基于模糊贝叶斯网络的超高层建筑火灾风险评估

陈星霖,林卫东,黄晓冬,阳富强

(1.福州大学环境与安全工程学院,福建 福州 350108;2.福建省建筑设计研究院有限公司,福建 福州 350001)

随着城市空间和人口规模的急剧扩张,在城市内部催生出大量的超高层建筑。我国《民用建筑设计统一标准》(GB 50352—2019)中规定高度在一百米以上的建筑均为超高层建筑。超高层建筑在集约利用城市土地资源、促进城市经济社会发展等方面发挥着积极作用,但同时其消防安全问题也不容忽视。近些年国内外均发生有超高层建筑火灾,火灾的影响深远。例如:2022年9月16日,我国长沙某电信大楼发生火灾,导致数十楼层发生剧烈燃烧;2020年10月8日,韩国一座33层公寓大楼突发大火,造成88人受伤,数百人撤离。根据应急管理部消防救援局的统计数据[1],高层住宅火灾占到高层建筑火灾的84.7%,死亡人数占到92.3%。由此可见,超高层建筑一旦发生火灾,逃生、救援难度巨大,后果极其严重。

针对超高层建筑火灾,国内外学者从不同的切入点进行了研究,主要涉及紧急疏散[2-4]、安全行为[5]、危险源研究[6]、消防设计[7]等方面。面对超高层建筑火灾事故的可预防性、不确定性和难处理性,其风险评估能够最大程度地量化火灾风险,实现对火灾预警的精准把控。超高层建筑火灾风险评估主要涉及两部分,即评估指标体系与评估方法。建筑火灾风险评估指标的模糊性等问题使得传统的风险评估方法难以界定火灾安全等级。王玲[8]提出一种基于IOWA和向量夹角余弦的建筑火灾风险评估模型,建立起较为完善的超高层建筑火灾风险评估指标体系,有助于界定风险等级,但该评估体系是综合已有的研究成果和建筑特点而建立的,缺少规范性与指导性。因此,有必要围绕多种规范与学术研究,综合定义指标与分类,以更好地满足超高层建筑火灾风险评估的需求。在评估方法上,层次分析法[9]、D-S证据理论[10]等方法主要依赖专家知识,无法对建筑火灾风险进行精确评价。鉴于此,学者们采用集成多方法的评估模型来降低这些评估方法的主观性。其中,模糊理论可以很好地描述事故概率和严重程度,有效降低主观性,并且在相关的建筑火灾风险评估中得到应用[11-12]。概率分析方法也作为主要的风险评估工具,但是超高层建筑火灾风险评估研究缺乏足够的客观数据,使得该类方法需要面对不确定性问题。与此同时,贝叶斯网络(BN)能对不确定性事件进行推理分析,近年来多被应用于建筑火灾风险评估中[13-14]。

鉴于此,本文将模糊理论与贝叶斯网络(BN)结合构建超高层建筑火灾风险评估模型,并将建筑设计规范作为评估指标以提高风险评估的准确性,以期通过两种方法与国家规范的集成模型为超高层建筑火灾风险评估提供一种准确的评估方法,同时期望该模型为超高层建筑火灾事故预防与风险控制提供参考。

1 超高层建筑火灾风险评估指标体系建立

1.1 风险评估指标

风险评估模型是建立在具有针对性的风险评估指标基础上,因此需要对整个系统进行分析,挖掘指标间的因果关系与规律性[14]。本文基于《建设工程施工现场消防安全技术规范》(GB 50720—2011)、《建筑设计防火规范》(GB 50016—2014,2018年版)等相关规范,并参考相关研究[8,11],选择超高层建筑火灾风险评估指标。以建筑设计规范为切入点,超高层建筑火灾风险评估指标选择应涉及建筑消防安全的基本方面,考虑到施工期的建筑内人员不安全行为多、易燃可燃材料多、用电规范性较低,运营期的建筑内功能复杂、火灾荷载密度大、人群密集等火灾风险特点,所选择的风险评估指标应具有较高通用性,能够适用于超高层建筑的施工期和运营期的火灾风险评估;同时,也考虑到部分指标的数据难以收集、不方便现场调研和制订评估量表,所选择的风险评估指标忽略了临时用房防火、在建工程防火等通用性不强的指标。最后,基于上述提及的相关规范和超高层建筑火灾风险特点选择了22项风险评估指标,并将这22项风险评估指标进行了分类,分为预防能力、灭火能力、安全疏散能力、救援能力和消防管理能力5类。其中,预防能力(P)用于评估建筑自身防火程度;灭火能力(E)用于评估建筑紧急自救水平;安全疏散能力(SE)用于评估建筑内人员紧急逃生的安全水平;救援能力(R)用于评估建筑临时避难与应急救援水平;消防管理能力(FM)用于评估制度落实与相关人员的应急自救水平。超高层建筑火灾风险各项评估指标具体定义见表1。

