应急管理研究
火灾损失统计中的重置价值法和修复价值法
张雨薇
(昌吉州消防救援支队,新疆昌吉831100)
摘要:火灾损失统计方法的选择,直接影响损失统计结果的准确性。通过区分被烧损物烧损程度、使用年限、修复价值,探讨火灾损失统计中重置价值法与修复价值法的区别,提出不同情况下的选择方法,旨在提高火灾损失统计的准确率。
关键词:火灾损失统计;重置价值法;修复价值法
中图分类号:X921,TU99&1文献标志码:A
文章编号:1009-0029(2019)06-0900-02
火灾损失统计是火灾事故调查工作的重要环节之一。为准确地对火灾直接财产损失进行统计,公安部于1998年11月发布GA185-1998«火灾直接财产损失统计方法》行业标准,详细地规定了火灾直接财产损失
的计算、统计方法,并于2014年1月修订并发布了GA185-2014《火灾损失统计方法》,对火灾损失统计的方法进一步的修改、完善和细化,为火灾事故调查人员做好火灾损失统计工作提供了依据。
1问题的引出
《火灾损失统计方法》实施以来,已经过4年多的实践检验,较之前的统计方法更加准确、细化,统计方法及统计技术的选择原则分类更为详细,核算火灾损失更加方便,易于操作。但是,在火灾事故调查工作中发现,其部分条款还存在有局限性。根据《火灾损失统计方法》第7.1条重 置价值法和修复价值法的选择,依据统计技术方法的选择原则d项(建筑构件、设备设施及装置、城市绿化等损失宜选择重置价值法)和e项(房屋装修、汽车等损失宜选择修复价值法),其具体界定范围参考附录A火灾直接财产损失分类界定范围。调查实践中对于部分火灾,在同一物品损坏程度相同的情况下,分别使用两种方法统计出的损失可能会出现较大的偏差,对统计的火灾损失结果往往有较大的影响。笔者列举几种情况进行讨论,试图提出更加合理、细化的选择方法供火灾损失统计人员参考。
1.1被统计物烧损程度大的情况
实际火场中,房屋装修、车辆等整体烧毁的案例不在少数,火灾过火时间长,很容易导致房屋内基本生产、生活资料丧失,对于车辆火灾则容易致其报废。例如,某市一辆私家轿车发生火灾,车辆全部过火,内饰全部烧毁,车内各类电气线路过火,导致部分使用功能丧失和精确度降低。此车如果修复,
车辆需整体修理、更换配件,内部各类系统需要精细调试、测试,外部则要对外形进行修复,如承重梁受损,则也需修复或更换,所需修复费用高,甚至接近或超过重新购置同款新车(或同等条件二手车)的价格。车辆经过如此受损后,出于安全性能考虑,车主往往不会选择对其进行修复,而是另置新车。此时,车辆选择修复价值法所统计的损失与实际相差较大。
1.2被统计物使用年限长的情况
近年来,租房、出租屋、老旧小区火灾起数较多,这类建筑中家用电器等设施或设备通常已使用较长时间,如果烧损物受火烧程度一般,未达到报废程度,经过修复仍然可以使用,但修复时购买零配件的价格相对较高。例如,某县一居民家中洗衣机发生火灾,经了解,该洗衣机购置于10a前,使用重置价值法进行计算,结合表B.2,设备类总使用年限参考值,洗衣机总使用年限参考选择8a。此时,已使用年限已超过标准规定参考的该设备总使用年限,根据《火灾损失统计方法》附录B.5,设备类成新率小于等于10%但仍有使用价值的,按10%统计。此时,使用重置价值法讣算出的损失额很低,如果使用修复价值法,修复时的零配件费用、人工费合计较髙,但依然低于重新购买新款洗衣机的价格。在此类假设及类似情况下,修复价值法计算出的损失金额相对于重置价值法高出很多。
1.3修复费用预计大于受损前财产价值的情况
在火灾事故调查中发现,因一起火灾造成家庭各类生产、生活资料基本丧失的火灾案例不在少数。在
我国西北部边疆少数民族地区,村民自建房常见为土坯房,建造工艺为木梁加土坯,顶棚上再覆盖麦草。该房屋耐火等级低,经火烧几个小时后烧损程度常表现为顶棚塌落、墙面抹灰剥落、甚至木梁炭化。此时,如参照《火灾损失统计方法》7.1条所推荐的修复价值法进行统计,土坯房遭受烟熏、水渍损失后修复难度较大,修复费用较高。因农村自建房建设成本相比商品房成本低廉,居住年久需要大修时,修复预算有时高出重新建造的费用,所以会重新建造。但如果使用重置价值法,对于已居住较久的建筑,成新率低,统计出的直接财产损失就低,造成两种方法统计出的结果相差较大。
2解决问题的对策
笔者认为,为确保火灾损失统计准确,在选择重置价值法或修复价值法时,不仅要依据被统计物的分类,还要综合考量被统计物的烧损率、使用年限、修复费用等情况。笔者提出以下方法供参考。
基金项目:公安部科技信息化局关于强制性行业标准整合精简计划项目“修订《火灾损失统计方法》”(公科信[2018]11号-201811008)
