大数据背景下基于贝叶斯网络的中小城市消防安全评价研究
发布时间：2021-05-23 05:00
近年来,中小城市发展速度很快,规模不断扩大,与此同时,该类城市消防发展滞后,中小城市规划相对滞后,新旧城区交叠,消防发展相对滞后,城市基础设施配套不够完善,人民安全意识淡薄,火灾防控水平有限,火灾事故频发,造成了巨大损失。因此,科学地评价中小城市的消防安全水平,有助于找出城市消防工作中的薄弱环节,指导城市合理进行消防规划和其他防灾减灾规划建设。本文从我国中小城市发展现状出发,以消防大数据为基础,结合传统调查方法,搜集大量中小城市消防安全数据并进行统计分析,采用贝叶斯网络分析方法构建了科学的评价模型,利用软件GeNIe2.0进行贝叶斯网络结构学习,并以广东省F县为例进行实例分析,对该县的消防安全进行评价,为该县的消防规划制定、决策实施提供参考依据,从而提升消防安全水平。论文主要研究内容有:（1）在分析研究国内外城市消防安全评价研究的基础之上,归纳总结出适合中小城市的消防安全评价方法。（2）通过消防大数据平台的一体化指挥平台、火灾统计系统,按火灾的月度发生情况、火灾发生的时间、火灾人员死亡的起火时间、火灾原因和火灾发生的空间5个维度调取了有关中小城市消防数据,并加以详细分析,从而得出我国中...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 城市消防安全评价研究现状
1.2.2 城市消防安全评价方法研究现状
1.3 研究内容
1.4 技术路线
第二章 基于大数据的中小城市消防安全现状分析
2.1 消防大数据来源
2.1.1 消防大数据的概念
2.1.2 消防大数据平台
2.1.3 消防大数据获取途径
2.2 我国中小城市发展现状
2.2.1 中小城市的概念和范围
2.2.2 我国中小城市发展现状
2.3 我国中小城市火灾事故后果统计
2.3.1 火灾起数
2.3.2 火灾伤亡人数
2.3.3 火灾损失
2.4 中小城市火灾的时间空间分布
2.4.1 火灾的月变化
2.4.2 火灾的小时变化
2.4.3 火灾死亡人数的小时变化
2.4.4 火灾原因分布
2.4.5 火灾空间分布
2.5 中小城市消防安全问题分析
2.5.1 火灾时间性变化显著
2.5.2 火灾空间分布差异明显
2.5.3 消防基础设施建设滞后
2.5.4 消防员数量能力不足
2.5.5 消防经费投入不够
2.5.6 群众消防意识淡薄
2.5.7 火灾隐患多
2.6 本章小结
第三章 贝叶斯网络模型理论及建模软件
3.1 贝叶斯网络模型理论
3.1.1 贝叶斯网络原理
3.1.2 贝叶斯网络的建模
3.1.3 贝叶斯网络推理
3.2 贝叶斯网络建模软件
3.2.1 网络建模软件简介
3.2.2 GeNIe2.0 网络建模软件举例
3.3 本章小结
第四章 中小城市消防安全评价指标体系的构建
4.1 贝叶斯网络节点及其含义
4.1.1 消防实力水平
4.1.2 消防基础设施
4.1.3 消防社会化水平
4.1.4 火灾情况
4.2 问卷设计
4.2.1 设计思路
4.2.2 问卷内容
4.2.3 选项设置
4.3 数据收集与处理
4.3.1 问卷的发放和回收
4.3.2 数据预处理
4.3.3 节点状态的确定
4.4 基于大数据的贝叶斯网络模型的学习
4.4.1 贝叶斯网络结构学习
4.4.2 贝叶斯网络参数学习
4.5 指标体系的可靠性推理分析
4.6 本章小结
第五章 中小城市消防安全评价方法应用
5.1 F县基本情况
5.2 F县消防安全评价
5.2.1 指标得分的标准化处理
5.2.2 F县消防安全评价指标计算
5.2.3 评价结果
5.3 消防安全评价结果分析和消防规划建议
5.3.1 评价结果分析
