近年来，随经济快速发展，单体高层建筑需求增加，频发的高层建筑火灾事故对人民生命与财产安全造成严重威胁。火灾风险评估作为事前预防的有效手段，不仅能有效降低事故发生概率，还可为火灾治理工作提供参考。因此，对高层建筑火灾风险提出客观有效的评估方法、量化事故风险影响因素，对遏制火灾事故的发生、降低事故损失具有重要意义。

针对评价中复杂因素相互影响及量化过程中主观性过强等问题，为量化分析高层建筑火灾事故的各风险因素，本文以高层建筑火灾事故的风险评价为导向，高层建筑为研究对象，以模糊集、贝叶斯网络等理论作为理论基础，提出基于模糊贝叶斯网络的高层建筑火灾风险评估方法。首先分析97起典型事故调查报告，基于火灾事故致险机理并依据《建筑防火通用规范》等国家规范和技术标准，从建筑防火能力、建筑灭火能力、组织疏散能力、人因管理能力4个方面建立指标体系，并对指标分级做出详细说明；然后基于专家知识结合模糊数学量化各要素的先验概率并确定条件概率，通过构建模糊贝叶斯网络模型，将风险程度划分为高、中等、低、非常低四种程度，运用Netica软件进行分析，得出各要素的发生概率并依据最大隶属度划分风险等级；最后以H小区进行了实例验证与分析，确定事故致因链，得出影响火灾的关键因素并运用FDS模拟验证，为该高层建筑提供了针对性的对策与建议。

通过模糊理论和贝叶斯网络的结合，较好的解决了高层建筑火灾事故风险评价中风险因素不确定以及数据不完全的问题，对贝叶斯网络也是很好的扩展，同时对以后的高层建筑火灾事故风险评价提供了新思路。

In recent years, with the rapid economic development, the demand for single high-rise buildings increases, and frequent high-rise building fire accidents pose a serious threat to people's life and property safety. As an effective means of prevention in advance, fire risk assessment can not only effectively reduce the probability of accident, but also provide reference for fire control. Therefore, it is of great significance to put forward an objective and effective assessment method for high-rise building fire risk and quantify the influencing factors of accident risk to curb the occurrence of fire accidents and reduce accident losses.

In order to quantitatively analyze the risk factors of high-rise building fire accidents, this paper takes the risk assessment of high-rise building fire accidents as the guidance, high-rise building as the research object, and fuzzy set, Bayesian network and other theories as the theoretical basis. A fire risk assessment method for high-rise buildings based on fuzzy Bayesian networks is proposed. Firstly, 97 typical accident investigation reports were analyzed. Based on the risk causing mechanism of fire accidents and according to national norms and technical standards such as Code for Fire Prevention in Building Design, an index system was established from four aspects, including building fire prevention ability, building fire extinguishing ability, organization evacuation ability and human factor management ability, and the index classification was described in detail. Then, based on expert knowledge and fuzzy mathematics, the prior probability of each element was quantified and the conditional probability was determined. The risk degree was divided into high, medium, low and very low by constructing the fuzzy Bayesian network model. The occurrence probability of each element was obtained by using Netica software for analysis and the risk level was divided according to the maximum membership degree. Finally, an example verification and analysis was carried out in H community to determine the cause chain of the accident, and the key factors affecting the fire were obtained. FDS simulation verification was used to provide targeted countermeasures and suggestions for the high-rise building.

Through the combination of fuzzy theory and Bayesian network, the uncertainty of risk factors and incomplete data in the risk assessment of high-rise building fire accidents are better solved, which is a good extension of Bayesian network, and at the same time provides a new idea for the future high-rise building fire accident risk assessment.

[1] 国家统计局. 中华人民共和国2022年国民经济和社会发展统计公报[EB/OL]. (2023-2-28). http://www.stats.gov.cn/xxgk/sjfb/zxfb2020/202302/t20230228_1919001.html.

[2] 张车伟, 蔡翼飞. 中国人口与劳动问题报告No.22[M]. 北京 社会科学文献出版社, 021.

