《Scientific Reports》:Development of an artificial neural network–based egress model incorporating the egress safety ratio under fire in postpartum care center buildings
编辑推荐:
产后护理中心火灾安全事关母婴安全,现有疏散评估方法亟待完善。本研究为评估产后护理中心建筑的疏散安全,提出了一种基于Egress Safety Ratio的系统方法。研究人员结合火灾模拟与人工神经网络(ANN)技术,构建了可实时预测火灾场景下安全疏散路线的模型,并建立了量化评估疏散安全比的集成系统。模型验证结果与火灾模拟吻合良好,证实了其在评估和提升产后护理中心火灾疏散安全方面的准确性与有效性,为增强此类场所的消防安全提供了有价值的工具。
在提供专业护理与照护服务的产后护理中心,新妈妈和新生儿们本应享受一段宁静的恢复时光。然而,这类场所由于人员密集、疏散能力特殊(如产妇身体虚弱、新生儿需转运),一旦发生火灾,后果往往不堪设想。近年来,全球范围内与医疗护理机构相关的火灾事故时有发生,凸显了针对此类特殊建筑进行精细化消防安全设计与管理的迫切性。传统的消防安全评估方法可能无法充分应对火灾中瞬息万变的复杂环境,如何科学、动态地评估并确保火灾发生时人员能够安全、及时地撤离,成为了摆在安全工程师和建筑设计师面前的一道严峻考题。正是在这样的背景下,一项旨在为产后护理中心“量身打造”智能火灾疏散安全评估工具的研究应运而生,其成果发表于《Scientific Reports》期刊。
为了精准回答上述问题,研究团队主要运用了几个关键技术方法:首先,利用火灾动力学模拟软件,对产后护理中心建筑内的多种火灾场景进行仿真,量化分析温度、有毒气体等火灾环境参数与可用安全疏散时间(Available Safe Egress Time, ASET)之间的关联,构建了全面的基础数据库。其次,基于此数据库,开发了一个人工神经网络(Artificial Neural Network, ANN)模型,用于实时预测不同火灾情境下的安全疏散路径。最后,通过整合这些组件,建立了一个用于定量评估“疏散安全比(Egress Safety Ratio)”的集成系统,并利用不同平面布局的产后护理中心设计案例,将ANN模型的预测结果与详尽的火灾模拟结果进行对比,以验证所提出模型的可靠性与准确性。
研究结果
火灾模拟与数据库构建
通过系统的火灾模拟,研究人员分析了产后护理中心典型空间内火灾的发展过程,精确获得了火灾环境因素(如温度、一氧化碳浓度)随时间变化的数据,并确定了相应的可用安全疏散时间(ASET)。这些数据构成了后续模型训练与验证的坚实基础,揭示了火灾危险性与允许疏散时间窗口之间的量化关系。
人工神经网络模型的开发与训练
利用火灾模拟生成的大量数据,研究团队成功开发并训练了一个人工神经网络模型。该模型能够以火灾发生位置、时间及环境参数为输入,快速预测建筑内各位置的安全状态以及可用的安全疏散路径。模型的训练过程优化了其学习火灾动态与疏散时间关联的能力,使其具备了对未见过的火灾场景进行泛化预测的潜力。
疏散安全比(ESR)评估系统的建立
在ANN模型的基础上,研究建立了一个完整的疏散安全比定量评估系统。该系统能够综合所需安全疏散时间(Required Safe Egress Time, RSET)与可用安全疏散时间(ASET),动态计算并可视化建筑内各区域的ESR值,从而直观识别火灾中的高风险区域和安全撤离通道。
模型验证与效果分析
通过将ANN模型在不同平面布局的产后护理中心案例中的预测结果,与高保真的火灾模拟结果进行直接比较,验证了所提出模型的可靠性。对比显示,ANN模型的预测与模拟结果具有良好的一致性,证实了该模型在评估疏散安全、识别最优疏散路线方面的准确性和有效性,同时其计算效率远高于复杂的实时模拟。
结论与讨论
本研究成功开发了一套基于人工神经网络和疏散安全比概念的产后护理中心火灾疏散安全评估方法。核心结论表明,所构建的ANN模型能够有效利用火灾模拟数据,实现对新火灾场景下安全疏散路径的快速、准确预测。所建立的集成评估系统能够定量化地呈现疏散安全水平,为火灾安全管理和应急疏散预案制定提供了科学的决策支持。
这项研究的重要意义在于,它将先进的人工智能技术(ANN)与火灾安全工程深度融合,为解决产后护理中心这类特殊建筑的动态火灾风险评估难题提供了创新性方案。与依赖固定规则或耗时模拟的传统方法相比,该模型具备实时预测的潜力,有助于在火灾发生时更智能地指导人员疏散,从而提升应急响应效率。研究成果不仅可直接应用于产后护理中心的消防安全设计与改造,其方法框架也对其他人员密集且疏散困难的建筑类型(如医院、养老院)具有重要的借鉴价值,为保障脆弱人群在火灾中的安全开辟了新的技术途径。