5.3.2 消防规划建议
5.4 本章小结
结论与展望
结论
展望
参考文献
附录1
附录2
附录3
攻读硕士学位期间取得的研究成果
致谢
附件
【参考文献】：
期刊论文
[1]基于火灾风险评估的城市消防站布局规划研究——以《淮安市中心城区消防专项规划（2016-2030年）》为例[J]. 林丽,贾军,李冰. 江苏城市规划. 2017(05)
[2]大数据在城市消防中的运用探讨[J]. 何芯,苏昱,刘杰,董丽楠. 消防界(电子版). 2017(03)
[3]城市消防评价体系研究[J]. 倪永智. 中国安全生产科学技术. 2011(04)
[4]基于贝叶斯网络的大型城市社区消防安全评估模型[J]. 刘丽珍,陈蕾,张茂红. 计算机应用研究. 2011(01)
[5]层次分析法应用研究[J]. 孙伟. 市场研究. 2008(12)
[6]基于GM模型的城市火灾危险性分析[J]. 刘艳军. 中国安全生产科学技术. 2006(06)
[7]基于贝叶斯网络的权重自学习方法研究[J]. 胡文斌,孟波,王少梅. 计算机集成制造系统. 2005(12)
[8]基于灰色系统理论的城市火灾预测分析[J]. 郑双忠. 数学的实践与认识. 2005(01)
[9]我国小城镇发展状况、对策与展望[J]. 乔忠,王敬华. 中国农业大学学报(社会科学版). 2003(01)
[10]苏州古城区火灾危险性分级初探[J]. 张一先,卞志浩. 消防技术与产品信息. 2003(02)
硕士论文
[1]基于贝叶斯网络的车辆变道行为分析[D]. 党彤.西安理工大学 2018
[2]贝叶斯网络参数学习算法研究与实现[D]. 雷江南.西安电子科技大学 2018
[3]工业大数据背景下的石化企业安全风险评估研究[D]. 冯海杰.浙江大学 2018
[4]基于电子招投标大数据分析的采购绩效评价研究[D]. 刘婷.天津工业大学 2018
[5]贝叶斯网结构学习方法研究[D]. 杨莎莎.江西师范大学 2017
[6]基于贝叶斯网络的船舶溢油风险区划研究[D]. 张淑瑶.大连海事大学 2017
[7]基于大数据因果推断的大学生网购服装推荐模型研究[D]. 张晓阳.哈尔滨工业大学 2016
[8]基于贝叶斯网络的大数据因果关系挖掘[D]. 姚衡.云南财经大学 2016
[9]基于贝叶斯网络的地方政府绩效评估的研究[D]. 郑国平.厦门大学 2009
本文编号：3202331
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 城市消防安全评价研究现状
1.2.2 城市消防安全评价方法研究现状
1.3 研究内容
1.4 技术路线
第二章 基于大数据的中小城市消防安全现状分析
2.1 消防大数据来源
2.1.1 消防大数据的概念
2.1.2 消防大数据平台
2.1.3 消防大数据获取途径
2.2 我国中小城市发展现状
2.2.1 中小城市的概念和范围
2.2.2 我国中小城市发展现状
2.3 我国中小城市火灾事故后果统计
2.3.1 火灾起数
2.3.2 火灾伤亡人数
2.3.3 火灾损失
2.4 中小城市火灾的时间空间分布
2.4.1 火灾的月变化
2.4.2 火灾的小时变化
2.4.3 火灾死亡人数的小时变化
2.4.4 火灾原因分布
2.4.5 火灾空间分布
2.5 中小城市消防安全问题分析
2.5.1 火灾时间性变化显著
2.5.2 火灾空间分布差异明显
2.5.3 消防基础设施建设滞后
2.5.4 消防员数量能力不足
2.5.5 消防经费投入不够
2.5.6 群众消防意识淡薄
2.5.7 火灾隐患多
2.6 本章小结
第三章 贝叶斯网络模型理论及建模软件
3.1 贝叶斯网络模型理论
3.1.1 贝叶斯网络原理
