火灾系统的复杂性与可持续防治

火灾系统即火灾和它的影响因素构成的整体，它是一个复杂系统。本文介绍了火灾系统复杂性的研究。森林火灾的分布满足较好的幂律分布，并且具有尺度不变性和时间不变性，实际的火灾数据与自组织临界性森林火灾模型的计算和 分析结果相互符合，这表明森林火灾系统是一个自组织临界性系统。当考虑降水、森林尺度等更多火灾影响因素时，森林火灾模型的计算结果与实际数据符合得更好。对实际火灾数据的分析表明，城市火灾的分布同样满足具有时间不变性和尺度不变性的稳定的幂律分布。稳定的幂律分布对于火灾防治具有实际意义，当获得了足够多的火灾历史数据时，可以预测未来的火灾发生情况，可以利用小火灾的发生情况预测大火灾的发生概率，利用自组织临界性森林火灾模型，可以评估火灾防治措施的长期效果。     

森林火险与气象因素的多元相关性及其分析

森林火灾发生概率预测涉及气象、树种、地理条件与人类活动等诸因素，气象参数对火灾的影响一直是森林火灾研究的重点之一。选用日平均湿度、降水量、平均风速、平均温度和日照时间等5种典型气象参数，利用BP神经网络分析了它们对火灾发生概率的综合影响；研究了多种气象参数综合作用下火灾发生概率的变化规律。结果表明，气象参数与火灾发生概率之间存在稳定的关联，神经网络在处理多参数综合影响方面具有较好的泛化能力，可以作为预测林火概率的可靠方法，为森林火灾研究提供了基础数据。     

一种城市火灾损失预测评估方法

按照提出的基于宏观经济指标(国民生产总值GDP和人口资料)进行火灾损失预测评估的方法和根据河北省1980-1997年间发生火灾的资料分析而建立的GDP火灾损失率与火灾风险指数的统计关系,通过把研究对象以50 m×50 m为单位划分网格,并根据网格格点的人口和研究对象的人均GDP值计算得到单元格点的GDP值,进而根据GDP火灾损失率和火灾风险指数的关系与火灾发生概率得到研究对象预测的火灾损失估值。提出的方法采用易于更新和获取的社会经济数据作为火灾损失的分析基础,可方便地用于没有详细的各类设施分类数据的区域进行火灾损失预测;对于经济发展快速的城市,该方法容易通过社会经济数据的及时搜集和更新得到新的火灾损失预测结果。     

基于Box-Cox变换的城市火灾起数的模型研究

文章应用极大似然方法,对某市1997—2007年11a间的月度火灾及气象数据进行了Box-Cox非线性变换,通过对变换后的月平均温度、月平均相对湿度、月平均风速、月平均降雨量等气象因子与火灾发生起数进行统计分析,建立了基于Box-Cox变换的线性回归模型,并从拟合误差、交叉验证均方误差等方面进行分析比较,最终建立回归模型;运用所得模型对2008年的火灾数据进行预测分析,结果表明,基于Box-Cox变换后数据建立的回归模型,能更好地预测火灾发生起数,从而达到对城市火灾控制的目的。     

城市火灾防救措施研究

随着城市现代化建设的发展,城市火灾发生频繁。针对目前城市火灾防控严峻的形式,在分析当前城市火灾预防所面临的问题的前提下,提出城市火灾相应的防救措施,对加强城市安全,建设和谐社会有一定的促进作用。     

利用神经网络预测城市震后火灾损失

城市遭受地震袭击后伴随大火而引起房屋烧毁与财产损失是巨大的，这与地震烈度，火源发生与蔓延，灭火能力有关，文中利用人工智能神经网络方法预测震后火灾损失，根据美国北加洲湾区和南加州洛杉矶地区的有关历史资料，训练神经网络对某些地震烈度的火灾损失作出预测，该方法能迅速，准确地预测未来指定烈度与气候条件下的火灾损失，对其它自然灾害，在一定条件下也可应用。     

