發(fā)布時(shí)間：2017-12-28 20:15

  本文關(guān)鍵詞：面向城市消防站選址規(guī)劃的時(shí)空動(dòng)態(tài)火災(zāi)風(fēng)險(xiǎn)建模分析　出處：《中國(guó)科學(xué)技術(shù)大學(xué)》2017年博士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 機(jī)器學(xué)習(xí) 空間計(jì)量經(jīng)濟(jì)學(xué)模型 時(shí)空加權(quán)回歸 小波分析 馬爾科夫鏈蒙特卡洛 時(shí)間序列分析 定位-分配模型

【摘要】：當(dāng)前,中國(guó)的城鎮(zhèn)化建設(shè)處于高速發(fā)展的階段,與此同時(shí),城市火災(zāi)風(fēng)險(xiǎn)居高不下。我國(guó)城市的消防規(guī)劃相對(duì)滯后于城鎮(zhèn)化的快速發(fā)展,特別對(duì)于城市的未來(lái)發(fā)展以及對(duì)火災(zāi)風(fēng)險(xiǎn)的發(fā)展考慮得不夠全面,同時(shí),考慮時(shí)空動(dòng)態(tài)分布的火災(zāi)風(fēng)險(xiǎn)影響下的消防資源布局方面的研究也較少。本文通過(guò)引入相關(guān)數(shù)學(xué)模型來(lái)綜合考慮時(shí)空變化對(duì)城市火災(zāi)發(fā)生的影響,充分考慮火災(zāi)發(fā)生的時(shí)空變化特征,并在此基礎(chǔ)上發(fā)展一種與城市發(fā)展相適應(yīng)的、動(dòng)態(tài)的消防站選址規(guī)劃模型,可為提高城市消防規(guī)劃的科學(xué)性提供理論支撐。主要工作如下:1.城市尺度火災(zāi)發(fā)生的空間分布研究通過(guò)使用機(jī)器學(xué)習(xí)算法和空間計(jì)量經(jīng)濟(jì)學(xué)模型對(duì)市域尺度的城市火災(zāi)的發(fā)生進(jìn)行空間建模,從而預(yù)測(cè)或者解釋火災(zāi)發(fā)生的空間分布。首先,我們使用機(jī)器學(xué)習(xí)算法進(jìn)行分析。針對(duì)特征選擇得到的重采樣結(jié)果顯示,在訓(xùn)練集中,四種機(jī)器學(xué)習(xí)算法中隨機(jī)森林模型(RF)的預(yù)測(cè)精度最高。樣本點(diǎn)距離消防站的距離、人口的分布、企業(yè)工廠的分布、道路密度、溫度的分布以及海拔是選入RF中的自變量,說(shuō)明這些變量對(duì)火災(zāi)風(fēng)險(xiǎn)的貢獻(xiàn)度最大。同時(shí)隨機(jī)森林算法在訓(xùn)練集和測(cè)試集上均預(yù)測(cè)效果較好,差別不大,說(shuō)明其較為穩(wěn)健。之后,通過(guò)對(duì)空間計(jì)量經(jīng)濟(jì)學(xué)模型進(jìn)行分析,結(jié)果顯示空間通用模型(SAC)的赤池信息準(zhǔn)則(AIC)值最小,也即擬合效果最好。結(jié)果顯示道路密度對(duì)火災(zāi)密度有正相關(guān)的關(guān)系,而溫度、海拔以及距離消防站的距離這三個(gè)變量均與火災(zāi)密度呈負(fù)相關(guān)的關(guān)系。結(jié)果說(shuō)明人類(lèi)的活動(dòng)對(duì)于火災(zāi)發(fā)生有著相當(dāng)重要的作用,同時(shí)也對(duì)空間回歸模型的貢獻(xiàn)度相對(duì)較大。同時(shí),SAC模型在訓(xùn)練集上均表現(xiàn)良好,但在測(cè)試集上均與訓(xùn)練集的預(yù)測(cè)效果相差較大。這說(shuō)明空間通用模型更適合對(duì)火災(zāi)風(fēng)險(xiǎn)進(jìn)行解釋。總之,在模型的適用性方面,我們發(fā)現(xiàn)RF能夠表現(xiàn)出更穩(wěn)健的預(yù)測(cè)能力,魯棒性較強(qiáng)。而對(duì)于空間計(jì)量經(jīng)濟(jì)學(xué)模型,它們則能夠從特定數(shù)據(jù)集(訓(xùn)練集)中隱藏的空間分布規(guī)律和聚類(lèi)特征入手,采用空間權(quán)重矩陣準(zhǔn)確地刻畫(huà)市域尺度下城市火災(zāi)發(fā)生的空間規(guī)律與影響較大的自變量,更適合于解釋火災(zāi)的發(fā)生,但總體上要強(qiáng)于隨機(jī)森林算法。同時(shí),通過(guò)對(duì)最終得到的SAC與RF模型在整個(gè)數(shù)據(jù)集上進(jìn)行預(yù)測(cè),結(jié)果顯示,SAC在總體上要優(yōu)于RF。進(jìn)一步通過(guò)對(duì)模型的殘差進(jìn)行分析和可視化,結(jié)果顯示SAC比RF更能解釋火災(zāi)發(fā)生的空間結(jié)構(gòu)。2.城市尺度火災(zāi)發(fā)生的時(shí)間分布研究通過(guò)使用小波變換的方法對(duì)火災(zāi)與氣象因素的時(shí)間序列進(jìn)行分析,進(jìn)而揭示時(shí)間序列中存在的潛在規(guī)律與變化共性,之后使用經(jīng)典的自回歸移動(dòng)平均模型與MCMC對(duì)火災(zāi)頻次的時(shí)間序列進(jìn)行擬合,最終得到時(shí)間維上的城市火災(zāi)風(fēng)險(xiǎn)發(fā)展趨勢(shì)。首先,通過(guò)小波變換來(lái)分析火災(zāi)頻次的時(shí)間序列,結(jié)果顯示存在四個(gè)特征時(shí)間尺度,分別為4,18,34,56個(gè)月,火災(zāi)頻次的周期性波動(dòng)在56個(gè)月(4-5年)這樣的時(shí)間尺度上周期性最強(qiáng),適合于在較大的年際尺度上進(jìn)行火災(zāi)周期性的研究分析�？梢詮亩ㄐ缘慕Y(jié)果中推測(cè)在2010-2011年火災(zāi)頻次將呈現(xiàn)下降趨勢(shì),之后將繼續(xù)上升。其次,氣象因素的時(shí)間序列通過(guò)小波分析,發(fā)現(xiàn)不同的變量存在不同的特征時(shí)間尺度集合。它們均包含18個(gè)月的特征時(shí)間尺度,這說(shuō)明氣象因素也和火災(zāi)頻次的時(shí)間序列擁有共同的平均變化周期為12個(gè)月。最后,通過(guò)使用經(jīng)典的時(shí)間序列模型對(duì)火災(zāi)頻次進(jìn)行建模,通過(guò)比較,最終選用ARIMA(0,1,1)模型來(lái)進(jìn)行建模。