宋玉華 楊杰茹 王珺 李玉詩
摘要:針對不同高度建筑及重點監(jiān)管場所需實施不同等級防火監(jiān)管措施的問題,提出基于無序多分類Logistic回歸模型的防火安全管理水平分析策略。對低層/多層建筑、高層建筑和超高層建筑分別進行定性分析,然后通過R語言建立無序多分類Logistic回歸模型進行定量分析??紤]到人員密集場所有必要給予重點分析,歸納總結(jié)了各類人員密集場所并對其建立回歸模型進行防火監(jiān)管水平分析。最后,對所有建筑樣本的綜合管理水平進行Logistic回歸分析,進而給出有針對性的管理措施和建議。
關(guān)鍵詞:消防管理;Logistic回歸;防火安全;人員密集場所
隨著我國經(jīng)濟的飛速發(fā)展,高層、超高層建筑拔地而起,人員密集場所不斷涌現(xiàn),火災安全隱患陡然增加。消防安全問題關(guān)系著廣大人民的生命財產(chǎn)安全,防火監(jiān)督管理對于保障人民的生命財產(chǎn)安全有著極其重要的影響,消防隱患與防火監(jiān)督管理也越來越受到關(guān)注[1]。不同高度建筑結(jié)構(gòu)不盡相同,防火安全等級也有很大差異,這為消防應急救援帶來很大的難度[2]。預防和遏制火災事故,一直是各級政府、消防監(jiān)管部門的工作重點和社會焦點,也是消防工作的重要任務(wù)[3]。以某市為例,2020年出警8600余起,出動車輛19000余輛次,出動人員63000余人次。鑒于此,構(gòu)建有效的防火安全管理水平分析模型、推進“智慧消防”服務(wù)、實現(xiàn)消防管理現(xiàn)代化建設(shè),顯得尤為重要[4]。
回歸分析是一種流行的預測分析與建模技術(shù),常用于預測分析、時間序列模型以及發(fā)現(xiàn)變量之間的因果關(guān)系[5]。常見的線性回歸分析要求因變量為定量變量,而現(xiàn)實中許多問題中因變量為定性變量,例如建筑的防火安全管理水平可劃分為優(yōu)秀、良好、一般、較差和無管理,此時使用線性回歸進行預測分析較難達到理想效果,因而可考慮使用Logistic回歸進行分析。Logistic回歸模型對于預測變量沒有類型要求,自變量可以是連續(xù)、離散或者虛擬變量,也無需額外的分布假設(shè)[6]。因此,采取從局部到整體的分析方法,通過無序多分類Logistic回歸模型,對不同層高建筑、人員密集場所等研究對象的防火監(jiān)管水平進行建模分析,具體分析內(nèi)容如下:
局部分析。根據(jù)建筑的固有屬性,將建筑分為低層/多層建筑、高層建筑、超高層建筑,針對不同類型的建筑分別進行定性和定量分析,建立Logistic回歸模型對不同類別建筑的管理水平進行預測。根據(jù)建筑的使用性質(zhì),考慮到應重點加強對人員密集場所的防火監(jiān)管水平和監(jiān)管力度,對該類場所建立Logistic回歸模型,進行相應的預測分析。
整體分析。根據(jù)建筑高度、建筑面積、建筑層數(shù)、耐火等級、使用性質(zhì)、室內(nèi)消火栓、室外消火栓、自動噴水滅火系統(tǒng)、火災自動報警系統(tǒng)和排煙系統(tǒng)等自變量,建立無序多分類Logistic回歸模型,實現(xiàn)對各類別建筑消防安全水平的綜合分析預測,根據(jù)分析結(jié)果給出切實可行的防火安全管理建議。
1? 數(shù)據(jù)收集
選取某市某區(qū)284個重點單位的建筑消防基礎(chǔ)數(shù)據(jù)進行分析。對所有樣本數(shù)據(jù),根據(jù)建設(shè)部《民用建筑設(shè)計通則》規(guī)定[7],將24m以下的建筑劃分為低層/多層建筑,建筑高度超過24m的建筑劃為高層建筑。兩類建筑的管理水平統(tǒng)計如圖1所示。
此外,對使用性質(zhì)這一指標,依據(jù)《機關(guān)、團體、企業(yè)、事業(yè)單位消防安全管理規(guī)定》(公安部61號令),將其劃分為表1所示的9類場所,并將其中1、2、5、6、8類場所劃分為人員密集型場所。
