文献类型：期刊文章

作　　者：疏学明[1,3] 颜峻[2] 胡俊[1] 吴津津[1] 邓博誉[1]

SHU Xueming;YAN Jun;HU Jun;WU Jinjin;DENG Boyu(Department of Engineering Physics,Institute of Public Safety Research,Tsinghua University,Beijing 100084,China;China Institute of Industrial Relations,Institute of Safety Engineering,Beijing 100048,China;Beijing Key Laboratory of City Integrated Emergency Response Science,Beijing 100084,China)

机构地区：[1]清华大学工程物理系,公共安全研究院,北京100084 [2]安全工程学院,中国劳动关系学院,北京100048 [3]城市综合应急科学北京市重点实验室,北京100084

出　　处：《清华大学学报（自然科学版）》

基　　金：国家重点研发计划项目(2017YFC0806600);国家自然科学基金资助项目(71774094,71790613);中国劳动关系研究生教育教学改革项目(YJG1702)。

年　　份：2020

卷　　号：60

期　　号：4

起止页码：321-327

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为评估建筑火灾动态风险,从防火工程的角度将火灾发展过程划分为"火情-火警-火险-火灾"4个阶段,分别研究了不同阶段的主要风险评估参数。采用Bayes网络方法构建了动态风险评估模型,确定了网络结构与参数。采用敏感度分析法研究了评估参数对火灾风险的影响程度。以2座典型建筑为例,分别计算得到每个阶段风险和综合风险。研究结果表明:建筑火灾风险是一个动态变化的过程,各阶段风险、评估参数均存在差异;评估节点和依赖关系构成了因果网;评估模型可以有效地将消防监测终端采集的消防大数据与人工智能分析技术相结合,有助于提升建筑消防安全管理的智能化水平。

关 键 词：安全工程 建筑火灾 风险评估 大数据 BAYES网络

分 类 号：X93[安全科学与工程类]