基于BP神经网络的人口火灾发生率预测方法研究

在分析人口火灾发生率同气象资料之间关系的基础上，设计了BP神经网络模型。根据北京市2000年至2006年气象资料及人口火灾发生率的统计数据对该神经网络进行了训练，训练精度为0．00000001。使用训练好的BP神经网络模型对北京市2007年和2008年人15火灾发生率进行预测，预测结果与实际值误差分别为0．00001和0。     

基于大数据分析的火灾预警方法研究

城市中一旦发生火灾将伴随人员伤亡及财产损失，对于城市火灾的发生进行准确预测并采取有效控制措施具有重要重要意义.传统方法存在精度低、计算耗时长等缺点.采用Bootstrap方法、二项分布的方法结合大数据分析并采用超级计算机运行速度较快的优势，可发现数据隐含关系，识别特征数据，提高火灾预测精度.利用天津市2015-2017年火灾数据，采用Bootstrap方法、二项分布的方法构造相应的置信水平为95%的预测区间.根据2015-2016年火灾数据，用2017年的火警数量进行验证，并选取精度较高27%以上的权重作为预测部分中的权重.利用2015-2017年的数据，通过Bootstrap方法、二项分布的方法预测2018年同期情况，得出预测结果吻合度大于63.33%.该模型可应用于火灾预测，其结果可为消防部门制定消防措施及理论依据.     

城市火灾预测咨询系统

城市火灾预测咨询系统根据灰色系统理论,为城市火灾行为提供科学、可靠分析,进行火灾预测,是有效的城市火灾预防及减灾对策的科学依据．该系统基于地理信息系统（GIS）．做到了良好的动态图型界面和人机对话环境,为政府部门、消防、房管、保险公司提供了科学防火数据．     

陕北春季森林火灾气象条件分析

通过对1989-2004年间陕北春季森林火灾发生期气象资料进行研究分析，指出春季2—5月份林火期气候特征、森林火灾易发期天气环流特征及林火的发生与冷空气活动密切相关．在春季森林火灾期地面气象要素也呈现出一定的变化规律。     

加拿大林火天气指标系统在通化市的应用

针对通化市林火特点,引入加拿大林火天气指标系统,利用通化市1996—2010年气象资料和森林火灾数据,研究林火天气指标与林火的相关性,并划分森林火险等级.结果表明:除了干旱码(DC)外,林火次数与其他林火天气指标极显著相关;受害森林面积、火场总面积与林火天气指数(FWI)、初始蔓延指标(ISI)极显著相关,与细小可燃物湿度码(FFMC)虽然没有达到极显著相关,但显著度与0.01水平很接近,因此可以证明加拿大林火天气指标系统适合通化市进行林火天气预报.按照极端火险天气小于3%的原则和几何方法划分了森林火险级别.4级火险天气下林火频率、火场面积比例、受害森林面积比例最大,森林火灾发生近似于正态分布,因此此种等级划分方法比较适合通化市,但需要更多的森林火灾资料加以验证.     

修正的布龙-戴维斯森林火险气象指数模型在中国的适用性

 利用国家气象信息中心提供的2005-2014年中国基本、基准、一般气象站的历史观测资料,建立了基于布龙-戴维斯方案的修正森林火险气象指数模型,制定森林火险气象等级划分标准,利用国家林业和草原局提供的对应全国林火、灌木火逐日次数统计进行验证,并结合实例进行效果检验。结果表明：修正后的森林火险气象指数在5大区域的春、秋季均为高值期,这与国家林业和草原局制定的重点防火服务季节大体一致,指示性较好;在中国三大森林防火气象服务重点区（东北、华南、西南林区）,修正后的森林火险气象指数实际森林火灾次数相关度较高,2017年内蒙古林火实例分析说明适用性较高。     

Distribution and correlation analysis of wildfire and weather data in Japan

To establish the wildfire danger rating system, detailed data of wildfire and some related parameters such as weather,population and tree species are required. In this paper, the raw data of weather parameters in Japan are first expanded into more detailed data. The daily value of each weather parameter in each third-level mesh, which is about 1 km × 1 km in size, from year 1999 to 2000 is calculated by means of inverse distance weighted interpolation. Expansion results for third-level meshes are demonstrated. Fire probability for each parameter is calculated and analyzed. It is found that the dependency relation of fire probability on some parameters have surprisingly regular format. The data calculated and analyzed in the paper and the results may act as a basic database for wildfire researchers, and are expected to promote the study of wildfire danger rating method and the development of such systems.     