隨機選取3/4的樣本數(shù)據(jù)作為訓練集,剩下的1/4數(shù)據(jù)作為測試集,對模型進行檢驗。
2? 基于Logistic回歸的防火安全管理水平分析
2.1? 對不同高度建筑的回歸分析
將分別對低層/多層建筑與高層建筑進行分析。對于無序多分類Logistic回歸模型,需定義反應變量的某一個水平為參照水平。本文將管理水平為“優(yōu)秀”定義為參照水平,將其他管理水平與參照水平作對比。
對樣本數(shù)據(jù)中的建筑層數(shù)和建筑高度兩個變量做相關(guān)系數(shù)檢驗,得到相關(guān)系數(shù)值為0.98,并且p值小于0.05,說明建筑高度和建筑層數(shù)之間存在統(tǒng)計相關(guān)性,由此判斷出樣本數(shù)據(jù)的自變量之間可能存在多重共線性。因而,使用R語言進行逐步回歸并建立回歸模型,依據(jù)AIC信息準則[8](Akaike Information Criterion)最小化的原則篩選回歸模型中的自變量。
首先,對低層/高層建筑進行分析。依據(jù)最小化AIC的原則選取的自變量分別為建筑高度、室外消火栓、室內(nèi)消火栓、自動噴水系統(tǒng)和火災自動報警系統(tǒng),得到的回歸參數(shù)估計如表2所示。
在參數(shù)估計表中,以管理水平較差的擬合情況為例,其中,常數(shù)為-5.41,表示當模型中所有自變量均為0時1n[P(較差)/P(優(yōu)秀)]的值;建筑高度的擬合系數(shù)為0.08,表示建筑高度每增加一個單位,引起1n[P(較差)/P(優(yōu)秀)]的改變量為0.08;同理,室內(nèi)消火栓、室外消火栓、自動噴水滅火系統(tǒng)和火災自動報警系統(tǒng)的擬合系數(shù),也代表了其對1n[P(較差)/P(優(yōu)秀)]改變量的影響程度。
依據(jù)表2,得到無序多分類Logistic回歸模型如式(1)所示:
(1)
其中,x1,...,x5分別表示建筑高度、室外消火栓、室內(nèi)消火栓、自動噴水滅火系統(tǒng)和自動報警系統(tǒng)變量。
令G15=0。將G11,...,G15代入下式:
即可得到五種管理水平回歸分析的概率取值。
對測試集的預測值與其實際值的二維列聯(lián)表如表3所示。
上表為低層/多層建筑的管理水平預測值,表中的每一行表示每種管理水平實際觀測值的個數(shù),每一列表示每種管理水平回歸預測值的個數(shù)。從表中可以看出,管理水平為優(yōu)秀的分類,其實際觀測值的個數(shù)為23,而模型預測的個數(shù)為19,說明Logistic回歸模型在該分類上的預測準確率達到了83%,總體而言,模型的預測能力較為良好。
其次,對高層建筑進行分析。在逐步回歸中,根據(jù)最小化AIC準則篩選進入模型的最終自變量為建筑高度、建筑層數(shù)、室外消火栓、室內(nèi)消火栓、自動噴水滅火系統(tǒng)、火災自動報警系統(tǒng)和排煙系統(tǒng),最后得到的自變量的參數(shù)估計表如表4所示。
依據(jù)表4,可得對高層建筑的Logistic回歸模型如式(3)所示:
其中,x1,...,x7分別表示建筑高度、建筑層數(shù)、室外消火栓、室內(nèi)消火栓、自動噴水滅火系統(tǒng)、火災自動報警系統(tǒng)和排煙系統(tǒng)。
根據(jù)公式(3)的計算結(jié)果,最終可以代入公式(2)得到五種管理水平相應的概率。測試集的預測值與其實際值的二維列聯(lián)表如表5所示。
從表5中可以看出,Logistic回歸模型在對高層建筑防火安全管理水平的預測中,平均準確率高達66.8%,模型總體解釋性能較為理想。
2.2? 對人員密集場所的Logistic回歸分析
根據(jù)表1的使用性質(zhì)賦值,可以將284個建筑樣本劃分為9類,這9類場所的自動噴水滅火系統(tǒng)、火災自動報警系統(tǒng)以及有排煙系統(tǒng)的匯總情況如表6所示。
