基于复杂网络的油罐区火蔓延预测与分析方法
【专利摘要】本发明提供一种基于复杂网络的油罐区火蔓延预测与分析方法，包括以下步骤：在油罐区的各油罐位置以及相邻油罐的中间位置布置传感器节点，节点间连接构成传感器网络；在一个计算机系统内建立油罐区火蔓延的加权有向网络；以及基于前述建立的加权有向网络，利用火灾的发生状态以及前述传感器节点所监测的环境数据进行火蔓延预测和相关分析。本发明采用复杂网络思想构建油罐区火蔓延模型，可实现全面监测油罐区火灾状态，预测油罐区火灾蔓延趋势，并进行相关分析，结合最小二乘支持向量机模型给出蔓延参考时间。
【专利说明】基于复杂网络的油罐区火蔓延预测与分析方法
【技术领域】
[0001]本发明涉及火灾预测领域，具体而言涉及一种基于复杂网络的油罐区火蔓延预测与分析方法。
【背景技术】
[0002]石油生产中的物料往往具有易燃、易爆等危险性，这些潜在的危险决定了在生产、运输、存储等多个环节中，必须严格管理和控制，如果稍有不慎，就可能会酿成重大事故，给人们的生命财产造成破坏和损失。油罐区的占地面积大,收发作业频繁,设备检修次数多，是火灾的多发地。因此，如果能够在油罐火灾进行建模和研究，预测火灾发生时燃烧特性的变化趋势和未来趋势，对火灾的扑灭和现场救护是非常有意义的。
[0003]目前，针对油罐火灾，现有技术中已经有了从理论和实验的角度的相关研究。庄磊等(大型油罐火灾的热辐射危害特性[J].安全与环境学报，2008，8 (4):110-114.)对柴油油罐燃烧进行数值模拟，得出了无风和有风情况下油罐热辐射空间分布规律，并引入热辐射危害判据分析消防人员灭火的最小安全距离以及燃烧油罐对相邻油罐的热破坏。夏建军等(油罐火灾模型试验的安全性分析[J].消防科学与技术，2012，31 (2):122-125.)采用数学计算和FDS软件模拟对缩小尺寸的油罐火灾模拟试验进行安全性分析，得到火焰跳动频率、倾斜角、火焰高度和热辐射安全距离等参数数据，并与实际的模型试验进行比较。赵洪海(油罐火灾特性的小尺寸实验研究[J].消防科学与技术，2010(1):26-29.)研究了不同油罐直径、油罐高度、水垫层厚度、油层厚度下油罐火灾的燃烧特性以及周围热辐射通量的分布规律，并分析了这些因素对燃烧过程的影响。
[0004]以上现有技术多着眼于单个油罐燃烧特性的研究，对于研究油罐区火灾蔓延具有一定的意义，然而其未能从整个油罐区的角度来考虑油罐燃烧对于周围环境的影响，也没有涉及多个油罐同时着火时的叠加影响以及不同状态的油罐之间的相互影响，对于油罐区火灾蔓延的复杂性没有深入的研究与分析。因此，现有技术还不能满足准确、快速监测油罐区火灾状态和预测火灾蔓延的需求。
【发明内容】
[0005]本发明从从油罐区全局角度出发，综合整个油罐区信息，提出一种基于复杂网络的油罐区火蔓延预测与分析方法，利用油罐区火蔓延模型实现火蔓延预测、火蔓延参考时间分析以及安全距离分析。
[0006]为实现上述目的，本发明所采用的技术方案如下:
[0007]—种基于复杂网络的油罐区火蔓延预测与分析方法，包括以下步骤:
[0008]在油罐区的各油罐位置以及相邻油罐的中间位置布置传感器节点，节点间连接构成传感器网络；
[0009]在一个计算机系统内建立油罐区火蔓延的加权有向网络；以及
[0010]基于前述建立的加权有向网络，利用火灾的发生状态以及前述传感器节点所监测的环境数据进行火蔓延预测和相关分析。
[0011]进一步的实施例中，前述传感器节点所采集的环境信息至少包括:温度、湿度、一氧化碳浓度、二氧化碳浓度、可燃气体浓度、风速以及风向。
[0012]进一步的实施例中，加权有向网络的建立包括以下步骤:
[0013]步骤1、将油罐区的每个油罐抽象为网络节点，构成油罐集合V，V= { V1, V2，…，V111};
[0014]步骤2、赋予每个网络节点属性，用于反应每个油罐的状态信息，构成属性集合A:
[0015]A= {p, d, o, s, q},
[0016]其中:p为节点位置，d为节点直径,O为储存油料性质，s为节点状态，q为节点中心接受热辐射强度；
[0017]步骤3、将火灾蔓延路径抽象为有向边，构成边集合E:
[0018]E= { e^.I i < m, j < m, i 古 j },
[0019]其中，该集合E为一 VXV的子集，边表示已经着火的油罐与其相邻的未着火油罐之间的一个有向边，作为潜在的火灾蔓延路径，即火灾可能从边的起点vi朝向边的终点Vj蔓延；
[0020]步骤4、赋予边权值，构成边的权值集合W:
[0021]W= { Wij I i ^ m, j ^ m, i ^ j },