One Fire Detection Method Using Neural Networks

A neural network fire detection method was developed using detection information for temperature,smoke density,and CO concentration to determine the probability of three representative fire conditions.The method overcomes the shortcomings of domestic fire alarm systems using single sensor information.Test results show that the identification error rates for fires,smoldering fires,and no fire are less than 5%,which greatly reduces leak-check rates and false alarms.This neural network fire alarm system can fu...     

基于实地核查的气象卫星森林火情监测真实性检验

随着卫星平台的高速发展和监测技术的日趋完善,气象卫星凭借高频次和高时效特点在森林火情监测方面具有独特优势。研究简要介绍了气象卫星森林火情监测原理,提出了卫星监测缓冲区半径人工核查法,对极轨气象卫星(polar-orbiting meteorological satellite)上下文法(contextual)和静止气象卫星(geostationary meteorological satellite)时序法(temporal sequence method)计算得出的林火监测结果进行真实性检验。结果显示,极轨与静止气象卫星结合的森林火情监测方法的真实火点率达81.03%,具有较高的时空稳定性;湖南省真实火点分布具有明显的时空分布集聚特征,湖南南部五地级市监测得到的真实火点占全省真实火点的76.60%,“林火较高发期”监测真实火点占全部真实火点的81.96%;静止气象卫星首次监测到的真实火点占全部真实火点数的96.28%,FY4A国产静止气象卫星在森林火情监测中体现了明显高精度优势。研究表明,卫星监测实地核查为森林火情真实性检验工作提供了重要的核验数据,填补了国内大尺度长时序森林火情监测...     

基于Internet的智能火灾监控系统

结合中国的消防现状,针对城市火灾提出了一种以Internet作为信息平台,实施大范围、远距离智能监控的新方案,并对系统的整体结构和主要功能模块进行了初步的探讨.该方案融合了智能火灾识别技术及GIS技术,与传统的消防作业模式相比较,不但能够进行火灾的自动识别与定位,而且可以缩短火灾扑救的准备时间,提高消防作业效率.     

复合火灾信号的一种模糊处理方法

提出了一种处理复合火灾传感器信号的模糊方法．首先提取传感器输出的烟雾和温度信号特征，包括幅度、持续时间和变化量等，然后通过适当的隶属函数模糊化，再由模糊语言规则推理得到有烟明火、无烟明火、阴燃火和非火灾的判决结果，最后利用质量中心法去模糊得到系统的火灾报警／非报警输出．实验表明，这种方法能够有效地探测试验火，并能克服干扰、减少误报警．     

基于神经网络的多参数矿井火灾识别方法

针对矿井火灾早期预测预报研究了新的方法,将矿井火灾图像与温度、烟雾、CO、CO2、O2等多个参数相结合,进行综合分析,对矿井火灾进行判断。依据神经网络建立的数学模型,采用神经网络的学习算法,对矿井火灾进行识别。通过仿真分析结果表明,矿井火灾正确识别率很高,特别是采用RBF神经网络,正确识别率达到98%以上,从而为神经网络实际用于矿井火灾识别成为可能,该方对矿井火灾早期预测预报具有重要的理论意义和实用价值。     

细水雾扑灭B类火的全尺度实验

根据IMO有关测试规范的要求，进行了一系列全尺度动力机舱模拟灭火实验。实验中采用的是局部保护细水雾灭火系统，通过改变通风条件、预燃时间、喷雾方式及火焰功率等因素，考察了它们对系统灭火有效性的影响。实验结果表明，细水雾系统可有效扑灭动力机舱内设定的各种工况下的油池火和油雾火，与气体灭火系统相比，受通风条件影响小，能有效降低室内温度及CO、CO2浓度，因而系统工作期间消防人员和操作人员可安全进入。在油池火灭火实验中发现通过火焰冷却灭火时所需时间较短，而依靠燃料表面冷却灭火时则时间较长。此外研究结果还显示，采用侧喷方式时，系统的灭火性能将大大提高，而较长的预燃时间则有利于细水雾扑灭油雾火。