中国火灾损失的聚类分析

臧　鹏

摘要：采用聚类的方法将中国31个省和地区的火灾数据按火灾损失聚成了3类，得出结论：同一类地区的火灾内部特性相对接近，不同类的地区之间差异较大。通过研究客观发生的、大量的火灾现象的数量，以及与火灾损失相关的因素分析来揭示出火灾产生、发展、和变化规律及其本质特征，进而正确地认识火灾规律，提出各地区对火灾预防与管理的建议，制定消防法律和对策，进行科学的消防管理。

关键词：聚类分析；火灾损失；K均值

聚类分析是人们用多元统计分析的技术进行分类的一种方法，是将一批样品或变量，按照他们在性质上的亲疏程度进行分类。火灾的发生造成了国民的重大生命财产损失。如何防止火灾，减少生命损失和财产损失受到全国的关注。针对此种情况，笔者通过对中国3l省(市、自治区)2005年由火灾造成的生命、财产损失进行聚类，提出合理的建议以指导宏观的火灾防治。

1参数选择及数据处理方法

1.1参数选取及数据来源

根据参数选择考虑5个方面的属性：火灾起数，死人数，伤人数，经济损失，火灾发生率，本文采用2005年的数据。研究地区为我国大陆31个省(市、自治区)。原始数据来源为《2006中国社会》统计年鉴——各地区存在事故情况(2005年)(国家统计局社会和科技统计司编)。

1.2数据处理方法

采用聚类分析的K均值法。K均值法是麦克奎因(Macqueen)于1967年提出，其思想是把每个样品聚集到其最近形心(均值)类中去。其基本步骤为：

(1)选择k个样品作为初始凝聚点，或者将所有样品分成k个初始类，然后将这k个类的重心作为初始凝聚点。

(2)对除凝聚点之外的所有样品逐个归类，将每个样品归人到凝聚点离它最近的那个类(通常采用欧氏距离)，该类的凝聚点更新为这一类目前的均值，直至所有样品都归了类。

(3)重复步骤(2)，直至所有的样品都不能再分配为止。

2分析结果

2.1火灾损失聚类

在SPSS软件中选择Analyze—Classify—K-MeansCluster命令，进入K－均值聚类对话框。通过聚类分析，聚为3类。

2.2输出结果分析

通过以上数据可知，火灾区可分为这样三类：(1)辽宁省，吉林省，黑龙江省，江苏省，山东省，广东省)；(2)天津市，山西省，内蒙古，广西省，海南省，贵州省，云南省，西藏区，甘肃省，青海省，宁夏区)；(3)北京市，河北省，上海市，浙江省，安徽省，福建省，江西省，河南省，湖北省，湖南省，重庆市，四川省，陕西省，新疆区)。

对聚类结果从经济情况、人口数量、消防投入、地理位置四个方面分析可知：

一类省市：此类区域是火灾发生数量、死亡人数、经济损失最高的区域。这些地区都是人口大省，经济相对发达。其中，广东省工业发达，虽然消防的投入较高，但外来务工人员较多，管理难度大，发生火灾概率高，火灾损失必然较大；东北三省处于林区，北方干旱，易发生火灾；

二类省市：此类区域是火灾发生数量、死亡人数、经济损失最小的区域。这些区域经济发展水平相对低，人口相对少，易于管理。

三类省市：此类区域人口较多，经济发达，火灾发生数量、死亡人数、经济损失相对较小。这些地区中大多省份处于雨水充足的南方地区，所以火灾发生的概率较低。其中北京、上海等地区是因为经济发展水平高，有较大的消防投入。

3建议

通过火灾损失和经济发展水平、消防投入以及自然因素等方面的分析，量化了不同地区的火灾损失水平，揭示了三者之间的内在联系。由此建议相关部门：

(1)对人口多的地区加强相关防火教育和火灾处理知识的宣传，林区、干旱系数大的区域应加大预防力度，加强火灾隐患的检查和排除；

(2)进一步研究地区经济发展和消防投入的关系，使生产总值会和火灾损失成为负相关；使火灾风险和投入匹配最合理；

(3)促进各地区火灾控制经验的交流，提出有各地方特色的火灾预防、处理措施。