消防泡沫(水)炮射程影响因素分析对比研究*

侯晓静

(中国石化青岛安全工程研究院，山东青岛 266071)

0 前 言

消防泡沫(水)炮是远距离扑灭大中型火灾的重要消防灭火设备，其射程是消防炮的重要技术性能指标之一。理想的射程可以扩大消防灭火操作范围，也能够减少火灾对消防人员及设备的威胁[1-5]。郝文睿等[6]通过相关性和方差分析方法研究消防水枪水射流落点影响因素，结果发现水平角度和俯仰角度分别为落点横向坐标和纵向坐标最显著的影响因素。史兴堂[7]通过系统分析和试验验证的方法研究消防炮射程的影响因素及影响规律，得出消防炮的喷射压力和流量是影响射程的主要因素。胡成等[8]结合理论研究与实验测试的方法推导出压缩空气泡沫射流轨迹方程。目前学者们对水射流射程影响因素的研究涉及偏少，且多采用定性或者半定量的方法，无法准确地刻画射流射程及其影响因素间关系，而对于泡沫射流射程影响因素的研究更是尚无报道[6-10]。因此，本文一定程度上填补了我国消防炮研究领域的部分空白，并且使它更加完善起来。

本文使用随机森林模型对泡沫射流射程和水射流射程进行综合分析并建立预测模型，通过特征选择算法(feature selection)计算各个自变量对射流射程的相对重要度，进而得到影响泡沫射流射程和水射流射程的主要因素，为后续消防实战中泡沫射流和水射流的建模和控制提供更为科学准确的参考依据。

1 数据和方法

1.1 实验设计与数据获取

为了深入探讨消防泡沫(水)炮射程影响因素，首先需要通过大量实验研究获取原始数据集。结合研究目标，研究并设计出消防泡沫(水)射程实验系统，用来模拟消防炮喷射泡沫(水)实验场景。实验系统由消防炮、压力表、流量计、相机、气象仪以及PC端等实验仪器组成，如图1所示。其中，实验使用工质分为水成膜泡沫灭火剂(6%，AFFF、-14 ℃)和水两种。气象仪用于监测风速、风向以及温湿度等环境数据。同时，在实验中，选取控制变量达到设定值时对应条件下射流稳定散落的最远边缘处为射流落点，消防炮炮口所在位置距射流落点的距离即为射流射程。

图1 实验系统示意

消防泡沫(水)炮射程除了受实时工况参数等因素影响之外，还受到外界环境因素的制约。其中，工况参数包括压力Pre、流量Flow、俯仰角度Agl和炮口高度Hgt，环境因素包括风速Wsd、风向Wdire、相对湿度Hum、温度Temp、气压Atm。

此次实验为三因素完全实验，即通过改变消防泡沫(水)炮射程影响因素中的压力Pre、俯仰角度Agl和炮口高度Hgt来进行实验 ，每次实验控制其中一个变量的值改变，其他变量保持不变。结合消防炮的应用范围及实验系统各设备的可调节范围，设计压力变化范围为0.4～1.0 MPa，每次变化0.1 MPa；仰角变化范围为30°～60°，每次变化10°；而炮口高度变化范围为0.45 m～0.95 m，每次变化0.05 m。另外，环境变量不进行人为控制。

此三因素完全试验共进行了539组消防炮泡沫喷射实验和539组消防炮水喷射实验，并分别获取包含自变量和因变量的原始数据集539组，其中自变量均包括压力Pre、流量Flow、俯仰角度Agl、炮口高度Hgt、风速Wsd、风向Wdire、相对湿度Hum、温度Temp、气压Atm，因变量均为射程Range。

另外，为了优化模型结果，建模前应对各个变量进行“标准化”预处理。此过程在Rstudio中进行，使用的函数为scale。

1.2 模型与方法介绍

1.2.1特征选择

特征选择算法为基于重采样技术的重复交叉验证[11]。为了获取到达最佳预测精度时所用到的变量子集，按照变量数量依次从1～8进行分析和建模，并计算对应的均方根误差，从而获得模型最佳表现时对应变量个数。该过程在Rstudio软件中使用“caret”包进行。

1.2.2随机森林模型

随机森林模型是Breiman于2001年提出的一种集成学习方法[12]，其基本思想是随机子空间。随机森林算法不仅可以对数据集进行分类或回归，还可以计算变量重要度，以此作为标准筛选自变量，降低数据维度[13-18]。用随机森林计算变量重要度即为计算每棵树上各个变量的贡献度，取其平均值，从而得到每个变量的贡献大小。该过程在Rstudio软件中使用“Random Forest”包进行。