[3] 文波, 王兴茂. 基于火灾荷载的城市高层住宅建筑单室火灾模拟分析[J]. 工业安全与环保, 2022, 48(12): 1–7.

[4] 韦相宇, 田世祥, 代张音. 基于鱼骨图-AHP法高层住宅建筑火灾风险评估[J]. 住宅科技, 2023, 43(02): 55–58.

[5] 王一智. 基于模糊贝叶斯网络的高层建筑火灾事故风险评价研究[D]. 兰州交通大学, 020.

[6] 张立宁. 高层建筑火灾风险评价及智能报警系统研究[D]. 北京理工大学, 2015.

[7] 陈斌. 邮轮客舱火灾及人员安全疏散仿真研究[D]. 武汉理工大学, 2020.

[8] 黄晓家, 王燚, 谢水波, 等. 建筑火灾风险评估方法的发展与回顾[J]. 消防科学与技术, 2021, 40(08): 1174–1177.

[9] 李倩. 基于灰色关联—未确知测度的在建高层火灾风险评价[D]. 西安建筑科技大学, 016.

[10] Erik Magnusson S, Frantzich H, Harada K. Fire safety design based on calculations: Uncertainty analysis and safety verification[J]. Fire Safety Journal, 1996, 27(4): 305–334.

[11] Meng X J, Zhao J P. Cellular Automata Modeling of Fire Spread Based on Post-Earthquake Fire Risk Assessment of Urban Area[J]. Advanced Materials Research, Trans Tech Publications Ltd, 2012, 368–373: 732–738.

[12] Xin J, Huang C F. Fire Risk Assessment of Residential Buildings Based on Fire Statistics from China[J]. Fire Technology, 2014, 50(5): 1147–1161.

[13] Sharma M. The Historical Simulation Method for Value-at-Risk: A Research Based Evaluation of the Industry Favorite[J]. SSRN Electronic Journal, 2012.

[14] Tofiło P, Konecki M, Gałaj J, et al. Expert System for Building Fire Safety Analysis and Risk Assessment[J]. Procedia Engineering, 2013, 57: 1156–1165.

[15] Anderson-Bell J, Schillaci C, Lipani A. Predicting non-residential building fire risk using geospatial information and convolutional neural networks[J]. Remote Sensing Applications: Society and Environment, 2021, 21: 100470.

[16] Cvetković V M, Dragašević A, Protić D, et al. Fire safety behavior model for residential buildings: Implications for disaster risk reduction[J]. International Journal of Disaster Risk Reduction, 2022, 76: 102981.

[17] 赵华亮, 孙晓乾. 建筑整体火灾风险分析方法FRAME介绍[J]. 消防科学与技术, 2014, 33(04): 441–444.

[18] 陈娟娟, 方正, 谢涛, 等. 典型建筑火灾风险评估体系及其软件开发[J]. 中国安全科学学报, 2015, 25(01): 116–121.

[19] 李亚兰, 门玉明. 基于改进层次分析法的地下建筑火灾安全评价研究[J]. 灾害学, 2018, 33(03): 43–47.

[20] 贾进章, 陈怡诺. 基于网络层次分析-灰色聚类法的高层建筑火灾风险分析[J]. 安全与环境学报, 2020, 20(04): 1228–1235.

[21] 余婕, 田世祥, 王伟, 等. 基于AHP-Bayes的城镇老旧小区动态智能化火灾风险评估模型——以上海市M小区为例[J]. 安全与环境工程, 2021, 28(05): 10-17+50.

[22] 徐坚强, 刘小勇, 苏燕飞, 等. 基于贝叶斯网络的建筑火灾动态风险评估方法研究[J]. 中国安全生产科学技术, 2019, 15(02): 138–144.

[23] Kirchsteiger C. On the use of probabilistic and deterministic methods in risk analysis[J]. Journal of Loss Prevention in the Process Industries, 1999, 12(5): 399–419.

[24] Li S, Tao G, Zhang L. Fire Risk Assessment of High-rise Buildings Based on Gray-FAHP Mathematical Model[J]. Procedia Engineering, 2018, 211: 395–402.

