用模糊识别法构建东北贮木场火险评价体系*



用模糊识别法构建东北贮木场火险评价体系*

郭宏涛，薛伟

(东北林业大学 工程技术学院，黑龙江哈尔滨150040)

摘要：针对贮木场火险的特点，构建了贮木场评价的指标体系，并应用变异系数法和层次分析法相结合确定了其权重。根据林区贮木场火险评价体系具有多因素、多层次的特点，采用模糊识别法进行综合评价。将加权广义权距离之和最小模糊识别运用到模糊综合评价当中，建立了模糊评价模型，避免了单因素矩阵的确定和模糊算子的选择问题，用安全状态特征值来表征最终的评价结果，避免了模糊综合评价的不足之处，使评价结果更加准确，可操作性强。对东北林区4个贮木场(绥棱林业局贮木场、占河林业局贮木场、白河林业局贮木场和满归林业局贮木场)火险评价实例证明，该模型具有较好的应用价值，可为贮木场火险等级评价提供参考。

关键词：东北林区；贮木场；火险等级；模糊识别；权重系数

贮木场是林区最终生产、贮存、保管和调拨供应原木商品的场所，储存着大量的原条、原木以及木材加工剩余物，起到缓冲和调节作用。东北林区木材生产的季节性较强，长时间存放大量的木材产品，贮木场一旦发生火灾，将造成经济和人员安全双重损失。东北林区贮木场的火险隐患具有一定的特点：东北林区春秋季的降雨较少,空气相对湿度较小，风速偏大，一旦发生火灾将迅速蔓延，造成严重后果；贮木场工作人员的防火意识和预警能力偏低；贮木场的消防设施和灭火器材相对缺乏；贮木场中枝条和木材加工剩余物随意堆放；贮木场中设备连续作业时间较长，产生持续高温；生产和运输人员的流动性较大。鉴于以上东北林区贮木场的火险特点，对其进行火险等级评价有助于提高贮木场工作人员对火险的警觉和防范意识，同时为林火部门的决策提供理论支持。目前针对东北林区贮木场火险等级的研究较少且计算的主观性较强[1～2]。彭芳等建立了模糊模式识别理论的评价模型，证明了其合理性和可靠性[3]。刘爱华等对陕西某大厦进行了火灾危险评价，证明了模糊模式识别法在实际应用中的可行性[4]。尽管模糊识别法在各行各业得到广泛应用[5～6]，但在贮木场研究方面，尤其是火险等级的综合评价方面，却鲜见报道。贮木场火险等级的高低是一个模糊的概念，火险安全和不安全之间并不存在明显的界限，因此，本研究采用基于模糊数学的模糊识别法对东北林区贮木场火险等级进行综合评价，利用安全状态特征值来对东北林区各个贮木场的火险进行分级，使评价结果更加准确，可操作性更强。

1数据和方法

1.1数据收集

根据对东北林区贮木场的实地考场和历年火灾统计，引起贮木场火灾的主要因素包括天气原因、生产作业影响、可燃物情况以及消防基础设施与防火意识，这些因素构成了火险评价体系。所以选取东北贮木场火险评价体系的指标有：降水情况、空气湿度、风速、木材贮存量、木材剩余物散放情况、生产作业人数、设备连续工作时间、消防设施、检查力度和防火预警人数[7]。东北林区贮木场春季和秋季是火险高发季节，故对这一时段东北林区贮木场进行火险等级的研究。

选取东北林区4个贮木场，分别是黑龙江省绥棱林业局贮木场、黑龙江省沾河林业局贮木场、吉林省白河林业局贮木场、内蒙古满归林业局贮木场，记为A、B、C、D，各个林场基本情况见表1。绥棱林业局贮木场地处黑龙江省小兴安岭南麓，绥棱县境内，属典型的北温带大陆性气候，四季分明，年平均气温2.5℃，降水量600 mm左右，无霜期132天。沾河林业局贮木场位于黑龙江省东北部，处于小兴安岭北坡，冬长夏短，低温冷湿，年平均气温0℃左右，1月份最冷，平均气温-42℃；7月份最热，平均气温21℃，最高达38.2℃。白河林业局贮木场位于吉林省长白山腹地，年均气温在-7～3℃之间，月平均气温-20℃左右，最低气温曾出现过-44℃。年日照时数不足2 300 h。无霜期100天左右，年降水量在700～1 400 mm之间。内蒙古满归林业局贮木场位于大兴安岭北麓西北坡，地处内蒙古根河市境内，属寒温带湿润型森林气候，并具有大陆性季风气候的特征，无霜期平均为70天，最低年份只有24天，气温年日较差大，平均气温-5.3℃，极端最低气温-49℃，年较差47.4℃，日较差20℃，结冻期210天以上。

