基于消防历史数据的火灾风险和救援难度评估

发布时间：2025-03-20 02:37

　　随着城市化进程的不断加速,城市中建筑单位日趋密集,城市的防火救援工作变得愈发严峻。消防部门在有限的人力下愈发难以完成消防检查、火灾救援等任务,因此在不降低消防救援效果的前提下降低消防部门的工作量成为当下消防部门工作的重要方向之一。而城市建筑的火灾预防工作也越来越得到社会各界的关注。本文研究从消防部门的消防检查、火灾预警和火灾救援三个方面入手,利用消防部门积累的历史火灾数据,对数据进行分析,并通过机器学习算法构建模型优化上述三个问题,为消防部门决策提供帮助。本文主要有以下三部分研究内容:火灾影响因素分析、单位火灾风险预测模型、救援难度评估模型。在火灾影响因素分析中,本文利用数据统计初步筛选火灾相关因素,并利用相关性分析进一步确定某因素对火灾的影响,最后,构建数据集,利用频繁项集挖掘算法挖掘火灾数据集中频繁出现的属性组合。在单位火灾风险预测研究中,本文研究利用极端梯度提升算法(XGBoost)结合历史火灾相关数据构建单位火灾风险预测模型,实现对单位未来时间段内的火灾风险提前预知,并针对性对高风险单位进行检查。火灾风险预测模型构建主要包括数据预处理、训练集构建、模型训练和模型评估四个部分。实验...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图2-1随机森林算法思想

第二章相关理论知识概述7树算法，应用非常广泛，但它在选择分裂属性时倾向于选择属性值较多的属性，往往这些属性并非最优的。同时ID3算法只能处理标称属性不能处理连续性属性，也不能处理缺失样本。为了改进ID3算法Quinlan于1993年又提出C4.5算法，C4.5算法利用选择信息增益....

图3-1火灾与不同级别社区关系

东南大学硕士学位论文16续表3.6部队死亡人数离散值疏散人数离散值救出人数离散值群众死亡人数离散值灾害原因标称受伤人数离散值部队受伤人数离散值燃烧面积连续值财产损失连续值消防部门数据存储于不同的业务系统中，如消防检查和历史火灾数据分别存储在各自独立的系统中，在系统建立初期并未考虑....

图3-2单位区域分布图

经过数据预处理后，本实验共获得29483家单位数据以及10475条火灾事故数据。其中火灾事故数据是从2015年6月至2018年2月发生在S市范围内被记录的数据。在对火灾事故相关属性进行挖掘以及对单位火灾和救援难度建立预测模型前，本实验首先对这两部分数据....

图3-3单位类型分布

东南大学硕士学位论文20图3-3单位类型分布在单位数据中共存在4种类型单位，由于未获取单位类型代码具体的类型名称，故本实验只考虑其分布情况。如图3-3所示，S市的29483家单位主要为类型9和类型2，两种类型单位占所有单位总数的87.7%，类型3所代表的单位数量最少，仅有151家....

本文编号：4037249