[25] Hansen N D, Steffensen F B, Valkvist M, et al. A fire risk assessment model for residential high-rises with a single stairwell[J]. Fire Safety Journal, 2018, 95: 160–169.

[26] Lazreg M B, Radianti J, Granmo O-C. A Bayesian Network Model for Fire Assessment and Prediction[A]. P. Pardalos, M. Pavone, G.M. Farinella, 等. Machine Learning, Optimization, and Big Data[C]. Cham: Springer International Publishing, 2015: 269–279.

[27] Dong P, Wang S. Fire Risk Factor Analysis of High-Rise Building Based on Bayesian Network and Fuzzy Fault Tree[A]. 2019 5th International Conference on Control, Automation and Robotics (ICCAR)[C]. 2019: 599–603.

[28] 余磊, 李波. 基于熵权的未确知测度理论的高层建筑火灾危险性评价[J]. 安全与环境工程, 2017, 24(01): 115–120.

[29] 李薇, 余照阳. 基于熵权-属性数学的高层建筑火灾风险评估模型[J]. 消防科学与技术, 2022, 41(07): 946–950.

[30] 蒲娟. 基于Shapley-D-S的高层建筑火灾安全评价[J]. 消防科学与技术, 2021, 40(02): 217–221.

[31] 宋英华, 刘子奇, 刘丹, 等. 基于模糊贝叶斯网络的化工园区火灾爆炸事故情景推演[J]. 安全与环境工程, 2022, 29(03): 86–93.

[32] Cheng H, Hadjisophocleous G V. The modeling of fire spread in buildings by Bayesian network[J]. Fire Safety Journal, 2009, 44(6): 901–908.

[33] Wang Y F, Xie M, Ng K M, et al. Probability analysis of offshore fire by incorporating human and organizational factor[J]. Ocean Engineering, 2011, 38(17): 2042–2055.

[34] Papakosta P, Scherb A, Zwirglmaier K, et al. Estimating daily fire risk in the mesoscale by means of a Bayesian network model and a coupled GIS[M]. Imprensa da Universidade de Coimbra, 2014.

[35] Stroh R, Bect J, Demeyer S, et al. Gaussian process modeling for stochastic multi-fidelity simulators, with application to fire safety[J]. 2016.

[36] Ouache R, Ruparathna R, Sadiq R, et al. Fire Risk Assessment Model for Residential Buildings Using Bow-tie Method[J]. .

[37] 杨世全, 黄晓家, 谢水波, 等. 基于故障树和贝叶斯的高层住宅火灾概率计算[J]. 消防科学与技术, 2019, 38(09): 1322–1325.

[38] 白海峰, 刘晓东, 牛树奎, 等. 基于贝叶斯模型平均法的森林火灾预测模型构建研究——以云南省大理州为例[J]. 北京林业大学学报, 2021, 43(05): 44–52.

[39] 卢颖, 黄炎, 姜学鹏. 基于贝叶斯网络的养老院火灾风险评估方法研究[J]. 火灾科学, 2021, 30(04): 185–191.

[40] 魏立明, 董天昊, 张译心, 等. 基于贝叶斯算法的火灾报警系统研究[J]. 消防科学与技术, 2021, 40(08): 1199–1201.

[41] 颜萱, 龚红卫, 仇进明. 基于模糊层次分析法的绿色建筑火灾风险评价[J]. 建筑科学, 2016, 32(02): 118–123.

[42] 陈静, 肖泽南. 改进的FRAME方法在文物建筑火灾风险评估中的应用研究[J]. 建筑科学, 2022, 38(11): 155–161.

[43] GB 50352-2019, 民用建筑设计统一标准[S].

[44] GB 55037-2022, 建筑防火通用规范[S].

[45] 卢颖, 张秀玲, 吕希凡, 等. 高层住宅火灾风险评估统计与验证[J]. 消防科学与技术, 2019, 38(11): 1636–1640.

[46] 李杨, 李立乔. 基于TFAHP-TOPSIS的高层住宅火灾风险评估研究[J]. 建筑安全, 2023, 38(01): 80–83.