從表中可以看到,無論哪種場所,安裝排煙系統(tǒng)的建筑都要多于(或等于)安裝自動噴水滅火系統(tǒng)或火災自動報警系統(tǒng)的建筑,而安裝了自動噴水滅火系統(tǒng)的建筑與安裝了火災自動報警系統(tǒng)的建筑數(shù)量是一樣的。換言之,安裝自動噴水滅火系統(tǒng)的建筑同時也會安裝火災自動報警系統(tǒng)。
對這9類場所的管理水平程度進行統(tǒng)計分析,如表7所示。
根據(jù)《機關(guān)、團體、企業(yè)、事業(yè)單位消防安全管理規(guī)定》,將第1、2、5、6、8類場所認定為人員密集型場所,對其進行Logistic回歸分析。選取的參照水平仍然為優(yōu)秀。該模型仍存在多重共線性問題,所以使用R語言進行逐步回歸,最后依據(jù)AIC最小化原則,選取的自變量為室外消火栓、室內(nèi)消火栓、自動噴水滅火系統(tǒng)、火災自動報警系統(tǒng)和人數(shù)。最后得到的自變量的參數(shù)估計值如表8所示。
表8 公眾聚集場所的參數(shù)估計表
由參數(shù)估計表8,得到Logistic回歸模型如式(4)所示:
其中,x1,...,x5分別表示室外消火栓、室內(nèi)消火栓、自動噴水滅火系統(tǒng)、火災自動報警系統(tǒng)和人數(shù)。
根據(jù)公式(4)的計算結(jié)果,代入公式(2)可以得到5種管理水平相應的概率。測試集的預測值與其實際值的二維列聯(lián)表如表9所示。
從表中可以看出,模型在優(yōu)秀管理水平上的準確率最高達到了94.1%,說明Logistic回歸模型對人員密集場所的分析預測準確率也是比較高的。
2.3? 對所有建筑和場所的Logistic回歸分析
上文中,著重對不同高度建筑和人員密集型場所的管理水平構(gòu)建模型進行了局部分析。為了進一步研究無序多分類Logistic回歸模型對不區(qū)分建筑類別和場所的整體預測性能,本節(jié)將在所有樣本數(shù)據(jù)上構(gòu)建回歸模型。
使用R語言進行逐步回歸,依據(jù)AIC最小化原則,最終選取的自變量為建筑高度、建筑層數(shù)、室外消火栓、室內(nèi)消火栓、自動噴水系統(tǒng)和火災自動報警系統(tǒng)。回歸擬合得到的參數(shù)估計如表10所示。
根據(jù)表10,得到的回歸模型如式(5)所示:
其中,x1,...,x6分別表示建筑高度、建筑層數(shù)、室外消火栓、室內(nèi)消火栓、自動噴水滅火系統(tǒng)和自動報警系統(tǒng)。
在模型應用中,測試集的模型預測值與實際值的二維列聯(lián)表如表11所示。
從表中可以看出,模型在優(yōu)秀上的準確率最高達到了84%,總體的模型解釋能力也是較為理想的。
4? 結(jié)語
根據(jù)本文的分析,我們可以看出無論是低層或多層建筑、高層建筑還是超高層建筑,管理水平為良好和優(yōu)秀的居多,說明對于低層或多層建筑以及高層建筑的消防管理水平還是中等居上的,但是仍然存在管理程度差甚至無管理的建筑需要相關(guān)部門加強消防管理措施。對于公眾聚集場所仍然存在較多的管理程度差和無管理的建筑。
對低層/多層建筑建立的回歸模型可以看出,建筑高度越高,管理水平以優(yōu)秀作為參照,無管理和較差的情況出現(xiàn)的概率越大,說明對于低層/多層建筑中稍微偏高的建筑應加強防火安全管理工作。對于高層建筑來說,建筑高度越高,建筑的管理水平相比于優(yōu)秀來說,無管理、一般的概率越小。這說明某市某轄區(qū)當前對于高層建筑的管理水平相對較好。
對于人員密集型場所,建筑層數(shù)越多,管理水平為無管理和較差的相比起優(yōu)秀來說概率更大,對于該轄區(qū)的防火安全監(jiān)管工作,應加大對于層數(shù)越多的人員密集型場所的監(jiān)管力度,加強對此類建筑的消防安全建設(shè)。
最后,對于該轄區(qū)內(nèi)的所有建筑,建筑高度越高,建筑管理水平為差的相比優(yōu)秀而言概率越小,并且有室外室內(nèi)消火栓的建筑的管理水平為優(yōu)秀的概率更高,說明該轄區(qū)的整體防火安全檢查工作比較有效,該轄區(qū)整體防火工作水平較高。
參考文獻:
[1]薛智.高層建筑消防隱患分析與防火監(jiān)督管理研究[J].消防界(電子版),2021,7(07):107-108.