2014年春季和秋季，对A、B、C、D贮木场进行不间断的观测，得出4个贮木场的火险等级评价指标的数据(表1)。

表1　火险等级评价指标

注：降水情况是指10 mm以上降雨和降雪。

1.2研究方法

利用模糊识别法对贮木场火险等级进行综合评价。利用SPSS 19.0和Excel 2010对数据进行处理。

1.2.1确定待识别的贮木场火险指标特征值

设有m个贮木场，每个贮木场测量它的n个火险等级指标，得到实测特征值矩阵X。X=(xij)m×n(i=1,2,…,m;j=1,2,…,n) ①,其中，xij表示第j个贮木场的第i项火险等级指标的实测特征值。

1.2.2确定火险等级评价标准

将贮木场火险等级分为c个级别进行评价，可得到由n个火险指标c个级别的标准值构成的标准特征值矩阵Y。

Y=(yih)n×c②,其中，yih表示第i项火险指标的第h个级别的标准特征值。

1.2.3确定火险指标隶属度模糊矩阵

由于各评价指标的量纲各不相同，为了消除其对评价结果造成的影响，应该对各评价指标进行无量纲化处理[8]。贮木场综合评价是对贮木场火险安全等级高低进行评价的过程，而贮木场火险安全等级是一个模糊的概念，因此可以采用模糊数学理论中的隶属度进行无量纲化处理[9]。

R=(rij)m×n，其中，rij表示第j个贮木场的第i项火险安全等级指标的实测值相对贮木场火险安全等级的隶属度。

表2　贮木场火险等级评价表

表3　u取值的范围及意义

1.2.4确定指标权重

模糊识别法是典型的多指标综合评价法，其基本思想是采用一定的方法(如将指标数值标准化)、技术(如隶属度)和规则(如距离规则)等将不同的贮木场火险等级指标实测值转换为一个综合值(即级别特征值)，而不同的火险等级指标对贮木场火险等级的影响程度是不一样的，因此，将不同的火险等级指标赋予不同的权重值是非常重要的，也是模糊识别综合评价法的关键环节[11]。主观赋权采用层次分析法得出主观权重W1，客观赋权采用变异系数得出客观权重W2。采用线性综合赋权，其计算公式为，W3=uW1+(1-u)W2⑤,式中，u为偏好系数，其取值范围为0～1，具体含义见表3。

由于专家是基于自己多年的经验对指标的重要程度进行判定，因此，有可能存在一定的片面性，得到的比较判断矩阵也就不一定具有一致性，而只有当比较判断矩阵满足一致性时才能进行层次分析赋权，因此，必须对比较判断矩阵进行一致性检验。如果CR<0.1，则认为比较判断矩阵符合一致性要求；否则，就认为比较判断矩阵不符合一致性要求，需对该比较判断矩阵进行调整，直到符合一致性要求为止。平均随机一致性指标RI值见表4。

表4　平均随机一致性指标RI值

结合表5对比较矩阵的一致性进行检验，得出所有比较判断矩阵的CR均低于0.1，因此每个比较判断矩阵的一致性都是符合要求的。

表5　东北林区火险等级指标权重系数

对东北林区火险安全等级指标采用层次分析法进行主观赋权，利用变异系数法进行客观赋权。根据公式⑤，取偏好系数u=0.5，得出各火险安全等级指标权重系数(表5)。由表5可知，降水、检查力度的权重最高，是火险等级评价的主要影响因子。这是因为降水情况决定了东北林区贮木场木材和木材剩余物的干湿程度，检查力度是指对楞区、检查站、厂区进行轮流巡视的程度，可以及时发现贮木场火险隐患。