表1 超高层建筑火灾风险评估指标

1.2 风险评估等级

基于评估指标建立超高层建筑火灾风险评估指标体系后,为了精确评估超高层建筑的安全性,需要确定风险评估等级以及对应的模糊描述语言。每个风险评估等级设置对应的缩写,具体风险评估等级和风险评估标准描述见表2。

表2 风险评估等级和风险评估标准描述

1.3 风险评估量表

为了说明专家评分的具体内容和评分方式,本文提供了所采用的超高层建筑火灾风险评估量表(以预防能力部分为例),见表3,具体的评估内容参考表1中的每个二级指标的具体定义,并结合现场调研资料对能够被评分的内容进行了修改与补充。

表3 超高层建筑火灾风险评估量表(预防能力部分)

2 超高层建筑火灾风险评估模型建立

2.1 节点状态确定

贝叶斯网络(Beyesian network,BN)中将节点的状态分为发生和不发生,而实际中节点状态是一种模糊的中间状态[15-16]。此外,在进行风险评估时,收集的数据存在不清晰、不准确的情况,语言描述的事故概率和严重程度难以用一个精确数值来表述[17],而模糊理论的模糊逻辑提供了用来处理模糊不确定性的方法。因此,为了描述指标在实际案例中体现出的真实程度,本模型使用模糊数来模糊量化实际指标,并且使用P(θ)表示0到1的模糊集合。

2.2 节点风险概率确定

为使本模型的评估结果更加准确,各评估指标的实际分值通过咨询5位消防安全领域专家来确定,其中2位专家来自本地高校,另外3位专家来自省外高校。由于每位专家的个人经验和知识技能存在差异,可能会导致对同一指标产生相差较大的评价意见。鉴于此,相关研究根据专家工作年龄、职称等对专家赋予不同的权重[18-19],但考虑到本文所选专家均拥有博士学位,故学历不作为本次权重赋予的参考标准。此外,工作年龄与职称等级可以较好地体现专家在该领域的专业底蕴,因此也不考虑个人年龄对专业技能产生的影响。为了避免高级别专家的权重过高,将最大权重限制在0.40,采用职称和工作年龄的组合方式确定专家权重分级,如表4所示。其中,具有正高级职称且工作年龄超过15 a的消防安全领域的专家赋予权重0.40,2位;具有高级职称且工作年龄超过10 a的消防安全领域专家赋予权重0.35,2位;具有中级职称且工作年龄5～<10 a的消防安全领域专家赋予权重0.25,1位。

表4 专家权重分级表

在本模型中采用三角模糊函数来计算先验概率,三角模糊数P(Θ)可用a、b、c来定义,其隶属函数如下所示:

(1)

式中:a表示该节点状态的最小概率;b表示该节点状态的最可能概率;c表示该节点状态的最大概率。

在进行专家评分时,专家需要有一个符合程度分布来对实际建筑进行评估。图1所示的符合程度分布是本模型为方便专家评分而设计,并参考专家意见修改得到。表3中风险评估等级的模糊区间分配便是基于图1所示的符合程度分布。

图1 符合程度分布Fig.1 Consistency distribution

在得到专家对各项评估指标的打分后,需将对专家分数进行预处理。本文采用以下公式来对专家分数预处理:

(2)

(3)

为了之后能够进行风险分析,需要在解模糊值的过程中将模糊值转化为清晰值,同时为了减小信息损失,本模型采用α加权估值法[17]。于是,三角模糊数P(Θ)用清晰值Val(Θ)表示,其计算公式为