另一方面,我們選用MCMC模型來(lái)進(jìn)行時(shí)間序列建模,結(jié)果顯示日照時(shí)長(zhǎng)的系數(shù)值最大,表示其對(duì)火災(zāi)發(fā)生的影響最大。同時(shí),日照時(shí)長(zhǎng)與相對(duì)濕度的系數(shù)值為正,表示與火災(zāi)發(fā)生的頻次正相關(guān);平均溫度與降水量的系數(shù)值為負(fù),表示與火災(zāi)發(fā)生的頻次負(fù)相關(guān)。另外,去除氣象變量后的MCMC模型與包含氣象變量的MCMC模型進(jìn)行了對(duì)比,結(jié)果表明加入氣象因素的MCMC模型的擬合度更好,更能勾勒時(shí)間序列中的波動(dòng)。3.城市尺度火災(zāi)發(fā)生的時(shí)空分布研究通過(guò)使用以最小二乘法(OLS)為基礎(chǔ)的全局線性回歸模型(LM)進(jìn)行分析,對(duì)比了全局模型與局部模型在火災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)方面的效果,最終可以得到火災(zāi)風(fēng)險(xiǎn)分布的時(shí)空模型。首先,我們使用空間交叉驗(yàn)證(SCV)對(duì)自變量進(jìn)行選擇。使用SCV進(jìn)行線性回歸訓(xùn)練的結(jié)果顯示,道路密度與工廠企業(yè)的空間分布是火災(zāi)風(fēng)險(xiǎn)建模中最重要的變量,與火災(zāi)的發(fā)生密切相關(guān),但是前者對(duì)于火災(zāi)風(fēng)險(xiǎn)正相關(guān),而后者為負(fù)相關(guān)。之后,我們使用選擇的自變量進(jìn)行了地理加權(quán)回歸(GWR)與時(shí)空加權(quán)回歸(GTWR)兩種局部擬合模型對(duì)火災(zāi)風(fēng)險(xiǎn)進(jìn)行解釋與預(yù)測(cè)。結(jié)果顯示,擬合效果GTWRGWRLM。通過(guò)提取模型中的自變量的系數(shù)并進(jìn)行可視化,結(jié)果顯示,對(duì)于相同的自變量,其系數(shù)值與顯著度水平在不同時(shí)間截面的相同位置處發(fā)生了一定程度的變化。最后,通過(guò)對(duì)不同區(qū)域顯著變量的數(shù)目進(jìn)行分析,結(jié)果顯示參數(shù)的空間異質(zhì)性分布規(guī)律主要集中在城市的非中心區(qū),往往是一些人類(lèi)局部活動(dòng)性較為集中的次中心地帶或者集鎮(zhèn)、縣城等地區(qū)。通過(guò)對(duì)三個(gè)模型產(chǎn)生的殘差進(jìn)行半異方差檢測(cè),結(jié)果顯示GTWR對(duì)于火災(zāi)發(fā)生的空間結(jié)構(gòu)的解釋程度最強(qiáng)。同時(shí),在模型的獨(dú)立測(cè)試階段,GTWR也顯示出比GWR、OLS更為準(zhǔn)確的預(yù)測(cè)能力。4.基于火災(zāi)發(fā)生時(shí)空動(dòng)態(tài)模型的城市消防站選址規(guī)劃模型首先,在前文工作的基礎(chǔ)上,我們可以預(yù)測(cè)未來(lái)一段時(shí)間的火災(zāi)風(fēng)險(xiǎn)空間分布,進(jìn)而建立改進(jìn)的城市消防站選址規(guī)劃模型。通過(guò)使用遺傳算法進(jìn)行選址模型的模擬仿真,結(jié)果顯示使用基于匹配度與多重部分覆蓋模型的選址模型更能體現(xiàn)出實(shí)際消防規(guī)劃中的"等級(jí)對(duì)應(yīng)"思想,也即不同等級(jí)的風(fēng)險(xiǎn)應(yīng)和同等級(jí)的預(yù)防措施相對(duì)應(yīng)。風(fēng)險(xiǎn)越高,消防站的出動(dòng)時(shí)間應(yīng)越小,救援路徑應(yīng)越短。因此,當(dāng)目標(biāo)函數(shù)為匹配度時(shí),我們所建立的新模型與其他經(jīng)典選址模型(P-中值,最大覆蓋)相比,目標(biāo)值最大且更加合理。另外,我們使用基于容量限制的路徑尋優(yōu)算法來(lái)模擬當(dāng)發(fā)生并發(fā)火災(zāi)時(shí),消防車(chē)對(duì)于火點(diǎn)進(jìn)行撲救的路徑選擇問(wèn)題。結(jié)果顯示,基于容量限制的最短路徑尋優(yōu)算法CCRP可以解決消防車(chē)在基于城市道路網(wǎng)進(jìn)行撲救時(shí)的最短路徑選擇問(wèn)題。同時(shí),這也可以模擬將空間節(jié)點(diǎn)上的人群進(jìn)行群體疏散時(shí)來(lái)選擇最短路徑的情形。
[Abstract]:At present, the construction of urbanization in China is at a stage of rapid development. At the same time, the risk of urban fire is high. Our country city fire planning lagging behind the rapid development in urbanization, especially for the future development of the city and the development of fire risk are not considered comprehensively, at the same time, considering the fire risk of fire resource layout effect of temporal and spatial dynamic distribution under the less. In this paper, through introducing the relevant mathematical model considering the influence of temporal and spatial variation of fire in the city, fully considering the characteristics of temporal and spatial variation of fire, and on the basis of the development of a city, and adapt to the development of dynamic fire station location planning model, which can provide theoretical support