1.2.5确定最优相对隶属度矩阵

根据模糊集合论中权距离的定义，第j个贮木场与第h级别之间的相似程度可用广义权距离dhj进行表示。

为了全面描述第j个贮木场与第h级别之间的相似程度，还应该考虑第j个贮木场对第h级别的相对隶属度，这样才能使样本的火线等级模糊评价结果更加可靠[12]。因此，引入加权广义权距离Dhj。

Dhj=uhjdhj(h=1,2…,c;j=1,2…,n) ⑦,式中，Dhj为第j个贮木场与第h级别之间的加权广义权距离；uhj为第j个贮木场属于第h等级的相对隶属度。

以加权广义权距离平方和最小为目标函数，通过求极值，得到uhj。

1.2.6确定火险等级的安全级别特征值

采用级别特征值法能利用全部的信息[14～15]，且得到的级别特征值可以看成是贮木场火险等级值，具有明确的实际意义，更容易被理解。采用级别特征值法对贮木场的火险安全等级进行计算，其计算公式为，B=G·U=(b1,b2,…,bn) ⑨,式中G为贮木场火险安全等级标准向量,G=(1，2，3，4，5，6，7)。得出的安全级别特征值越小，说明贮木场火险安全等级越高，贮木场越安全。

2结果与分析

以东北林区贮木场为例，得出火险等级各个指标的权重的顺序：降水(0.135)>检查力度(0.122)>设备工作时间(0.111)>风速(0.107)>木材剩余物(0.102)>木材存贮量(0.101)>防火预警人员(0.096)>消防设施(0.079)>生产作业人数(0.078)>空气湿度(0.069)。可知降水、检查力度的权重最高，是火险等级评价的主要影响因子。结合表1，利用模糊识别法求得火险指标最优隶属度矩阵U。

表6　4个贮木场的火险等级级别特征值

已知最优相对隶属度矩阵U和火险等级标准向量G，根据公式⑨即可计算出东北林区4个贮木场的火险等级级别特征值(表6)。结合表2和表6可知，东北林区4个贮木场的火险等级的综合评价结果是：吉林省白河林业局贮木场和黑龙江省沾河林业局贮木场的安全等级是III，表示贮木场安全性处于较高水平，预警颜色为青；黑龙江省绥棱林业局贮木场和内蒙古满归林业局贮木场的安全等级是IV，表示处于安全性中等水平，预警颜色为黄。

3结论与讨论

3.1结论

针对林区贮木场火险等级评价的特点，用模糊识别法构建综合评价模型，并利用该模型东北林区4个贮木场进行实例评价，可以得出以下主要结论：

(1)采用模糊识别法对东北林区贮木场火险等级进行综合评价是科学合理的，并且所建的模型具有通用性，评价模型为东北林区的各个贮木场火险等级的综合评定提供了理论基础。

(2)采用模糊识别法并结合级别特征值法对东北林区贮木场火险等级建立了综合评价模型，一定程度上将模糊的火险等级概念变得清晰，并得到了不同贮木场火险等级值。相较于传统定量评价和定性评价，本研究得到的贮木场火险等级值并不是一个整数，克服了传统定量评价和定性评价中非此即彼、结果粗糙的缺点。

(3)采用模糊数学理论中的隶属度对火险等级各评价指标进行无量纲化处理，消除了火险等级评价指标量纲对评价结果的影响；然后利用主客观综合赋权得到的结果对各评价指标赋予不同的权重，使得到的结果更加科学合理；其次利用欧氏距离，并引入加权广义权距离，从而确定最优相对隶属度矩阵；尤其是最后对贮木场火险等级进行综合评价时，采用级别特征值法而不是基于最大隶属度原则，充分开发利用了已有的评价指标信息，使得到的结果更加真实可靠。