(4)

2.3 评估模型构建与评估流程

BN的理论依据为贝叶斯定理,该定理描述了先验概率与后验概率之间的关系,用贝叶斯公式表达为

(5)

式中:P(A|B)表示A的后验概率;P(B|A)表示B的后验概率;P(A)表示A的先验概率;P(B)表示B的先验概率。

BN中的条件概率一般使用由全概率公式推导而来的联合概率公式来计算,其计算公式为

(6)

式中:Parent(xi)表示父节点。

本文使用GeNIe 4.0软件构建BN并进行数值分析。GeNIe软件由BayesFusion公司开发,它是一种可以进行结构和参数的学习算法,带有方程的连续概率分布和动态贝叶斯网络,同时GeNIe软件还具有内置算法来执行灵敏度分析和支持预测推理、诊断推理。

利用模糊理论与BN构建的超高层建筑火灾风险评估的流程为:首先,根据指标的附属关系,构建BN;然后,把所有专家评估结果按照上述公式进行计算便可得到先验概率,并将这些数据代入GeNIe软件中,即可得到具有评价等级概率分布的二级评估指标;再后,对一级指标和结果节点填入条件概率,即可对某超高层建筑进行火灾风险评估,得出该超高层建筑火灾的风险评估等级;最后,对模型进行逆推理,找出对超高层建筑发生火灾事故产生关键作用的风险因子,从而实现对超高层建筑火灾风险因素的防控。

3 模型应用与分析

3.1 案例背景

为了验证建立的风险评估模型的有效性和可靠性,对福州某高楼进行了实地随机调研,并将调研结果和评估指标表发给5位从事消防安全工作的专家进行评分。该高楼于2013年6月建成,地下3层,地上58层,高度约为274 m。该建筑地上部分主要包括酒店、办公楼、公寓等,裙房为商业用楼和酒店配套建筑;主体建筑的结构形式为钢结构框架核心筒结构体系,耐火等级一级;建筑每层走廊配有常规消防系统和设施(自动喷水灭火系统、火灾自动报警系统、消火栓、灭火器等)。该建筑附近分布有居民小区、公园、高校和中小学校等公共场所,人流量较大,又临近交叉路口,若是大楼发生严重火灾,人群与交通管控将会影响应急救援效率。

3.2 贝叶斯网络结构

根据本文建立的超高层建筑火灾风险评估指标体系,将各项评估指标及其与风险评估结果间的关系向BN进行映射,得到该超高层建筑火灾风险评估BN结构,见图2。在进行映射时,为了方便节点条件概率的填入与减少计算步骤,在BN中新增几个节点,且新增的节点不影响最后的风险评估结果。图2中新增的节点为建筑设计、设备与电气、灭火系统、灭火设施、疏散引导、消防设计、消防措施、人员管理、主动灭火和被动灭火。

图2 某超高层建筑火灾风险评估贝叶斯网络结构Fig.2 Bayesian network structure for fire risk assessment of a super high-rise building

3.3 节点概率计算

在BN中用节点概率来描述父节点对子节点的影响程度,子节点状态随父节点状态的变动而变化。由于国内外针对超高层建筑的火灾风险评估研究较少,同时在父节点的先验概率上缺少历史数据的支持,故本模型中的先验概率采用专家打分确定。本文以节点P5(通风与空气调节)为例,展示该指标的专家评分与数据处理的结果。例如,专家1根据调研资料,认为资料中的“通风与空气调节”满足相关规范设计,设备及其周围暂时没有需要改善的事项,于是赋予其G状态,但该专家又认为该节点与G状态仅是较符合,所以赋予G状态符合区间(0.5,0.6,0.7),而其他状态的区间为(0,0,0.1)。其他专家均如此进行主观评价,最终所有专家对该节点的评分与处理后的结果,如表5所示。

表5 节点通风与空气调节(P5)的专家评分与处理结果

在计算条件概率时,由于每个节点存在5个风险评估等级,若是采用式(6)来计算,其计算量大且过程繁琐。因此,本模型采用条件状态占比来反映父节点与子节点间的条件概率,表6为灭火能力(E)在某一条件下VG部分的条件概率。

