??1 引言

????　　現代化城市具有建筑物集中、生產集中、財富集中、人口集中等特點，一旦發生火災，熱必造成巨大的經濟損失和人員傷亡，甚至會引起社會動蕩。特別近年來城市火災發生呈上升趨勢，給社會造成了不可忽視的損失。1998年3月22日，倫敦金融城中心發生火災，一幢44層高塔樓的1/5化為灰燼。2001年8月27日，俄羅斯首都莫斯科的奧斯坦基諾電訊發射塔（世界第二高的電視發射塔）發生火災，7人遇難。2002年6月16日，位于北京海淀區學院路20號的“藍極速”網吧發生火災，造成25人死亡，12人受傷，燒毀建筑95²，燒毀臺式電腦71臺。因而對火災發生次數及其分布特性進行準確、有效地預測，有利于消防部門合理投入人力、物力，優化配置消防資源、設施等，也有利于消防隊伍的科學培訓和管理。應用神經網絡預測方法，掌握火災事故發生次數的規律，成功的預防火災的發生，對減少人員傷亡，財產損失，對社會經濟發展，對保持社會秩序的穩定，都具有非常重要意義。

????2 BP神經網絡模型及其算法步驟

????　　人工神經網絡是基于連接學說構造的智能仿生模型，它是由大量神經元組成的非線性動力學系統，是由大量的，同時也是很簡單的處理單元（神經元）廣泛地相互連接而形成的復雜網絡系統。人工神經網絡模擬人的大腦活動，具有極強的非線性逼近、大規模并行處理、自訓練學習、容錯能力以及外部環境的活應能力。由于城市火災的發生具有很大的突發性、復雜多樣性及非線性，在很大程度上受外界環境的影響，因而利用神經網絡的特點和功能，對城市火災進行預測預報，更符合火災發生的特性。

????2.1BP網絡模型

????　　BP（Back Propagation）網絡是當前應用最為廣泛的一種人工神經網絡，有80%~90%的人工神經網絡模型是采用BP網絡或變形網絡，是前向網絡的核心部分。標準的Bp網絡模型由3個神經元層次組成，如圖1所示。其最下層稱為輸入層，中間層稱為隱含層，最上層稱為輸出層，各層次之間的神經元形成全互連接，各層次內的神經元之間沒有連接。其中輸入層n個節點分別對應n個輸入分量，輸入分量p=(p₁，p₂， p₃…p_n)，輸出層m個節點，其對應m個輸出分量T=（t ₁，t ₂，t ₃…t _m）。

????　　

????　　圖1 BP網絡模型

????2.2BP算法步驟

????　　給輸入層單元到隱含層單元的連接權值w _ij¹，i=1，2，…，s¹，j=1，2…n，隱含層單元到輸出層單元連接權值w _mi²，m=1，2…s²，i=1，2，…，s¹，隱含層閥值單元b _i¹，輸出層的閥值b _m²，并賦予權值、閥值（-1+1）區間的隨機值。

????2.2.1BP網絡的輸入向前傳播

????　　（1）將樣本值P輸入，通過連接權值w _ij¹送到隱含層，產生隱含層單元的激活值：

????　　A_t¹=f¹（Σw _ij¹P+ b _i¹） （1）

????　　式中，i，j同上，f¹函數為對數s形函數，即f¹（x）（1+e ^-x）^-1 （2）

????　　（2）計算輸出層單元激活值：

????　　A_m²=f（Σw _mi² A_t¹+ b _m²）

????　　令c=Σw _mi² A_t¹+ b _m² （3）

????　　式中，f函數文中取飽和線性函數：

????