到道路的距离、地形湿度指数、归一化植被指数和温度驱动因素,评估火灾发生驱动因子,将潜在驱动因子分成地形、人类活动、植被与气象因素等4类;使用哨兵火灾产品,提取林区内的历史火点,然后采用机器学习算法建立林火发生的预测模型;最后利用混淆矩阵评估指标和接受者操作特征曲线(ROC)进行精度评价。【结果】植被、温度和到道路的距离是研究区域火灾发生的主要驱动因素。两种模型的ROC曲线表明,逻辑回归预测模型准确度为71.07%,曲线下面积(AUC)值为0.717 2;随机森林模型具有较好的准确性,准确度达到84.91%,曲线下面积值为0.850 1。【结论】随机森林模型表现出比逻辑回归模型更好的预测能力。森林火灾风险图表明,随机森林模型预测下,研究区11.91%(29.36 km²)位于高、极高风险级别。森林火灾风险图可有效协助林火...     

一种基于前馈神经网络的火灾探测方法

讨论了基于模拟量探测器和前馈神经网络的火灾探测方法．以光学感烟、半导体感温、离子感烟和湿度模拟传感量为输入，以火灾概率和阴燃火灾概率为输出量对前馈神经网络进行训练，不仅可提取火灾环境的有效特征，而且可提高检测算法的可靠性     

基于神经网络和模糊逻辑的智能火灾探测

探讨了一种基于模糊逻辑和前馈神经网络的火灾探测和自动报警的方法．该方法以半导体感温，离子感烟和湿度模拟传感量为基本特征，并附加其相应的趋势特征对神经网络进行训练．神经网络所对应的明火概率和阴燃火概率输出，经过模糊判决器后检测火灾现象是否发生．实验表明利用传感量的趋势特征和模糊逻辑判决的自动探测系统，能够及时准确地检测出火灾，为火灾报警提供了一种新的有效的方法     

一种基于前馈神经网络的火灾探测方法

讨论了基于模拟量探测器和前馈神经网络的火灾探测方法。以光学感烟、半导体感温、离子感烟和湿度模拟传感量为输入，以火灾概率和阴燃火灾概率为输出量对前馈神经网络进行训练，不仅可提取火灾环境的有效特征，而且可以提高检测算法的可靠性。     

利用神经网络预测城市震后火灾损失

城市遭受地震袭击后伴随大火而引起房屋烧毁与财产损失是巨大的，这与地震烈度，火源发生与蔓延，灭火能力有关，文中利用人工智能神经网络方法预测震后火灾损失，根据美国北加洲湾区和南加州洛杉矶地区的有关历史资料，训练神经网络对某些地震烈度的火灾损失作出预测，该方法能迅速，准确地预测未来指定烈度与气候条件下的火灾损失，对其它自然灾害，在一定条件下也可应用。     

基于火灾动力学和概率统计理论耦合的建筑火灾直接损失预估

以火灾成长概率和火灾发生后的过火面积为评价指标，探讨对建筑火灾过火面积的预估方法。依据火灾动力学和火灾发展过程中不同阶段的特点，将火灾由初期发展蔓延到整个防火分区的过程划分为4个阶段，采用概率论和事件树的分析方法，得到了每个阶段的火灾成长概率。根据不同阶段火灾的特点，求得了各阶段火灾的临界时间，并以此为基础对火灾发生后建筑物平均过火面积进行了预估。     

喜德县“6.4”山火泥石流灾害特征与防治建议

近年来,四川省凉山州森林火灾频发,促进滑坡和泥石流等次生山地灾害的发生。本研究选择中坝村山火泥石流为对象,结合无人机技术、实地调查、室内分析试验等方法,分析了中坝村拉达沟泥石流的灾害特征、运动学参数及形成机制等。结果表明：①拉达沟泥石流容重为1.74 t/m3,属于稀性泥石流;②拉达沟泥石流中较大石块的冲击力为284.596 KN,泥石流的流量为89.3 ～ 107.16 m3/s,平均流速为8.93 m/s;③采用单沟泥石流危险度评价方法求得其危险度为0.218。据此预测了拉达沟在未来爆发泥石流的可能性较小,并提出了几点减灾建议,以期为山区森林火灾及次生灾害的综合防治提供借鉴。     

火灾引起的建筑物坍塌概率估算

为了研究不同防灭火安全措施下火灾引起的建筑结构整体坍塌的概率，对典型建筑物的火灾荷载进行了统计分析。利用建筑物火灾的规律及概率与统计理论，给出了典型建筑物的火灾荷载及火灾持续时间的概率分布函数。分析了由火灾引起建筑物坍塌的影响因素，并根据火灾统计结果，得到了写字楼在极端情况下由火灾引起的楼房坍塌概率与其耐火极限时间的关系，导出了一般建筑由于火灾引起的坍塌概率的简单估算方法。     

浅析舟曲县气象要素变化与森林火灾的关系

对舟曲县森林防火期的气象要素变化与森林火灾发生的关系进行了分析,从中找出气象要素值达到某一标准值时,就容易引发森林火灾;而当气象要素值达到另一标准值时,森林火灾事故明显降低。通过对舟曲县森林防火关键期的相对湿度、降水量、气温、平均日照时间、蒸发量、风等气象要素进行分析,从而找出易引发森林火灾和不易发生森林火灾的可能性,为做好森林火险等级预报和进一步完善林业气象服务工作打下基础。     

浅析气象因素对九寨沟景区火灾防控的影响

九寨沟景区森林密布,周围宾馆、村寨掩映在茂盛的植被中,一但发生森林火灾势必对宾馆、村寨以及游客生命财产造成威胁,所以在做好建筑防火、提高公众防火意识的前提下,预防自然因素火灾是放在九寨景区防火工作的又一难题。本文选用1959年~2010年九寨沟气象数据进行统计分析,通过分析九寨沟的气候特征,包括平均气温、平均最高气温、降水量、日照时数、平均相对湿度,得出九寨沟景区火险等级,对防控自然因素火灾提供基础分析数据。     

矿用胶带火灾燃烧特性预测模型

胶带火灾热释放率是矿井胶带火灾危险性大小的重要参数之一,准确预测其大小对胶带火灾预防具有重要意义.采用锥形量热仪测试空白胶带和运煤胶带,得到热释放率、CO_2浓度、CO浓度及产烟率等燃烧参数,并分析了胶带的燃烧性能.结合实验数据,建立基于随机森林模型(RF)的胶带火灾热释放率的预测方法.为了验证随机森林方法的准确性和可靠性,计算平均绝对误差(MAE)、平均绝对百分误差(MAPE)、根均方误差(RMSE)和确定系数(R~2).实验结果表明:从胶带燃烧测试实验可以看出空白胶带的点燃时间远小于运煤胶带的点燃时间,且根据胶带的热释放率、残余物质量和生成的CO_2浓度来看,相比空白胶带,运煤胶带并不利于燃烧.预测结果表明:随机森林模型的预测结果为MAE0.260 9 kW/m~2,MAPE0.007%,RMSE0.493 3,R~2=0.999 8,表明该模型具有较高的预测精度、较强的泛化能力和良好的鲁棒性,能准确地预测胶带的热释放率,在预测性能指标都达到了较好的效果.     

森林火灾次数预测方法研究

本文采用时变自回归模型结合激励函数来模拟森林火灾发生的状态;采用上下边缘包络线模型来模拟森林火灾发生的整体变化范围;采用灰色拓扑模型模拟森林火灾发生值在哪些年出现,结果表明,拟合及预测效果良好。