基于元启发式算法的地震次生火灾应急水库优化配置研究

为解决地震次生火灾(FFE)应急水资源分配效率低下的问题，研究人员结合风险评估与城市动态，提出了一种基于元启发式算法的应急水库优化配置框架。通过整合GIS空间分析、AHP多准则决策和遗传算法(GA)，确定了德黑兰地区90座100立方米水库的最优位置，显著缩短了水资源获取时间（最大距离<4公里），为城市防灾规划提供了高效决策工具。

　　

地震灾害常伴随次生火灾（Fire Following Earthquake, FFE），历史上1906年旧金山地震和1923年东京地震中，约80%的建筑损毁源于FFE。现代城市因基础设施密集、供水管网易损，FFE威胁加剧，如1995年神户地震中仅40立方米的水库容量导致灭火失败。传统方法依赖专家经验的AHP-GIS分析，难以实现全局优化。为此，研究人员开发了融合元启发式算法的应急水库配置框架，旨在解决资源分配不均、响应延迟等核心问题。

研究团队通过整合GIS空间分析、AHP多准则决策和遗传算法(GA)，构建了四阶段框架：首先基于震后脆弱性、可达性和经济性筛选公园作为初始选址；其次采用Hazus模型计算FFE最大需水量（德黑兰案例为8,820立方米）并确定单库容量（100立方米）；随后引入FFE风险系数（加权因子含建筑密度、PGA^{峰值地面加速度}等）优化水库空间分配；最终通过AHP-GIS精准定位库址。关键技术包括：基于历史数据的Hazus-FFE建模、GA算法参数调优（种群规模100、突变率0.3）、加权欧氏距离最小化目标函数设计。

研究结果
初始选址识别：德黑兰3,047个公园中，选取具备低坍塌风险、邻近主干道的区域。
水库容量优化：根据73处最大着火点和神户事件教训，确定90座水库可覆盖9,000立方米总需求。
风险加权分配：高风险区（如老旧城区）水库密度提升，确保80%区域访问距离<2公里。
GA算法验证：在模拟环境中，算法优先选择加权距离最优的紫色标记区（风险系数2），收敛曲线显示2000代后稳定。

结论与意义
该研究首次将FFE风险系数与元启发式算法结合，实现城市级水资源智能配置。德黑兰案例表明，仅占用2.6%的公园空间即可满足全城需求，且最大服务距离严格控制在4公里内。创新性体现在：① 采用Hazus模型量化需求，规避了地区数据缺失限制；② 通过GA算法实现向量化评估，优于传统离散选址方法；③ 动态风险地图确保方案适应城市发展。成果为高密度城市防灾规划提供了可扩展的决策模型，发表于《Results in Engineering》，对提升城市韧性具有重要实践价值。