for improving the scientific nature of city fire protection planning. The main works are as follows: 1., the spatial distribution of fires in urban scale is studied by using machine learning algorithm and spatial econometrics model to model the occurrence of urban fires in city scale, so as to predict or explain the spatial distribution of fires. First, we use machine learning algorithms to analyze. The resampling results obtained from the feature selection show that the prediction accuracy of the random forest model (RF) is the highest among the four machine learning algorithms in the training set. The distance from the sample point to the fire station, the distribution of the population, the distribution of the plant, the density of roads, the distribution of temperature and altitude are the independent variables selected into RF, which indicate that these variables contribute most to the fire risk. At the same time, the prediction effect of random forest algorithm on the training set and test set is good, and the difference is not significant, which shows that the algorithm is more robust. Then, through the analysis of spatial econometrics model, the results show that the AIC of SAC is the smallest, that is, the best fitting effect. The results showed that road density had a positive correlation with fire density, while the three variables of temperature, altitude and distance from fire station were negatively correlated with fire density. The results show that human activities play an important role in the occurrence of fire, and also have a relatively large contribution to the spatial regression model. At the same time, the SAC model shows good performance on the training set, but the prediction effect of the test set is quite different from the training set. This shows that the spatial general-purpose model is more suitable for the interpretation of fire risk. In general, in terms of the applicability of the model, we find that RF can show more robust predictive ability and stronger robustness. The spatial econometric model, they can from a specific data set (training set) hidden in spatial distribution and clustering of the spatial weight matrix to accurately describe the variables of large space law and influence of city fire occurred under the city scale, more suitable for explaining the occurrence of fire, but on the whole. In the random forest algorithm. At the same time, the final SAC and RF models are predicted on the whole data set, and the results show that SAC is better than RF in general. Through the analysis and visualization of the residual error of the model, the results show that SAC can explain the spatial structure of fire more than RF. Through the analysis method of wavelet transform in time series of fire and meteorological factors of 2. city scale fire time distribution research, which reveals the potential rule and change in common in time series, after the use of classical