[47] 吴昕. 住宅小区火灾风险评估及控制对策研究[D]. 中南大学, 2014.

[48] 张文. 基于模糊数学的震后建筑火灾危险性评估模型研究[J]. 地震工程学报, 2018, 40(06): 1372–1377.

[49] 赵甜. 基于FRAME法的传统村落建筑火灾风险评估模型研究[D]. 首都经济贸易大学, 2021.

[50] 刘晨, 宗若雯, 陈海燕, 等. 基于层次分析法的热塑性聚氨酯及其纳米复合材料火灾危险性综合评价[J]. 火灾科学, 2019, 28(03): 177–184.

[51] Komljenovi S, Stojanovi D, Markovi S. Implementation of the 《Gustav Purt》 method in fire risk assessment in military facilities[J]. Vojno Delo, 2017, 69(7): 290–302.

[52] 金陇. 基于AHP-模糊综合评价法的区域火灾风险评估研究[D]. 昆明理工大学, 2016.

[53] 闻英男. 基于事件树的高层建筑火灾风险评估[J]. 中国人民警察大学学报, 2022, 38(12): 39–43.

[54] 赵冬安. 基于故障树法的地铁施工安全风险分析[D]. 华中科技大学, 2011.

[55] 潘俊文. 基于事件树及故障树方法的FPSO火灾爆炸风险分析[D]. 哈尔滨工程大学, 2018.

[56] 吴书强, 邵必林, 边根庆, 等. 基于多态模糊贝叶斯网络的高校宿舍火灾风险评价研究[J]. 灾害学: 1–11.

[57] 常力, 何欣, 宋文华, 等. 基于FDS和经验公式法的综合性钢结构建筑防火研究[J]. 南开大学学报(自然科学版), 2017, 50(03): 84–90.

[58] 许昌林. 基于云模型的双向认知计算方法研究[D]. 西南交通大学, 2014.

[59] 唐雨. 基于贝叶斯网络的精益生产要素对企业绩效影响分析[D]. 华南理工大学, 2018.

[60] 吴玮琳. 智能建筑火灾风险分级评估模型的设计及实现[D]. 华东师范大学, 2022.

[61] 牛璐璐. 知识与数据驱动的贝叶斯网络建模方法研究[D]. 东北大学, 2017.

[62] 张雷. 高层民用建筑火灾概率研究与应用[D]. 南华大学, 2021.

[63] 张敏. 基于贝叶斯网络的高校宿舍消防安全风险评估[D]. 上海应用技术大学, 2021.

[64] 徐元元. 基于动态贝叶斯网络的高层建筑火灾应急决策研究[D]. 郑州大学, 2019.

[65] 尤亚云, 李强, 李金梅, 等. 基于贝叶斯网络的消防协同治理影响因素研究[J]. 中国安全生产科学技术, 2022, 18(04): 237–242.

[66] 江婷婷. 基于贝叶斯网络的煤与瓦斯突出风险识别研究[D]. 安徽理工大学, 2021.

[67] Conrady S, Jouffe L. Bayesian Networks & BayesiaLab - A Practical Introduction for Researchers[M]. 2015.

[68] Madsen A L, Jensen F, Kjærulff U B, 等. The hugin tool for probabilistic graphical models[J]. International Journal on Artificial Intelligence Tools, World Scientific Publishing Co., 2005, 14(03): 507–543.

[69] adeh L A, Azizzadeh L, Zadeh L. Fuzzy Sets as Basis for a Theory of Possi-bility[J]. 1978.

[70] 葛鉴峰. 基于模糊数学分析法的碗扣式钢管脚手架施工安全评价研究[D]. 贵州大学, 2021.

[71] 杨珍珍. 基于模糊贝叶斯网络的城市桥梁火灾风险评价研究[D]. 兰州交通大学, 2019.

[72] 齐珈, 陈秋莲. 火灾模拟技术综述[J]. 电脑知识与技术, 2018, 14(16): 248–250.

[73] 纪北, 王向阳, 向阳. 基于FDS的危险化学品仓库池火灾模拟研究[J]. 中国安全生产科学技术, 2021, 17(S1): 81–85.

