基于人工神经网络的城市火灾事故的预测方法

  1 引言

    　　现代化城市具有建筑物集中、生产集中、财富集中、人口集中等特点，一旦发生火灾，热必造成巨大的经济损失和人员伤亡，甚至会引起社会动荡。特别近年来城市火灾发生呈上升趋势，给社会造成了不可忽视的损失。1998年3月22日，伦敦金融城中心发生火灾，一幢44层高塔楼的1/5化为灰烬。2001年8月27日，俄罗斯首都莫斯科的奥斯坦基诺电讯发射塔（世界第二高的电视发射塔）发生火灾，7人遇难。2002年6月16日，位于北京海淀区学院路20号的“蓝极速”网吧发生火灾，造成25人死亡，12人受伤，烧毁建筑95²，烧毁台式电脑71台。因而对火灾发生次数及其分布特性进行准确、有效地预测，有利于消防部门合理投入人力、物力，优化配置消防资源、设施等，也有利于消防队伍的科学培训和管理。应用神经网络预测方法，掌握火灾事故发生次数的规律，成功的预防火灾的发生，对减少人员伤亡，财产损失，对社会经济发展，对保持社会秩序的稳定，都具有非常重要意义。

    2 BP神经网络模型及其算法步骤

    　　人工神经网络是基于连接学说构造的智能仿生模型，它是由大量神经元组成的非线性动力学系统，是由大量的，同时也是很简单的处理单元（神经元）广泛地相互连接而形成的复杂网络系统。人工神经网络模拟人的大脑活动，具有极强的非线性逼近、大规模并行处理、自训练学习、容错能力以及外部环境的活应能力。由于城市火灾的发生具有很大的突发性、复杂多样性及非线性，在很大程度上受外界环境的影响，因而利用神经网络的特点和功能，对城市火灾进行预测预报，更符合火灾发生的特性。

    2.1BP网络模型

    　　BP（Back Propagation）网络是当前应用最为广泛的一种人工神经网络，有80%~90%的人工神经网络模型是采用BP网络或变形网络，是前向网络的核心部分。标准的Bp网络模型由3个神经元层次组成，如图1所示。其最下层称为输入层，中间层称为隐含层，最上层称为输出层，各层次之间的神经元形成全互连接，各层次内的神经元之间没有连接。其中输入层n个节点分别对应n个输入分量，输入分量p=(p₁，p₂， p₃…p_n)，输出层m个节点，其对应m个输出分量T=（t ₁，t ₂，t ₃…t _m）。

    　　

    　　图1 BP网络模型

    2.2BP算法步骤

    　　给输入层单元到隐含层单元的连接权值w _ij¹，i=1，2，…，s¹，j=1，2…n，隐含层单元到输出层单元连接权值w _mi²，m=1，2…s²，i=1，2，…，s¹，隐含层阀值单元b _i¹，输出层的阀值b _m²，并赋予权值、阀值（-1+1）区间的随机值。

    2.2.1BP网络的输入向前传播

    　　（1）将样本值P输入，通过连接权值w _ij¹送到隐含层，产生隐含层单元的激活值：

    　　A_t¹=f¹（Σw _ij¹P+ b _i¹） （1）

    　　式中，i，j同上，f¹函数为对数s形函数，即f¹（x）（1+e ^-x）^-1 （2）

    　　（2）计算输出层单元激活值：

    　　A_m²=f（Σw _mi² A_t¹+ b _m²）

    　　令c=Σw _mi² A_t¹+ b _m² （3）

    　　式中，f函数文中取饱和线性函数：