autoregressive moving average time series of fire frequency model and MCMC fitting, finally get the development trend of city the time dimension of the fire risk. First of all, through the wavelet transform to time series analysis of fire frequency, the results show that there are four characteristic time scales, respectively, for 4,18,34,56 months, the fire frequency of periodic fluctuation in 56 months (4-5 years) so that on the time scale of the most cyclical, suitable for the analysis of periodic fire in large interannual scale the. It can be deduced from the qualitative results that the frequency of fire will decline in 2010-2011 years and will continue to rise. Secondly, the time series of meteorological factors is analyzed by wavelet analysis, and it is found that different variables have different characteristic time scale sets. They all contain 18 months of the characteristic time scale, which shows that the meteorological factors and the time series of the frequency of the fire have a common average change period of 12 months. Finally, by using the classical time series model to model the frequency of the fire, the ARIMA (0,1,1) model is used to model the model by comparison. On the other hand, we use the MCMC model to model the time series. The results show that the maximum length of the sunshine is the largest, which indicates that it has the greatest impact on the fire. Meanwhile, the relationship between sunshine duration and relative humidity is positive, indicating a positive correlation with the frequency of fire occurrence. The average temperature and precipitation are negative, indicating a negative correlation with the frequency of fire occurrence. In addition, the MCMC model which removes the meteorological variables is compared with the MCMC model including the meteorological variables. The results show that the MCMC model with meteorological factors is better fitted and better able to describe the fluctuation in the time series. Study on the temporal and spatial distribution of 3. city scale fires by using the least squares method (OLS) based global linear regression model (LM) analysis, comparison of the global model and local model in fire risk prediction effect, finally can get the spatio-temporal model of fire risk distribution. First, we use the space cross validation (SCV) to select the independent variables. The results of linear regression training using SCV show that the spatial distribution of road density and factory enterprises is the most important variable in fire risk modeling, and is closely related to the occurrence of fire. However, the former is positively related to fire risk while the latter is negatively correlated. After that, we use the selected independent variables to carry out the GWR.
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TU998.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張永勝;火災(zāi)風(fēng)險(xiǎn)識(shí)別[J];消防技術(shù)與產(chǎn)品信息;1996年04期