900
Fire Science and Technology.June2019,Vol38,No.6
2.1重置价值法的选择
损失物属于建筑构件、建筑设施、装置装备及设备、城市绿化、房屋装修、车辆等损失的,有下列情形之一的,宜选择重置价值法。
(1)烧损程度大,如烧损率大于50%o此种情况下,在损失额计算中,损失额=重置价值X成新率X烧损率,重置价值以市场价格作为参考,成新率、烧损率根据实际情况考量,三项因子均符合统计实际。例如,某市某厂生产车间起火,生产线设备烧损严重,已不能正常投入生产,大部分配件损毁或损坏,恢复生产必须通过大修,经判定,其烧损率大于50%,如使用修复价值法对该起火灾的损失进行统计,统计的费用会很高,且高昂的修复价格与重新购买设备相比,后者效益更合理。因此,烧损程度较大时,宜选用重置价值法。
(2)使用年限长且有一定烧损程度,如使用年限超过总使用年限参考值50%的。此种情况下,使用重置价值法计算损失额时,使用年限主要影响成新率的计算,成新率低,计算出的损失额低,结合损失物使用实际,使用年限长,损失物消耗、折旧等费用拉低了物品的价值,二者相吻合,统计结果较为准确。如使用年限超过其总使用年限50%的车辆,在火灾中过火,有一定烧损程度,修复价值统计费用较高,宜选用重置价值法进行统计。
(3)修复费用超过受损前价值的50%。此种情况可类比烧损程度大的情况,烧损程度大、修复费用高,有的甚至并不值得修复,昂贵的修复价值已超过其本身损失,此种情况选择重置价值法,统计结果较为准确,如房屋装修烧毁,其修复费用超过受损前价值的50%,宜选择重置价值法。
2.2修复价值法的选择
损失物属于建筑构件、建筑设施、装置装备及设备、城市绿化、房屋装修、车辆等损失的,有下列情形之一的,宜选择修复价值法。
(1)烧损程度轻且使用年限短,如烧损率小于50%o 此种情况下,统计的损失额等于修复费。如果损失物烧损程度轻且使用年限短,简单修复即可恢复使用,釆用修复价值法统计的损失与实际相符。例如,某小区居民家中装修时,客厅不慎起火,发现和扑救及时,受损轻,仅吊顶、墙壁局部有烟熏、水渍损失,无其他损失。该房屋装修即将完工,尚未使用,成新率高,修复仅需简单清扫即可恢复,统计此起火灾的损失时,应使用修复价值法。
(2)修复费用低于受损前价值的50%。修复价值法的选择与重置价值法基本对应,选择依据基本互补,可参考重置价值法的选择理由进行反向选择,不再赘述。
2.3综合选择举例
在火灾损失统计工作中,实际火场情形可能并不绝对,有可能出现烧损程度大、但使用年限短或烧损程度轻、但使用年限长的情况。针对这类情况可以分以下情况讨论,对统计方法进行选择。2.3.1烧损程度与使用年限综合选择
(1)烧损程度大,但使用年限短。例如,商市场或经营类店铺火灾,被烧损物几乎为新品,因受烧损情况及市场销售因素等影响,不便逐一修复,修复后也无法再售卖,此时推荐使用重置价值法进行统计。再如,新装修住宅火灾,装修材料、电器等均为新品,因受烧损程度大的影响,已不便再修复,此种情况也推荐使用重置价值法进行统计。
(2)烧损程度小,使用年限长。例如,某居民家中一台使用年限较长的电视机发生火灾,部分原件烧损,修复后仍可使用,选择修复价值法所需修复费用为零配件及人工费,费用支出合理,且不影响使用,建议使用修复价值法。
综合该类情况,在烧损程度、使用年限两个变量影响统计方法的选择时,应以烧损程度为主导进行选择。
2.3.2修复费用与烧损程度
修复费用与烧损程度一般不存在冲突,烧损程度高的修复费用高,烧损程度低的修复费用低,此类情况依据任一变量做主导进行选择均可,结果一致。
2.3.3修复费用与使用年限
因修复费用与烧损程度呈正比,故修复费用与使用年限的综合选择可以参考烧损程度与使用年限的综
合选择。主要有以下两种情况:修复价值高,使用年限短的,推荐使用重置价值法,修复价值低,使用年限长的,推荐使用修复价值法。综合该类情况,在修复价值、使用年限两个变量影响统计方法的选择时,应以修复价值为主导进行选择。
3结束语
火灾直接财产损失的统计需考虑多方面因素,为确保火灾损失统计更加准确。笔者认为,在火灾损失统计方法重置价值法和修复价值法的选择方面,应根据烧损率、修复价值、被烧损物使用年限等给出更加具体、细化的选择方法,这也将对其他有关行业和部门火灾损失计算工作起到积极的引导作用。
参考文献:
[1]GA185-2014,火灾损失统计方法[S].
[2]李海宁.火灾损失统计方法探讨[J].消防科学与技术,2010,29(8):
726-729.