表6 灭火能力的条件概率(VG部分)

3.4 超高层建筑火灾风险评估结果

将所有指标专家评分的处理结果输入GeNIe 4.0软件,并按上述方法输入条件概率,最后得出该超高层建筑火灾风险的评估结果,如图3所示。

图3 某超高层建筑的火灾风险评估结果Fig.3 Fire risk assessment results of a super high-rise building

经过5位专家的评估,利用本模型得出该超高层建筑的火灾安全性表现为安全性良好,结合该建筑的运营情况来看,该建筑的安全性评估结果符合实际,由此说明该模型的评估结果具有一定的可靠性和有效性。

由图3可知防烟与排烟设施、避难层(间)设计、消防制度、其他安全人员水平这四项指标的安全性较好(AG)的概率都达到30%以上,而且除避难层(间)设计外,其余三项指标的AG项均是最高项,由此说明这三项指标所对应的内容在实际建筑中存在较明显的问题,应当是该建筑管理人员重点关注和改善的对象,其他因素暂时无需改善;该建筑的5种消防能力中,安全疏散能力和救援能力的VG平均值超过30%,说明该建筑具有较强的安全疏散能力和救援能力,此外预防能力和灭火能力的G平均值超过65%,而消防管理能力的G和AG平均值分别超过45%和26%,可见该三种能力更可能出现火灾隐患,应当在日常检查中更加重视并及时消除潜在的风险。

正向评估后,将该建筑的VG状态设置为100%,进行模型的后验概率推理,以此提出提高该超高层建筑安全性的措施,后验概率推理结果见图4。

图4 某超高层建筑的火灾风险评估后验概率推理结果Fig.4 Posterior probability inference result for fire risk assessment results of a super high-rise building

通过对比图3和图4可知:该超高层建筑消防制度的模拟概率提高最多,达到14.5%,结合正向推理中得到的结果,可以认为该建筑运营期的消防制度在落实或制定上存在较明显的不足,因此消防制度应当是首要改善的风险因素,该建筑的管理人员应要求建筑内各分区的负责人提高对消防制度的落实,并完善在制度落实过程中出现的不足之处;安全疏散路线、管理人员业务水平、其他人员安全水平的概率提高也超过5%,它们是次要进行优化的风险要素;而正向推理中的防烟与排烟设施和避难层(间)设计由于改善起来具有一定的难度,因此其改善的优先度低于前四者,不过也属于重点改善的风险要素;此外,其余节点在正反向推理中的变化不大(概率提高小于5%),说明该建筑的这些风险因素目前对建筑具有较高的安全性,暂时不需要改善。

4 结 论

1) 超高层建筑消防安全涉及建筑设计、设备与电气等多个因素,综合国家规范和相关研究,总结出关于超高层建筑的5类能力、22项评估指标,形成超高层建筑火灾风险评估指标体系,并在此基础上,结合模糊理论和BN构建超高层建筑的火灾风险评估模型,模型兼具专家的专业性、实际案例的客观性和概率推理的准确性。

2) 采用该模型对某超高层建筑进行了火灾风险评估,结果表明:该超高层建筑消防安全性高的概率为24.3%,安全性良好的概率为54.3%,安全性较好的概率为16.6%,安全性一般和差的概率均为2.4%,评估结果与该建筑实际消防安全状况相符合,说明模型具有一定的可靠性和有效性。

3) BN的正反向推理结果表明:消防制度的不完善或落实不到位是该超高层建筑火灾风险的关键因素,该建筑管理人员需要加强对消防制度的完善,并不断提高建筑内人员的紧急疏散能力、消防设施熟练度、安全知识与应用水平等,同时优化建筑内的安全疏散路线、防排烟设施与避难层设计的相关内容,以提高该建筑的安全性。

4) 本模型仅对复杂程度更高的运营期超高层建筑进行了火灾风险评估,同时考虑到对整座建筑实地调研较为困难和复杂,所以只对该建筑人员密度大的楼层进行了随机调研,调研资料未完全覆盖整个建筑。此外,由于本评估体系的指标是基于国家设计规范和相关研究确定的,具有较强的通用性,因此也可使用该模型来评估其他类型建筑的火灾风险,后续的相关研究可参考本模型进行。