3.1.2 贝叶斯网络的建模
3.1.3 贝叶斯网络推理
3.2 贝叶斯网络建模软件
3.2.1 网络建模软件简介
3.2.2 GeNIe2.0 网络建模软件举例
3.3 本章小结
第四章 中小城市消防安全评价指标体系的构建
4.1 贝叶斯网络节点及其含义
4.1.1 消防实力水平
4.1.2 消防基础设施
4.1.3 消防社会化水平
4.1.4 火灾情况
4.2 问卷设计
4.2.1 设计思路
4.2.2 问卷内容
4.2.3 选项设置
4.3 数据收集与处理
4.3.1 问卷的发放和回收
4.3.2 数据预处理
4.3.3 节点状态的确定
4.4 基于大数据的贝叶斯网络模型的学习
4.4.1 贝叶斯网络结构学习
4.4.2 贝叶斯网络参数学习
4.5 指标体系的可靠性推理分析
4.6 本章小结
第五章 中小城市消防安全评价方法应用
5.1 F县基本情况
5.2 F县消防安全评价
5.2.1 指标得分的标准化处理
5.2.2 F县消防安全评价指标计算
5.2.3 评价结果
5.3 消防安全评价结果分析和消防规划建议
5.3.1 评价结果分析
5.3.2 消防规划建议
5.4 本章小结
结论与展望
结论
展望
参考文献
附录1
附录2
附录3
攻读硕士学位期间取得的研究成果
致谢
附件
【参考文献】：
期刊论文
[1]基于火灾风险评估的城市消防站布局规划研究——以《淮安市中心城区消防专项规划（2016-2030年）》为例[J]. 林丽,贾军,李冰. 江苏城市规划. 2017(05)
[2]大数据在城市消防中的运用探讨[J]. 何芯,苏昱,刘杰,董丽楠. 消防界(电子版). 2017(03)
[3]城市消防评价体系研究[J]. 倪永智. 中国安全生产科学技术. 2011(04)
[4]基于贝叶斯网络的大型城市社区消防安全评估模型[J]. 刘丽珍,陈蕾,张茂红. 计算机应用研究. 2011(01)
[5]层次分析法应用研究[J]. 孙伟. 市场研究. 2008(12)
[6]基于GM模型的城市火灾危险性分析[J]. 刘艳军. 中国安全生产科学技术. 2006(06)
[7]基于贝叶斯网络的权重自学习方法研究[J]. 胡文斌,孟波,王少梅. 计算机集成制造系统. 2005(12)
[8]基于灰色系统理论的城市火灾预测分析[J]. 郑双忠. 数学的实践与认识. 2005(01)
[9]我国小城镇发展状况、对策与展望[J]. 乔忠,王敬华. 中国农业大学学报(社会科学版). 2003(01)
[10]苏州古城区火灾危险性分级初探[J]. 张一先,卞志浩. 消防技术与产品信息. 2003(02)
硕士论文
[1]基于贝叶斯网络的车辆变道行为分析[D]. 党彤.西安理工大学 2018
[2]贝叶斯网络参数学习算法研究与实现[D]. 雷江南.西安电子科技大学 2018
[3]工业大数据背景下的石化企业安全风险评估研究[D]. 冯海杰.浙江大学 2018
[4]基于电子招投标大数据分析的采购绩效评价研究[D]. 刘婷.天津工业大学 2018
[5]贝叶斯网结构学习方法研究[D]. 杨莎莎.江西师范大学 2017
[6]基于贝叶斯网络的船舶溢油风险区划研究[D]. 张淑瑶.大连海事大学 2017
[7]基于大数据因果推断的大学生网购服装推荐模型研究[D]. 张晓阳.哈尔滨工业大学 2016
[8]基于贝叶斯网络的大数据因果关系挖掘[D]. 姚衡.云南财经大学 2016
[9]基于贝叶斯网络的地方政府绩效评估的研究[D]. 郑国平.厦门大学 2009
本文编号：3202331
本文链接：https://www.wllwen.com/jingjilunwen/jianzhujingjilunwen/3202331.html