[3]果春盛.行业标准《火灾损失统计方法》修订概述[J].消防科学与技
术,2013,32(6):682-684.
The replacement value method and repair value method in fire loss statistics
ZHANG Yu-wei
(Changji Fire and Rescue Detachment,Xinjiang Changji 831100,China)
Abstract:The choice of fire loss statistical method directly affects
901
请防科学与技术2019年6月第38卷第6期
应急管理研究
基于深度学习的大数据管网风险评价方法
王新颖I,张惠然张瑞程赵斌打陈海‘
(1.常州大学环境与安全工程学院,江苏常卅213164;2.常州大学石油化工学院,江苏常州213164)
摘要:为了从管道大数据中挖掘有效信息,高效准确地识别管道存在的风险,建立城市管网风险预测
体系,结合深度置信网络,提出了基于深度置信网络的管道风险预测方法。以某燃气公司12段管网为例,其预测结果与实际情况相符,进一步选取未评级管道,利用多层次模糊风险分析法与所建立模型同时进行风险评估,二者结果一致。研究结果表明,该模型稳定性强、诊断速度快、识别准确率高,可较好地实现城市燃气管道的风险模式识别。
关键词:深度学习;大数据;燃气管道;风险评估
中图分类号:X913.4,X937,TU99&1文献标志码:A
文章编号:1009-0029(2019)06-0902-04
天然气的运输对于管道的需求远远超过其他产品的运输需求,这不仅是因为运输过程中的天然气非常容易发生火灾和爆炸,而且还因为运输的距离明显大于其他产品的运输,所以对于管道的要求也相对严格。例如,材料必须具备防腐蚀、防泄漏、高强度等特点,还有运输过程中的线路设施、自动监管系统等都要有完善的系统。通过对燃气管道进行风险评估,衡量在用管网的运行情况,对风险较高的管段应加强巡查、缩短检漏频率,并为危I日改造优先提供依据,能够更好地保障燃气管网安全正常的运作。
随着大数据技术的发展,“管道大数据化”已经应用在管道管理中,大数据则意味着从多方面观察评估管
道状态。建立合理的管道数据方案,对管道的一系列数据进行整理和保存在数据库中,结合深度学习相关知识进行分.................................................Hu.....in..........................................”"'
the accuracy of loss statistical results.The difference between the replacement value method and the repair value method in fire loss statistics is discussed by differentiating the burn damage degree, service life and repair value of burned materials.The selection method under different situation is proposed,to improve the accu­racy of fire loss statistics.
Key words:fire loss statistics;replacement value method;repair value method
作者简介:张雨薇(1992-),女,新疆乌鲁木齐人,新疆昌吉州消防救援支队助理工程师,学士,主要从事消防监督管理工作,新疆维吾尔自治区昌吉市世纪大道33号,831100o
收稿日期:2019-01-27析,会对管道在服役期间的安全检测起到重要的作用。将大数据与深度学习结合,可以有效解决深度学习中数据来源不足的问题,不少学者已经将二者结合在其他领域中应用,金诗谱等在大数据的背景下利用深度学习进行人脸识别;雷亚国等通过深度学习利用机械频域信号的大量数据训练深度神经网络,完成故障特征的自适应提取与健康状况的智能诊断;尹文君等利用深度学习技术在大数据的背景下构建出一种天气预测系统,取得了巨大的进步。由此 可见,将大数据与深度学习中的深度置信网络技术相结合,应用于管道风险评估中,能够提高城市管网风险预测水平。
1城市燃气管道风险评估
常见的管道评估系统是基于影响管道状况的各类因素的,包括管材、保护管道措施、与建筑物间距、管龄、地下土质、深度、过往泄漏种类和频率。每一个因素包含各项类别的评估分数及其所占的比重,以便计算出管道状况的总评估分值,从而给出合适的行动建议。为了更精准地评估管道状态,根据实际选取合适的管道状态数据,建立城市管网风险评估体系,如图1所示。
|管网风险影响因
丿
|«|
使用价值
J
图1城市管网风险评估体系
2深度置信网络
2.1受限玻尔兹曼机
受限玻尔兹曼机是一个由可视层。和隐藏层h构成的二分图模型,所有的节点服从随机二值变量,表示为节点(0或1),全概率分布上P&满足Blotzmann分布,本层节点之间没有连接。无论在可视层还是隐藏层,节点都是独立的,因此,在已知可视层"的情况下,有式(1)。
P(/j|u)=(1)同理可知,当隐藏层人可知时,根据P(^\h)可以推算出可视层a,d用来表示根据隐藏层估计出的可视层单元。经过参数调整,当从隐藏层推算出的d与初始可视层u相同时,就判定该隐藏层为可视层输入数据的特征表示,RBM 的训练过程,如图2所示。
基金项目:国家安监总局安全生产重大事故防治关键技术科技项目“天然气管网泄漏检测及风险管理系统关键技术研究”(安监总厅科技[2013J140号);常州市科技项目“城市地下燃气管网信息化管理与应急决策支持系统"(CZ20170017)
902
Fire Science and Technology,June2019,Vol38,No.6