超高层建筑施工中起火预测及火灾模拟与人员疏散

任浩, 王宪杰*, 张林飞,2, 翁振江, 高雪莲, 陈永党

(1.云南大学建筑与规划学院, 昆明 650500; 2.中建交通建设集团有限公司云南分公司, 昆明 650034)

建筑业是高危行业。据统计,建筑业的全球意外伤亡率比其他行业的平均水平分别高出2倍和3倍。火灾是建筑施工时的重大威胁,施工安全管理需要面对现场频繁的动火作业、烟头、电气火花等常见起火源,同时还需面对材料堆场、建筑垃圾等复杂的燃烧环境。此外,由于建筑未投入使用,施工现场无法使用自动喷淋装置和防火分区。若发生火灾,由于施工现场地面情况复杂,疏散难度较高。超高层疏散路径长,施工交叉作业多,消防救援难度大,随着经济发展,超高层建筑日益增多,因此对超高层建筑火灾及引发的疏散问题进行深入研究对超高层施工安全有着重要意义。

施工过程中火灾研究主要集中在:一是对施工中的火灾进行风险评估,Li等[1]应用未确知测度理论,建立了在建高层建筑火灾风险评估模型;成连华等[2]基于模糊数学理论与贝叶斯网络对高层建筑火灾风险进行分析评估;二是对发生的施工火灾进行调查,袁利锋[3]对一起仓库发生火灾进行调查,火灾原因为气焊作业引燃瓦楞纸包装箱;三是利用信息化技术对施工火灾进行识别,包括通过神经网络对图像[4-5],传感器数据进行火灾识别[6],对施工消防安全进行系统开发[7]。有部分研究针对施工火灾模拟,其对象主要为隧洞[8]、地铁站[9]、多层高层[10-11]。现有研究对超高层建筑的施工火灾模拟研究较少,此外,在影响超高层施工火灾疏散的因素和疏散模拟尚有研究空间。

鉴于此, 以昆明市招平商务中心超高层项目施工为例,通过神经网络预测出最可能的起火情况,并利用火灾动力学模拟工具(fire dynamics simulator,FDS)进行施工中的火灾模拟,结合施工火灾中的恐慌、烟气和地面杂物的影响进行疏散仿真。研究成果可为超高层施工现场管理和消防救援提供一定的理论依据。

1 超高层建筑施工火灾材料的预测

由于施工过程中建筑物变化大,火灾发生与施工进度有较强的相关性。火灾多集中于结构和装饰装修阶段,因此对处于该施工阶段的火灾起火材料进行预测。材料的确定可为火灾提供更为合适的火源参数。

1.1 数据收集及预处理

对施工过程中的火灾新闻在互联网进行搜索,并根据文献[12-13]对发生火灾的在建项目数据按表1进行收集。

表1 施工火灾预测数据Table 1 Predicting data of fire under construction

表1中,工程规模参照《建设工程分类标准》(GB/T 50841—2013)划分,工程高度、建筑气候区参照《民用建筑设计统一标准》(GB 50352—2019)划分。建筑气候区按照最冷月平均温度,将温和地区与夏热冬冷地区合并分组。

根据数据类型不同,对数据进行数值化编码。其中,定类数据采用独热编码(one-hot encoding),其是使用状态位数的状态寄存器进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效,如建设项目性质新建、改建、扩建编码为001、010、100。定序数据采取序数编码(ordinal encoding),其把所有的相同类别的特征编码成同一个值,且这个值按定序数据的内涵进行从小到大排列,如工程规模小型、中型、大型分别编码为0、1、2。排序之后对该数据进行归一化处理。定距数据和定比数据进行归一化处理。

被预测数据为施工过程中发生火灾的起火材料,根据案例库,起火材料主要为保温材料、防水材料、防护网、脚手板与模板、塑料管道、建筑垃圾。该数据采用独热编码预处理。

1.2 基于Keras神经网络构建

TensorFlow是一个端到端的开源机器学习平台,被广泛应用于各类机器学习算法的编程实现。Keras是用于构建和训练深度学习模型的 TensorFlow 高阶接口。利用此接口,可实现快速模型设计、研究。