1.2.3模型拟合及准确度验证

从全部样本中随机抽取生成5个子模型，其中4个作为训练样本进行模型的拟合，剩余1个是测试样本，进行模型的内部检验。基于变量重要度分析和模型最佳表现时对应变量个数，选择显著变量进行随机森林算法的建模分析。之后，计算各个子模型的相关系数，用其对模型拟合和预测的准确度进行评价。

2 结果与分析

2.1 特征选择结果及重要影响因素的选择

为了避免自变量间存在强多重共线性，本文依据文献采用简单相关系数大于0.75作为多重共线性检验标准。由此选定参与泡沫射流射程建模初始分析的自变量为风速Wsd、风向Wdire、相对湿度Hum、流量Flow、气压Atm、压力Pre、俯仰角度Agl和炮口高度Hgt；参与水射流射程建模初始分析的自变量为风速Wsd、风向Wdire、相对湿度Hum、流量Flow、气压Atm、压力Pre、俯仰角度Agl和炮口高度Hgt。

对于泡沫射流射程建模和水射流射程建模，本文分别对两类建模的数据集中的风速Wsd、风向Wdire、相对湿度Hum、流量Flow、气压Atm、压力Pre、俯仰角度Agl和炮口高度Hgt等8个变量进行交叉特征构建。首先对随机划分的5个子集进行运算，其中4个作为训练集，剩余1个为测试集，从而生成5个子模型。并使用五折交叉验证分别从当前的8个自变量中筛除最不重要的自变量。在交叉验证中得到最佳自变量个数和自变量平均重要度排序，如图2、表1。均方根误差RMSE最小时，所对应的自变量数量为最佳。从图2交叉验证结果可知，两类建模的最佳自变量数目均为6。

图2 最佳自变量子集随变量个数变化曲线

表1 随机森林算法自变量的平均重要度

由表1可知，流量Flow、仰角Agl、压力Pre和炮口高度Hgt等工况参数与风的影响对消防炮泡沫射流和水射流射程有显著影响。流量Flow是影响泡沫射流射程最重要的因素，主要原因在于增大流量Flow可以使射流充实，一定范围内可使核心区域长度增加。仰角Agl是水射流射程最重要的影响因素，这与郝文睿等研究结果一致[6]。相比于水射流，风速Wsd、风向Wdire等风的作用对泡沫射流射程的影响更为显著。原因可能是，实验工质水成膜泡沫密度比水小，风速和风向加剧了空气中射流轴对称和横向干扰。温湿度Hum及气压Atm等环境影响可忽略不计。

结合最佳自变量数量和自变量重要度排序，选出最佳自变量数据集。使用排名前6的自变量进行模型拟合计算。具体地，参与泡沫射流射程随机森林建模的自变量为流量Flow、风速Wsd、风向Wdire、仰角Agl、压力Pre和炮口高度Hgt，参与水射流射程随机森林建模的自变量为仰角Agl、流量Flow、压力Pre、炮口高度Hgt、风速Wsd及风向Wdire。

2.2 RF模型结果的检验

表2为各个子模型的预测表现展示。

表2 各个子模型的预测表现展示

从表2可以看出，对于泡沫射流射程和水射流射程建模来说，各个子模型的训练集和测试集的简单相关系数均达到0.8以上，模型预测性能良好，说明RF算法能够有效分析泡沫射流射程和水射流射程，具有很好的适用性。

3 结论

本文运用随机森林算法，以消防炮泡沫(水)射流喷射实验数据为基础，综合工况参数和外界环境因素，分别分析了泡沫射流和水射流射程的主要影响因素。模型预测准确率均在80%以上，从而评价随机森林模型对泡沫射流射程和水射流射程有较高的预测精度。

研究发现，流量、仰角、压力和炮口高度等工况参数与风的影响始终是消防炮泡沫射流和水射流射程的主要影响因素。流量对泡沫射流射程贡献度最大，而对水射流射程贡献度最大的因素是仰角。尤其需要注意风速、风向等对泡沫射流射程的作用，相比于水射流射程影响更深刻。说明泡沫射流射程的研究与应用除考虑流量等工况参数影响之外，还应重点考虑风的影响。

基于工况参数和外界环境因素对消防炮泡沫射流和水射流射程的影响因素进行分析，尚未考虑事故现场火灾方面如火羽流、燃烧表面等因素的影响，在以后的研究中可加以分析，以便为灭火作业中消防炮的精准控制提供支持。