3.2讨论

贮木场火险等级的评价属于一个多目标体系，并且许多指标难以量化，本文构建利用模糊识别法构建的评价体系可以将定性的问题或者主观的问题以定量的形式表达出来，使评价更加客观、全面、科学化。薛伟等[7]采用层次分析法对东北林区贮木场火险等级评价指标进行主观赋权，虽然对指标进行了量化处理得到了理想的效果，但主观性较强。万雷等[2]采用比值法对东北林区贮木场火险等级进行客观赋权时，用的是1985年以来的统计数据，随机性较强。本研究采用综合赋权法对东北林区贮木场各个火险指标进行赋权，先用层次分析法进行主观赋权，并对比较矩阵进行一致性检验；再利用变异系数法进行客观赋权；最后通过线性综合赋权对火险指标进行综合赋权。既消除了层次分析法主观赋权定量数据较少，定性成分多，不易令人信服的缺点，又克服了对具体指标的意义重视不够，存在一定误差的缺陷。对比较矩阵的一致性进行检验，得出所有比较判断矩阵的CR<0.1，因此每个比较判断矩阵的一致性都是符合要求的。用模糊识别法构建东北贮木场火险等级评价体系，得出级别特征值是一个具体的数值，这与耿志伟等[16]利用灰色关联理论对东北林区贮木场火险等级综合评价结果相似；得出的安全等级落在某一区间，将火险安全等级分为7个级别，比王悦等[1]将火险等级划分为6个等级更为合理，且本研究将每一级别的火险等级对应着不同的颜色，便于识别、传播和管理。

利用模糊识别法建立的林区贮木场火险评价体系取得理想效果，但是研究依然存在些许不足和有待改进之处。一方面，贮木场火险评价指标体系的构建不够科学，指标的数据还不够细化，部分指标比较粗糙，有待改进完善。另一方面，没有能够将建立的模型软件化，致使构建的评价模型适用性不强。在以后的研究中应该逐步完善和加强。

参考文献：

[1]王悦,薛伟.基于BP神经网络的东北贮木场火灾危险等级评定[J].中国安全生产科学技术,2013(2):173-176.

[2]万雷,薛伟.基于模糊综合评价法的东北林区贮木场火险等级评价[J].森林工程,2013,29(6):28-32.

[3]彭芳,任春涛,王丽,等.基于模糊模式识别理论的乌梁素海水质评价[J].灌溉排水学报,2007,26(2):69-72.

[4]刘爱华,施式亮,吴超.基于模糊模式识别的模糊综合评价在高层建筑火灾危险评价中的应用[J].中国安全科学学报,2006,15(11):103-107.

[5]Pathak D R,Hiratsuka A.An integrated GIS based fuzzy pattern recognition model to compute groundwater vulnerability index for decision making[J].Journal of Hydro-environment Research,2011,5(1):63-77.

[6]Cho S Y,Ting C W,Quek C.Thermal facial pattern recognition for personal verification using fuzzy cmac model[J].International Journal of Innovative Computing,Information and Control,2011,7(1):203-222.

[7]薛伟,王蓉蓉.基于层次分析法的东北林区贮木场火灾危险等级的评定[J].西部林业科学,2010,39(3):5-9.

[8]叶宗裕.关于多指标综合评价中指标正向化和无量纲化方法的选择[J].浙江统计,2003(4):24-25.

[9]贾杰,李静辉.林木风倒动态模型的建立与分析[J].森林工程,2013,29(4):63-67，133.

[10]Michaletz S T,Johnson E,Tyree M.Moving beyond the cambium necrosis hypothesis of post-fire tree mortality: cavitation and deformation of xylem in forest fires[J].New Phytologist, 2012,194(1):254-263.

[11]Bailador G,Trivio G.Pattern recognition using temporal fuzzy automata[J].Fuzzy Sets and Systems,2010,161(1):37-55.

[12]李名升,佟连军,仇方道.基于模糊模式识别的声环境质量综合评价[J].辽宁工程技术大学学报(自然科学版),2009,28(5):838-841.

[13]许兰民,严学斌,曹玉新,等.铁路环境噪声影响的模糊评价方法研究[J].铁道建筑,2004(8):39.

[14]陈守煜.湖库水体富营养化评价级别特征值与识别模型[J].黑龙江水专学报,1999,26(1):1-8.

[15]Yawei L,Shouyu C,Xiangtian N.Fuzzy Pattern Recognition Approach to Construction Contractor Selection[J].Fuzzy Optimization and Decision Making,2005,4(2):103-118.