经筛选,共有231个案例可供神经网络进行学习。构建预测起火火源神经网络,采用sequential模型,输入层由17个神经元构成,激活函数为ReLU函数,隐含层共两层,每层有25个神经元,激活函数为ReLU函数,输出层有6个神经元,激活函数为softmax函数。根据以上构建神经网络结构图如图1所示。

x1, x2,…,x17为输入层;y1, y2,…,y6为输出层

判别函数在本神经网络中共有两种在使用,具体如下。

ReLU函数表达式为

f(x)=max(0,x)

(1)

式(1)作为激活函数,由于当x为负数时输出为0,没有饱和区,不存在梯度消失问题。同时函数构造简单,没有复杂的指数运算,计算简单、效率高,因此选其作为输入层和隐藏层的激活函数。

Softmax函数式为

(2)

式(2)中:x1,x2,…,xn为输入变量,作为多分类问题激活函数,是Logistic回归模型在多分类问题上的推广,可以满足每一个输出变量为0～1的数,且全部输出变量的总和为1,即输出变量即可视作为该变量的概率。

1.3 神经网络训练及结果

样本集抽取测试集的比例为20%,其余作为训练集。神经学习的优化器选择Adam(自适应矩估计 Adaptive moment estimation),学习率为0.003,损失函数选择binary_crossentropy(交叉熵函数),batch_size即单次传递给程序用于训练的样本个数为50,训练共300次。推测起火火源的神经网络训练过程如图2所示。

图2 起火火源预测神经网络准确性训练过程Fig.2 Accuracy of neural network for predicting the source of fire during training

如图3所示,训练后神经网络验证集预测成功率为71.74%,交叉熵损失为0.117 1。即预测起火材料有71.74%的把握可以预测准确。说明该神经网络拟合较为良好。采用该网络对昆明市招平商务中心项目钢混结构超高层火灾发生进行预测,假设该建筑在土建和装饰装修过程中发生火灾,发生的时间为2022年9月7日,气温为20 ℃,风速为3 m/s,相对湿度38%。对该施工情况下的预测数据进行标准化后可得到[(1,0,0), (0,1,0,0), (0,1,1), 1, 1, 0.75, 0.85, 0.45, 0.64]。将预测变量分别使用神经网络进行计算,得到两个阶段最可能的起火材料为保温材料。虽然根据《建筑防火通用规范》(GB 55037—2022)和《建设工程施工现场消防安全技术规范》(GB 50720—2011),外脚手架、支模架、保温、防水等一系列材料应采用不燃、难燃材料,但根据以往火灾案例该部分材料起火依旧发生,施工过程中存在材料的以次充好问题较为严重,因此认为神经网络预测施工起火源为保温材料合理。

图3 起火火源预测神经网络误差训练过程Fig.3 Error of neural network for predicting fire sources during training

2 FDS模拟仿真超高层施工火灾

2.1 Pyrosim模型构建

火灾模拟采用FDS进行,为了操作简便,采用Pyrosim软件进行模型构建与参数设置。研究对象为云南省昆明市官渡区招平商务中心在建超高层钢混项目,该建筑总建筑面积为250 651.56 m2,基底面积为8 409.50 m2,建筑总高度为191.8 m,建筑分类为一类高层,建筑层数共46层。

假设工程在主体结构与装饰装修的交叉施工阶段,根据项目的施工组织设计,当项目进入25层结构施工,室内装饰装修与幕墙安装同时从第16层向下进行,施工进度在第5层,部分装饰装修材料堆场在1层,该项目在Pyrosim内部的建模如图4所示。

图4 某施工中超高层建筑在Pyrosim中建模Fig.4 Modeling of a super high-rise building in construction using Pyrosim

2.2 火灾参数设置

网格尺寸的经验值与火灾的特征火焰直径有关,火焰直径计算公式为

(3)

参考《建筑防烟排烟系统技术标准》(GB 51251—2017)中无喷淋设备,其他公共场所火灾热释放功率80 000 kW。计算得到火焰直径5.551 m,网格尺寸的经验值取火焰直径的1/4～1/16,本次研究取网络尺寸为0.6 m。

起火位置考虑可能产生的烟囱效应,以最不利原则,布置为一层的堆场处,示意图如图5所示。保温材料火源的设置参考文献[14]中挤塑式聚苯乙烯隔热保温板,采用t2火灾模型(t2火灾模型描述火灾过程中火源热释放速率随时间的变化过程,其中t为火灾的发展时间,单位:s),热释放速率HRR在60 s到达峰值为800 kW/m2设置,反应设置参考《美国消防工程师协会消防工程》手册。同时在两个楼道设置温度、能见度、CO和CO2探测传感器及1～4层地坪上2 m设置温度探测截面。