2 楊海,劉力,張一先;綜合評(píng)判在城市火災(zāi)風(fēng)險(xiǎn)管理中的應(yīng)用[J];低溫建筑技術(shù);2003年03期

3 劉萬(wàn)臣;火災(zāi)風(fēng)險(xiǎn)動(dòng)態(tài)與控制[J];消防技術(shù)與產(chǎn)品信息;2004年08期

4 陳也;;區(qū)域火災(zāi)風(fēng)險(xiǎn)準(zhǔn)則的確立研究[J];消防科學(xué)與技術(shù);2006年05期

5 莊磊;陸守香;王福亮;;布達(dá)拉宮古建筑的火災(zāi)風(fēng)險(xiǎn)分析[J];中國(guó)工程科學(xué);2007年03期

6 劉梅;劉軍;;北京市火災(zāi)風(fēng)險(xiǎn)綜合評(píng)估指標(biāo)體系研究[J];消防技術(shù)與產(chǎn)品信息;2007年07期

7 趙廷勝;王少杰;;模糊綜合評(píng)價(jià)法在城市火災(zāi)風(fēng)險(xiǎn)中的應(yīng)用[J];山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

8 原震;陳國(guó)良;劉梅;孟卓;;2008北京奧運(yùn)會(huì)開(kāi)幕式火災(zāi)風(fēng)險(xiǎn)分析與評(píng)估[J];消防科學(xué)與技術(shù);2009年01期

9 左秋玲;李景山;王國(guó)際;;高層教學(xué)樓火災(zāi)風(fēng)險(xiǎn)的模糊綜合評(píng)估[J];消防科學(xué)與技術(shù);2009年02期

10 王躍琴;田玉敏;李文莉;;甲乙類(lèi)廠房火災(zāi)風(fēng)險(xiǎn)指數(shù)評(píng)價(jià)方法研究[J];消防科學(xué)與技術(shù);2009年12期

相關(guān)會(huì)議論文 前10條

1 陸守香;霍然;;火災(zāi)風(fēng)險(xiǎn)綜合評(píng)估方法[A];加入WTO和中國(guó)科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（下冊(cè)）[C];2002年

2 陳濤;傅學(xué)成;趙力增;王鑫;薛崗;;煙花燃放火災(zāi)風(fēng)險(xiǎn)分析及消防應(yīng)對(duì)策略[A];全國(guó)危險(xiǎn)物質(zhì)與安全應(yīng)急技術(shù)研討會(huì)論文集（下）[C];2011年

3 印建皖;;大型居住社區(qū)火災(zāi)風(fēng)險(xiǎn)和消防安全工作的分析與建議[A];2013中國(guó)消防協(xié)會(huì)科學(xué)技術(shù)年會(huì)論文集[C];2013年

4 吳立志;董希琳;董法軍;楊玉勝;段耀勇;;基于統(tǒng)計(jì)數(shù)據(jù)的城市火災(zāi)風(fēng)險(xiǎn)聚類(lèi)方法研究[A];中國(guó)災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專(zhuān)業(yè)委員會(huì)第二屆年會(huì)論文集（二）[C];2006年

5 劉fE亞;陳彥菲;;石油化工園區(qū)火災(zāi)風(fēng)險(xiǎn)與消防安全規(guī)劃研究[A];“中國(guó)視角的風(fēng)險(xiǎn)分析和危機(jī)反應(yīng)”——中國(guó)災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專(zhuān)業(yè)委員會(huì)第四屆年會(huì)論文集[C];2010年

6 包任烈;張永豐;顧海昕;黃昊;;棉花自燃的模擬實(shí)驗(yàn)研究及火災(zāi)風(fēng)險(xiǎn)分析[A];2011中國(guó)消防協(xié)會(huì)科學(xué)技術(shù)年會(huì)論文集[C];2011年

7 楊棟;任長(zhǎng)寧;;低壓配電系統(tǒng)諧波的火災(zāi)危險(xiǎn)性與對(duì)策[A];2012中國(guó)消防協(xié)會(huì)科學(xué)技術(shù)年會(huì)論文集（上）[C];2012年

8 廖俊輝;華菲;;火災(zāi)風(fēng)險(xiǎn)指數(shù)法在建筑火災(zāi)調(diào)查中的應(yīng)用[A];自主創(chuàng)新與持續(xù)增長(zhǎng)第十一屆中國(guó)科協(xié)年會(huì)論文集（3）[C];2009年