[16]耿志伟,薛伟,万雷.基于灰色关联度分析的东北林区贮木场火险评价[J].森林工程,2014,30(4):34-38.

[上接第102页]

[25]王丹，郭泺.基于GIS的海南省乐东黎族自治县生态敏感性评价[J].西南林业大学学报，2013，33(6):66-71.

[26]王乃江，张文辉，陆元昌，等.陕西子午岭森林植物群落种间联结性[J].生态学报，2010，30(1)：67-78.

[27]陈石泉，吴钟解，王道儒，等.海南岛海草床群落种间关系研究[J].海洋通报，2013，32(1):78-84.

[28]陈玉凯，杨小波，李东海，等.海南霸王岭海南油杉群落优势种群的种间联结性研究[J].植物科学学报，2011，29(3)：278-287.

[29]金俊彦，覃文更，谭卫宁，等.濒危植物单性木兰群落主要种群种间联结性研究[J].西部林业科学，2013，42(3)：86-94.

[30]杨琦，周婧，陶楚，等.海南岛铜鼓岭热带常绿季雨矮林2个演替阶段的种间联结性对比研究[J].中国农学通报，2014，30(22)：8-15.

[31]周先叶，王伯荪，李鸣光，等.广东黑石顶自然保护区森林次生演替过程中群落的种间联结性分析[J].植物生态学报，2000，24(3)：332-339.

[32]谭业华，陈珍.海南西北自然区中药资源及南药生产发展对策[J].广东农业科学，2007，11：26-29.

[33]马丹炜，王跃华，王道模，等.青城山森林植被常见种群种间联结性的研究[J].四川大学学报：自然科学版，2004，41(1)：169-173.

[34]张玲，袁晓颖，张东来.帽儿山落叶松群落主要树木种群间联结关系的研究[J].北京林业大学学报，2008，30(4)：141-145.

[35] Du D L,Liu Y C,Li H.Studies on the inter-specific association of dominant species in a subtropical Catanopsis fargesii forest of Jin-yun Mountain,China[J].Acta Phytoecoloica Sinica,1999,23(2):149-157.

[36]胡玉佳，李玉杏.海南岛热带雨林[M].广州：广东高等教育出版社，1992.

[37]杨海裕，张宋智，刘小林，等.秦岭西段天然落叶阔叶林乔木种间关联性[J].生态学杂志，2012，31(10)：2513-2520.

Fuzzy Pattern Recognition based Fire Risk Assessment System on

Forest Lumberyards in Northeast China

GUO Hong-tao，XUE Wei

(College of Engineering and Technology, Northeast Forestry University, Harbin Heilongjiang 150040，P.R.China)

Abstract:According to the fire risk characteristics of lumberyards, the index system of fire risk assessment was established, and its weights were determined by hierarchic analysis and coefficient of variation method.Since the lumberyards fire risk assessment system has multiple factors and multiple levels, fuzzy synthetic assessment was adopted.For avoiding shortcomings of the fuzzy synthetic assessment, the fuzzy recognition was used into the fuzzy synthetic assessment based on model.This model could avoid the determination of single factor matrix and the option of fizzy calculation unit.The final assessment result is expressed by the value of safety status features, and this makes the assessment result more accurate and more operational.The fire assessment of 4 lumberyards in forest area of Northeast China by using this model shows that it has high value for actual practice and it could provide good reference for fire risk classification.

Key words:forest area of Northeast China;lumberyard;rate of fire risk; fuzzy recognition; weight coefficient

中图分类号：S 762

文献标识码：A

文章编号：1672-8246(2015)05-0108-06

通讯作者简介：薛伟(1962-)，男，教授，博士，主要从事森林火灾安全工程研究。E-mail：nefuxw1962@163.com

作者简介：第一郭宏涛(1992-)，男，硕士生，主要从事森林火灾安全工程研究。E-mail：1562438338@qq.com

基金项目：黑龙江省教育厅科学技术研究资助项目(11553031)。

收稿日期：*2015-04-05

doi10.16473/j.cnki.xblykx1972.2015.05.021