A、B为楼道编号

根据项目具体情况与模拟当天的环境条件(昆明市2022年9月7日天气条件),在Pyrosim中simulation parameters中设定火灾模拟的初始条件与模拟时长参数:环境温度为20 ℃;风速:3 m/s方向为270°方向;空气相对湿度为38%;大气压为0.79个标准大气压80 400 Pa;火灾模拟运行时间为600 s。

2.3 FDS模拟结果

2.3.1 热释放速率

热释放速率如图6所示,以t2火灾模型上升,总功率为7×104kW,同时验证网格尺寸划分较为合理。

图6 热释放速率Fig.6 Heat release rate

2.3.2 平面温度云图

如图7所示,截取第1层第50、150、300、600 s的温度云图,截取第2～4层第100、600 s的温度云图。图7中火焰最高温度为560 ℃,火灾沿电梯井发展明显。由于4层存在电梯间的门洞,因此4层内平面温度相比2、3层较高。

图7 火灾水平面温度云图Fig.7 Temperature cloud of fire horizontal plane

2.3.3 火灾楼道内火灾数据

火灾一般通过温度、能见度、CO浓度与CO2浓度影响人员疏散。而处于一层的人员由于疏散距离短,在火灾未充分发展时已经完成疏散,因此对AB两个楼道(图5)内的火灾数据进行分析。1～4层火灾数据如图8所示。

图8 楼道内火灾数据Fig.8 Fire data in the corridor

从图8中可以看出,温度最高达到94.1 ℃,A楼道内温度高于B楼道内,且升温幅度相较电梯间更小。2层B楼道,3层以上的温度基本上无波动。能见度、有害气体浓度波动与温度相比波动更大。1层能见度在火灾发生后在5 m以下,2、3层能见度波动幅度较大,4层能见度基本不受影响。CO浓度与CO2浓度在3层及以上楼层基本上无变化,CO浓度最高为5.4×10-5,CO2浓度最高为3.3×10-3。参考文献[15],CO浓度低于5×10-4,CO2浓度低于1×10-2,对疏散无明显影响。

3 超高层施工火灾疏散模拟

3.1 疏散模型建立

研究在Pathfinder中完成,为了与第2节的火灾模拟保持一致性,建立模型采取导入Pyrosim中已建立好的火灾模型。

3.2 逃生人员参数设定

根据项目施工组织计划,设置位于施工楼栋内的人员位置,经统计,施工建筑内共310人。性别及年龄比例参考文献[16]设置,其中青年男性占26.8%,中年男性占61.4%,青年女性占3.6%,中年女性占8.2%。疏散人员身体参数设定身高、肩宽设置参考《中国成年人人体尺寸》中位数。平面未折减的疏散速度参考文献[17]。综上,疏散人员供设定4类人员,其身体特征参数总结如表2所示。

表2 疏散人员身体特征Table 2 Physical characteristics of evacuees

3.3 疏散影响因素计算

疏散影响因素主要考虑恐慌,火灾,施工环境,计算速度影响系数采取乘法叠加,计算公式为

δ=RpanRtempRisRp

(4)

式(4)中:δ为速度修正系数;Rpan为恐慌修正系数;Rtemp为温度修正系数;Ris为能见度修正系数;Rp为杂物覆盖折减系数。

3.3.1 恐慌情绪对疏散影响的计算

对于恐慌下人员疏散速度与恐慌之间关系设定参考文献[18],结合恐慌因子对速度影响。

(5)

(6)

(7)

一般来说,疏散距离出口越近,疏散人群恐慌情绪越小。由于施工工人及管理人员具有一定的施工防火工作经验并接受过消防培训,同时对施工环境较为熟悉,其恐慌程度会略微降低。因此对1～3层设置恐慌因子为0.3,对4～10层设置恐慌因子为0.4,10层以上设置恐慌因子0.5。经计算,恐慌因子为0.3时速度为正常状态的102.34%,恐慌因子为0.4时速度为正常状态的99.68%,恐慌因子为0.5时速度为正常状态的92.50%。