[74] 李甲磊. 基于FDS的高校食堂火灾数值模拟及人员疏散研究[D]. 山东科技大学, 2020.

[75] 孙超, 刘月婵, 王博, 等. 教学楼火灾蔓延及人员疏散的数值模拟[J]. 哈尔滨理工大学学报, 2018, 23(5): 106–112.

[76] 苏亮. 基于BIM的地下建筑火灾消防设计研究[D]. 北京交通大学, 2016.

[77] 刘方, 付祥钊, 郑洁, 等. 中庭火灾烟气流动数值模拟[J]. 安全与环境学报, 2001(5): 33–36.

[78] 姜蓬, 邱榕, 蒋勇. 基于数值模拟的某大厦特大火灾过程调查[J]. 燃烧科学与技术, 2007(1): 76–80.

[79] 王会刚, 张为明. 大空间建筑火灾FDS数值模拟网格尺寸影响[J]. 中国公共安全(学术版), 2013(3): 56–60.

[80] 王炜罡, 文虎, 贾勇锋. 基于FDS的高层居民楼火灾模拟[J]. 西安科技大学学报, 2020, 40(2): 314–320.

[81] 郝晓丽. 综合商厦火灾风险评估及疏散路径优化方法研究[D]. 安徽理工大学, 2021.

[82] 肖国清, 黄仁和, 陈春燕. 基于N-K模型改进的FRAME建筑火灾风险评估[J]. 安全与环境学报, 2022, 22(3): 1139–1146.

[83] 王玲. 基于IOWA和向量夹角余弦的建筑火灾风险评估[J]. 消防科学与技术, 2021, 40(9): 1355–1359.

[84] 沈奕辉, 冯凯. 超高层建筑消防设计审核指标体系[J]. 消防科学与技术, 2011, 30(8): 740–742.

[85] 冯凯. 消防技术标准修订法理及典型案例研究[J]. 武警学院学报, 2019, 35(6): 63–67.

[86] 李岩. 基于因果分析法的高层建筑火灾风险评估体系研究[J]. 武警学院学报, 2018, 34(2): 49–53.

[87] 于洪霞, 张英华, 秦挺鑫, 等. 考虑人员伤亡的高校宿舍火灾风险评估方法研究[J]. 中国安全生产科学技术, 2022, 18(1): 81–86.

[88] Wang L, Li W, Feng W, et al. Fire risk assessment for building operation and maintenance based on BIM technology[J]. Building and Environment, 2021, 205: 108188.

[89] GB50116-2013, 火灾自动报警系统设计规范[S].

[90] GB 51309-2018, 消防应急照明和疏散指示系统技术标准[S].

[91] GB/T 40248-2021, 人员密集性场所消防安全管理[S].

[92] 陈久彬. 民用建筑电气火灾原因的调查及防范策略分析[J]. 今日消防, 2020, 5(8): 125–126.

[93] GB 50084-2017, 自动喷水灭火系统设计规范[S].

[94] DBJ61/T 96-2015, 西安市简易自动喷水灭火系统设计规范[S].

[95] 黄丽蒂, 罗开洲, 刘莹, 等. 老年公寓火灾场景人群疏散模拟[J]. 中国安全科学学报, 2020, 30(3): 137–142.

[96] 李超, 李宇飞, 霍非舟, 等. 基于FDS和元胞自动机动态耦合的火灾疏散模型[J]. 计算机应用研究, 2022, 39(9): 2768–2772.

[97] 邹馨捷, 波拉提萨木哈尔, 郝明, 等. 基于Pyrosim和Pathfinder的高校学生宿舍火灾人员疏散安全性模拟分析[J]. 安全与环境工程, 2020, 27(4): 195–200.

[98] 张鹏飞. 基于火灾疏散的老年人全日照料设施空间优化设计研究[D]. 天津大学, 2019.

[99] 李文杰, 张浩游, 张文, 等. 基于模糊贝叶斯网络的长江上游航道整治建筑物技术状况评价研究[J]. 重庆交通大学学报(自然科学版), 2020, 39(9): 112–118.