[2]楊陽.基于Shapley-ICUOWGA算子的高層建筑火災安全評價[J].消防科學與技術(shù),2019,38(7):1019-1022.
[3]薛鈞,邵紹斌.淺談合用場所亡人火災原因及預防對策[J].消防科學與技術(shù),2017,36(6):883-885.
[4]蘇暢,王新平,李政,等.我國消防安全管理研究的前沿熱點和趨勢[J].消防科學與技術(shù),2020,39(7):1026-1029.
[5]白振鵬,李炎鋒,張鵬,等.隧道火災溫度分布的多元回歸預測分析[J].消防科學與技術(shù),2018,37(10):1304-1306+1323.
[6]曾婕,胡國治.Logistic回歸模型的統(tǒng)計診斷[J].數(shù)理統(tǒng)計與管理,2017,36(4):620-631.
[7]GB 50352-2005,民用建筑設(shè)計通則[S].
[8]王偉,李建鋒,劉帥.基于改進局部線性模型樹的航空發(fā)動機過渡態(tài)非線性辨識[J].信息與控制,2020,49(5):560-569+577.
Analysis of fire safety management level
of social units based on logistic regression
Song Yuhua1,Yang Jieru2,Wang Jun2,li Yushi1
(1.Yantai Fire and Rescue Brigade of Shandong,Shandong? Yantai? 264000;2.ludong University,Shandong? Yantai? 264000)
Abstract:For the problem of different heights of buildings and key supervisory places need to implement different levels of fire prevention supervision measures, the fire safety management level analysis strategy based on disordered multiclassification logistic regression model is proposed. Qualitative analysis is conducted for low-rise/multi-story buildings, high-rise buildings and super high-rise buildings respectively, and then a disordered multi-classification logistic regression model is established for quantitative analysis through R language. Considering that it is necessary to give focus to the analysis of crowded places, various types of crowded places are summarized and regression models are established for their fire prevention supervision level analysis. Finally, the comprehensive management level of all building samples is analyzed by logistic regression, and then targeted management measures and suggestions are given.
Keywords:fire prevention management; logistic regression; fire safety; crowded places