3.3.2 火灾烟气对疏散影响的计算

对堆场处火灾情况速度折减根据第2节FDS计算结果,火灾中能见度与温度显著影响疏散。参考文献,根据温度限制,超过54.5 ℃时,身体周围毛细血管破坏,无法进行疏散。第1层A楼道在第122 s开始处于无法使用状态。可见度对速度折减参考文献[19]。

ris=min[1,max(0.2,1-0.324×(3-vis)]

(8)

式(8)中:ris为可见度对速度的折减率;vis为可见度,m。

由式(8)可得,可见度小于3 m时将对疏散速度产生影响。疏散速度折减按照从能见度低于3 m时,每30 s的平均值进行计算。

3.3.3 施工现场环境对疏散的影响

现场杂物覆盖率对人员逃生疏散速度的影响如式(9)[20]所示。

(9)

式(9)中:Rp为地面杂物覆盖率所导致的速度折减率;Pd为杂物在地面上所占面积的比率。

采用实验进行速度折减测定,共有30名人员参与结构施工处疏散速度实验,其中,女性8人,男性22人,实验过程如图9所示。

图9 施工现场疏散实验Fig.9 Evacuation experiment at construction site

经过配对样本t检验,原始-绑扎钢筋;原始-钢管支撑;绑扎钢筋-钢管支撑,3个配对的显著性均小于0.05,说明在绑扎钢筋工作面与钢管支撑的工作面的疏散速度与原始速度之间存在显著差异。计算绑扎钢筋区域与钢管支撑区域的速度比值,即为该区域折算系数,计算出绑扎钢筋处的折算系数的平均值为0.73,钢管支撑处的折算系数为0.71。

根据现场调查,第4、5、6、7、21层地面均有约5%占地面积的建筑垃圾和建筑材料在地面堆砌,折算系数计算为0.87。此外,24层处于钢筋绑扎施工中,23、22层存在铝模板未拆的情况,因此设置24层疏散折减系数为0.73,23层疏散系数为0.71。

Pathfinder的速度修正可通过对承载疏散人员的地面区域编辑来进行,此外还可以控制门的关闭。除温度控制的无法通行状态由门进行关闭处理外,对其他因素的速度修正,通过编辑地面区域进行。

3.4 疏散模拟结果

疏散人数如图10所示。可以看出,未折减疏散总共需要324 s ,人员在第2 s开始到达建筑外,该过程疏散速度为0.96人/s。疏散过程中有两个明显离开建筑人数增长缓慢的阶段。第7～37 s无人员从建筑中疏散出,其原因是1层还未进行外立面施工,疏散出口基本没有限制,因此第1层疏散非常迅速。而2层与1层之间高度差最大,人员需移动至楼梯间下楼才能疏散,最终产生约30 s的疏散出口无人通过的时间。第136～164 s无人员从建筑中疏散出,其原因为施工流水设置,中间部分楼层无施工人员进行作业,因此产生了在较高层施工人员与较低层施工人员间出现疏散不连续的情况。

图10 疏散人数Fig.10 Number of evacuees

折减后疏散总共需要419 s。该疏散过程疏散速度为0.74人/s,总时长增加了95 s。该疏散过程仅出现一个疏散缓慢的阶段,原因与未折减速度疏散的第1个缓慢期相同。第2个疏散缓慢期未出现原因是,火灾温度使得1层A楼道无法通行,因而部分在较低区域施工的疏散人群从B楼道绕行,绕行产生的人流与较高区域的人流汇集,未产生疏散人流中断。

楼道口人流量如图11所示。可以看出,数据截取楼道A的1层末段楼梯与楼道B的1层末段楼梯出口,未折减时,人流疏散速率最高为1.1/s,明显分为前后两部分。折减后人流疏散速率最高为1.0/s,明显分为前后两部分,后段A楼道因为温度不再进行使用。速率降为0。

图11 A、B楼道疏散速率图Fig.11 Evacuation rate of A、B corridor

4 结论

(1)建立可以推测出施工火灾起火材料的神经网络,准确性可达71.74%。

(2)通过FDS对在建超高层堆场火灾进行模拟,数据表明火灾沿着未封闭的电梯道发展明显,并显著影响人员疏散。

(3)经过火灾数据、恐慌心理、疏散地面状态综合考虑,对疏散进行模拟仿真,疏散时间从324 s增加为419 s。