9 劉燕;杜學(xué)平;劉蓉;;天然氣管道火災(zāi)危險(xiǎn)區(qū)域預(yù)測(cè)方法與預(yù)防措施[A];中國(guó)城市燃?xì)夤芫W(wǎng)安全運(yùn)行技術(shù)研討會(huì)交流材料[C];2011年

10 劉松濤;郭英;劉文利;杜莉莉;王大鵬;;基于抵御和破壞能力的火災(zāi)風(fēng)險(xiǎn)綜合評(píng)價(jià)體系研究[A];自主創(chuàng)新與持續(xù)增長(zhǎng)第十一屆中國(guó)科協(xié)年會(huì)論文集（3）[C];2009年

相關(guān)重要報(bào)紙文章 前8條

1 陳偉;要努力降低火災(zāi)風(fēng)險(xiǎn)[N];西藏日?qǐng)?bào);2010年

2 袁曉園　編譯;澳大利亞遭遇極熱天氣致火災(zāi)風(fēng)險(xiǎn)高企[N];中國(guó)保險(xiǎn)報(bào);2014年

3 黑龍江省公安消防總隊(duì)政委 王文銳;構(gòu)建火災(zāi)風(fēng)險(xiǎn)等級(jí)評(píng)估體系初探[N];人民公安報(bào)·消防周刊;2011年

4 宋寧;北京總隊(duì)舉辦重大危險(xiǎn)源評(píng)估培訓(xùn)班[N];人民公安報(bào)·消防周刊;2009年

5 楊慶云;火災(zāi)風(fēng)險(xiǎn)分析法在隱患整改中的應(yīng)用[N];人民公安報(bào)·消防周刊;2008年

6 陳濤;煙花燃放的火災(zāi)風(fēng)險(xiǎn)與消防應(yīng)對(duì)策略研究取得進(jìn)展[N];人民公安報(bào)·消防周刊;2010年

7 本報(bào)記者 高重密;一招鮮如何吃遍天[N];中國(guó)化工報(bào);2013年

8 何鐵軍 童昌平;貴州消防保險(xiǎn)協(xié)調(diào)火災(zāi)公眾責(zé)任保險(xiǎn)[N];人民公安報(bào)·消防周刊;2006年

相關(guān)博士學(xué)位論文 前4條

1 Syed Muhammad Zeeshan Shirazi;基于半監(jiān)督機(jī)器學(xué)習(xí)方法的火災(zāi)風(fēng)險(xiǎn)遙感評(píng)估研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

2 宋超;面向城市消防站選址規(guī)劃的時(shí)空動(dòng)態(tài)火災(zāi)風(fēng)險(xiǎn)建模分析[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

3 周天;城市火災(zāi)風(fēng)險(xiǎn)和防火能力研究[D];同濟(jì)大學(xué);2007年

4 周俊;城市火災(zāi)消防規(guī)劃支持方法研究[D];武漢大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 陳雪芹;長(zhǎng)春綠地·新里中央公館B區(qū)二、三期工程火災(zāi)風(fēng)險(xiǎn)識(shí)別與控制研究[D];長(zhǎng)春工業(yè)大學(xué);2015年

2 張蕾;云南省火災(zāi)風(fēng)險(xiǎn)及其應(yīng)對(duì)策略研究[D];云南大學(xué);2016年

3 劉竹筠;體育場(chǎng)館核心空間的火災(zāi)風(fēng)險(xiǎn)與防火改造策略研究[D];天津大學(xué);2014年

4 宋丹;大型商場(chǎng)火災(zāi)風(fēng)險(xiǎn)關(guān)鍵部位辨識(shí)研究[D];沈陽(yáng)航空工業(yè)學(xué)院;2009年

5 賈子若;高等學(xué)校學(xué)生宿舍火災(zāi)風(fēng)險(xiǎn)綜合評(píng)價(jià)研究[D];北京交通大學(xué);2009年

6 李炳華;基于模糊信息優(yōu)化處理方法的城市火災(zāi)風(fēng)險(xiǎn)分析研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

7 王曉峰;基于模糊灰色理論紡織廠火災(zāi)風(fēng)險(xiǎn)分析[D];蘇州大學(xué);2009年

8 趙海燕;基于模糊灰色理論大型商場(chǎng)火災(zāi)風(fēng)險(xiǎn)可靠性評(píng)價(jià)方法的研究[D];蘇州大學(xué);2007年

9 傅s，

本文編號(hào)：1347256