[0022]其中，某一条边\的权值&表示火灾从起点Vi向终点 '蔓延的危险程度，Wij e [O, I],当边eu表示的火蔓延确实发生后，Wij=I,即:
[0023]
【权利要求】
1.一种基于复杂网络的油罐区火蔓延预测与分析方法，其特征在于，包括以下步骤: 在油罐区的各油罐位置以及相邻油罐的中间位置布置传感器节点，节点间连接构成传感器网络； 在一个计算机系统内建立油罐区火蔓延 的加权有向网络；以及基于前述建立的加权有向网络，利用火灾的发生状态以及前述传感器节点所监测的环境数据进行火蔓延预测和相关分析。
2.根据权利要求1所述的基于复杂网络的油罐区火蔓延预测与分析方法，其特征在于，前述传感器节点所采集的环境信息至少包括:温度、湿度、一氧化碳浓度、二氧化碳浓度、可燃气体浓度、风速以及风向。
3.根据权利要求1或2所述的基于复杂网络的油罐区火蔓延预测与分析方法，其特征在于，加权有向网络的建立包括以下步骤: 步骤1、将油罐区的每个油罐抽象为网络节点，构成油罐集合V，V= { V1, V2,…，Vni }； 步骤2、赋予每个网络节点属性，用于反应每个油罐的状态信息，构成属性集合A:
A= {p, d, o, s, q}, 其中:P为节点位置，d为节点直径，O为储存油料性质，s为节点状态，q为节点中心接受热辐射强度； 步骤3、将火灾蔓延路径抽象为有向边，构成边集合E:
E= { e^.I i < m, j < m, i 古 j }, 其中，该集合E为一 VX V的子集，边eij表示已经着火的油罐与其相邻的未着火油罐之间的一个有向边，作为潜在的火灾蔓延路径，即火灾可能从边的起点vi朝向边的终点Vj蔓延； 步骤4、赋予边权值，构成边的权值集合W:
W= { Wij I i ^ m, j ^ m, i ^ j }, 其中，某一条边eu的权值Wij表示火灾从起点Vi向终点Vj蔓延的危险程度，Wij e [O, I],当边eu表示的火蔓延确实发生后，Wij=I,即:
4.根据权利要求3所述的基于复杂网络的油罐区火蔓延预测与分析方法，其特征在于，前述步骤2中，节点中心接受热辐射强度按照下述方式计算:q = τ FEact, 式中，q表示距离已着火油罐中心X米处的热辐射强度，F表示视角因素，Eact表示火焰表面实际辐射能量，τ表示大气传递系数，其中: a)大气传递系数τ按照下述公式计算: τ = 1-0.0581ηχ， 式中:χ表示火焰中心到目标的距离； b)视角系数F 将火焰形状等效为一圆柱体，底面与油罐横截面相同，火焰高度为Hf，火焰倾角为Θ， 火焰高度Hf按照下述公式计算:
5.根据权利要求4所述的基于复杂网络的油罐区火蔓延预测与分析方法，其特征在于，前述边权值的取值按照下述公式确定:
6.根据权利要求1所述的基于复杂网络的油罐区火蔓延预测与分析方法，其特征在于，前述火灾蔓延预测包括以下过程:基于油罐区某一油罐的火灾发生状态以及前述传感器节点所监测的环境数据，根据前述建立的加权有向网络进行火蔓延预测，求得所述各有向边的边权值中，最大权值所指向的有向边即代表火蔓延的趋势方向。
7.根据权利要求1所述的基于复杂网络的油罐区火蔓延预测与分析方法，其特征在于，前述相关分析包括分析计算火蔓延参考时间，即利用前述加权有向网进行油罐区火灾模拟得到的模拟数据，并基于模拟数据构建最小二乘支持向量机模型，用于计算火蔓延参考时间，其实现包括以下过程: 将前述传感器网络采集的环境参量作为输入数据X= Ixk I k=l, 2，3，…N}，输入数据Xk包含模拟过程中周期性采集得到的温度、湿度、一氧化碳浓度、二氧化碳浓度； 将实际蔓延时间作为输出值I二 Iyk I k=l, 2，3...，N}，输出数据yk由火灾模拟测得的实际火蔓延时刻减去采集数据Xk的时刻得到； 由此构建一个有N个样本的训练集D:设D = {(xk，yk) |k = 1，2，3，".Ν}，其中输入数据为Xk ∈ Rn，输出数据为yk ∈R，将训练数据即前述输入数据Xk和输出数据yk输入最小二乘支持向量机模型，目标是得到支持向量机模型函数，即目标判别函数； 最后将实际采集的火灾状态数据并输入模型，计算得到油罐区火灾实际发生过程中的某一油罐发生火蔓延的参考时间。
【文档编号】H04L29/08GK103905560SQ201410146990
【公开日】2014年7月2日 申请日期:2014年4月11日 优先权日:2014年4月11日
【发明者】张捷, 倪渊之, 郭耸, 王熙康, 缪晓龙, 郭鹏飞, 顾俊凯, 余丽明, 王进成, 刘美成, 左建, 王志彬, 许晋河 申请人:南京理工大学